应用数理统计吴翊李永乐第四章回归分析课后作业参考答案.docx
《应用数理统计吴翊李永乐第四章回归分析课后作业参考答案.docx》由会员分享,可在线阅读,更多相关《应用数理统计吴翊李永乐第四章回归分析课后作业参考答案.docx(33页珍藏版)》请在冰豆网上搜索。
应用数理统计吴翊李永乐第四章回归分析课后作业参考答案
第四章回归分析
课后作业参考答案
4.1炼铝厂测得铝的硬度x与抗张强度y的数据如下:
68
53
70
84
60
72
51
83
70
64
288
298
349
343
290
354
283
324
340
286
(1)求y对x的回归方程
(2)检验回归方程的显著性()
(3)求y在x=65处的预测区间(置信度为0.95)
解:
(1)1、计算结果
一元线性回归模型只有一个解释变量
其中:
x为解释变量,y为被解释变量,为待估参数,位随机干扰项。
使用普通最小二乘法估计参数
上述参数估计可写为
所求得的回归方程为:
实际意义为:
当铝的硬度每增加一个单位,抗张强度增加1.80个单位。
2、软件运行结果
根据所给数据画散点图
由散点图不能够确定y与x之间是否存在线性关系,先建立线性回归方程然后看其是否能通过检验
线性回归分析的系数
模型
非标准化系数
标准化系数
T值
P值
95%系数的置信区间
学生残差
下限
上限
1
常数项
193.951
46.796
4.145
0.003
86.039
301.862
x
1.801
0.685
0.681
2.629
0.030
0.221
3.381
由线性回归分析系数表得回归方程为:
,说明x每增加一个单位,y相应提高1.801。
(2)1、计算结果
回归方程的显著性检验(F检验)
线性回归效果不显著线性回归效果显著
在给定显著性水平时,,所以拒绝,认为方程的线性回归效果显著
回归系数的显著性检验(t检验)
在给定显著性水平时,,所以拒绝,认为回归系数显著,说明铝的硬度对抗张强度有显著的影响。
回归方程的线性显著性检验(r检验)
x与y线性无关x与y线性相关
在给定显著性水平时,,所以拒绝,认为x与y之间具有线性关系。
2、软件运行结果
模型摘要
模型
R
修正的
估计的学生误差
1
0.681(a)
0.463
0.396
22.685
由上表得r=0.681,说明y与x的之间具有线性关系。
方差分析表
模型
平方与
自由度
平均平方值
F值
P值
1
回归平方与
3555.541
1
3555.541
6.909
0.030(a)
残差平方与
4116.959
8
514.620
总平方与
7672.500
9
由方差分析表知,p值小于给定的α,说明回归方程通过F检验,回归方程显著。
线性回归分析的系数
模型
非标准化系数
标准化系数
T值
P值
95%系数的置信区间
学生残差
下限
上限
1
常数项
193.951
46.796
4.145
0.003
86.039
301.862
x
1.801
0.685
0.681
2.629
0.030
0.221
3.381
由线性回归分析系数表知,p值小于给定的α,认为回归系数显著,说明铝的硬度对抗张强度有显著的影响。
综上所述,建立的回归方程通过以上的r检验、F检验、t检验,证明回归方程效果显著。
(3)当=65时,代入上述回归方程得=310.996
在1-a的置信度下,的置信区间为
95%置信度下的预测区间为[255.988366.004]。
4.2在硝酸钠()溶解度试验中,对不同温度测得溶解于100ml的水中的硝酸钠重量y的观测值如下:
0
4
10
15
21
29
36
51
68
66.7
71.0
76.3
80.6
85.7
92.9
99.9
113.6
125.1
(1)求回归方程
(2)检验回归方程的显著性
(3)求y在时的预测区间(置信度为0.95)
解:
(1)1、计算结果
一元线性回归模型只有一个解释变量
其中:
t为解释变量,y为被解释变量,为待估参数,位随机干扰项。
使用普通最小二乘法估计参数
上述参数估计可写为
所求得的回归方程为:
实际意义为:
在温度为0时,硝酸钠的溶解度为67.5313,温度每升高一度,溶解度增加0.8719。
2、软件运行结果
根据所给数据画散点图
由散点图可以看出y与t之间存在线性关系,因此建立线性回归模型如下
线性回归分析的系数
模型
非标准化系数
标准化系数
T值
P值
95%系数的置信区间
学生残差
下限
上限
1
常数项
67.531
0.535
126.309
0.000
66.267
68.796
t
0.872
0.016
0.999
54.747
0.000
0.834
0.910
由线性回归分析系数表得回归方程为:
,说明温度每增加一度,溶解度相应提高0.872。
(2)1、计算结果
回归方程的显著性检验(F检验)
线性回归效果不显著线性回归效果显著
在给定显著性水平时,,所以拒绝,认为方程的线性回归效果显著
回归系数的显著性检验(t检验)
