统计学Task4

1>线性回归
线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w’x+e，e为误差服从均值为0的正态分布。回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
最小二乘法
一般来说，线性回归都可以通过最小二乘法求出其方程，可以计算出对于y=bx+a的直线。
回归方程误差
离差平方和

其中，代表y的平方和；是相关系数，代表变异被回归直线解释的比例；就是不能被回归直线解释的变异，即SSE。
2>卡方分布与方差分析
卡方分布
若n个相互独立的随机变量ξ₁、ξ₂、……、ξn ，均服从标准正态分布N（0,1）（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和在这里插入图片描述构成一新的随机变量，其分布规律称为分布（chi-squaredistribution）。其中参数n称为自由度（通俗讲，样本中独立或能自由变化的自变量的个数，称为自由度），正如正态分布中均值或方差不同就是另一个正态分布一样，自由度不同就是另一个在这里插入图片描述分布。记为在这里插入图片描述。 分布的均值为自由度 n，记为若n个相互独立的随机变量ξ₁、ξ₂、……、ξn ，均服从标准正态分布N（0,1）（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为分布（chi-squaredistribution）。其中参数n称为自由度（通俗讲，样本中独立或能自由变化的自变量的个数，称为自由度），正如正态分布中均值或方差不同就是另一个正态分布一样，自由度不同就是另一个分布。记为。 分布的均值为自由度 n，记为 E( x^2) = n； 分布的方差为2倍的自由度(2n)，记为 D( ) = 2n。； 分布的方差为2倍的自由度(2n)，记为 D( x^2) = 2n。
方差分析
方差分析----单因素方差分析/双因素方差分析
ANOVA 由英国统计学家R.A.Fisher首创，为纪念Fisher，以F命名，故方差分析
又称 F 检验 （F test）。
单因素方差分析：众多因素中仅有一个因素的的水平有多个，其余因素只有一个水平。
多因素方差分析：多个因素有多个水平。
方差分析的主要功能就是验证两组样本，或者两组以上的样本均值是否有显著性差异，即均值是否一样。
这里有两个大点需要注意：①方差分析的原假设是：样本不存在显著性差异（即，均值完全相等）；②两样本数据无交互作用（即，样本数据独立）这一点在双因素方差分析中判断两因素是否独立时用。