u=q k 的交通流模型图 matlab,数学建模回归分析matlab版.ppt

《数学建模回归分析matlab版.ppt》由会员分享，可在线阅读，更多相关《数学建模回归分析matlab版.ppt(51页珍藏版)》请在装配图网上搜索。

1、2020/11/29 1 数学建模与数学实验 回归分析 实验目的 实验内容 2、掌握用数学软件求解回归分析问题。 1、直观了解回归分析基本内容。 1、 回归分析的基本理论 。 3、 实验作业。 2、 用数学软件求解回归分析问题。 2020/11/29 3 一元线性回归 多元线性回归 回归分析 数 学 模 型 及 定 义 * 模 型 参 数 估 计 * 检 验 、 预 测 与 控 制 可 线 性 化 的 一 元 非 线 性 回 归 ( 曲 线 回 归 ) 数 学 模 型 及 定 义 * 模 型 参 数 估 计 * 多 元 线 性 回 归 中 的 检 验 与 预 测 逐 步 回 归 分 析 202。

2、0/11/29 4 一、数学模型 例 1 测 16名成年女子的身高与腿长所得数据如下 身高 143 145 146 147 1 4 9 150 153 154 155 156 1 5 7 158 159 160 162 164 腿长 88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102 以身高 x为横坐标，以腿长 y为纵坐标将这些数据点( xI， yi) 在平面直角坐标系上标出 . 140 145 150 155 160 165 84 86 88 90 92 94 96 98 100 102 散点图 xy 10 解答 2020/11/29 5 一般。

3、地，称由 xy 10 确定的模型为 一元线性回归模型 ， 记为 2 10 ,0 DE xy 固定的未知参数 0 、 1 称为回归系数，自变量 x 也称为回归变量 . 一元线性回归分析的 主要任务 是 1 、用试验值(样本值)对 0 、 1 和 作点估计； 2 、对回归系数 0 、 1 作假设检验； 3 、在 x 0 x 处对 y 作预测，对 y 作区间估计 . xY 10 ，称为 y 对 x 的回归直线方程 . 返回 2020/11/29 6 二、模型参数估计 1、回归系数的最小二乘估计 有 n 组独立观测值， ( x 1 ， y 1 )， ( x 2 ， y 2 ) ( x n ， y n 。

4、) 设 相互独立且 ， nii ii DE nixy ., ,0 ,.,2,1, 21 2 10 记 n i ii n i i xyQQ 1 2 10 1 2 10 , 最小二乘法 就是选择 0 和 1 的估计 0 ， 1 使得 ,m i n , 10 , 10 10 QQ 2020/11/29 7 221 10 xx yxxy xy 解得 (经验)回归方程为 110 xxyxy 或 n i i n i ii xx yyxx 1 2 1 1 其中 n i i n i i y n y x n x 1 1 1 , 1 ， n i i i n i i y x n xy x n x 1 1 2 。

5、2 1 , 1 . 2020/11/29 8 2 、 2 的无偏估计 记 n i n i iiiie yyxyQQ 1 1 2 2 1010 , 称 Q e 为 残差平方和 或 剩余平方和 . 2 的无偏估计 为 2 2 nQ ee 称 2 e 为 剩余方差 (残差的方差) ， 2 e 分别与 0 、 1 独立 。 e 称为 剩余标准差 . 返回 2020/11/29 9 三、检验、预测与控制 1、回归方程的显著性检验 对回归方程 xY 10 的显著性检验，归结为对假设 0;0 1110 HH 进行检验 . 假设 0 10 H 被拒绝，则回归显著，认为 y 与 x 存在线性关 系，所求的。

6、线性回归方程有意义；否则回归不显著， y 与 x 的关系 不能用一元线性回归模型来描述，所得的回归方程也无意义 . 2020/11/29 10 ( ) F检验法 当 0 H 成立时， 2/ nQ U F e F ( 1 ， n- 2 ) 其中 n i i yyU 1 2 ( 回归平方和) 故 F 2,1 1 nF ，拒绝 0 H ，否则就接受 0 H . ( ) t检验法 n i i n i ixx xnxxxL 1 22 1 2其中 当 0H 成立时， e xxL T 1 t ( n- 2 ) 故 2 2 1 ntT ，拒绝 0H ，否则就接受 0H . 2020/11/29 11 ( ) 。

