数学建模回归分析matlab版ppt课件.ppt

数学建模与数学实验实验目的一元线性回归一、数学模型一元线性回归分析的主要任务是：二、模型参数估计返回三、检验、预测与控制（Ⅰ）F检验法（Ⅲ）r检验法2、回归系数的置信区间3、预测与控制（2）控制四、可线性化的一元非线性回归
（曲线回归）散
点
图通常选择的六类曲线如下：一、数学模型及定义返回三、多元线性回归中的检验与预测2、预测四、逐步回归分析这个过程反复进行，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。
统计工具箱中的回归分析命令多元线性回归
3、画出残差及其置信区间：rcoplot（r，rint）
例13、残差分析，作残差图：
rcoplot(r,rint)法一法二（二）多元二项式回归例3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.在画面左下方的下拉式菜单中选”all”,则beta、rmse和residuals都传送到Matlab工作区中.在Matlab工作区中输入命令：beta,rmse结果为:b=
110.5313
0.1464
-26.5709
-0.0001
1.8475
stats=
0.970240.66560.0005例4对第一节例2，求解如下：4、预测及作图：
[YY,delta]=nlpredci('volum',x',beta,r,J)；
plot(x,y,'k+',x,YY,'r')逐步回归例6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.2、逐步回归：
（1）先在初始模型中取全部自变量：
stepwise(x,y)
得图StepwisePlot和表StepwiseTable（2）在图StepwisePlot中点击直线3和直线4，移去变量x3和x4（3）对变量y和x1、x2作线性回归：
X=[ones(13,1)x1x2];
b=regress(y,X)作业3、某市国内生产总值y与固定资产投入X1、劳动力投入X2的历史数据如下表，试用线性回归方法确定其参数值。-2.08797
2.651822
48.34758
Y=2.65X1-2.09X2+48.35
预测：x1=82,X2=35y=?
Y=192.714、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：例题：牙膏的销售量

》输入数据
x1=[-0.050.250.6000.250.200.150.05-0.150.150.200.100.400.450.350.300.500.500.40-0.05-0.05-0.100.200.100.500.60-0.0500.050.55];
x2=[5.506.757.255.507.006.506.755.255.256.006.506.257.006.906.806.807.107.006.806.506.256.006.507.006.806.806.505.755.806.80];
y=[7.388.519.527.509.338.288.757.877.108.007.898.159.108.868.908.879.269.008.757.957.657.278.008.508.759.218.277.677.939.26];谢谢大家此课件下载可自行编辑修改，供参考！
感谢您的支持，我们努力做得更好！