数学建模 实验报告文档格式.docx
《数学建模 实验报告文档格式.docx》由会员分享，可在线阅读，更多相关《数学建模 实验报告文档格式.docx（12页珍藏版）》请在冰豆网上搜索。
5
3
252
72.996
10
4
84
45.010
6
126
57.204
14
26.852
49
38.122
8
35.840
9
266
75.796
37.408
11
105
54.376
12
98
46.186
13
77
46.130
30.366
15
56
39.060
16
245
79.380
17
133
52.766
18
55.916
2.某公司想用全行业的销售额作为自变量来预测公司的销售额，下表给出了1977-1981年公司销售额和行业销售额的分季度数据（单位：
百万元）。
（1）画出数据的散点图，观察用线性回归模型拟合是否合适。
（2）建立公司销售额对全行业销售额的回归模型，并用DW检验诊断随机误差项的自相关性。
（3）建立消除了随机误差项自相关性后的回归模型。
年
季
t
公司销售额y
行业销售额x
1977
20.96
127.3
21.4
130
21.96
132.7
21.52
129.4
1978
22.39
135
22.76
137.1
23.48
141.2
23.66
142.8
1979
24.1
145.5
24.01
145.3
24.54
148.3
24.3
146.4
1980
25
150.2
25.64
153.1
26.36
157.3
26.98
160.7
1981
27.52
164.2
27.78
165.6
19
29.24
168.7
20
28.78
171.7
四、实验结果与数据处理
1.
Matlab代码：
>
X1=[66.29040.96472.99645.01057.20426.85238.12235.84075.79637.40854.37646.18646.13030.36639.06079.38052.76655.916];
Y=[19663252841261449492664910598771456245133133];
X=[ones（18,1）X1'
（X1.^2）'
];
[b,bint,r,rint,stats]=regress（Y'
X）
处理结果：
b=
-60.5239
1.7886
0.0302
bint=
-143.459822.4121
-1.47425.0513
0.00020.0603
r=
5.0447
-0.4989
20.7987
2.7433
-14.7658
4.6881
-2.6174
6.5692
17.1895
0.2908
-21.1635
11.3961
-9.3474
-7.6785
0.5151
-27.0424
14.9336
-1.0552
rint=
-22.612332.7016
-29.015128.0174
-3.015144.6125
-25.584231.0708
-41.296111.7646
-17.452926.8291
-30.976325.7415
-21.246234.3845
-6.057940.4368
-28.030128.6116
-46.28273.9558
-16.144438.9366
-37.140918.4462
-33.074417.7174
-27.950728.9809
-42.7681-11.3167
-11.649441.5167
-28.886526.7760
stats=
0.9747289.19340.0000182.0773
参数
参数参考值
参数置信区间
B0
-60.5239
[-143.4598,22.4121]
B1
1.7886
[-1.4742,5.0513]
B2
0.0302
[0.0002,0.0603]
R²
=0.9747F=289.1934p<
0.0000s²
=182.0773
由于置信水平a=0.05,处理结果p=0.00,p<
0.05
=0.9747，指因变量Y的97.47%可由模型确定，Y与X1存在二次关系。
所以得到回归模型：
Y=0.5239+1.7886*X1+0.0302*X1^2;
结果表明年均收入和人寿保险额之间存在二次关系。
接下来处理两个自变量X1,X2对Y是否有交互效应。
因为Y与X1之间存在二次关系，所以我们设
X2=[7510645469527435186];
X=[ones（18,1）X2'
X1'
-62.3489
5.6846
0.8396
0.0371
-73.5027-51.1952
5.26046.1089
0.39511.2840
0.03300.0412
-0.0512
0.3076
-1.3718
-0.6730
-3.7605
-1.3560
2.7129
-0.4817
0.5130
-0.3725
0.6842
2.6781
-1.0293
-0.3930
0.5561
1.3578
2.3248
-1.6456
-3.77913.6766
-3.53244.1475
-4.41241.6688
-4.46773.1217
-6.6500-0.8710
-4.21441.5023
-0.73446.1602
-4.21493.2516
-2.61833.6443
-4.18403.4390
-2.64474.0132
-0.72176.0779
-4.73962.6810
-3.81323.0272
-3.26764.3798
-0.46373.1793
-1.03585.6855
-5.26851.9773
1.0e+04*
0.00011.10700.00000.0003
38.7434
[59.7383,137.2251]
13.5218
[3.3538.30.3975]
=0.2%F=2.9p=0.0001s²
=5721
-62.3489
[-73.5027,-51.1952]
[5.2604,6.1089]
[0.39511.2840]
0.0371
[0.03300.0412]
1.00
1107.0
0.00
0.0003
1.00指因变量Y可由X1与X2100%确定，F远远小于F的检验的临界值，p远小于a,
…
的系数均在置信区间内。
可知Y与X1,X2有交互效应
Y=-62.3489+5.6846X2+0.8396X1+0.0371X1^2
2.
（1）散点图
由散点图可看出x与y存在线性相关，可用线性回归模型拟合。
（2）由散点图可看出，x与y存在正相关，所以使用一次回归模型
y=[20.960021.400021.960021.520022.390022.760023.480023.660024.100024.010024.540024.300025.000025.640026.360026.980027.520027.780029.240028.7800];
x=[127.3130132.7129.4135137.1141.2142.8145.5145.3148.3146.4150.2153.1157.3160.7164.2165.6168.7171.7];
[b,bint,r,rint,stats]=regress（y'
-2.2816
0.1822
-3.4309-1.1324
0.17450.1900
0.0447
-0.0073
0.0607
0.2220
0.0716
0.0589
0.0318
-0.0798
-0.1318
-0.1853
-0.2020
-0.0958
-0.0882
0.0233
-0.0220
-0.0216
-0.1193
-0.1145
0.7807
-0.2260
-0.38860.4780
-0.44860.4340
-0.38590.5072
-0.20300.6470
-0.37910.5222
-0.39560.5134
-0.42830.4918
-0.53960.3800
-0.58980.3262
-0.63840.2677
-0.65360.2496
-0.55630.3647
-0.54880.3723
-0.43760.4843
-0.47860.4346
-0.47270.4296
-0.55910.3204
-0.55100.3221
0.61320.9481
-0.63150.1794
1.0e+03*
0.00102.43810.00000.0000
-2.2816
[-3.4309,-1.1324]
0.1822
[0.1745,0.1900]
=1.00F=243.81p=0.000s²
=0.000
=1.00，可知因变量y公司销售额的100%可由模型确定，F值远远超过检验的临界值，p远小于a=0.05,因而我们所建立的模型可用，y公司销售额与x行业销售额之间关系：
y=-2.2816+0.1822x.
五、分析与讨论
六、教师评语
签名：
日期：
成绩
升级会员 