回归分析课件1.pptVIP

控制問題是預報問題的反問題.在此不多敘述.§2曲線回歸對於線性類型的問題,可以用前面介紹的方法直接得到其經驗公式,並對其線性相關性進行檢驗.然而,大量的實際問題並非線性類型,對於這種情況該如何處理呢?在實際問題中,根據給出的一批數據,在直角坐標系中繪出其散點圖,將散點圖分佈的形狀與已知函數的圖形進行比較,確定曲線類型,再作變數替換,將曲線改為直線,然後通過配回歸直線的方法來配出曲線.a0b0a0b0b1b=10b10b1b1b=1aa§3多元線性回歸設隨機變數Y與p個變數x1,x2,...,xp有關,它們之間滿足:E(Y)=β0+β1x1+β2x2+...+βpxp進一步假設Y~N(β0+β1x1+β2x2+...+βpxp,σ2)即式中x1,x2,...,xp都是可精確測量或可控制的一般變數,Y是可觀察的隨機變數,β0,β1,β2,...,βp是未知參數,ε是不可觀察的隨機誤差.假如我們要獲得n組相互獨立的樣本:(Yi;x1i,x2i,...,xpi),i=1,2,...,n則可知有數據結構Yi=β0+β1x1i+β2x2i+...+βpxpi+εii=1,2,...,n其中εi~N(0,σ2),i=1,2,...,n且相互獨立.這就是p元線性回歸模型.§3.1參數估計若已給出樣本觀察值(yi;x1i,x2i,...,xpi),i=1,2,...,n.我們希望對參數β0,β1,β2,...,βp及σ2作出估計.由於Q是β0,β1,β2,...,βp的一個非負二次型,故其極小值必存在,根據微積分的理論知道,這只需求解下列方程組:所以正規方程用矩陣形式表示即為:為了求σ2的估計,先給出幾個名詞§3.2參數最小二乘估計的性質在實際問題中我們常常會遇到多個變數同處於一個過程之中,它們互相聯繫、互相制約.在有的變數間有完全確定的函數關係,例如電壓V、電阻R與電流I之間有關系式:V=IR;在圓面積S與半徑R之間有關系式S=πR2.自然界眾多的變數之間,除了以上所說的那種確定性的關係外,還有一類重要的關係,即所謂的相關關係.比如,人的身高與體重之間的關係.雖然一個人的身高並不能確定體重,但是總的說來,身高者,體重也大.我們稱身高與體重這兩個變數具有相關關係.回歸分析方法是一種常用的數理統計方法,是處理多個變數變之間相關的一種數學方法.回歸分析實際上,由於實驗誤差的影響,即使是具有確定性關係的變數之間,也常表現出某種程度的不確定性.回歸分析方法是處理變數間相關關係的有力工具.它不僅為建立變數間關係的數學運算式(經驗公式)提供了一般的方法,而且還能判明所建立的經驗公式的有效性,從而達到利用經驗公式預測、控制等目的.因此，回歸分析方法的應用越來越廣泛,其方法本身也在不斷豐富和發展.在一元線性回歸分析裏,我們要考察隨機變數Y與一個普通變數x之間的聯繫.§1.1一元線性回歸模型對於有一定聯繫的兩個變數:x與Y,通過觀測或實驗得到n對數據(x1,Y1),(x2,Y2),...,(xn,Yn)用什麼方法可以得到這兩個變數之間的經驗公式呢?為此舉例如下:§1一元線性回歸例:維尼綸纖維的耐熱水性能好壞可以用指標“縮醛化度”Y(克分子%)來衡量.這個指標越高,耐熱水性能也越好.而甲醛濃度是影響縮醛化度的重要因素.在生產中常用甲醛濃度x(克/升)去控制這一指標.為此必須找出它們之間的關係,現安排了一批試驗,獲得如下數據:若重複這些試驗,在同一甲醛濃度x下,所獲得的縮醛化度Y不完全一致.這表明x與Y之間不能用一個完全確定的函數關係來表達.y31302928272618202224262830x散點與近似直線圖為了看出它們之間是否有關及存在什麼樣的關係,我們在直角坐標系下作出了這些點,從圖上可看出:隨甲醛濃度x的增加,縮醛化度Y也增加,且這些點近似在一條直線附近,但又不完全在一條直線上.引起這些點與直線偏離的原因是由於在生產和測試過程中還存在一些不可控的因素,它們都在影響著試驗結果.這樣我們可以把試驗結果Y看成由兩部分疊加而成:一部分是由x的線性函數引起,記為a+bx;另一部分是由隨機因素引起,記為ε,即Y=a+bx+ε一般假設隨機誤差ε~N(0,σ2).即Y~N(a+bx,σ2)在Y=a+bx+ε中,x是一般變數,它可以精確測量或可以加以控制,Y是可觀察其值的隨機變數,ε~N(0,σ2)是不可觀察的隨機變