第十章回归分析.pptVIP

阜师院数科院§1.6预报与控制设Y=a+bx+ε其中ε~N(0,σ2).所谓预报问题就是问当x=x0时,Y=?从数据(x1,y1),(x2,y2),……,(xn,yn)出发,利用最小二乘法得到了经验公式:第30页，共78页，星期日，2025年，2月5日阜师院数科院第31页，共78页，星期日，2025年，2月5日阜师院数科院控制问题是预报问题的反问题.在此不多叙述.第32页，共78页，星期日，2025年，2月5日阜师院数科院§2曲线回归对于线性类型的问题,可以用前面介绍的方法直接得到其经验公式,并对其线性相关性进行检验.然而,大量的实际问题并非线性类型,对于这种情况该如何处理呢?在实际问题中,根据给出的一批数据,在直角坐标系中绘出其散点图,将散点图分布的形状与已知函数的图形进行比较,确定曲线类型,再作变量替换,将曲线改为直线,然后通过配回归直线的方法来配出曲线.第33页，共78页，星期日，2025年，2月5日阜师院数科院a0b0a0b0第34页，共78页，星期日，2025年，2月5日阜师院数科院b1b=10b10b1b1b=1第35页，共78页，星期日，2025年，2月5日阜师院数科院第36页，共78页，星期日，2025年，2月5日阜师院数科院aa第37页，共78页，星期日，2025年，2月5日阜师院数科院第38页，共78页，星期日，2025年，2月5日阜师院数科院§3多元线性回归设随机变量Y与p个变量x1,x2,...,xp有关,它们之间满足:E(Y)=β0+β1x1+β2x2+...+βpxp进一步假设Y~N(β0+β1x1+β2x2+...+βpxp,σ2)即第39页，共78页，星期日，2025年，2月5日阜师院数科院式中x1,x2,...,xp都是可精确测量或可控制的一般变量,Y是可观察的随机变量,β0,β1,β2,...,βp是未知参数,ε是不可观察的随机误差.假如我们要获得n组相互独立的样本:(Yi;x1i,x2i,...,xpi),i=1,2,...,n则可知有数据结构Yi=β0+β1x1i+β2x2i+...+βpxpi+εii=1,2,...,n其中εi~N(0,σ2),i=1,2,...,n且相互独立.这就是p元线性回归模型.第40页，共78页，星期日，2025年，2月5日阜师院数科院§3.1参数估计若已给出样本观察值(yi;x1i,x2i,...,xpi),i=1,2,...,n.我们希望对参数β0,β1,β2,...,βp及σ2作出估计.第41页，共78页，星期日，2025年，2月5日阜师院数科院第42页，共78页，星期日，2025年，2月5日阜师院数科院由于Q是β0,β1,β2,...,βp的一个非负二次型,故其极小值必存在,根据微积分的理论知道,这只需求解下列方程组:第43页，共78页，星期日，2025年，2月5日阜师院数科院第44页，共78页，星期日，2025年，2月5日阜师院数科院第45页，共78页，星期日，2025年，2月5日阜师院数科院第46页，共78页，星期日，2025年，2月5日阜师院数科院所以正规方程用矩阵形式表示即为:第47页，共78页，星期日，2025年，2月5日阜师院数科院第48页，共78页，星期日，2025年，2月5日阜师院数科院为了求σ2的估计,先给出几个名词第49页，共78页，星期日，2025年，2月5日阜师院数科院第50页，共78页，星期日，2025年，2月5日阜师院数科院第51页，共78页，星期日，2025年，2月5日阜师院数科院§3.2参数最小二乘估计的性质第52页，共78页，星期日，2025年，2月5日阜师院数科院第53页，共78页，星期日，2025年，2月5日阜师院数科院第54页，共78页，星期日，2025年，2月5日阜师院数科院第55页，共78页，星期日，2025年，2月5日第十章回归分析阜师院数科院第1页，共78页，星期日，2025年，2月5日阜师院数科院实际上,由于实验误差的影响,即使是具有确定性关系的变量之间,也常表现出某种程度的不确定性.回归分析方法是处理变量间相关关系的有力工具.它不仅为建立变量间关系的数学表达式(经验公式)提供了一般的方法,而且还能判明所建立的经验公式的有效性,从而达到利用经验公式预测、控制等目的.因此，回归分析方法的应用越来越广泛,其方法本身也在不断丰富和发展.第2页，共78页，星期日，