数学建模缺失数据补充与异常数据修正-异常数据补充算法.pdfVIP

好。若 x1=30.4 ，x2=28.6 时，y 的数据缺失，则将 x1 ，x2 带入回归多项式，算 出缺失值 y=29.6888 。类似地，若 x1=40.6,x2=30.4 时，y 的数据缺失，则将 x1 ， x2 带入回归多项式，算出缺失值 y=30.8462 ，即可补充缺失数据。 五、 问题（ 2 ）的分析与求解 5.1 问题分析 本题需要对给定缺失数据进行鉴别，可以采用的方法为 t 检验检测法。 T 检 验用 t 分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。 5.2 问题处理 ( 一 ) 随机产生数据 由 R系统随机产生数据对其进行缺失数据鉴别， 代码如附录四所示， 结果图 如下 5-1,5-2 ，5-3 所示。 图 5-1 图 5-2 图 5-3 ( 二 ) 给定相应数据 对于问题二， 在数据完整但出现异常的情况下， 可以考虑使用异常值检验中 标准差未知的 t 检验法。将除可疑测定值 xd 以外的其余测定值当做一个总体， 并假设该总体服从正态分布。由这些测定值计算平均值 x 与标准差 s ，而将可疑 图 5-2 图 5-3 ( 二 ) 给定相应数据 对于问题二， 在数据完整但出现异常的情况下， 可以考虑使用异常值检验中 标准差未知的 t 检验法。将除可疑测定值 xd 以外的其余测定值当做一个总体， 并假设该总体服从正态分布。由这些测定值计算平均值 x 与标准差 s ，而将可疑 图 5-2 图 5-3 ( 二 ) 给定相应数据 对于问题二， 在数据完整但出现异常的情况下， 可以考虑使用异常值检验中 标准差未知的 t 检验法。将除可疑测定值 xd 以外的其余测定值当做一个总体， 并假设该总体服从正态分布。由这些测定值计算平均值 x 与标准差 s ，而将可疑 图 5-2 图 5-3 ( 二 ) 给定相应数据 对于问题二， 在数据完整但出现异常的情况下， 可以考虑使用异常值检验中 标准差未知的 t 检验法。将除可疑测定值 xd 以外的其余测定值当做一个总体， 并假设该总体服从正态分布。由这些测定值计算平均值 x 与标准差 s ，而将可疑 图 5-2 图 5-3 ( 二 ) 给定相应数据 对于问题二， 在数据完整但出现异常的情况下， 可以考虑使用异常值检验中 标准差未知的 t 检验法。将除可疑测定值 xd 以外的其余测定值当做一个总体， 并假设该总体服从正态分布。由这些测定值计算平均值