《matlab语言》课程论文-matlab解决线性回归问题

《matlab语言》课程论文-matlab解决线性回归问题

ID:34239487

大小:619.50 KB

页数:21页

时间:2019-03-04

《matlab语言》课程论文-matlab解决线性回归问题_第1页
《matlab语言》课程论文-matlab解决线性回归问题_第2页
《matlab语言》课程论文-matlab解决线性回归问题_第3页
《matlab语言》课程论文-matlab解决线性回归问题_第4页
《matlab语言》课程论文-matlab解决线性回归问题_第5页
资源描述:

《《matlab语言》课程论文-matlab解决线性回归问题》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、《Matlab语言》课程论文Matlab解决线性回归问题姓名:学号:专业:电子信息工程班级:2010级电子信息工程班指导老师:学院:物理电气信息学院完成日期:2011年12月12日21Matlab解决线性回归问题(刘欣然120102453472010级电子信息工程班)【摘要】MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等,主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。回归分析,是

2、对现有数据进行处理、从中发现有用信息的一种重要手段。而线性回归,特别是一元线性回归分析更是人们优先考虑采用的方式。基于此,本文就一元线性回归的MATLAB实现作了一番探讨,给出了多种实现方式,并通过一个实例加以具体展示,在数据处理时可根据自己的需要灵活地加以选用。【关键词】MATLAB程序、一元线性回归、多元线性回归问题、线性回归拟合问题、Subplot、三次样条插值函数。一、提出问题在回归分析中,如果有两个或两个以上的自变量,就称为多元回归。事实上,一种现象常常是与多个因素相联系的,由多个自变量的最优组合共同来预测或估计因变量,比只用一个自变量进行预测或估计更有效,更符合实际。二、简

3、述原理(一)一元线性回归1.命令polyfit最小二乘多项式拟合[p,S]=polyfit(x,y,m)多项式y=a1xm+a2xm-1+…+amx+am+1其中x=(x1,x2,…,xm)x1…xm为(n*1)的矩阵;y为(n*1)的矩阵;p=(a1,a2,…,am+1)是多项式y=a1xm+a2xm-1+…+amx+am+1的系数;S是一个矩阵,用来估计预测误差.2.命令polyval多项式函数的预测值Y=polyval(p,x)求polyfit所得的回归多项式在x处的预测值Y;p是polyfit函数的返回值;x和polyfit函数的x值相同。3.命令polyconf残差个案次序图

4、[Y,DELTA]=polyconf(p,x,S,alpha)求polyfit所得的回归多项式在x处的预测值Y及预测值的显著性为1-alpha的置信区间DELTA;alpha缺省时为0.05。p是polyfit函数的返回值;x和polyfit函数的x值相同;S和polyfit函数的S值相同。214.命令polytool(x,y,m)一元多项式回归命令5.命令regress多元线性回归(可用于一元线性回归)b=regress(Y,X)[b,bint,r,rint,stats]=regress(Y,X,alpha)b回归系数bint回归系数的区间估计r残差rint残差置信区间stats用于

5、检验回归模型的统计量,有三个数值:相关系数R2、F值、与F对应的概率p,相关系数R2越接近1,说明回归方程越显著;F>F1-α(k,n-k-1)时拒绝H0,F越大,说明回归方程越显著;与F对应的概率p时拒绝H0,回归模型成立。Y为n*1的矩阵;X为(ones(n,1),x1,…,xm)的矩阵;alpha显著性水平(缺省时为0.05)。(二)多元线性回归1.命令regress2.命令rstool多元二项式回归命令:rstool(x,y,’model’,alpha)x为n*m矩阵y为n维列向量model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):linear(线性):pur

6、equadratic(纯二次):interaction(交叉):quadratic(完全二次):alpha显著性水平(缺省时为0.05)返回值beta系数返回值rmse剩余标准差返回值residuals残差非线性回归1.命令nlinfit[beta,R,J]=nlinfit(X,Y,’’model’,beta0)X为n*m矩阵Y为n维列向量model为自定义函数beta0为估计的模型系数beta为回归系数R为残差2.命令nlintoolnlintool(X,Y,’model’,beta0,alpha)21X为n*m矩阵Y为n维列向量model为自定义函数beta0为估计的模型系数alp

7、ha显著性水平(缺省时为0.05)3.命令nlparcibetaci=nlparci(beta,R,J)beta为回归系数R为残差返回值为回归系数beta的置信区间4.命令nlpredci[Y,DELTA]=nlpredci(‘model’,X,beta,R,J)Y为预测值DELTA为预测值的显著性为1-alpha的置信区间;alpha缺省时为0.05。X为n*m矩阵model为自定义函数beta为回归系数R为残差三、多元线性回归问题在实际经济

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。