数学建模 统计建模.pptVIP

* * Shape Concerned with extent to which values are symmetrically distributed. Kurtosis The extent to which a distribution is peaked (flatter or taller). For example, a distribution could be more peaked than a normal distribution (still may be 慴ell-shaped). If values are negative, then distribution is less peaked than a normal distribution. Skew The extent to which a distribution is symmetric or has a tail. Values are 0 if normal distribution. If the values are negative, then negative or left-skewed. * * * * * * Location (Position) Concerned with where values are concentrated. Variation (Dispersion) Concerned with the extent to which values vary. Shape Concerned with extent to which values are symmetrically distributed. * * * 逐 步 回 归 逐步回归的命令是： stepwise（x，y，inmodel，alpha） 运行stepwise命令时产生三个图形窗口：Stepwise Plot，Stepwise Table，Stepwise History. 在Stepwise Plot窗口，显示出各项的回归系数及其置信区间. Stepwise Table 窗口中列出了一个统计表，包括回归系数及其置信区间，以及模型的统计量剩余标准差（RMSE）、相关系数（R-square）、F值、与F对应的概率P. 矩阵的列数的指标，给出初始模型中包括的子集（缺省时设定为全部自变量） 显著性水平（缺省时为0.5） 自变量数据, 阶矩阵 因变量数据， 阶矩阵 例6 水泥凝固时放出的热量y与水泥中4种化学成分 有关。 今测得一组数据如下，试用逐步回归法确定一个 线性模 型. 1、数据输入： x1=[7 1 11 11 7 11 3 1 2 21 1 11 10]; x2=[26 29 56 31 52 55 71 31 54 47 40 66 68]; x3=[6 15 8 8 6 9 17 22 18 4 23 9 8]; x4=[60 52 20 47 33 22 6 44 22 26 34 12 12]; y=[78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.8 113.3 109.4]; x=[x1 x2 x3 x4]; * * 2、逐步回归： （1）先在初始模型中取全部自变量： stepwise(x,y) 得图Stepwise Plot 和表Stepwise Table 图Stepwise Plot中四条直线都是虚线，说明模型的显著性不好 从表Stepwise Table中看出变量x3和x4的显著性最差. （2）在图Stepwise Plot中点击直线3和直线4，移去变量x3和x4 移去变量x3和x4后模型具有显著性. 虽然剩余标准差（RMSE）没有太大的变化，但是统计量F的 值明显增大，因此新的回归模型更好. 聚类分析 将数据所对应的研究对象进行分类的统计方法。 事先不知道类别的个数与结构； 将距离近的对象归入一类； 当指标的测量值相差悬殊时，应先对数据进行标准化处理，再利用标准化的数据计算距离。 聚类分析 根据分类对象不同分为： Q型聚类：对样本进行聚类；用“距离”描述 R型聚类：对变量进行聚类；用“相似系数”描述 Q型聚类的度量——距离 Q型聚类的度量——距离 当指标的测量值相差悬殊时，应先对数据进行标准化处理，再利用标准化的数据计算距离。 R型聚类的度量——相似系数 常用的相似系数： 1.相关系数：计算样本不同指标间的相关系