matlab预测1回归分析.pptxVIP

先来看两个例子： 问题1 (血压与年龄)为了了解血压随着年龄的增长而升高的关系，调查了30个成年人的血压，如表所示，我们希望用这组数确定血压与年龄之间的关系，并且由此从年龄预测血压可能的变化范围。表1序号血压年龄序号血压年龄序号血压年龄114439111626421136362215471215056221425031384513140592312039414547141103424120215162651512842251604461424616130482615853717067171354527144638124421811418281302991586719116202912525101545620124193017569模型：记血压为y，年龄为x，可以做出如上图所示的散点图，从图形上直观的可以看出，y与x大致呈线性关系，即有：需要由数据确定系数 的估计值 。此函数为一元线性函数！！ 问题2 (血压与年龄，体重指数，吸烟习惯) 世界卫生组织颁布的“体重指数”的定义是体重(kg)除以身高(m)的平方，下表给出了30个人的体重指数等数据，其中，0表示不吸烟，1表示吸烟，怎么考虑吸烟这个因素，此因素对于血压升高有影响吗，并对体重指数为25,50岁的吸烟者的血压做出预测。表2序号血压年龄体重指数吸烟习惯序号血压年龄体重指数吸烟习惯序号血压年龄体重指数吸烟习20111626428.01211363625.0022154731.11121505625.80221425026.2131384522.60131405927.30231203923.5041454724.01141103420.10241202120.3051626525.91151284221.70251604427.1161424625.10161304822.21261585328.6171706729.51171354527.40271446328.3081244219.70181141818.80281302922.0191586727.21191162022.60291252525.30101545619.30201241921.50301756927.41模型：记血压为 ，年龄为 ，体重指数为 ，吸烟习惯为 ，用Matlab将 与 的数据做散点图，看出大致也呈线性关系，建立模型：由数据估计系数 ，也可看做曲面拟合（其实为超平面）第三讲 MATLAB预测方法（1）回归分析多元线性回归 b=regress( Y, X )1、确定回归系数的点估计值：置信区间 显著性水平（缺省时为0.05）回归系数的区间估计残差用于检验回归模型的统计量，有三个数值：R2、F值、与F对应的概率p、以及残差的方差的估计值2、求回归系数的点估计和区间估计、并检验回归模型： [b, bint,r,rint,stats]=regress(Y,X,alpha)3、画出残差及其置信区间： rcoplot（r，rint）问题1的求解：y=[……]; %已知的因变量数组x=[……]; %已知的自变量数组n=……; %已知的数据容量X=[ones(n,1),x’]; %1与自变量组成的输入矩阵[b,bint,r,rint,s]=regress(y’,X); %回归分析程序(显著性水平为0.05)b, bint, s, %输出回归系数及其置信区间和统计量 rcoplot(r,rint) %残差及其置信区间作图输出结果为：b=98.40840.9732bint = 78.7484 118.0683 0.5601 1.3864s = 0.4540 23.2834 0.0000 273.7137回归系数回归系数估计值回归系数置信区间98.4084[74.7484, 118.0683]0.9732[0.5601 1.3864]R2=0.4540 F=23.2834 p0.001 s2=273.7137结果整理为下表： 从以下几点可以看出模型是有效的：参数的置信区间不含0点；p小于显著性水平；用Matlab可以求出F1-α(1,n-2)=4.1960，显然小于F值。 但是由于β1的置信区间过长，R2较小，说明模型的精度不高！残差图如图所示：图中第二个点的残差置信区间中不包含0点，由于残差服从均值为0的正态分布，因此可以认为这个点为异常数据，偏离数据整体的变化范围，应该剔除，重新进行回归分析！！残差与残差区间杠杆图，最好在0点线附近比较均匀的分布，而不呈现一定的规律性，如果