应用概率统计（陈魁）第十一章（回归分析）部分课后答案

---

前言

\qquad 只要精度稍有不同，结果就五花八门

---

仅供参考

---

一、11. 1

$$\begin{gathered} 一种物质吸附另一种物质的能力与温度有关。在不同温度下吸附的重量Y,测得结果列于下表中 \\ 设对于给定的x,Y为正态变量,方差与x无关. \end{gathered}$$

$x_i/℃$	1.5	1.8	2.4	3.0	3.5	3.9	4.4	4.8	5.0
$y_i/mg$	4.8	5.7	7.0	8.3	10.9	12.4	13.1	13.6	15.3

$试求吸附量Y关于温度x的一元回归方程.$

---

代入公式：
$$\begin{gathered} S_{xx}=\sum _{i=1}^n{x}_i^2-n{\bar{x}}^2 \\ {S}_{xy}=\sum _{i=1}^n{x}_i{y}_i-n\bar{x}\bar{y} \\ \hat{b}=\frac{S_{xx}}{S_{xy}} \\ \hat{a}=\bar{y}-\bar{x}\hat{b} \end{gathered}$$

---

解：
$$\begin{gathered} n=9\sum _{i=1}^9{x}_i=30.3\sum _{i=1}^9{y}_i=91.1 \\ \bar{x}=\frac{1}{9}\times 30.3=3.3667\bar{y}=\frac{1}{9}\times 91.1=10.1222 \\ \sum _{i=1}^9{x}_i^2=115.11\sum _{i=1}^9{x}_i{y}_i=345.09 \\ {S}_{xx}=\sum _{i=1}^n{x}_i^2-n{\bar{x}}^2=115.11-9\times 3.3667^2=12.988 \\ {S}_{xy}=\sum _{i=1}^n{x}_i{y}_i-n\bar{x}\bar{y}=345.09-9\times 3.3667\times 10.1222=38.3843 \\ \hat{b}=\frac{S_{xx}}{S_{xy}}=2.95 \\ \hat{a}=\bar{y}-\bar{x}\hat{b}=0.19 \\ 吸附量Y关于温度x的一元回归方程为： \\ \hat{y}=0.19+2.95x \end{gathered}$$

---

二、11. 2

$$\begin{gathered} 合成纤维抽丝工段第一导丝盘的速度是影响丝的质量的重要参数 \\ 今发现它和电流的周波有密切关系，生产中测量数据如下表： \end{gathered}$$
$$\begin{gathered} 设对周波x,速度Y是正态变量，方差与x无关,求速度Y关于周波x的一元回归方程 \\ 并对回归方程进行显著性检验，求出x_0=50.5处y的预报值y_0和预报区间(\alpha =0.05) \end{gathered}$$

---

代入公式：
$$\begin{gathered} S_{xx}=\sum _{i=1}^n{x}_i^2-n{\bar{x}}^2 \\ {S}_{xy}=\sum _{i=1}^n{x}_i{y}_i-n\bar{x}\bar{y} \\ {S}_{yy}=\sum _{j=1}^n{y}_j^2-n{\bar{y}}^2 \\ \hat{b}=\frac{S_{xx}}{S_{xy}} \\ \hat{a}=\bar{y}-\bar{x}\hat{b} \\ {Q}_e=S_{yy}-({\hat{b}}^2)S_{xx} \\ \widehat{{\sigma }^2}=\frac{Q_e}{n-2} \\ \delta (x_0)=t_{\frac{\alpha }{2}}(n-2)\hat{\sigma }\sqrt{1+\frac{1}{n}+\frac{(x_0-\bar{x}{)}^2}{S_{xx}}} \end{gathered}$$