在给定显著性水平时,,所以拒绝,认为回归系数显著,说明温度对硝酸钠的溶解度有显著的影响。
回归方程的线性显著性检验(r检验)
t与y线性无关t与y线性相关
在给定显著性水平时,,所以拒绝,认为t与y线性相关。
2、软件运行结果
模型摘要
模型
R
修正的
估计的学生误差
1
0.999(a)
0.998
0.997
1.0147
由上表得r=0.999,说明y与t之间线性关系显著。
方差分析表
模型
平方与
自由度
平均平方值
F值
P值
1
回归平方与
3086.252
1
3086.252
2997.287
0.000(a)
残差平方与
7.208
7
1.030
总平方与
3093.460
8
由方差分析表知,F值很大,p值很小,回归方程通过F检验,说明回归方程显著。
线性回归分析的系数
模型
非标准化系数
标准化系数
T值
P值
95%系数的置信区间
学生残差
下限
上限
1
常数项
67.531
0.535
126.309
0.000
66.267
68.796
t
0.872
0.016
0.999
54.747
0.000
0.834
0.910
由线性回归分析系数表知,p值很小,通过t检验,认为回归系数显著,说明温度对硝酸钠的溶解度有显著的影响。
综上所述,建立的回归方程通过以上的r检验、F检验、t检验,证明回归方程效果显著。
(3)当=25时,代入上述回归方程得=89.328
在1-a的置信度下,的置信区间为
95%置信度下的预测区间为[86.811391.8450]。
4.3对同一个问题,两人分别在做线性回归。
甲:
取样本值,得回归方程
乙:
取样本值,得回归方程
(1)如何判断这两个回归方程是否相等(给定显著性水平)?
(2)若相等,如何求一个共同的回归方程?
解:
检验
若,则拒绝
其中
检验
若,则拒绝
其中
检验
若,则拒绝
这三步当中只有一个是拒绝原假设,则两回归方程不同。
(2)共同的回归方程为:
其中,
4.6某化工厂研究硝化得率y与硝化温度、硝化液中硝酸浓度之间的统计相关关系。
进行10次试验,得实验数据如下表:
16.5
19.7
15.5
21.4
20.8
16.6
23.1
14.5
21.3
16.4
93.4
90.8
86.7
83.5
92.1
94.9
89.6
88.1
87.3
83.4
90.92
91.13
87.95
88.57
90.44
89.87
91.03
88.03
89.93
85.58
试求y对的回归方程。
解:
用所给的数据建立多元回归方程并进行检验
模型摘要
模型
R
修正的
估计的学生误差
1
0.927(a)
0.859
0.819
0.76066
由上表得r=0.927,说明y与x的之间线性关系显著。
方差分析表
模型
平方与
自由度
平均平方值
F值
P值
1
回归平方与
24.724
2
12.362
21.365
0.001(a)
残差平方与
4.050
7
0.579
总平方与
28.774
9
由方差分析表知,F值很大,p值很小,回归方程通过F检验,说明回归方程显著。
线性回归分析的系数
模型
非标准化系数
标准化系数
T值
P值
95%系数的置信区间
学生残差
下限
上限r
1
常数项
51.798
6.079
8.521
0.000
37.424
66.172
x1
0.336
0.085
0.564
3.972
0.000
0.136
0.536
x2
0.352
0.065
0.770
5.423
0.000
0.198
0.505
由线性回归分析系数表知,与的p值都很小,通过了t检验,认为回归系数显著,说明硝化温度与硝化液中硝酸浓度对硝化得率均有显著的影响。
通过以上的r检验、F检验、t检验,证明回归方程效果显著。
最后得到的回归方程为:
说明硝化温度每增加一度,硝化得率增加0.336%;硝化液中硝酸浓度每增加1%,硝化得率增加0.352%。
4.4某建材实验室再作陶粒混凝土强度试验中,考察每立方米混凝土的水泥用量x(kg)对28天后的混凝土抗压强度y()的影响,测得如下数据
150
160
170
180
190
200
210
220
230
240
250
260
56.9
58.3
61.6
64.6
68.1
71.3
74.1
77.4
80.2
82.6
86.4
89.7
(1)求y对x的线性回归方程,并问:
每立方米混凝土中增加1公斤水泥时,可提高的抗压强度是多少?
(2)检验线性回归方程效果的显著性();
(3)求回归系数的区间估计();
(4)求时,的预测值及预测区间。
解:
1.计算结果
(1)一元线性回归模型:
只有一个解释变量
Y为被解释变量,X为解释变量,与为待估参数,为随机干扰项。
用普通最小二乘法(Ordinaryleastsquares,OLS)估计与
记
上述参数估计量可以写成:
带入数字得:
所以求得的回归方程为:
y=10.283+0.304x,即x每增加一个单位,y相应提高0.304
(2)回归方程的显著性检验:
总体平