SCAU统计学实验四【Python】

题目要求

    编写两个函数，第一个函数：求相关系数值的函数；第二个函数：求一元线性回归方程中一次项系数的估计值

代码实现

求相关系数值

def correlation(x, y):

    result = np.corrcoef(x, y)[0, 1]  #使用numpy自带corrcoef函数进行计算
    return result

求一元线性回归方程中一次项系数的估计值

使用polyfit函数

def regression(x, y):
    co = np.polyfit(x, y, 1)
    sp = co[0]  #计算斜率（一次项系数）
    itc = co[1]  #计算截距

    return sp, itc

使用lstsq函数

def regression(x, y):
    X = np.vstack([np.ones(len(x)), x]).T
    co, _, _, _ = np.linalg.lstsq(X, y, rcond=None)  #使用lstsq函数计算最小二乘解
    sp = co[1]  #计算斜率（一次项系数）
    itc = co[0]  #计算截距
    return sp, itc

完整代码（含测试）

import numpy as np

def correlation(x, y):
    result = np.corrcoef(x, y)[0, 1]

    return result

def regression(x, y):
    co = np.polyfit(x, y, 1)
    sp = co[0]
    itc = co[1]

    return sp, itc

def regression1(x, y):
    X = np.vstack([np.ones(len(x)), x]).T
    # 使用numpy的lstsq函数计算最小二乘解
    co, _, _, _ = np.linalg.lstsq(X, y, rcond=None)
    sp = co[1]
    itc = co[0]
    return sp, itc


# 示例使用
x = np.random.randint(0, 20, size=15)  #随机生成15个0-20的数，也可指定参数
y = np.random.randint(0, 20, size=15)
print(x)
print(y)
print(correlation(x, y))  #打印相关系数值
print(regression(x, y))  #打印使用polyfit函数计算的一元线性回归方程估计值
print(regression1(x, y))  #打印使用lstsq函数计算的一元线性回归方程估计值

运行结果

随机数版本

指定参数版本

输入参数

x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 3, 5, 7, 9])  #成强正相关

运行结果

注：计算一元线性回归方程的两种方法的计算值稍有误差，属正常现象，误差大小被计算参数所影响。