7、r检验法 当 | r | r 1- 时，拒绝 H 0 ；否则就接受 H 0 . 记 n i n i ii n i ii yyxx yyxx r 1 1 22 1 其中 2,121 1 1 1 nFnr 2020/11/29 12 2、回归系数的置信区间 0 和 1 置信水平为 1- 的置信区间分别为 xx e xx e L x n nt L x n nt 2 2 1 0 2 2 1 0 1 2 , 1 2 和 xxexxe LntLnt /2 ,/2 2 1 1 2 1 1 2 的置信水平为 1- 的置信区间为 2 , 2 2 2 2 2 1 n Q n Q ee 2020/11/29 13。

8、 3、预测与控制 ( 1)预测 用 y 0 的回归值 0100 xy 作为 y 0 的预测值 . 0y 的置信水平为 1 的 预测区间 为 , 0000 xyxy 其中 xx e L xx nntx 2 0 21 0 112 特别，当 n 很大且 x 0 在 x 附近取值时 , y 的置信水平为 1 的 预测区间近似为 2 1 2 1 , uyuy ee 2020/11/29 14 ( 2)控制 要求 xy 10 的值以 1 的概率落在指定区间 yy , 只要控制 x 满足以下两个不等式 yxyyxy , 要求 2 xyy . 若 yxyyxy , 分别有解 x 和 x ，即 yxyyxy ,。

9、 . 则 xx , 就是所求的 x 的控制区间 . 返回 2020/11/29 15 四、可线性化的一元非线性回归 (曲线回归) 例 2 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 使用次数 增大容积 使用次数 增大容积 2 3 4 5 6 7 8 9 6. 42 8. 20 9. 58 9. 50 9. 70 10. 00 9. 93 9. 99 10 11 12 13 14 15 16 10. 49 10. 59 10. 60 10. 80 10. 60 10. 90 10. 76。

10、 解答 2020/11/29 16 2 4 6 8 10 12 14 16 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11 散 点 图 此即 非线性回归 或 曲线回归 问题 ( 需要配曲线 ) 配曲线的一般方法是 先对两个变量 x 和 y 作 n 次试验观察得 niyx ii ,.,2,1 画出散点图， 根据散点图确定须配曲线的类型 . 然后由 n 对试验数据确定每一类曲线的未知 参数 a 和 b. 采用的方法是通过变量代换把非线性回归化成线性回归，即采用 非线性回归线性化的方法 . 2020/11/29 17 通常选择的六类曲线如下 ( 1 ) 双曲线 xbay 1 (。

11、 2 ) 幂函数曲线 y a bx , 其中 x 0 , a 0 ( 3 ) 指数曲线 y a bxe 其中参数 a 0 . ( 4 ) 倒指数曲线 y a xbe / 其中 a 0 ， ( 5 ) 对数曲线 y a b l o g x , x 0 ( 6 ) S 型曲线 xbeay 1 返回 解例 2. 由散点图我们选配倒指数曲线 y a xb e / 根据线性化方法，算得 4587.2,1107.1 Ab 由此 6 78 9.11 A ea 最后得 xey 1 1 0 7.1 67 89.11 2020/11/29 18 一、数学模型及定义 一般称 n IC O VE XY 2 ,。

12、,0 为高斯 马尔柯夫线性模型 k 元线性回归模型 ，并简记为 2 n IXY ny y Y . . . . . . 1 ， nknn k k xxx xxx xxx X .1 . .1 .1 21 22221 11211 ， k . 1 0 ， n . . . 2 1 kk xxy .110 称为 回归平面方程 . 返回 线性模型 2 nIXY 考虑的主要问题是 ( 1 ) 用试验值(样本值)对未知参数 和 2 作点估计和假设检验，从而建立 y 与 k xxx ,. 21 之间的数量关系； ( 2 )在 . . . 0022011 kk xxxxxx 处对 y 的值作预测与控制，即对。