---

解：
$$\begin{gathered} n=10\sum _{i=1}^{10}{x}_i=496.1\sum _{i=1}^{10}{y}_i=168.6 \\ \bar{x}=49.61\bar{y}=16.86 \\ \sum _{i=1}^{10}{x}_i^2=24613.51\sum _{i=1}^{10}{x}_i{y}_i=8364.92 \\ {S}_{xx}=\sum _{i=1}^n{x}_i^2-n{\bar{x}}^2=24613.51-10\times 49.61^2=1.989 \\ {S}_{xy}=\sum _{i=1}^n{x}_i{y}_i-n\bar{x}\bar{y}=8364.92-10\times 49.61\times 16.86=0.674 \\ {S}_{yy}=\sum _{j=1}^n{y}_j^2-n{\bar{y}}^2=2842.84-10\times 16.86^2=0.244 \\ \hat{b}=\frac{S_{xx}}{S_{xy}}\approx 0.339\approx 0.34 \\ \hat{a}=\bar{y}-\bar{x}\hat{b}\approx 0.04 \\ 速度Y关于周波x的一元回归方程为： \\ \hat{y}=0.04+0.34x \\ {Q}_e=S_{yy}-({\hat{b}}^2)S_{xx}=0.0156 \\ \widehat{{\sigma }^2}=\frac{Q_e}{n-2}=0.00195 \\ |t|=\hat{b}\sqrt{S_{xx}}/\hat{\sigma }=10.82查表：t_{0.025}(8)=2.306 \\ \because 10.82>2.306,即|t|值在H_0的拒绝域内\therefore 回归效果是显著的 \\ 在x_0=50.5处的预报值：\widehat{y_0}=0.04+0.34\times 50.5=17.21 \\ \because t_{\frac{\alpha }{2}}(n-2)=2.306\bar{x}=49.61x_0-\bar{x}=0.89\hat{\sigma }=0.044 \\ \therefore \delta (50.5)=t_{\frac{\alpha }{2}}(n-2)\hat{\sigma }\sqrt{1+\frac{1}{n}+\frac{(x_0-\bar{x}{)}^2}{S_{xx}}}=0.124 \\ 预报区间为：（17.21-0.124,17.21+0.124）=（17.086,17.334） \end{gathered}$$

---

三、11. 3

$流经某地区的一条河的径流量Y与该地区降雨量r之间有关，多次测得数据列于下表：$
$$\begin{gathered} 设径流量Y是正态变量，方差与x无关,求Y关于x的一元回归方程,并求{\sigma }^2的估计值 \\ 求x_0=155时Y的预报值{\hat{y}}_0及预报区间(\alpha =0.05). \end{gathered}$$

---

公式同上
$$\begin{gathered} S_{xx}=\sum _{i=1}^n{x}_i^2-n{\bar{x}}^2 \\ {S}_{xy}=\sum _{i=1}^n{x}_i{y}_i-n\bar{x}\bar{y} \\ {S}_{yy}=\sum _{j=1}^n{y}_j^2-n{\bar{y}}^2 \\ \hat{b}=\frac{S_{xx}}{S_{xy}} \\ \hat{a}=\bar{y}-\bar{x}\hat{b} \\ {Q}_e=S_{yy}-({\hat{b}}^2)S_{xx} \\ \widehat{{\sigma }^2}=\frac{Q_e}{n-2} \\ \delta (x_0)=t_{\frac{\alpha }{2}}(n-2)\hat{\sigma }\sqrt{1+\frac{1}{n}+\frac{(x_0-\bar{x}{)}^2}{S_{xx}}} \end{gathered}$$

