数学建模——回归分析模型（）演示课件-精选.pptVIP

数学建模——回归分析模型 一元线性回归模型——应用举例 在研究机器工作效应时，测得工作时间与出品率如下表所示，求出品率关于工作时间的回归方程并作拟合优度检验。 工作时长 10 11 12 13 14 15 16 17 18 19 出品率 45 51 54 61 66 70 74 78 85 89 在生活中竞赛，在竞赛中生活 * 数学建模——回归分析模型 解： 所以回归方程为： 相关系数值为： 相关系数接近1，说明随机变量与x具有显著的相关性，线性回归的拟合度较高，检验通过 请同学将结论与实际问题结合，分析工作时长与出品率的关系，并预测20小时和6小时时的出品率？时间趋于无限大呢？ 在生活中竞赛，在竞赛中生活 * 数学建模——回归分析模型 一元线性回归的Excel实现 （1）将数据导入Excel工作表； （2）工具栏中选插入—图表—XY散点图； （3）选择数据区域，填写标题、图例等内容，完成； （4）右击散点图—选添加趋势线—线性（类型）—在选项中选显示公式和R平方值。此时作出了回归图并求得方程； （5）在工具栏中选工具—数据分析—找到回归并确定—选择数据区域、输出数据区域，勾选置信度残差、标准残差、线性拟合图。此时得到几个表格，可查得回归系数、常数项及R平方值。 请同学用Excel完成上面的例题 Excel是做一元线性回归的其中一种 软件，还有Spss，Matlab都可以做 在生活中竞赛，在竞赛中生活 * 数学建模——回归分析模型 多元线性回归模型——模型 现实生活中，一个变量往往受到多个因素的影响，假设有 个因素，称为解释变量，这种多个解释变量与因变量构成的这种关系称为多元线性关系，由这种关系构成的函数关系式称为多元线性回归模型，其一般式如下： 称为回归系数。 矩阵形式 在生活中竞赛，在竞赛中生活 * 数学建模——回归分析模型 多元线性回归模型—— 估计 方法：最小二乘法 基本思想：寻找实际值与拟合值的离差平方和最小的回归直线。 由于参数未知，需要样本回归函数，如下所示： 类比一元线性回归模型为使误差最小,这里称为残差，则下式取最小值， 残差平方和 在生活中竞赛，在竞赛中生活 * 数学建模——回归分析模型 多元线性回归模型—— 估计 令上式 对 的偏导数为零，得到正规方程组，用线性代数的方法求解，求得值为： 其中 为矩阵形式，具体如下： 在生活中竞赛，在竞赛中生活 * 数学建模——回归分析模型 多元线性回归模型——线性假设的显著性检验 必要性：与一元线性回归模型类似，多元线性回归模型也需要进行拟合优度检验。 样本观测值和回归函数因变量满足关系： 可决系数（判定系数） 为: 可决系数越靠近1，模型对数据的拟合程度越好。 通常可决 系数大于0.80即判定通过检验。 模型检验还有很多方法，以后会逐步接触 在生活中竞赛，在竞赛中生活 * 数学建模——回归分析模型 多元线性回归模型—应用实例 例2 某厂生产的一种电器的销售量与竞争对手的价格 和本厂的价格 有关。下表是该商品在10个城市的销售记录。 元 120 140 190 130 155 175 125 145 180 150 元 100 110 90 150 210 150 250 270 300 250 个 102 100 120 77 46 93 26 69 65 85 请建立销售量与两个价格之间的关系，并进行检验 在生活中竞赛，在竞赛中生活 * 数学建模——回归分析模型 解：分别画出y与x1，y与x2的散点图，判断关系，可以看出y与x2可以看出有线性关系，而y与x1关系较为复杂，现假设关系为： 在生活中竞赛，在竞赛中生活 * happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy every day happy ever