数学实验第10次作业回归分析
数学实验第10次作业回归分析
回归分析
一实验目的
1了解回归分析的基本原理，掌握MATLAB实现的方法；
2练习用回归分析解决实际问题。
二实验内容
1电影院调查电视广告费用和报纸广告费用对每周收入的影响，得到下面的数据(见下表)，建立回归模型并进行检验，诊断异常点的存在并进行处理。
每周收入
报纸广告费用
初步解决：
首先对于题目作初步分析，题目中电视广告费用和报纸广告费用都会对与每周收入产生影响，但是两者对于每周收入的影响都是独立的。
首先画出散点图如下：
观察散点图之后，假设自变量与因变量满足多元线性关系。设电视广告费用为，报纸
广告费用为，每周收入为，那么每周收入与电视广告费用以及报纸广告费用的关系模型表示如下：
；
下面在MATLAB中输入以下命令：
输出结果如下所示：
结果列表如下：
回归系数回归系数估计值回归系数置信区间，
，
，
，，，
于是由它得到的预测模型为。
做出残差和置信区间的图像如下：
由图像可以看出，只有第一组数据的置信区间不包括零，改组数据可能有误，去掉之后再进行计算。
在命令栏中输入以下命令：
输出结果如下所示：
将结果列表如下：
回归系数回归系数估计值回归系数置信区间
，
，
，
，，，
由它得到的回归模型为。
对于实验结果的分析：
回归模型：。对比剔除异常点后的分析结果可知，第一次分析的过程中，第一组数据的置信区间不包括零点，所以该点为异常点，需要剔除再进行一次计算。剔除之后，发现所有点的置信区间都包括了零点。
剔除数据之后计算结果与剔除之前的比较
剔除后，，，
纵向比较可以看出，剔除了异常数据之后，置信区间明显的有了缩小，所以说，剔除异常数据可以有利于更加精确地建立模型。2汽车销售商认为汽车销售量与汽油价格、贷款利率有关，两种类型汽车(普通型和豪华型)个月的调查资料见下表，其中是普通型汽车售量(千辆)，是豪华型汽车售辆(千辆)，是汽油价格(元/)，是贷款利率()。
序号
(1)对普通型和豪华型汽车分别建立如下模型：
；
给出的估计值和置信区间，决定系数，值及剩余方差等；
(2)用，表示汽车类型，建立统一模型：，给出估计
值和置信区间，决定系数，值及剩余方差等。以，代入统一模型，将结果与
(1)的两个模型比较，解释二者的区别；
(3)对统一模型就每种类型汽车分别作和与残差的散点图，有什么现象，说明模型有何
缺陷？
(4)对统一模型增加二次项和交互项，考察结果有什么改进。
初步解决：
(1)首先研究，在命令栏中输入以下命令：
输出结果如下：
结果列表如下：
回归系数回归系数估计值回归系数置信区间
，
，
，
，，，
由它得到的回归模型为：。、的置信区间不包含零点，且，且计算可得，，所以该模型有效。
下面研究，在命令栏中输入以下内容：
输出结果如下：
结果列表如下：
回归系数回归系数估计值回归系数置信区间
，
，
，
，，，
由它得到的回归模型为：。的置信区间包含了零点，所以该模型无效。
(2)对于统一模型，用来表示车的类型，表示普通型，表示豪华型。
在命令栏中输入以下内容：
输出结果如下所示：
结果列表如下：
回归系数回归系数估计值回归系数置信区间，
，
，
，
，，，
由它得到的统一回归模型为：。的置信区间包含了零点，所以该模型无效。
下面对这个统一模型进行研究：
首先将代入统一模型，得到回归模型为，然后将代入统一模型，得到回归模型为。与第一问的结果相比相差较大，说明该模型并不合适。
(3)对于第二问中求出的的统一模型，分别画出、与残差的散点图。
首先是与残差的散点图：
然后是与残差的散点图：
对于两幅图，纵轴均为残差，横轴分别为和。两种类型的汽车残差分布不同，这说明(即汽车类型)与、有交互作用，模型中应添加交互项。
(4)在MATLAB中尝试使用逐步回归来建立包括二次项和交互项的模型。
在命令栏中输入以下命令：
数学软件MATLAB实验作业
