经管类概率论与数理统计第九章回归分析.pdfVIP

　　在现实世界中，不少变量之间是存在着一定的关系的，一般来说，这种关系大体上可分 为两类，一类是确定性的，即函数关系。例如，电路中的电压 V ，电流I ，电阻R 三者间有 关系 。另一类是非确定性的，这类变量之间虽有一定的关系却又并不完全确定，例如 人的血压与年龄有关，炼钢过程中含碳量与精炼时间有关，农作物产量与施肥量和单位面积 的播种量有关……这些变量之间虽有一定联系，但又不能用普通函数关系式来表达。例如对 给定的施肥量和确定的播种量，农作物的产量还是不能完全确定的。事实上，这些变量是随 机变量或至少其中一个是随机变量。这种非确定性的关系称为相关关系。 　　回归分析是研究相关关系的一种数学工具，是数理统计学中最常用的统计方法之一，在 生产实践和科学研究中有着广泛的应用。本章仅简单介绍一元线性回归分析。 　　 　　9.1 回归直线方程的建立 　　 　　为了说明一元线性回归的数学模型，我们先看一个实际例子。 2 　　例 9-1 某种合金的抗拉强度 y （kg/mm ）与其中的含碳量x （% ）有关，现测 12 对数 据如表 9-1 所示。 　　 【答疑编号针对该题提问】 　　　表 9-1 x 0.10 0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.20 0.21 0.23 y 42.0 43.5 45.0 45.5 45.0 47.5 49.0 53.0 50.0 55.0 55.0 60.0 　　为了了解其相关关系的表达式，在坐标上以（x ，y ），i=1 ，2 ，…，12 为点，画出散点 i i 图如图9-1 所示，这些点大体上散布在某条直线的周围，又不完全在一条直线上，从而可认 为 y 与 x 的关系基本上是线性的，而这些点与直线的偏离是由其他一切随机因素的影响造成 的。一般说来，含碳量x 是一个可观测或可控制的普通变量，而对任意一个含碳量 x ，相应 的抗拉强度是一个随机变量Y ，实际观测值y 是 Y 的一个可能取值。随x 的变化，Y 的观 测值线性变化的趋势可表示为 　　 　　 。 （9.1.2 ） 　　其中 表示 Y 随 x 的变化而线性变化的部分， 是一切随机因素影响的总和，称 为随机误差项，它是不可观测其值的随机变量，在 Y 的方差 时， 是一个 E （ ） =0 ，D （ ）的随机变量，在涉及分布时，可进一步假定 。 　　一般地，将 x 取一组不同的值，x ，x ，…，x ，通过试验得到对应的 Y 的值 y ， 1 2 n 1 y ，…，y ，这样就得到n 对观测值（x ，y ），i=1 ，2 ，…，n 。可把y 的值看成由两部分叠 2 n i i 加而成，一部分是 x 的线性函数 ，另一部分系试验过程中其他一切随机因素的影响。 因此，由（9.1.2 ）式可认为x 与 y 之间有如下关系 i i 　　 ，（i=1 ，2 ，…，n ）， （9.1.3 ） 　　 且各 相互独立。 　　此式就是一元线性回归的数学模型。 回归分析的基本问题是依据样本（x ，y ），i=1 ，2 ，…，n 解决如下问题： i i （1）未知参数 及 的点估计，若 分别为 的估计, 由此得 。 （9.1.4 ） 　　 （9.1.4 ）是抽述Y 与 x 之间关系的经验公式。我们称（9.1.4 ）式为Y 关于 x 的一元线性回 归方程，它就是我们要求的 y 与 x 之间的定量关系的表达式，其图像便