13、 y 作区间估计 . 2020/11/29 19 二、模型参数估计 1 、对 i 和 2 作估计 用最小二乘法求 k ,. , 0 的估计量作离差平方和 n i ikkii xxyQ 1 2 110 . 选择 k ,. , 0 使 Q 达到最小。 得到的 i 代入回归平面方程得 kk xxy . 110 称为 经验回归平面方程 . i 称为 经验回归系数 . 注意 服从 p 1 维正态分 布，且为 的无偏估 计，协方差阵为 C 2 . C L -1 c ij , L X X 解得估计值 Y X X X T T 1 2020/11/29 20 2 、多项式回归 设变量 x 、 Y 的回。

14、归模型为 p p xxxY . 2 210 其中 p 是已知的， 2,1 pi i 是未知参数， 服从正态分布 ,0 2 N . 令 ii xx ， i 1 ， 2 ， ， k 多项式回归模型变为多元线性 回归模型 . 返回 kk xxxY .2210 称为 回归多项式 . 上面的回归模型称为 多项式回归 . 2020/11/29 21 三、多元线性回归中的检验与预测 1 、线性模型和回归系数的检验 假设 0. 100 kH ( ) F检验法 ( ) r检验法 定义 eyy QU U L U R 为 y 与 x 1 ,x 2 , . . . , x k 的 多元相关系数 或 复相关系数 。 由。

15、于 2 2 1 1 R R k kn F ，故用 F 和用 R 检验是等效的。 当 H 0 成立时， 1, 1/ / knkF knQ kU F e 如果 F F 1- ( k ， n- k - 1 )，则拒绝 H 0 ，认为 y 与 x 1 x k 之间显著 地有线性关系；否则就接受 H 0 ，认为 y 与 x 1 x k 之间线性关系不 显著 . 其中 n i i yyU 1 2 ( 回归平方和) n i iie yyQ 1 2 残差平方和) 2020/11/29 22 2、预测 ( 1)点预测 求出回归方程 kk xxy . 110 ，对于给定自 变量的值 kxx , . . . ,*1。

16、 ，用 110* . kk xxy 来预测 110 . kk xxy . 称 *y 为 *y 的点预测 . ( 2)区间预测 y 的 1 的预测区间 (置信)区间为 , 21 yy , 其中 11 11 2/1 0 0 2 2/1 0 0 1 kntxxcyy kntxxcyy k i k j jiije k i k j jiije C L -1 c ij , L X X 1 kn Q e e 返回 2020/11/29 23 四、逐步回归分析 ( 4)“有进有出”的逐步回归分析。 ( 1)从所有可能的因子(变量)组合的回归方程中选择最优者； ( 2)从包含全部变量的回归方程中逐次剔除。

17、不显著因子； ( 3)从一个变量开始，把变量逐个引入方程； 选择“最优”的回归方程有以下几种方法 “最优 ” 的回归方程 就是包含所有对 Y有影响的变量 , 而不包含 对 Y影响不显著的变量回归方程 。 以第四种方法，即 逐步回归分析法 在筛选变量方面较 为理想 . 2020/11/29 24 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。 逐步回归分析法 的思想 从一个自变量开始，视自变量 Y作用的显著程度，从大到地 依次逐个引入回归方程。 当引入的自变量由于后面变量的引入而变得不显著时，要将 其剔除掉。 引入一个自变量或从回归方程中剔除一个自变。

18、量，为逐 步回归的一步。 对于每一步都要进行 Y值检验，以确保每次引入新的显 著性变量前回归方程中只包含对 Y作用显著的变量。 返回 2020/11/29 25 统计工具箱中的回归分析命令 1、多元线性回归 2、多项式回归 3、非线性回归 4、逐步回归 返回 2020/11/29 26 多元线性回归 bregress Y, X npnn p p xxx xxx xxx X .1 . .1 .1 21 22221 11211 nY Y Y Y . 2 1 p b . 1 0 1、 确定回归系数的点估计值 pp xxy .110 对一元线性回归，取 p 1 即可 2020/11/29 27 3。