数学软件与数学实验作业 一.《数学软件》练习题（任选12题，其中19－24题至少选2题）： 3.对下列各式进行因式分解. (1). syms x y >> factor(x^5-x^3) (2). syms x y >> factor(x^4-y^4) (3). syms x >> factor(16-x^4) (4). syms x >> factor(x^3-6*x^2+11*x-6) (5). syms x y >> factor((x+y)^2-10*(x+y)+25) (6). syms x y >> factor(x^2/4+x*y+y^2) (7). syms x y a b >> factor(3*a*x+4*b*y+4*a*y+3*b*x) (8). syms x >> factor(x^4+4*x^3-19*x^2-46*x+120) 5.解下列方程或方程组. (1).solve('(y-3)^2-(y+3)^3=9*y*(1-2*y)') (2). solve('3*x^2+5*(2*x+1)') (3). solve('a*b*x^2+(a^4+b^4)*x+a^3*b^3','x') (4). solve('x^2-(2*m+1)*x+m^2+m','x') (5). [x,y]=solve('4*x^2-9*y^2=15','2*x-3*y=15') 6.计算极限. (1). syms x f=(exp(x)-exp(-x))/sin(x); limit(f,x,0) (2) syms x >> f=(x/(x-1)-1/log(x)); >> limit(f,x,1) (3). syms x >> f=(1-cos(x))/x^2; >> limit(f,x,0)
回归分析 实验报告
城镇居民家庭收入的逐步回归分析 07级数学1班盛平0707021012 摘要：用多元统计中逐步回归分析的方法和SAS软件解决了可支配收入与其他收入之间的关系，并用此模型预测在以后几年里居民平均每人全年家庭可支配收入。 关键词：逐步回归分析多元统计SAS软件 正文 1 模型分析 各地区城镇居民平均每人全年家庭可支配收入y与工薪收入x1、经营净收入x2、财产性收入x3和转移性收入x4有关，共观测了15组数据，试用逐步回归法求‘最优’回归方程。 各地区城镇居民平均每人全年家庭收入来源(2007年) 单位：元 2模型的理论 （1）基本思想：逐个引入自变量，每次引入对y影响最显著的自变量，并对方程中的老变量逐个进行检验，把变为不显著的变量逐个从方程中剔除掉，最终得到的方程中既不漏掉对Y影响显著的变量，又不包含对Y影响不显著的变量。 （2）逐步筛选的步骤：首先给出引入变量的显著性水平 和剔除变量的显著性 in
水平 ；然后按图4.1的框图筛选变量。 out 3模型的求解 （1）源程序： data ch; input x1 x2 x3 x4 x5 y @@; cards; 28.2 47.9 44.1 3.8 23.9 100.0 31.3 47.1 43.6 3.5 21.6 100.0 30.2 48.2 43.9 4.3 21.6 100.0 ?? 31.9 46.1 41.9 4.2 22.0 100.0 33.4 44.8 40.6 4.1 21.8 100.0 33.2 44.4 39.9 4.5 22.4 100.0 32.1 43.1 38.7 4.4 24.8 100.0 28.4 42.9 38.3 4.6 28.7 100.0 ?? 27.2 43.7 38.6 5.1 29.1 100.0
大一数学实验
2017春季数学实验报告 班级：计算机系61 姓名：赵森学号：2160500026（校内赛编号506）班级：计算机系61 姓名：冯丹妮学号：2160500002（校内赛编号327）班级：计算机系63 姓名：郝泽霖学号：2160500054
第一次上机作业 实验8: 练习1： 4．某棉纺厂的原棉需从仓库运送到各车间。各车间原棉需求量、单位产品从各仓库运往各车间的运输费以及各仓库的库存容量如表8.5所列，问如何安排运输任务使得总运费最小？ 设仓库1运往车间1,2,3,的原棉量为x1,x2,x3, 仓库2运往车间1,2,3,的原棉量为x4,x5,x6, 仓库3运往车间1,2,3,的原棉量为x7,x8,x9。 2x1+x2+3x3<=50 2x4+2x5+4x6<=30 3x7+4x8+2x9<=10 X1+x4+x7=40 X2+x5+x8=15 X3+x6+x9=35 程序： c=[2,1,3,2,2,4,3,4,2]; a(1,:)=[1,1,1,0,0,0,0,0,0]; a(2,:)=[0,0,0,1,1,1,0,0,0]; a(3,:)=[0,0,0,0,0,0,1,1,1]; aeq(1,:)=[1,0,0,1,0,0,1,0,0]; aeq(2,:)=[0,1,0,0,1,0,0,1,0]; aeq(3,:)=[0,0,1,0,0,1,0,0,1]; b=[50;30;10]; beq=[40;15;35]; vub=[]; vlb=zeros(9,1); [x,fval]=linprog(c,a,b,aeq,beq,vlb,vub) 结果： x = 10.0000 15.0000 25.0000
