《应用数理统计》吴翊李永乐第四章 回归分析课后作业参考答案.doc

第四章 回归分析 课后作业参考答案 4、1 炼铝厂测得铝得硬度x与抗张强度y得数据如下: 68 53 70 84 60 72 51 83 70 64 288 298 349 343 290 354 283 324 340 286 (1)求y对x得回归方程 (2)检验回归方程得显著性 (3)求y在x=65处得预测区间(置信度为0、95) 解:(1) 1、计算结果 一元线性回归模型只有一个解释变量 其中:x为解释变量,y为被解释变量,为待估参数,位随机干扰项。 使用普通最小二乘法估计参数 上述参数估计可写为 所求得得回归方程为: 实际意义为:当铝得硬度每增加一个单位,抗张强度增加1、80个单位。 2、软件运行结果 根据所给数据画散点图 由散点图不能够确定y与x之间就是否存在线性关系,先建立线性回归方程然后瞧其就是否能通过检验 线性回归分析得系数 模型 非标准化系数 标准化系数 T值 P值 95% 系数得置信区间 学生残差 下限 上限 1 常数项 193、951 46、796 4、145 0、003 86、039 301、862 x 1、801 0、685 0、681 2、629 0、030 0、221 3、381 由线性回归分析系数表得回归方程为:,说明x每增加一个单位,y相应提高1、801。 (2) 1、计算结果 = 1 \* GB3 ①回归方程得显著性检验(F检验) 线性回归效果不显著 线性回归效果显著 在给定显著性水平时,,所以拒绝,认为方程得线性回归效果显著 = 2 \* GB3 ②回归系数得显著性检验(t检验) 在给定显著性水平时,,所以拒绝,认为回归系数显著,说明铝得硬度对抗张强度有显著得影响。 = 3 \* GB3 ③回归方程得线性显著性检验(r检验) x与y线性无关 x与y线性相关 在给定显著性水平时,,所以拒绝,认为x与y之间具有线性关系。 2、软件运行结果 模型摘要 模型 R 修正得 估计得学生误差 1 0、681(a) 0、463 0、396 22、685 由上表得r=0、681,说明y与x得之间具有线性关系。 方差分析表 模型 平方与 自由度 平均平方值 F值 P值 1 回归平方与 3555、541 1 3555、541 6、909 0、030(a) 残差平方与 4116、959 8 514、620 总平方与 7672、500 9 由方差分析表知,p值小于给定得α,说明回归方程通过F检验,回归方程显著。 线性回归分析得系数 模型 非标准化系数 标准化系数 T值 P值 95% 系数得置信区间 学生残差 下限 上限 1 常数项 193、951 46、796 4、145 0、003 86、039 301、862 x 1、801 0、685 0、681 2、629 0、030 0、221 3、381 由线性回归分析系数表知,p值小于给定得α,认为回归系数显著,说明铝得硬度对抗张强度有显著得影响。 综上所述,建立得回归方程通过以上得r检验、F检验、t检验,证明回归方程效果显著。 (3)当=65时,代入上述回归方程得=310、996 在1a得置信度下,得置信区间为 95%置信度下得预测区间为 [255、988 366、004]。 4、2 在硝酸钠溶解度试验中,对不同温度测得溶解于100ml得水中得硝酸钠重量y得观测值如下: 0 4 10 15 21 29 36 51 68 66、7 71、0 76、3 80、6 85、7 92、9 99、9 113、6 125、1 (1)求回归方程 (2)检验回归方程得显著性 (3)求y在时得预测区间(置信度为0、95) 解: (1) 1、计算结果 一元线性回归模型只有一个解释变量 其中:t为解释变量,y为被解释变量,为待估参数,位随机干扰项。 使用普通最小二乘法估计参数 上述参数估计可写为 所求得得回归方程为: 实际意义为:在温度为0时,硝酸钠得溶解度为67、5313,温度每升高一度,溶解度增加0、8719。 2、软件运行结果 根据所给数据画散点图 由散点图可以瞧出y与t之间存在线性关系,因此建立线性回归模型如下 线性回归分析得系数 模型 非标准化系数 标准化系数 T值 P值 95% 系数得置信区间 学生残差 下限 上限 1 常数项 67、531 0、535 126、309 0、000 66、267 68、796 t 0、872 0、016 0、999 54、747 0、000 0、834 0、910 由线性回归分析系数表得回归方程为:,说明温度每增加一度,溶解度相应提高0、872。 (2) 1、计算结果 = 1 \* GB3 ①回归方程得显著性检验(F检验)