19、、 画出残差及其置信区间 rcoplot( r， rint) 2、 求回归系数的点估计和区间估计、并检验回归模型 b, bint,r,rint,statsregressY,X,alpha 回 归 系 数 的 区 间 估 计 残 差 用于检验回归模型的统计量， 有四个数值相关系数 r2、 F值、与 F对应的概率 p，变量误差 估计 置 信 区 间 显 著 性 水 平 ( 缺 省 时 为 0. 05 ) 相关系数 r 2 越接近 1 ，说明回归方程越显著； F F 1- ( k ， n - k - 1 )时拒绝 H 0 ， F 越大，说明回归方程越显著； 与 F 对应的概率 p 时拒绝 H 0 ，。

20、回归模型成立 . 2020/11/29 28 例 1 解 1、 输入数据 x143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164; Xones16,1 x; Y88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102; 2、 回归分析及检验 b,bint,r,rint,statsregressY,X b,bint,stats 得结果 b bin t - 16.0 730 - 33.7 071 1.56 12 0.71 94 0.60 47 0.83 40 stats 0.9。

21、2 82 180. 9531 0.00 00 1.74 37 即 7 1 9 4.0,0 7 3.16 10 ； 0 的置信区间为 - 33.7 017 ， 1.56 12 , 1 的置信区间为 0. 6047, 0 .834; r 2 0.9282, F 180. 9531, p0. 0000 ， 1 . 7 4 3 7 p 0.0 5, 可知回归模型 y - 16 .0730.7 194x 成立 . To MATLABliti11 题目 2020/11/29 29 3、残差分析，作残差图 rcoplotr,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。

22、信区间均包含零点，这说明 回归模型 y-16.0730.7194x能较好的符合原始数据，而第 二个 数据可视为异常点 . 4、预测及作图 zb1b2*x plotx,Y,k,x,z,r 2 4 6 8 10 12 14 16 -5 -4 -3 -2 -1 0 1 2 3 4 Residual Case Order Plot Residuals Case Number 返回 To MATLABliti12 2020/11/29 30 多 项 式 回 归 (一)一元多项式回归 ( 1) 确定多项式系数的命令 p， Spolyfit( x， y， m) 其中 x ( x 1 ， x 2 ， ， x 。

23、n )， y ( y 1 ， y 2 y n )； p ( a 1 ， a 2 a m 1 )是多项式 y a 1 x m a 2 x m - 1 a m x a m 1 的系数； S 是一个矩阵，用来估计预测误差 . ( 2) 一元多项式回归命令 polytool( x， y， m) 1、回归 ya1xma2xm-1a mxam1 2、预测和预测误差估计 ( 1) Ypolyval( p， x)求 polyfit所得的回归多项式在 x处 的预 测值 Y； ( 2) Y， DELTApolyconf( p， x， S， alpha)求 polyfit所得 的回归多项式在 x处的预测值 。

24、Y及预测值的显著性为 1- alpha的置信区间 Y DELTA； alpha缺省时为 0.5. 2020/11/29 31 例 2 观测物体降落的距离 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 2 ctbtas . t s 1 /3 0 2 /3 0 3 /3 0 4 /3 0 5 /3 0 6 /3 0 7 /3 0 s c m 1 1 . 8 6 1 5 . 6 7 2 0 . 6 0 2 6 . 6 9 3 3 . 7 1 4 1 . 9 3 5 1 . 1 3 t s 8 /3 0 9 /3 0 1 0 /3 0 1 1 /3 0 1 2 /3。

25、 0 1 3 /3 0 1 4 /3 0 s c m 6 1 . 4 9 7 2 . 9 0 8 5 . 4 4 9 9 . 0 8 1 1 3 .7 7 1 2 9 .5 4 1 4 6 .4 8 法一 直接作二次多项式回归 t1/301/3014/30; s11.86 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; p,Spolyfitt,s,2 To MATLAB( liti21) 1 3 2 9.98 8 9 6.652 9 4 6.4 8 9 2 tts 得回归模型。

26、为 2020/11/29 32 法二 化为多元线性回归 t1/301/3014/30; s11.86 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; Tones14,1 t t.2; b,bint,r,rint,statsregresss,T; b,stats To MATLABliti22 22946.4898896.651329.9 tts 得回归模型为 Ypolyconfp,t,S plott,s,k,t,Y,r 预测及作图 To MATLABliti23 2020/1。

