实验设计与数据处理 回归分析6.pptVIP

4.1各因素影响大小判断 标准化方法 b、非标准正态如何使用正态分布？ 对于 令 ? 请记住！！ t=?y+? 复习 不同? 不同? 例2－3 已知试样中Co的标准值为1.75%，标准偏差σ＝0.10。求分析结果落在（1.75±0.15）范围内的概率。 解： Y=(t-μ）/σ＝（1.75＋0.15－1.75)/0.10=1.5 P{-1.5y1.5}=0.9332-(1-0.9332)=0.8664 复习 4.2 各因素的显著性检验 F检验、t检验 t检验见教材P93 不做要求 教材P94 （2）因素重要性分析 （3）各因素显著性分析 总结论： 《回归分析》作业2 教材P113第3题 《回归分析》作业1： 李云雁P112 习题1 《回归分析》作业3 教材P113第2题 两边取对数： lnu=lna+bt 令y=lnu, x=t 得: y=lna+bx 幂函数得线性化 u=c tb 将上式两边取对数，得： lgu=lgc+blgt 令y=lgu x=lgt a=lgc 得： y=a+bx 非线性方程的线性化 参曾善玉《应用概率统计》p129 煤气化反应模型的求解： 一元多项式回归 见教材P98 多元非线性回归 见教材P100 6.4 多元线性回归分析 实际工作中多为多元回归 问题： 如何求出回归方程？ 如何判断方程显著程度？ 如何判断各因素影响大小？ 教材P94 这是一个多元一次线性方程，容易求解，得到β0、β1、β2、???、βi、 ??? 、βm 以教材P90为例介绍求算过程 3.多元回归方程的显著性检验 相关系数法 教材P92 复相关系数 临界值 校正相关系数 F检验法 设X1、X2为相互独立的随机变量，且X1~χ2(n1) 、X2~χ2 (n2)， 则称： 是第1自由度为n1，第2自由度为n2的F统计量，其分布称为F分布，记作F(n1,n2)。 定义： 李P94例4－6 这是一个正交试验！ 有意思。 4. 多元回归中因素主次的判断 偏回归系数大小反映该因素影响大小吗？ 某些因素影响不显著，如何判断？ （2）回归显著性检验 所以，只有显著性高的回归才有意义。 所有变量之间都可以用回归方法得到回归方程。 回归显著性检验方法有： 相关系数R检验法 F检验法 T检验法 其理论基础都是总平方和的分解： 这个式子的证明见余家林《概率论及试验设计》P227 N个y值之间的差异，称为总平方和，SST N个预测值之间的差异，称为回归平方和, SSR 样本值与预测值差异，称为剩余平方和, SSE 显然，如果SSE较小，而SSR较大，说明回归效果好；反之说明回归效果差。 教材P87 S总＝S剩＋S回 或者表示为： SST=SSE+SSR Sum of squre, total/ error/ regression ①相关系数R检验法 SSR=blxy（教材P87） 总平方和的定义 定义统计量： 显然，如果r2较大，则SSE较小，说明回归效果好。 相关系数检验法 查表P224 r的例题演算 ②F检验法 F检验方法 实例教材P87 表4-4 一元回归的应用极其广泛，可它的应用有一个前提：在变量x取值后，y 所取的值服从N(a+bx,σ2)分布。 σ2取值？ σ2的点估计 详细证明见曾善玉《应用概率统计》P118 SSE/n ③ T检验法 ①为什么假定b＝0？ 要判定Y对x的回归函数类型是否为线性的，即判断两个变量间是否真的存在线性关系。 如果Y=a+bx+ε中b≠0，则x变化时y会相应变化；反之，如果 b＝0则表明Y与x不存在线性关系。 要检验b＝0与否，就要有b的表达式，如何表达？ ?b的T表达式怎么来的？ 卡方统计量χ2常用作对正态总体的方差进行统计估计和假设检验。 可以证明，由总体X ?N(?,?2)的样本方差?2构造的统计量服从卡方分布： 总体b 总体σ T检验法（假设检验） 演算 Intercept: y轴截距 Variable: 6.4 一元曲线回归（一元非线性回归） 第六章 回归分析（统计分析）Regression Analysis 这个公式有没有意义，有多大意义取决于什么？ 《回归分析》作业： 李云雁P112 习题1 26、什么是回归分析？ 27、一元线性回归分析的原理是什么？ 28、检验一元线性回归的显著性的常用方法有哪些？ 31、如何进行一元或多元非线性回归？ 6.1 研究回归分析的意义