[学习]概率论与数理统计课件第9章.ppt

控制则为预测的反问题：已知因变量的取值区间为 ，确定自变量的取值区间 使得 利用回归方程进行控制 一般地，要解出 和 很复杂，可作简化求解： 当样本容量很大时， ，则 例1的上机操作步骤 分两列输入 回归分析命令 因变量 自变量 预测点 置信水平 t检验 r检验 F检验 预测区间 点预测值 自变量值 前一节，我们学习了一元线性回归分析问题，在实 际应用中，有些变量之间并不是线性相关关系，但可以 经过适当的变换，把非线性回归问题转化为线性回归问 题。 可线性化的一元非线性回归 常见的几种变换形式： 1、双曲线 令 2、幂函数曲线 令 化非线性回归为线性回归 变形 3、指数函数曲线 令 变形 4、负指数函数曲线 令 化非线性回归为线性回归 变形 5、对数函数曲线 令 6、S型（Logistic）曲线 令 化非线性回归为线性回归 变形 例1 测定某肉鸡的生长过程，每两周记录一次鸡的重量， 数据如下表 2.8 14 2.67 12 2.47 10 2.2 1.73 0.86 0.3 y/kg 8 6 4 2 x/周 由经验知鸡的生长曲线为Logistic曲线，且极限生长量 为k=2.827，试求y对x的回归曲线方程。 解 由题设可建立鸡重y与时间x的相关关系为 令 则有 列表计算 -123.531 40.323 560 -8.162 13.03 56 ? 2.8 2.67 2.47 2.2 1.73 0.86 0.3 y 14 12 10 8 6 4 2 x -10.042 1.576 64 -1.255 4 -2.733 0.208 36 -0.456 3 3.309 0.684 16 0.827 2 4.262 4.541 4 2.131 1 -64.982 21.544 196 -4.642 7 -34.003 8.029 144 -2.834 6 -19.342 3.741 100 -1.934 5 xy y2 X2 y 序号 所以 所以所求曲线方程为 上机操作 输入原始数据 上机操作 计算 上机操作 上机操作 * * * * 在现实问题中，处于同一个过程中的一些变量，往往是相互依赖和相互制约的，它们之间的相互关系大致可分为两种： 相关关系问题 （1）确定性关系——函数关系； （2）非确定性关系——相关关系； 相关关系表现为这些变量之间有一定的依赖关系，但这种关系并不完全确定，它们之间的关系不能精确地用函数表示出来，这些变量其实是随机变量，或至少有一个是随机变量。 相关关系举例 例如：在气候、土壤、水利、种子和耕作技术等条件基本相同时，某农作物的亩产量 Y 与施肥量 X 之间有一定的关系，但施肥量相同，亩产量却不一定相同。亩产量是一个随机变量。 又如：人的血压 Y 与年龄 X 之间有一定的依赖关系，一般来说，年龄越大，血压越高，但年龄相同的两个人的血压不一定相等。血压是一个随机变量。 农作物的亩产量与施肥量、血压与年龄之间的这种关系称为相关关系，在这些变量中，施肥量、年龄是可控变量，亩产量、血压是不可控变量。一般在讨论相关关系问题中，可控变量称为自变量，不可控变量称为因变量。 函数关系与相关关系的区别 相关关系—— 影响 的值， 函数关系—— 决定 的值， 因此，统计学上讨论两变量的相关关系时，是设法 确定：在给定自变量 的条件下，因变量 的 条件数学期望 不能确定。 回归分析的概念 研究一个随机变量与一个（或几个）可控变量之间 的相关关系的统计方法称为回归分析。 只有一个自变量的回归分析称为一元回归分析；多 于一个自变量的回归分析称为多元回归分析。 引进回归函数 称为回归方程 回归方程反映了因变量 随自变量 的变化而变化 的平均变化情况. 回归分析主要包括三方面的内容 （1）提供建立有相关关系的变量之间的数学关系 式（称为经验公式）的一般方法； （2）判别所建立的经验公式是否有效，并从影响随机变量的诸变量中判别哪些变量的影响是显著的，哪些是不显著的； 回归分析的内容 （3）利用所得到的经验公式进行预测和控制。 一元线性回归模型 如果试验的散点图中各点呈直线状，则假设这批数 据的数学模型为 设随机变量Y依赖于自变量x，