2020六西格玛讲解.ppt

5 、相关和回归分析 相关分析 相关系数为 0 的假设检验是： H 0 : ? ? 0 H 1 : ? ? 1 当 x ， y 都是正态分布时，检验统计量为： t 0 ? 如果 t 0 ? t ? /2, n ? 2 ，则拒绝原假设。 r n ? 2 1 ? r 2 将相关系数平方就得到了判定系数 R2 ， R2=0.9 说明 90% 的数据的变异性可以由模型来解释。 5 、相关和回归分析 简单线性回归分析 一个简单线性回归模型如下： Y i ? ? 0 ? ? 1 x i ? ? i i ? 1, 2, L , n ? 0 ：截距， ? 1 ：斜率，即回归系数， ? i ：误差项。并不 ? 代表了数据点与直线间的 是所有数据点都落在回归线上， 差异。这些差异可能是由测量误差、人员因素、材料诧异等 2 2 ? 未知，且误差相互之间 等造成的。假设 ～ N (0, ? ) ， 独立。 ? 当由 n 个不全相等的 x 1 ， x 2 ，… x n ，作独立试验，得样 ? 1 的估计 本数据 (x 1 ， y 1 ),( x 2 ， y 2 ) … (x n ， y n ) ，即可得到 ? 0 ， ? ? b ? b x 作为 ? 0 ? ? 1 x 的估计，得 Y 关于 值 b 0 , b 1 ，则取 Y 0 1 ? ? b ? b x X 的线性回归方程为： Y 0 1 5 、相关和回归分析 简单线性回归分析 通过最小二乘法得回归系数： n n n n b 1 ? S xy S xx ? ? y x ? ( ? y ? x ) i i i i i ? 1 i ? 1 i ? 1 n ? ? y ( x ? x ) i i i ? 1 n ? x i ? 1 n 2 i ? ( ? x i ) i ? 1 n 2 n ? ( x ? x ) i i ? 1 2 b 0 ? y ? b 1 x 5 、相关和回归分析 简单线性回归方差分析 在简单线性回归方差分析中，总的方差被分解为几部分： SS 总体 ? SS 回归 ? SS 误差 SS 总体 ? ? （ y i - y ） 2 SS 回归 2 ? ? ? （ y i - y ） 2 ? i ） SS 误差 ? ? （ y i -y 平方和除以对应的自由度便得到均方，对回归量没 有引起差异的原假设进行检验，检验统计量为： MS 回归 F 0 ? MS 误差 5 、相关和回归分析 若 F 0 ? F ? (1, n ? 2) ，则拒绝原假设，并得出结论：回 归量引起了差异。 在 X 与 Y 是否具有线性关系的假设检验 中， H 0 : ? 1 ? 0, H 1 : ? 1 ? 0 ， F 0 ? F ? (1, n ? 2) 可得出结论： X 与 Y 具有线性关系。 单因素方差分析表如下： 变异源 平方和 自由度 回归 误差 总体 SS 回归 SS 误差 SS 总体 1 n-2 n-1 均方 F 0 MS 回归 F 0 = MS 回归 / MS 误差 MS 误差 5 、相关和回归分析 双因素方差分析 在简单线性回归中已经介绍了单因素方差分析，下面 再介绍一下双因素方差分析。 假设在两析因实验中，因素 A 有 a 个水平，因素 B 有 b 个 水平，每组水平重复 n 次，总观测值个数为 abn 个。对应于 A 、 B 的不同组合，响应形式为， i 表示 A 的水平， j 表示 B 的水平， k 表示重复的次数。 5 、相关和回归分析 因素 B 1 1 2 3 … … b X 1b1 , X 1b2 , …, X 1bn X 2b1 , X 2b2 , …, X 2bn X 3b1 , X 3b2 , …, X 3bn … X ab1 , X ab2 , …, X abn X 111 , X 112 , X 121 , X 122 , X 131 , X 132 , …, X 11n …, X 12n …, X 13n X 211 , X 212 , X 221 , X 222 , X 231 , X 232 , …, X 21n …, X 22n …, X 23n X 311 , X 312 , X 321 , X 322 , X 331 , X 332 , …, X 31n …, X 32n …, X 33n … … … 2 因素 A 3 … a … … … … X a11 , X a12 , X a21 , X a22 , X a31 , X a32 , …, X a1n …, X a2n …, X a3n 5 、相关和回归分析 基本假设： x ij 相互独立； x ij ~ ( ? ij , ? ) 2 线性统计模型为： X ijk ? ? ? ? i ? ? j ? ( ?? )