《数学建模》课件：第十章 统计回归模型.pptVIP

* * * * * * * 第十章 统计回归模型 重点： 1.熟悉建立统计回归模型的基本方法和步骤； 2.熟练运用Matlab作回归分析、预测等。 内容： 回归分析的基本理论；用MATLAB求解回归分析问题；牙膏的销售量 回归模型是用统计分析方法建立的最常用的一类模型. 数学建模的基本方法 机理分析 测试分析 通过对数据的统计分析，找出与数据拟合最好的模型. 由于客观事物内部规律的复杂及人们认识程度的限制,无法分析实际对象内在的因果关系，建立合乎机理规律的数学模型. 回归分析---研究一个变量与其他变量之间相互关系的一种数学工具，它是在一组试验或观测数据的基础上，寻找被随机性掩盖的变量之间的依存关系。粗略的讲，可以理解为用一种确定的函数关系去近似代替比较复杂的关系，这个函数被称为回归函数（回归方程、经验函数）。 根据自变量个数和经验函数形式的不同，回归分析可以分为一元回归、多元回归、线性回归、多项式（完全二次、交叉二次等）回归等许多类别。 回归和拟合比较相近，但并不一样。对拟合而言，一个Y变量对应一个X变量，而回归分析的一个Y变量则有可能对应多个X变量。从这个角度说，拟合也属于回归的一种。 /view/139ec687b9d528ea81c779dd.html （多元线性回归课件） /link?url=Dg3-KGri5Xa3U0DoyFHMYf2YNPHKjsH0EGjgoCq9H_WvRwtJrzRgvi5xDaOTLILlMumX9juMsbMwn8HGdl0B14isoDnUAE4RerXD1XcSQ_G （回归分析MATLAB工具箱） /view/0aa4c90c844769eae009ed7d.html?re=view （回归分析的基本理论及软件实现） 回归分析的一般步骤 1. 确定回归方程中的因变量和自变量； 2. 设定回归模型； ?? 基于数据画散点图，通过观察散点图设出因变量和自变量 之间的关系（线性、非线性等），含待定参数。 3. 求得回归方程并进行检验； ?? 利用数学软件(MATLAB)求相关参数即回归系数，得到确定 的回归方程，并对回归方程进行检验（ 比如计算R2,F, p, s2 对模型进行整体评价, 观察回归系数置信区间是否含零点 来检验回归系数对因变量的影响是否显著等）。 4. 若检验通过，利用回归方程进行预测(借助MATLAB)； 若不通过，则改进模型（如增添二次项、交互项等）。 统计工具箱中的回归分析命令 1、多元线性回归 2、多项式回归 3、非线性回归 1.多元线性回归 线性回归: regress 调用格式: (1) b=regress(Y,X) (2) [b,bint]=regress(Y,X) (3) [b,bint,r]=regress(Y,X) (4) [b,bint,r,rint]= regress(Y,X) (5) [b,bint,r,rint,stats]= regress(Y,X) (6) [b,bint,r,rint,stats]=regress(Y,X,alpha) 线性回归: 输入: Y~因变量 (列向量), X~1与自变量组成的矩阵， alpha~显著性水平?（缺省时设定为0.05） stats: 4个检验统计量：决定系数R2；F统计量值；F(1,n-2)分布大于F值的概率p，p?时回归模型有效；残差的方差s2 (这里s称剩余标准差)的估计值 输出:b=（ ）)，bint: b的置信区间， r:残差向量，rint: r的置信区间 rcoplot(r,rint) 残差及其置信区间作图 b=regress(Y,X) [b,bint,r,rint,stats]=regress(Y,X,alpha) 常用调用格式 [b,bint,r,rint,stats]=regress(Y,X, alpha) Y为观察得到的因变量，X为自变量矩阵。若回归 系数中包含常数，则X的第一列应全部为1，Y与X的 行数相等，X的列数等于回归系数的个数。alpha为 输出各种置信区间用的显著性水平。 b=regress(Y,X, alpha) 或 输出结果有5项： b是参数的点估计； bint为参数的区间估计； r为残差的点估计； rint为残差的区间估计，当点估计落在区间估计之外时，拒绝原假设； stats中包含四个项: R2是回归方程的相关系数R的平方; s2的估计值 F是回归方程的F统计量， ; P是拒绝原假设的概率，当Palpha时拒绝假设H0?：