27、1/29 33 (二)多元二项式回归 命令 rstool( x， y， model, alpha) nm矩阵 显著性水平 (缺省时为 0.05) n维列向量 由下列 4 个模型中选择 1 个(用字符串输入，缺省时为线性模型) l i n e a r ( 线性 ) mm xxy 110 p u r e q u a dr a t i c ( 纯二次 ) n j jjjmm xxxy 1 2 110 i n t e r a c t i o n ( 交叉 ) mkj kjjkmm xxxxy 1 110 q u a dr a t i c ( 完全二次 ) mkj kjjkmm xxxxy ,1 110。

28、 2020/11/29 34 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 . 需求量 100 75 80 70 50 65 90 100 1 1 0 60 收入 1000 600 1200 500 300 400 1300 1 1 0 0 1300 300 价格 5 7 6 6 8 7 5 4 3 9 选择纯二次模型，即 2222211122110 xxxxy 法一 直接用多元二项式回归 x11000 600 1200 500 300 400 1300 1100 1300 300; x25 7 6 6。

29、 8 7 5 4 3 9; y100 75 80 70 50 65 90 100 110 60; xx1 x2; rstoolx,y,purequadratic 2020/11/29 35 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 . 在左边图形下方的方框中输入 1000，右边图形下方的方框中输入 6。 则画面左边的“ Predicted Y”下方的数据变为 88.47981，即预测 出平均收入为 1000、价格为 6时的商品需求量为 88.4791. 2020/11/29 36 在 Matlab工作区中输入命令。

30、 beta, rmse 得结果 be t a 1 1 0 . 5 3 1 3 0 . 1 4 6 4 - 2 6 . 5 7 0 9 - 0 . 0 0 0 1 1 . 8 4 7 5 r m s e 4 . 5 3 6 2 故回归模型为 222121 8475.10001.05709.261464.05313.110 xxxxy 剩余标准差为 4 . 5 3 6 2 , 说明此回归模型的显著性较好 . To MATLABliti31 2020/11/29 37 X o n e s 1 0 , 1 x 1 x 2 x 1 . 2 x 2 . 2 ; b , b i n t ,。

31、 r , r i n t , s t a t s r e g r e s s y , X ; b , s t a t s 结果为 b 110.5313 0.1464 -26.5709 -0.0001 1.8475 stats 0.9702 40.6656 0.0005 法二 To MATLABliti32 返回 2222211122110 xxxxy 将 化为多元线性回归 2020/11/29 38 非线性回 归 ( 1) 确定回归系数的命令 beta， r， Jnlinfit( x， y， model, beta0) ( 2) 非线性回归命令 nlintool( x， y， mod。

32、el, beta0， alpha) 1、回归 残差 Jacobian矩阵 回归系数 的初值 是事先用 m-文件定 义的非线性函数 估计出的 回归系数 输入数据 x、 y分别为 矩阵和 n维列向 量，对一元非线性回 归， x为 n维列向量。 mn 2、预测和预测误差估计 Y， DELTAnlpredci( model, x， beta， r， J) 求 nlinfit 或 nlintool所得的回归函数在 x处的预测值 Y及预测值的显 著性为 1-alpha的置信区间 Y DELTA. 2020/11/29 39 例 4 对第一节例 2，求解如下 1 、对将要拟合的非线性模型 y a xbe 。

33、/ ，建立 m- 文件 v o l u m . m 如下 f u n c t i o n y h a t v o l u m b e t a , x yhat b e t a 1 * e x p b e t a 2 . / x ; 2、输入数据 x216; y6.42 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; beta08 2; 3、 求回归系数 beta,r ,Jnlinfitx,y,volum,beta0； beta 得结果 beta 11.6036 -1.064。

34、1 即得回归模型为 xey 10641.16036.11 To MATLABliti41 题目 2020/11/29 40 4、预测及作图 YY,deltanlpredcivolum,x,beta,r ,J； plotx,y,k,x,YY,r To MATLABliti42 2020/11/29 41 逐 步 回 归 逐步回归的命令是 stepwise( x， y， inmodel， alpha) 运行 stepwise命令时产生三个图形窗口 Stepwise Plot， Stepwise Table， Stepwise History. 在 Stepwise Plot窗口，显示出各项的回归系。

