回归系数随机变量.ppt

数据的统计与分析的两类方法 1.数据的统计与描述 数据的收集 样本：统计研究的主要对象 总体--研究对象的全体。如所有顾客感觉舒适的高度 个体--总体中一个基本单位。如一位顾客的舒适高度 样本--若干个体的集合。如50位顾客的舒适高度 样本容量--样本中个体数。如50 数据的整理 比较直观，比较清晰的结论 21—50岁的中青年患者大约占总发病人数的 3/4，提醒民众中青年是易感人群。 频数表 平均值 标准差 统计量 示例 随机变量的概率分布及数字特征 频率与概率 概率密度与分布函数 期望和方差 常用的概率分布 MATLAB命令 频率与概率 概率密度与分布函数 期望和方差 常用的概率分布 常用的概率分布 2.参数估计与假设检验 假设检验的MATLAB实现 MATLAB命令使用说明(一例) 3.回归分析 模型 对?1 , ?2非线性 对?1, ?2线性 1/x较小时有很好的线性趋势，1/x较大时出现很大的分散. x较大时，y有较大偏差. 参数估计时，x较小（1/x很大）的数据控制了参数的确定. ?1=6.972?10-3, ?2=0.215?10-3 ?1=143.43, ? 2=0.0308 直接考虑非线性模型 一元线性回归分析 已知一组数据(xi, yi), i=1,2,?n (平面上的n个点)， 用最小二乘准则确定一个线性函数(直线) 问题 1. 血压与年龄 2. 合金强度与碳含量 怎样衡量由最小二乘准则拟合得到的模型的可靠程度？ 怎样给出模型系数的置信区间和因变量的预测区间？ 系数的计算二者没有什么区别; 2的拟合效果比1好得多. 一元线性回归模型 x~自变量 yn y2 y1 xn x2 x1 ~回归系数 ?~随机变量(影响y的随机因素的总和) 独立性: 对于不同的x，y相互独立 线性性: y的期望是x的线性函数 0 x y 基本假设 齐次性: 对于不同的x，y的方差是常数 正态性: 对于给定的x，y服从正态分布 ? 是相互独立的、期望为0、方差为?2、正态分布的随机变量，即? ~N (0, ?2), ? 称（随机）误差。 回归系数的最小二乘估计 数据xi, yi( i=1,?n)代入 误差平方和 直线 通过xi, yi的均值点 最小二乘估计 线性无偏最小方差估计 一元线性回归的统计分析 1.误差方差D? =?2 的估计 yi理论值(期望)的估计 误差?i的估计,称残差(记作ei ) 残差平方和 ?2的无偏估计 n-2~Q的自由度=数据容量 ? 模型中所含参数的个数 s2~剩余方差(样本方差)，s~剩余标准差(样本标准差) 2. 回归系数的区间估计和假设检验 统计性质: 和Q相互独立 ?1的置信区间 对?1的假设检验 t 分布 问: 怎样缩短?1的置信区间? 拒绝H0 回归模型有效 ?1的置信区间不包含零点 一元线性回归的统计分析 3.模型的有效性检验 总偏差平方和 回归平方和 残差平方和 偏差的分解: S U Q = + 决定系数 因变量的总变化中自变量引起的部分的比例 F F(1,n-2), 1-? 若H0成立 给定? ,有F(1,n-2), 1-? 一元线性回归的统计分析 拒绝H0 回归模型有效 利用一元线性回归模型进行预测 x0给定, y0的预测值: 性质: 无偏, 且 最小 预测区间 n很大且 x0接近 0 x y s~剩余标准差 一元线性回归的MATLAB实现 b=regress(y,X) [b,bint,r,rint,s]=regress(y,X,alpha) 输入：y~因变量（列向量），X~1与自变量组成的矩阵，alpha~显著性水平?（缺省时设定为0.05）。 输出： ，bint~?0, ?1的置信区间，r~残差（列向量），rint~残差的置信区间， s(4个统计量)： 决定系数R2; F值; F(1,n-2)分布大于F值的概率p； 剩余方差s2。 (当p? 时拒绝H0，回归模型有效) 注意 regress 与 polyfit 用法的区别 例1 血压与年龄 模型 xueya1.m R2=0.4540 F=23.2834 p0.0001 s2 = 273.7137 [0.5601 1.3864 ] 0.9732 ?1 [78.7484 118.0683] 98.4084 ?0 回归系数置信区间 回