第9章方差分析及回归分析ppt课件.ppt

第9章方差分析及回归分析ppt课件.ppt

ID:58696531

大小:1.58 MB

页数:97页

时间:2020-10-04

第9章方差分析及回归分析ppt课件.ppt_第1页
第9章方差分析及回归分析ppt课件.ppt_第2页
第9章方差分析及回归分析ppt课件.ppt_第3页
第9章方差分析及回归分析ppt课件.ppt_第4页
第9章方差分析及回归分析ppt课件.ppt_第5页
资源描述:

《第9章方差分析及回归分析ppt课件.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第九章方差分析及回归分析关键词:单因素试验一元线性回归多元线性回归1方差分析的提出2方差分析的概念试验指标:在试验中要考察的指标因素:影响试验指标的条件。包括可控因素和不可控因素单因素试验:在一项试验中只有一个因素在改变的试验多因素试验:在一项试验中多于一个因素在改变的试验水平:因素所处的状态3456789§1单因素试验的方差分析在一项试验中只有一个因素在改变的试验。如只考虑氮肥的不同施用量对水稻产量的影响,而不考虑其他原因对产量的影响。得到如下数据:(一)单因素试验10一般地,对一个单因素试验,假设因素有s(s>

2、2)个水平,n个对象参与了试验。假定对应于因素第j个水平的组中有个试验对象,相应变量数据为通常假定11方差分析的三个基本条件独立性.数据是来自s个独立总体的简单随机样本正态性.s个独立总体均为正态总体方差齐性.s个独立总体的方差都相同1213检验假设假设等价于14(二)平方和分解15证明:16171819方差来源平方和自由度均方F比因素As-1误差n-s总和n-1单因素试验方差分析表2021例1:设有5种治疗荨麻疹的药,要比较它们的疗效。假设将30个病人分成5组,每组6人,令同组病人使用一种药,并记录病人从使用药物

3、开始到痊愈所需时间,得到下面的记录:(=0.05)药物x治愈所需天数y15,8,7,7,10,824,6,6,3,5,636,4,4,5,4,347,4,6,6,3,559,3,5,7,7,622这里药物是因素,共有5个水平,这是一个单因素方差分析问题,要检验的假设是“所有药物的效果都没有差别”。方差分析表方差来源平方和自由度均方F比药物因素36.466749.11673.90误差58.5000252.3334总和94.96672923未知参数的估计2425262728例4:某高校随机抽取了四个年级共61名学生,

4、对他们的月生活费作问卷调查,考察不同年级同学月生活费间是否有显著差异。设数据符合单因素方差分析模型所要求的条件。 (1)完成下列方差分析表 (2)在显著性水平0.01下,检验各年级同学月生活费是否有显著差异?(说明理由)293031§3一元线性回归分析一、确定性关系:当自变量给定一个值时,就确定应变量的值与之对应。即有y=f(x)如:在自由落体中,物体下落的高度h与下落时间t之间有函数关系:变量与变量之间的关系32二、相关性关系:变量之间的关系并不确定,而是表现为具有随机性的一种“趋势”。即对自变量x的同一值,在不

5、同的观测中,因变量Y可以取不同的值,而且取值是随机的,但对应x在一定范围的不同值,对Y进行观测时,可以观察到Y随x的变化而呈现有一定趋势的变化。如:身高与体重,不存在这样的函数可以由身高计算出体重,但从统计意义上来说,身高者,体也重。再如:父亲的身高与儿子的身高之间也有一定联系,通常父亲高,儿子也高。回归分析——研究相关性关系的最基本、应用最广泛的方法。33(一)一元线性回归3435在实际问题中,回归函数μ(x)一般是未知的,需要根据试验数据去估计,而Y是可以观察的。363738一元线性回归要解决的问题:39(二)

6、a,b的估计——最小二乘估计40正规方程系数行列式不为0,方程有唯一解41在误差为正态分布假定下,最小二乘估计等价于极大似然估计。事实上,似然函数4243关于计算44例1K.Pearson收集了大量父亲身高与儿子身高的资料。其中十对如下:父亲身高x(英寸)60626465666768707274儿子身高y(英寸)63.665.26665.566.967.167.468.370.170求Y关于x的线性回归方程。注:1英寸=2.54厘米4546(三)误差方差的估计误差方差估计的意义:误差方差的大小对模型好坏有很大的影响

7、。自变量对因变量影响的大小是同误差对因变量的影响相比较的。如果自变量对因变量的影响不能显著的超过误差对因变量的影响,就很难从这样的模型中提炼出有效的、有足够精度的信息。474849例2:求例1中误差方差的无偏估计。50(1)影响Y取值的,除了x,还有其他不可忽略的因素;(2)E(Y)与x的关系不是线性关系,而是其他关系;(3)Y与x不存在关系。(四)线性假设的显著性检验采用最小二乘法估计参数a和b,并不需要事先知道Y与x之间一定具有相关关系,即使是平面图上一堆完全杂乱无章的散点,也可以用公式求出回归方程。因此μ(x

8、)是否为x的线性函数,一要根据专业知识和实践来判断,二要根据实际观察得到的数据用假设检验方法来判断。若原假设被拒绝,说明回归效果是显著的,否则,若接受原假设,说明Y与x不是线性关系,回归方程无意义。回归效果不显著的原因可能有以下几种:51525354555657例3检验例1中回归效果是否显著,取α=0.05。58*也可用方差分析检验回归效果是否显著59(五)

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。