35、数及其置信区间 . Stepwise Table 窗口中列出了一个统计表，包括回归系数及 其置信区间，以及模型的统计量剩余标准差( RMSE)、相关系 数( R-square)、 F值、与 F对应的概率 P. 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) 显著性水平(缺省时为 0.05) 自变量数据 , 阶矩阵 mn 因变量数据， 阶矩阵 1n 2020/11/29 42 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 . 序号 1 2 3 4 5 6 7 8 9 1。

36、0 11 12 13 x 1 7 1 11 11 7 11 3 1 2 21 1 11 10 x 2 26 29 56 31 52 55 71 31 54 47 40 66 68 x 3 6 15 8 8 6 9 17 22 18 4 23 9 8 x 4 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 1、数据输入 x17 1 11 11 7 11 3 1 2 21 1 11 10; x226 。

37、29 56 31 52 55 71 31 54 47 40 66 68; x36 15 8 8 6 9 17 22 18 4 23 9 8; x460 52 20 47 33 22 6 44 22 26 34 12 12; y78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.8 113.3 109.4; xx1 x2 x3 x4; 2020/11/29 43 2、逐步回归 ( 1)先在初始模型中取全部自变量 stepwisex,y 得图 Stepwise Plot 和表 Stepwise Table 图 Stepwise Plot。

38、中四条直线都是虚 线，说明模型的显著性不好 从表 Stepwise Table中看出变 量 x3和 x4的显著性最差 . 2020/11/29 44 ( 2)在图 Stepwise Plot中点击直线 3和直线 4，移去变量 x3和 x4 移去变量 x3和 x4后模型具有显著性 . 虽然剩余标准差( RMSE)没 有太大的变化，但是统计量 F的 值明显增大，因此新的回归模型 更好 . To MATLABliti51) 2020/11/29 45 ( 3)对变量 y和 x1、 x2作线性回归 Xones13,1 x1 x2; bregressy,X 得结果 b 52.5773 1.4683 0。

39、.6623 故最终模型为 y52.57731.4683x10.6623x2 To MATLABliti52) 返回 2020/11/29 46 1、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 ) 1 3 . 2 1 5 . 1 1 6 . 4 1 7 . 1 1 7 . 9 1 8 . 7 1 9 . 6 2 1 . 2 2 2 . 5 2 4 . 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 x42 时产量的估值 . 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，。

40、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 x i 0 2 4 6 8 10 12 14 16 18 20 y i 0 . 6 2 . 0 4 . 4 7 . 5 1 1 . 8 1 7 . 1 2 3 . 3 3 1 . 2 3 9 . 6 4 9 . 7 6 1 . 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 . 2020/11/29 47 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。 序号 y X1 X2 1 53 9 11 2 64 19 14 3 82 2。

41、1 15 4 92 34 17 5 120 43 19 6 160 56 20 7 180 72 29 2020/11/29 48 -2.08797 2.651822 48.34758 Y2.65X1-2.09X248.35 预测 x182, X235 y Y192.71 2020/11/29 49 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 。

42、99 试求 xbay ln 型回归方程 . 2020/11/29 50 例题牙膏的销售量 输入数据 x1-0.05 0.25 0.60 0 0.25 0.20 0.15 0.05 -0.15 0.15 0.20 0.10 0.40 0.45 0.35 0.30 0.50 0.50 0.40 -0.05 -0.05 -0.10 0.20 0.10 0.50 0.60 - 0.05 0 0.05 0.55; x25.50 6.75 7.25 5.50 7.00 6.50 6.75 5.25 5.25 6.00 6.50 6.25 7.00 6.90 6.80 6.80 7.10 7.00 6.80 6.50 6.25 6.00 6.50 7.00 6.80 6.80 6.50 5.75 5.80 6.80; y7.38 8.51 9.52 7.50 9.33 8.28 8.75 7.87 7.10 8.00 7.89 8.15 9.10 8.86 8.90 8.87 9.26 9.00 8.75 7.95 7.65 7.27 8.00 8.50 8.75 9.21 8.27 7.67 7.93 9.26; 。