---

解：

$$\begin{gathered} n=11\bar{x}=\frac{1436}{11}=130.545\bar{y}=\frac{480.4}{11}=43.673 \\ \sum _{i=1}^n{x}_i^2=201232\sum _{i=1}^n{x}_i{y}_i=71424.8\sum _{i=1}^n{y}_i^2=27030.96 \\ {S}_{xx}=\sum _{i=1}^n{x}_i^2-n{\bar{x}}^2=13770.03 \\ {S}_{xy}=\sum _{i=1}^n{x}_i{y}_i-n\bar{x}\bar{y}=8710.59 \\ {S}_{yy}=\sum _{j=1}^n{y}_j^2-n{\bar{y}}^2=6050.582 \\ \hat{b}=\frac{S_{xx}}{S_{xy}}=0.63\hat{a}=\bar{y}-\bar{x}\hat{b}=-38.91 \\ Y关于x的一元回归方程：\hat{y}=-38.91+0.63x \\ {Q}_e=S_{yy}-({\hat{b}}^2)S_{xx}=585.257 \\ \widehat{{\sigma }^2}=\frac{Q_e}{n-2}=65.03 \\ 在x_0=155，预报值为：\widehat{y_0}=-38.91+0.63\times 155=58.74 \\ \because t_{\frac{\alpha }{2}}(n-2)=2.2622x_0-\bar{x}=24.455\hat{\sigma }=8.064 \\ \therefore \delta (155)=t_{\frac{\alpha }{2}}(n-2)\hat{\sigma }\sqrt{1+\frac{1}{n}+\frac{(x_0-\bar{x}{)}^2}{S_{xx}}}=19.43 \\ 预报区间为：（58.74-19.43,58.74+19.43）=（39.31,78.17） \end{gathered}$$

四、11. 4

$$\begin{gathered} 某种化工产品的得率Y与反应温度x_1,反应时间x_2及某反应物的浓度x_3有关， \\ 设对于给定的x_1,x_2,x_3得率Y服从正态分布，且方差与x_1,x_2,x_3无关, \\ 今得测试结果如下表所示,其中x_1,x_2,x_3均为2水平且均以编码形式表达 \end{gathered}$$

$$\begin{gathered} (1)设\mu (x_1,x_2,x_3)=b_0+b_1{x}_1+b_2{x}_2+b_3{x}_3,求Y的多元线性回归方程; \\ (2)若认为反应时间不影响得率，即认为\mu (x_1,x_2,x_3)={\beta }_0+{\beta }_1{x}_1+{\beta }_3{x}_3,求Y的多元线性回归方程. \end{gathered}$$

---

代入公式：
$$\begin{gathered} X=\left[\begin{array}{cccc}1& x_{11}& x_{21}\cdots & x_{k1}\\ 1& x_{12}& x_{23}\cdots & x_{k3}\\ ⋮& \ddots & \ddots & ⋮\\ 1& x_{1n}& x_{2n}\cdots & x_{kn}\end{array}\right] \\ Y=\left[\begin{array}{c}{y}_1\\ y_2\\ ⋮\\ y_n\end{array}\right] \\ B=\left[\begin{array}{c}{b}_0\\ b_1\\ ⋮\\ b_k\end{array}\right] \\ B=(X^{T}X{)}^{-1}{X}^{T}Y \end{gathered}$$

---

解：
(1).$$\begin{gathered} X=\left[\begin{array}{cccc}1& -1& -1& -1\\ 1& -1& -1& 1\\ 1& -1& 1& -1\\ 1& -1& 1& 1\\ 1& 1& -1& -1\\ 1& 1& -1& 1\\ 1& 1& 1& -1\\ 1& 1& 1& 1\end{array}\right] \\ Y=\left[\begin{array}{c}7.6\\ 10.3\\ 9.2\\ 10.2\\ 8.4\\ 11.1\\ 9.8\\ 12.6\end{array}\right] \\ B=\left[\begin{array}{c}{b}_0\\ b_1\\ b_2\\ b_3\end{array}\right] \\ {X}^{T}X=\left[\begin{array}{cccc}8& & & \\ & 8& & \\ & & 8& \\ & & & 8\end{array}\right] \\ {X}^{T}Y=\left[\begin{array}{c}79.2\\ 4.6\\ 4.4\\ 9.2\end{array}\right] \\ B=(X^{T}X{)}^{-1}{X}^{T}Y=\left[\begin{array}{c}9.9\\ 0.575\\ 0.55\\ 1.15\end{array}\right] \\ \therefore Y的多元线性回归方程为：\hat{y}=9.9+0.575x_1+0.55x_2+1.15x_3 \end{gathered}$$
(2).$$\begin{gathered} 若反应时间不影响得率，即认为:b_2=0 \\ \therefore Y的多元线性回归方程为：\hat{y}=9.9+0.575x_1+1.15x_3 \end{gathered}$$

---

▌总结

全剧终

---