成信工统计天气预报课件第2章 回归分析.pptVIP

第二章 回归分析 基本理念：寻求若干变量之间的关系-统计关系，并可用于预报预测 预报因子 预报量 寻求变量之间统计关系的方法 回归分析方法 寻求变量之间统计关系的方法 通过变量间的曲线图、点聚图等几何图像了解变量间大体的函数关系 寻求符合上述图像的数学模型 通过样本资料计算和估计模型中的参数值或系数 检验方程的可用性（如显著性、有效性等） 使用方程 回归分析是统计联系的一种模型和方法 回归分析的基本含义 数理理解 预报量Y的期望值EY去估计 即 =EY 而EY又必然随x（预报因子）的变化而变化，即EY=f(x) 有 =f(x) 经验理解-日常生活经验的判断 事物的发展总有一种向平均值靠拢（回归）的趋势 如回归线，趋中性，儿女身高介于父母身高之间等 ∴ 预报量Y估计值 一元线性回归的数学模型 当y和x存在近似的线性关系时，则 ∵ ∴ 一元线性回归方程 估计上述模型中的参数 得一元线性回归方程 如何估计模型中的参数呢？ 最小二乘方法 未知参数的最小二乘估计 基本思路 ＊对所有的 若 与 的偏差最小 就认为由方程 所确定的直线能最好的代表所有实测点的散布规律 ＊全部观测值与回归估计值的离差平方和 刻画了全部观测值与回归直线的偏离程度 显然最好为 未知参数的最小二乘估计 回归系数求取 ＊根据极值原理可求出回归系数为 Y 5 3 2 4 1 X 3 1 5 4 2 故回归方程为 方程可用性的检验 相关系数与线性回归的关系 总离差平方和=回归平方和+残差平方和 解释方差 相关系数 表观测点全部在回归直线上，表回归直线就是平行x轴的y平均值的线，x与y无线性关系 解释方差的百分率正好等于两个变量相关系数的平方 b0在散布图上回归直线斜率为负，y与x负相关 b0回归直线斜率为正，y与x正相关 显著性检验 回归方程的显著性检验 回归系数的显著性检验 预报值的置信区间 由于 可看成遵从 的分布 所以 的95%的置信区间为 故预报值95%的置信区间可以近似估计为 方程的使用—讨论？ 一般应用领域 存在线性相关关系的领域？ 气象应用 各种要素之间最简单的关系 长期、中期、短期预测方程的建立 数值预报产品的应用解释，MOS,PPM等 时间序列与自回归模型 时间序列 气象要素随时间变化的观测形成的一组数据称为时间序列 随机序列，随机过程，随机序列的现实，各态历经性，白噪声，红噪声 一阶自回归模型 表示要素某一时刻与前一时刻之间的线性回归模型称为一阶自回归模型，记为AR(1) 公式 二阶自回归方程 自回归方程计算示例 5 3 2 4 1 3 2 4 1