系统工程与运筹学19章修改.pptxVIP

系统工程与运筹学Systems Engineering and Operation Research;教学设计与课程要求;主要参考书;第1章??系统科学方法论与系统;案例1：都江堰水利工程;1.1系统科学方法论;1.1系统科学方法论;1.2系统的概念和属性;第2章??系统科学与系统工程;2.1 系统科学体系 2.1.1系统科学的体系结构;系统科学 （桥梁）;2.1.2 系统理论;2.2系统工程;2.3系统工程的基础理论;2.4 系统工程方法论;第3章??系统工程的主要方法;??3.1??模型化;;3.2??系统分析与综合评价;3.3??层次分析法;3.4 模糊综合评价法;层次分析法的应用举例;第4章??系统工程常用预测方法和模型;??4.1??预测科学;4.2??定性预测技术:德尔菲法;4.3??定量预测技术;线性回归预测模型的检验过程及预测精度;线性回归的方法与步骤;线性回归的理论假设;4.3.1 一元线性回归;一元非线性回归模型;多元线性回归;多元线性回归模型与参数估计;回归方程的建立;一元线性回归时，计算比较简单： 多元线性回归时，比较复杂，一般需要用计算机处理。;线性回归的检验;剩余平方和(residual sum of squares)：即残差平方和，不能用线性回归解释的部分 以上三部分的自由度分别为n-1，m和n-m-1。其 中，n为样本数，m为自变量数。 方差分析的假设为 一元线性回归：H0: ?=0 　　　 H1: ??0 多元线性回归： H0: ?1= ?2=…= ?m=0 H1: ?1， ?2，…， ?m中至少有一个不等于零 因此方差分析的结论是线性回归方程是否显著，是否有意义。;２、回归／偏回归系数的检验 　　 检验回归系数是否为零，每一个偏回归系数是否为零。用t检验方法。 　统计量 　 自由度 　结论：回归／偏回归系数是否有意义，是否为零；对应的自变量是否有意义。 ;３、常数项（截距）的检验 检验常数项（截距）是否为零。 用t检验方法。 一元线性回归： H0: ?=0 　　　　　　 H1: ? ?0 ;多元线性回归： H0: ?0=0 　　　　 H1: ?0?0 ;模型的预测效果检验 　　 亦称回归模型的拟合优度检验。检验回归模型对样本数据的拟合程度。 决定系数（determination coefficient）（ R square） 调整（校正）决定系数（adjusted R square） 复相关系数R （multiple correlation coefficient）;线性回归适用性检验 （１）回归模型残差的正态性检验 残差的直方图 残差的累积概率图（P-P图） （２）回归模型残差的独立性检验 用Durbin--Watson检验，其参数称为Dw或D。D的取值范围是0D4。其统计学意义为： D≈2，残差与自变量相互独立； D2，残差与自变量正相关； D2，残差与自变量负相关。;（３）残差的方差齐性检验 以上都是对残差的分析，称为残差分析。残差分析还可以１）检出奇异点 ２）评判预测效果。 （４）共线性诊断 共线性（collinearity） 共线性的危害 共线性的鉴别 容差（tolerance） 方差膨胀因子（variance inflation factor）;多元线性回归方程的评价 评价回归方程的优劣、好坏可用确定系数R2和剩余标准差Sy,x1,2..p 。 Sy,x1,2. p ＝SQRT（SS误差／n-p-1） 如用于预测，重要的是组外回代结果。 ;确定系数： 简记为R2，即回归平方和SS回归与总离均差平方和SS总的比例。 R2 ＝ SS回归／ SS总 可用来定量评价在Y的总变异中，由P个X变量建立的线性回归方程所能解释的比例。 ;选择变量的统计学标准;回归方程中自变量的选择;选择变量的方法;向前引入法（forward selection) 自变量由少到多一个一个引入回归方程。将 corr(y , xj)最大而又能拒绝H0者，最先引入方程，余此类推。至不能再拒绝H0为止。 ;向后剔除法（backward selection) 自变量先全部选入方程，每次剔除一个使上述检验最不能拒绝H0者，直到不能剔除为止。 ;逐步引入－剔除法（stepwise selection) 先规定两个阀值F引入和F剔除，当候选变量中最大F值＞＝F引入时，引入相应变量；已进入方程的变量最小F＜＝F剔除时，剔除相应变量。如此交替进行直到无引入和无剔除为止。（计算复杂） ;最小二乘法的矩阵表示;最小二乘估计量的性质;OLS