第九章 线性代数模型的回归分析演示教学.pptVIP

第九章 线性代数模型的回归分析;自变量和因变量按其确定性划分为三类； 1．两者都是确定性变量； 2．两者都是随机性变量； 3．一个是确定性的，而另一个是随机性的变量。 第一种情况属于数学分析中研究的对象。 第二、三种情况则统称为回归分析或相关分析。 回归分析研究的数学模型是线性模型与多项式回归模型，以及可以化为线性的模型。回归分析在生产中也得到广泛地应用。如在煤加工过程中，煤焦油产率x，粗苯产率y和焦炉煤气产率Z均取决于装炉煤的种类和其干燥无灰基挥发份Vdaf的含量，统计模型为：; 以上都是从大量生产数据中统计回归得到的。回归分析主要解决以下几个方面的问题： 1．研究并确定几个特征变量间有无相关关系，如果是相关的，则求出相关关系的模型表达式。 2．对找出的相关关系进行统计检验，以确定此关系的相关程度； 3．从诸多因素中寻找主要影响因素和次要影响因素； 4．利用所求的关系，进行预测或预报等。;对所有的xi而言，εi的愈小愈好。或对下式： ;9.2.2 回归方程的显著性检验;称做线性回归方程的相关系数。 ;一元回归线性回归方程的方差检验; 若经检验，回归不显著，则应查明原因。一般由下列原因造成： 1、除x外，还有其它因素影响y取值 2、X与y可能存在非线性关系 3、X与y可能不存在关系 继续工作步骤： 对于原因1，分析可能的其它因素，建立多元回归方程或逐步回归方程，再进行检验。 对于原因2，由实验数据作出实验曲线，分析其可能的数学模型，进行变量代换，化为一元线性回归问题。 进行上述分析仍不能解决问题，说明X与y不存在关系，放弃回归方程。 ;9．6回归分析的预报与控制 ;实际回归问题中，一般n很大，且x0离其平均值不很远时，y0的95%置信区间近似为 ;得到的 x 值即为控制的上下限。也可由回归式解出x值。;例：通过某产品表面腐蚀刻线实验，得到腐蚀时间与腐蚀深度的一组数据： X（秒） 5 10 20 15 30 40 50 60 70 90 120 Y（um） 6 10 10 13 16 17 19 23 25 29 46 预测腐蚀时间为75秒时，腐蚀深度范围。（α取0.05) 要求腐蚀深度在10－20um之间时，腐蚀时间应如何控制。 解：1、确定回归方程为：y=0.304x+5.344 2、显著性检验：r=0.96 R0=0.553 ， F1，9=242.85Fa=5.12 说明回归方程有效。 3、将腐蚀时间75秒（x0)代入回归方程，计算得到腐蚀深度 y0=0.304×75+5.334=28.134 4、预报问题： 因1－ α＝0.95, 为简化计算，用故 S=2.236, y1=28.134 - 4.472=23.662 y2=28.134 + 4.472=32.606 因此腐蚀时间为75秒时，腐蚀深度范围在23 um与32 um之间。 5、控制问题：由 y=0.304x+5.344可知，x= 3.289y+17.546 当y1=10时，x= 3.289×10+17.546＝50.4 当y2=20时，x= 3.289×20+17.546＝83.3 即要求腐蚀深度在10－20um之间时，腐蚀时间应控制在50－83秒之间。 应用EXCAL计算时，还给出了更多的统计信息。如当α取0.05时，回归方程x系数的置信区间为：0.26-0.349,截距的置信区间为：2.791-7.898。回归平方和，残差平方和等 ;9．5．1可化为线性回归的非线性相关模型 ;9·3二元线性回归分析; 求偏导后，解此正规方程即得到 ;9.3.2 二元回归方程的显著性检验 ; 9．3．3二元回归系数的显著性检验 ;（2）比较偏回归平方和Pi y对某个特定自变量xi的偏回归平方和Pi是指在回归方程中除去这个自变xi而使回归平方和减少的数值：