数学建模回归分析matlab版.ppt

数学建模与数学实验;实验目的;一元线性回归;一、数学模型;一元线性回归分析的主要任务是：;二、模型参数估计; ;返回;三、检验、预测与控制;（Ⅰ）F检验法;（Ⅲ）r检验法;2、回归系数的置信区间;3、预测与控制;（2）控制;四、可线性化的一元非线性回归 （曲线回归）;散 点 图;通常选择的六类曲线如下：;一、数学模型及定义;;返回;三、多元线性回归中的检验与预测;2、预测;四、逐步回归分析; 这个过程反复进行，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。 ;统计工具箱中的回归分析命令;多元线性回归; 3、画出残差及其置信区间： rcoplot（r，rint） ;例1;3、残差分析，作残差图： rcoplot(r,rint);;法一;法二;（二）多元二项式回归; 例3 设某商品的需求量与消费者的平均收入、商品价格的统计数 据如下，建立回归模型，预测平均收入为1000、价格为6时 的商品需求量.; 在画面左下方的下拉式菜单中选”all”, 则beta、rmse和residuals都传送到Matlab工作区中.;在Matlab工作区中输入命令： beta, rmse;结果为: b = 110.5313 0.1464 -26.5709 -0.0001 1.8475 stats = 0.9702 40.6656 0.0005;;例 4 对第一节例2，求解如下：;4、预测及作图： [YY,delta]=nlpredci(volum,x,beta,r ,J)； plot(x,y,k+,x,YY,r);逐 步 回 归;例6 水泥凝固时放出的热量y与水泥中4种化学成分x1、x2、x3、 x4 有关，今测得一组数据如下，试用逐步回归法确定一个 线性模 型.;2、逐步回归： （1）先在初始模型中取全部自变量： stepwise(x,y) 得图Stepwise Plot 和表Stepwise Table;（2）在图Stepwise Plot中点击直线3和直线4，移去变量x3和x4;（3）对变量y和x1、x2作线性回归： X=[ones(13,1) x1 x2]; b=regress(y,X);作 业;3、某市国内生产总值y与固定资产投入X1、劳动力投入X2的 历史数据如下表，试用线性回归方法确定其参数值。;-2.08797 2.651822 48.34758 Y=2.65X1-2.09X2+48.35 预测：x1=82, X2=35 y=? Y=192.71;4、混凝土的抗压强度随养护时间的延长而增加，现将一批混凝土作成12个试块，记录了养护日期x（日）及抗压强度y（kg/cm2）的数据：;例题：牙膏的销售量 》输入数据 x1=[-0.05 0.25 0.60 0 0.25 0.20 0.15 0.05 -0.15 0.15 0.20 0.10 0.40 0.45 0.35 0.30 0.50 0.50 0.40 -0.05 -0.05 -0.10 0.20 0.10 0.50 0.60 -0.05 0 0.05 0.55]; x2=[5.50 6.75 7.25 5.50 7.00 6.50 6.75 5.25 5.25 6.00 6.50 6.25 7.00 6.90 6.80 6.80 7.10 7.00 6.80 6.50 6.25 6.00 6.50 7.00 6.80 6.80 6.50 5.75 5.80 6.80]; y=[7.38 8.51 9.52 7.50 9.33 8.28 8.75 7.87 7.10 8.00 7.89 8.15 9.10 8.86 8.90 8.87 9.26 9.00 8.75 7.95 7.65 7.27 8.00 8.50 8.75 9.21 8.27 7.67 7.93 9.26];;谢谢大家;此课件下载可自行编辑修改，供参考！ 感谢您的支持，我们努力做得更好！