实验五.回归分析

最新推荐文章于 2024-05-14 19:10:35 发布

智多星736

最新推荐文章于 2024-05-14 19:10:35 发布

阅读量2.9k

点赞数 6

分类专栏： matlab实验报告文章标签： matlab

本文链接：https://blog.csdn.net/qq_67421354/article/details/127683007

版权

matlab实验报告专栏收录该内容

15 篇文章 9 订阅

订阅专栏

实验内容

考察温度x对产量y的影响，测得下列10组数据：

温度（℃）	20	25	30	35	40	45	50	55	60	65
产量（kg）	13.2	15.1	16.4	17.1	17.9	18.7	19.6	21.2	22.5	24.3

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（置信度95%）.

2. 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：

xi	0	2	4	6	8	10	12	14	16	18	20
yi	0.6	2.0	4.4	7.5	11.8	17.1	23.3	31.2	39.6	49.7	61.7

求这段曲线的纵坐标y关于横坐标x的二次多项式回归方程.

序号	反应速度y	氢x1	n戊烷x2	异构戊烷x3
1	8.55	470	300	10
2	3.79	285	80	10
3	4.82	470	300	120
4	0.02	470	80	120
5	2.75	470	80	10
6	14.39	100	190	10
7	2.54	100	80	65
8	4.35	470	190	65
9	13.00	100	300	54
10	8.50	100	300	120
11	0.05	100	80	120
12	11.32	285	300	10
13	3.13	285	190	120

4. 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：

养护时间x	2	3	4	5	7	9	12	14	17	21	28	56
抗压强度y	35	42	47	53	59	65	68	73	76	82	86	99

试求型回归方程.

实验步骤、过程

1、

>> x=20:5:65;
>> 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)
>> c=x';
>> [p,S]=polyfit(c,Y,1);
>> [A,DELTA]=polyconf(p,42,S,0.05)

故当x=42℃时它的产量估值为18.4885

预测区间（置信度95%）为:[17.3204，19.6566]

2、

>> x=0:2:20;
>> y=[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(x,y,2)

得到y关于x的二次回归方程为y=0.1403x²+0.1971x+1.0105

3、

M函数文件model.m：

function y=model(beta,x)
y=(beta(1)*x(:,2)-x(:,3)./beta(5))./(1+beta(2)*x(:,1)+beta(3)*x(:,2)+beta(4)*x(:,3));

在程序中调用此函数：

clear
clc
>> close all
>> y=[8.55 3.79 4.82 0.02 2.75 14.39 2.54 4.35 13.00 8.50 0.05 11.32 3.13]';
>> x1=[470 285 470 470 470 100 100 470 100 100 100 285 285]';
>> x2=[300 80 300 80 80 190 80 190 300 300 80 300 190]';
>> x3=[10 10 120 120 10 10 65 65 54 120 120 10 120]';
>> x=[x1 x2 x3];
>> beta0=[1,0.05,0.02,0.1,2]';
>> [beta,R,J]=nlinfit(x,y,@model,beta0);
>> beta
>> betaci=nlparci(beta,R,J)
>> [ypre,delta]=nlpredci(@model,x,beta,R,J);
>> plot(x(:,1),y,'o',x1,ypre,'*')

95%的置信区间为ypre±beta

4、

方法一：

M函数文件model.m：

function yhat=volum(beta,x)
yhat=beta(1)+beta(2)*log(x);

在程序中调用此函数：

>> 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=[5 1]';
>> [beta,r,J]=nlinfit(x',y','volum',beta0);
>> beta

结果：

beta =

21.0058

19.5285

所以得到回归方程为

方法二：

令lnx=u,则x=e^u，原回归方程为

在程序中调用此函数：

>> x=[2 3 4 5 7 9 12 14 17 21 28 56]';
>> u=log(x);
>> u=[ones(12,1) u];
>> y=[35 42 47 53 59 65 68 73 76 82 86 99]';
>> [b,bint,r,rint,stats]=regress(y,u);
>> b,bint,stats       %出结果
>> z=b(1)+b(2)*log(x);
>> plot(x,y,'k+',x,z,'r')

答案供参考,如有错误请自行改正，本人只是随意分享之前的作业，代码均来源于网络+个人稍微修改，认为有用可参考哈～