概率与统计课件方差与回归分析.ppt

注意到t2=F，因此，t检验与F检验是等同的。以例8.4.2中数据为例，可以计算得到若取?=0.01，则由于13.28723.1698，因此，在显著性水平0.01下回归方程是显著的。第94页,共119页，星期六，2024年，5月三、相关系数检验一元线性回归方程是反映两个随机变量x与y间的线性相关关系，它的显著性检验还可通过对二维总体相关系数?的检验进行。它的一对假设是H0：?=0vsH1：??0(8.4.18)所用的检验统计量为样本相关系数(8.4.19)拒绝域为W={?r??c}，其中临界值c应是H0:?=0成立下?r?的分布的1??分位数，故记为c=r1-?(n?2).第95页,共119页，星期六，2024年，5月由样本相关系数的定义可以得到r与F统计量之间的关系这表明，?r?是F的严格单调增函数，故可以从F分布的1??分位数F1-?(1,n?2)得到?r?的1??分位数为第96页,共119页，星期六，2024年，5月譬如，对?=0.01，n=12，F0.99(1,10)=10.04，于是。为实际使用方便，人们已对r1-?(n-2)编制了专门的表，见附表9。以例8.4.2中数据为例，可以计算得到若取?=0.01，查附表9知r0.99(10)=0.708,由于0.97280.708，因此，在显著性水平0.01下回归方程是显著的。第97页,共119页，星期六，2024年，5月在一元线性回归场合，三种检验方法是等价的：在相同的显著性水平下，要么都拒绝原假设，要么都接受原假设，不会产生矛盾。F检验可以很容易推广到多元回归分析场合，而其他二个则否，所以，F检验是最常用的关于回归方程显著性检验的检验方法。第98页,共119页，星期六，2024年，5月8.4.5估计与预测当回归方程经过检验是显著的后，可用来做估计和预测。这是二个不同的问题：（1）当x=x0时，寻求均值E(y0)=?0+?1x0的点估计与区间估计（注意这里E(y0)是常量）是估计问题；（2）当x=x0时，y0的观察值在什么范围内？由于y0是随机变量，为此只能求一个区间，使y0落在这一区间的概率为1-?，即要求?，使称区间为y0的概率为1-?的预测区间，这是预测问题。第99页,共119页，星期六，2024年，5月一、E(y0)的估计在x=x0时，其对应的因变量y0是一个随机变量，有一个分布，我们经常需要对该分布的均值给出估计。由于E(y0)=?0+?1x0，一个直观的估计应为我们习惯上将上述估计记为（注意这里表示的是E(y0)的估计，而不表示y0的估计，因为y0是随机变量，它是没有估计的）。由于分别是?0,?1的无偏估计，因此，也是E(y0)的无偏估计。第100页,共119页，星期六，2024年，5月为得到E(y0)的区间估计，我们需要知道的分布。由定理8.4.1，又由定理8.4.3知，Se/?2~?2(n-2)，且与相互独立，故第101页,共119页，星期六，2024年，5月于是E(y0)的1??的置信区间（CI）是（8.4.20）其中（8.4.21）第102页,共119页，星期六，2024年，5月二、y0的预测区间实用中往往更关心x=x0时对应的因变量y0的取值范围。y0的最可能取值为，于是，我们可以使用以为中心的一个区间