数学建模之回归分析
2022-07-12 16:32:41 0 举报
AI智能生成
登录查看完整内容
关于数学建模回归分析的内容
作者其他创作
大纲/内容
Y=β0+β1 x
回归系数最小二乘估计:预测值与实际值差的平方和最小
用样本值对参数进行点估计
F检验
t检验
r检验
显著性检验
对回归系数作假设检验
置信区间
在x=x0处对y作预测,对y作区间估计
任务
将x分之一看成x,y分之一看做y
双曲线
求导,lny=blnax,lny看做y,lnx看做x
指数曲线
倒指数曲线
对数曲线
S型曲线
可线性化的一元非线性回归
一元线性回归
alpha:显著性水平,缺省时为0.05
输入量
b:回归系数的点估计
bint:回归系数的区间估计
r:残差
rint:置信区间
用于检验回归模型的统计量:相关系数值越接近1越好,F值越大越好,p值越小越好
输出量
多元线性回归
m:m次多项式
p:多项式系数
S:矩阵,用来估计预测误差
一元多项式回归
x:n*m矩阵
y:n维列向量
缺省时为线性模型
model:linear(线性),purequadratic(纯二次),interaction(交叉),quadratic(完全二次)
多元多项式回归
多项式回归
beta0:回归系数的初值
model:事先用m-文件定义的非线性函数
beta:估计出的回归系数
J:Jacobian矩阵
非线性回归
inmodel:矩阵的列数的指标,给出初始模型中包括的子集(缺省时设定为全部自变量)
逐步回归
回归分析
0 条评论
回复 删除
下一页