回归分析.docx

1、回归分析回归分析多元线性回归测16名成年女子的身高与腿长所得数据如下x=143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164;X=ones(16,1) x;Y=88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102;b,bint,r,rint,stats=regress(Y,X);b,bint,r,rint,stats1.确定回归系数的点估计值：b=regress(y,x)-b = -16.0730 0.7194bint =%回归系数的区间估计 -33.7071 1.5612

2、0.6047 0.8340r =%残差 1.2056 -3.2331 -0.9524 1.3282 0.8895 1.1702 -0.9879 0.2927 0.5734 1.8540 0.1347 -1.5847 -0.3040 -0.0234 -0.4621 0.0992rint =%置信区间 -1.2407 3.6520 -5.0622 -1.4040 -3.5894 1.6845 -1.2895 3.9459 -1.8519 3.6309 -1.5552 3.8955 -3.7713 1.7955 -2.5473 3.1328 -2.2471 3.3939 -0.7540 4.4621

3、 -2.6814 2.9508 -4.2188 1.0494 -3.0710 2.4630 -2.7661 2.7193 -3.1133 2.1892 -2.4640 2.6624stats =%用于检验回归模型的统计量，相关系数、F值、与F对应的概率P 0.9282 180.9531 0.0000 1.74372.残差分析，作残差图（画出残差及置信区间）rcoplot(r,rint)从残差图可以看出，除第二个数据外，其余数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型 y=-16.073+0.7194x能较好的符合原始数据，而第二个数据可视为异常点.3. 预测及作图：z=b

4、(1)+b(2)*xplot(x,Y,k+,x,z,r)z = 86.7944 88.2331 88.9524 89.6718 91.1105 91.8298 93.9879 94.7073 95.4266 96.1460 96.8653 97.5847 98.3040 99.0234 100.4621 101.9008多项式回归一元多项式回归y=a1xm+a2xm-1+amx+am+1观察物体降落的距离s与时间t的关系，得到数据如下表，求s关于t的回归方程方法一t=1/30:1/30:14/30; s=11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.

5、49 72.90 85.44 99.08 113.77 129.54 146.48; p,S=polyfit(t,s,2)-p = 489.2946 65.8896 9.1329S = R: 3x3 double df: 11 normr: 0.1157方法二化为多元线性回归： t=1/30:1/30:14/30; s=11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48; T=ones(14,1) t (t.2);b,bint,r,rint,stats=regress(s,

6、T);b,stats-b = 9.1329 65.8896 489.2946stats = 1.0e+007 * 0.0000 1.0378 0 0.0000多元二项式回归设某商品的需求量与消费者的平均收入、商品价格的统计数据如下，建立回归模型，预测平均收入为1000、价格为6时的商品需求量.方法一x1=1000 600 1200 500 300 400 1300 1100 1300 300;x2=5 7 6 6 8 7 5 4 3 9;y=100 75 80 70 50 65 90 100 110 60;x=x1 x2;rstool(x,y,purequadratic)-可预测平均收入为10

7、00、价格为6时的商品需求量方法二化为多元线性回归：x1=1000 600 1200 500 300 400 1300 1100 1300 300;x2=5 7 6 6 8 7 5 4 3 9;y=100 75 80 70 50 65 90 100 110 60; X=ones(10,1) x1 x2 (x1.2) (x2.2);b,bint,r,rint,stats=regress(y,X);b,stats非线性回归出钢时所用的盛钢水的钢包，由于钢水对耐火材料的侵蚀，容积不断增大.我们希望知道使用次数与增大的容积之间的关系.对一钢包作试验，测得的数据列于下表： function yhat=v

8、olum(beta,x) yhat=beta(1)*exp(beta(2)./x);- x=2:16; y=6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76; beta0=8 2; beta,r,J=nlinfit(x,y,volum,beta0); beta-beta = 11.6037 -1.0641得到回归模型为逐步回归水泥凝固时放出的热量y与水泥中4种化学成分x1、x2、x3、 x4有关，今测得一组数据如下，试用逐步回归法确定一个 线性模型.x1=7 1 11 11 7 11 3

9、1 2 21 1 11 10;x2=26 29 56 31 52 55 71 31 54 47 40 66 68;x3=6 15 8 8 6 9 17 22 18 4 23 9 8;x4=60 52 20 47 33 22 6 44 22 26 34 12 12;y=78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.8 113.3 109.4;x=x1 x2 x3 x4; stepwise(x,y)考察温度x对产量y的影响，测得下列10组数据：求y关于x的线性回归方程，检验回归效果是否显著，并预测x=42时产量的估值及预测区间（置

10、信度95%）.x=20 25 30 35 40 45 50 55 60 65;X=ones(10,1) x;Y=13.2 15.1 16.4 17.1 17.9 18.7 19.6 21.2 22.5 24.3;b,bint,r,rint,stats=regress(Y,X);b,bint,r,rint,stats-b = 9.1212 0.2230bint = 8.0211 10.2214 0.1985 0.2476r = -0.3818 0.4030 0.5879 0.1727 -0.1424 -0.4576 -0.6727 -0.1879 -0.0030 0.6818rint = -1.

11、2858 0.5221 -0.5675 1.3736 -0.3639 1.5397 -0.9293 1.2748 -1.2632 0.9783 -1.5123 0.5972 -1.6179 0.2725 -1.2563 0.8806 -1.0352 1.0291 -0.0763 1.4399stats = 0.9821 439.8311 0.0000 0.2333y=9.1212+0.2230xx=42,y=18.4872某零件上有一段曲线，为了在程序控制机床上加工这一零件，需要求这段曲线的解析表达式，在曲线横坐标xi处测得纵坐标yi共11对数据如下： 求这段曲线的纵坐标y关于横坐标x的二次多

12、项式回归方程t=0:2:20; s=0.6 2.0 4.4 7.5 11.8 17.1 23.3 31.2 39.6 49.7 61.7; p,S=polyfit(t,s,2)-p = 0.1403 0.1971 1.0105S = R: 3x3 double df: 8 normr: 1.1097混凝土的抗压强度随养护时间的延长而增加，现将一批混凝土作成12个试块，记录了养护日期x（日）及抗压强度y（kg/cm2）的数据：试求型回归方程function yhat=fun1(beta,x) yhat=beta(1)+beta(2)*log(x);x=2 3 4 5 7 9 12 14 17 21 28 56; y=35 42 47 53 59 65 68 73 76 82 86 99; beta0=8 2; beta,r,J=nlinfit(x,y,fun1,beta0); beta-beta = 21.0058 19.5285