线性代数之回归分析.pptVIP

例1在上例中，利用方差分析检验儿子的身高Y与父亲身高X之间的线性相关关系是否显著。上一页下一页返回方差来源平方和自由度F值临界值显著性回归剩余37.0351.49418198.313F0.01(1,8)=11.26**总计38.5299因为FF0.01(1,8)，所以儿子的身高Y与父亲的身高X之间的线性相关关系特别显著。上一页下一页返回2.相关系数检验法（r检验法）考察相关系数r的大小:若相关系数r的绝对值很小,则表明y与x之间的线性相关关系不显著,或者根据不存在线性相关关系若相关系数r的绝对值较大(接近于1)时,才表明y与x之间的线性相关关系显著上一页下一页返回上一页下一页返回r检验法的步骤和法则为:由试验数据计算出相关系数r的值并与临界值比较.上一页下一页返回3、t检验法上一页下一页返回1、预测第四节预测与控制x与y之间的关系不是确定的，所以对于任意给定x0,不可能精确地知道相应值y0。将x=x0代入线性回归方程只能得到y0的估计值（回归值）对y0进行区间估计，即给定的置信度1-?，求出y0的置信区间（称为预测区间）,这就是所谓的预测问题。上一页下一页返回y0的置信水平为1-?的预测区间为上一页下一页返回第十章回归分析第一节回归分析的概述第二节参数估计第三节假设检验第四节预测与控制第五节非线性回归的线性化处理第一节回归分析的概述一个过程中多个变量之间的关系分为两类：确定性关系，也就是通常所说的函数关系；非确定性关系，即所谓的相关关系。确定性关系是指当一些变量的值确定以后另一些变量的值也随之完全确定的关系。相关关系是指变量之间有一定的依赖关系，但当一些变量的值确定以后，另一些变量的值虽随之变化却并不能完全确定，这时变量间的关系不能精确地用函数来表示。上一页下一页返回(1)给出建立具有相关关系的变量之间的数学关系式（通常称为经验公式）的一般方法；(2)判别所建立的经验公式是否有效；判别哪些预报变量对响应变量的影响是显著的，哪些是不显著的；(3)利用所得到的经验公式进行预测和控制。回归分析（regressionanalysis）是数理统计中研究一个响应变量与若干个预报变量之间相关关系的一种有效方法；其中只有一个预报变量的回归分析称为一元回归分析，多于一个预报变量的回归分析称为多元回归分析。回归分析的任务主要有三个：上一页下一页返回一元回归分析与最小二乘法取定x时随机变量y的数学期望E(y|x)作为x时随机变量y的估计值，即显然，当x变化时E(Y|X=x)是x的函数，记作可以用一个确定的函数关系式大致地描述y与x之间的相关关系。函数称为y关于x的回归函数，简称回归；称为y关于x的回归方程。上一页下一页返回回归方程反映了y的数学期望E(y)随x的变化而变化的规律性。y与x的相关关系表示为是随机误差，它是均值为零的随机变量，通常假定是不依赖于X的未知参数。的大小在一定程度上反映了在x处随机变量y的观测值的大小,如能找到,就能在一定条件下解决如下两个问题：1.在给定的置信度下，估计当x取某一定值时y的取值情况,这就是所谓的预测问题；2.在给定的置信度下,控制X的取值范围以使y在给定的范围内取值,这就是所谓的控制问题。上一页下一页返回通常先限制为某一类型的函数。函数的类型可以由与被研究问题的本质有关的物理假设来确定；若没有任何理由可以确定函数的类型，则只能根据在试验结果中得到的散点图来确定。在确定了函数的类型后，就可以设其中a1,a2……ak为未知参数。寻找合适的回归函数的问题就归结为：如何根据试验数据合理地选择参数a1,a2……ak的估计值上一页下一页返回这些估计值使得方程在一定的意义下“最佳地”表现变量Y与X之间的相关关系。选取中参数，使得观测值yi与相应的函数值(i=1,2……n)的偏差平方和为最小，这就是所谓的最小二乘法。最小二乘法的概率意义：设当可控变量X取任意实数x时，随机变量