文档介绍:概率论与数理统计
*
第1页,本讲稿共37页
“回归” 一词的历史渊源
“回归”一词最早由Francis Galton引入。
十九世纪,英国生物学家兼统计学家高尔顿研究发现:
其中x表示父亲身高, y 表示成年37页
2.
下面用最小二乘法来求
对于自变量x和因变量y的n对观察值
的最小二乘估计
其中
是对
观察时的随机误差.
的估计。
*
第15页,本讲稿共37页
使得
成立的
和
称为
和
的最小二乘估计。
*
第16页,本讲稿共37页
于是得方程组
*
第17页,本讲稿共37页
解得
,
记
于是
*
第18页,本讲稿共37页
,其数据如下表所示.
x/℃
38
43
49
54
60
66
71
77
82
88
y/%
解
故
于是得线性回归方程
*
第19页,本讲稿共37页
由此给出回归方程为:
例2 使用例1种合金钢强度和碳含量数据求回归方程。
解
*
第20页,本讲稿共37页
,
.
*
第21页,本讲稿共37页
残差
显然
残差的平方和
是
的无偏估计。
*
第22页,本讲稿共37页
例: 的无偏估计
解
所以
*
第23页,本讲稿共37页
对一元线性回归模型(),若进一步假定随机误差
,则有
(1).
(2) RSS与
和
相互独立.
*
第24页,本讲稿共37页
4 回归方程的显著性检验
在使用回归方程作进一步的分析以前,首先应对回归方程是否有意义进行判断。
如果1=0,那么不管x如何变化,E(y)不随x的变化作线性变化,那么这时求得的一元线性回归方程就没有意义,称回归方程不显著。如果10,E(y)随x的变化作线性变化,称回归方程是显著的。
综上,对回归方程是否有意义作判断就是要作如下的显著性检验:H0:1=0 vs H1: 10
拒绝H0表示回归方程是显著的。
*
第25页,本讲稿共37页
需要检验
假设
方法:
*
第26页,本讲稿共37页
t检验法
*
第27页,本讲稿共37页
解 要在水平
下检验如下假设
故
查表知
因为
>,
所以拒绝
,线性回归效果是显著的.
*
第28页,本讲稿共37页
的置信区间
的置信水平为
的置信区间为
例
的置信水平为95%的置信区间.
解
*
第29页,本讲稿共37页
如果经检验,回归方程的线性回归效果是显著的,那么就可以用已经获得的回归方程
进行预测.
6. 预测
所谓预测(或称预报),就是以一定的置信水平预测与
对应的
的取值范围.
称为
的置信水平为
的预测区间,也称为置信区间.
*
第30页,本讲稿共37页
方法——通过适当的变量变换,化成一元线性
回归问题进行分析处理.
两边取对数
§ 、可化为一元线性回归的问题
*
第31页,本讲稿共37页
,
,
,
,
曲线
变换
变换后的线性式
1
双曲函数
2
幂函数
3
指数函数
4
对数函数
5
倒指数函数
6
S型曲线
*
第32页,本讲稿共37页
配曲线的一般方法是:
*
第33页,本讲稿共37页
.
编号
1
2
3
4
5
6
7
温度x/℃
21
23
25
27
29
32
35
产卵数y
7
11
21