数学实验作业题目(赛车跑道)
数学实验报告实验题目：赛车车道路况分析问题 小组成员： 填写日期2012 年 4 月20 日
一．问题概述 赛车道路况分析问题 现要举行一场山地自行车赛，为了了解环行赛道的路况，现对一选手比赛情况进行监测，该选手从A地出发向东到B，再经C、D回到A地（如下图）。现从选手出发开始计时，每隔15min观测其位置，所得相应各点坐标如下表（假设其体力是均衡分配的）： 由D→C→B各点的位置坐标（单位：km） 假设：1. 车道几乎是在平原上，但有三种路况（根据平均速度v(km/h)大致区分）： 平整沙土路（v>30）、坑洼碎石路（10 2．估计车道的长度和所围区域的面积； 3．分析车道上相关路段的路面状况（用不同颜色或不同线型标记出来）； 4．对参加比赛选手提出合理建议. 二．问题分析 1.模拟比赛车道的曲线：因为赛道散点分布不规则，我们需要用光滑曲线来近 似模拟赛道。由于数据点较多，为了避免龙格现象，应采用三次样条插值法来对曲线进行模拟（spline命令）。全程曲线为环路，我们需要对上下两部分分别 模拟，设模拟出的曲线为P：。 2.把A到B点的曲线分成若干小段： 赛道的路程L：取dL=，对模拟出的整条曲线求线积分，即 所围区域的面积：用上下部分曲线的差值对求定积分，即 3.用样条插值法模拟出比赛车道曲线后，根据曲线分别计算出原数据中每两点 （）间的路程，即求线积分 由于每两点间时间间隔相同且已知（15min），故可求出每段路程的平均速度 易知即为的积分中值 将此速度近似作为两点间中点时刻的速度，然后再次采用样条插值法，模拟出全过程的图像。而根据求出的与之间的关系，再次采用样条插值法，即可模拟出全过程的图像 4. 由赛道曲线可求出赛道上任一点到点的路程 同时图像也可以求出赛道上任一点到点的路程 陕西科技大学实验报告 课 程： 数理金融 实验日期： 2014 年 5 月 22 日 班 级： 数学112 交报告日期： 2013 年 5 月 23 日 姓 名： 常海琴 报告退发： （订正、重做） 学 号： 201112010101 教 师： 刘利明 实验名称： 多元回归分析 一、实验预习： 1.多元回归模型。 2.多元回归模型参数的检验。 3.多元回归模型整体的检验。 二、实验的目的和要求： 通过案例分析掌握多元回归模型的建立方法和检验的标准；并掌握分析解决实际金融问题的能力。 三、实验过程：（实验步骤、原理和实验数据记录等） 软件：Eviews3.1 数据：给定美国机动车汽油消费量研究数据。 实验原理：最小二乘法拟合多元线性回归方程 数据记录： 实例中1950年到1987年机动汽车的消费量、汽车保有量、汽油价格、人口数、国民生产总值 图1各个量之间的关系 陕西科技大学理学院实验报告 - 2 - 1、录入数据 图2录入数据 2、回归分析 443322110X X X X Y βββββ++++= 图3运行结果 Y=24553723+1.418520x1-27995762x2-59.87480x3-30540.88x4 S (25079670) (0.266) (5027085) (198.5517) (9557.981) T (0.979) (5.314) (-5.568) (-0.301) (-3.195) 2R =0.966951 F=241.3764 - R =0.9629 dw=0.6265 四、实验总结：（实验数据处理和实验结果讨论等） 用残差和最小确定直线位置是一个途径。计算残差和有相互抵消的问题。用残差绝对值和最小确定直线位置也是一个途径绝对值计算起来比较麻烦。最小二乘法用绝对值平方和最小确定直线位置。0β、1β、2β、3β、4β具有线性特性，无偏特性，有效性。-R =0.9629基本上接近于1，拟合效果较好。 练习2﹒1 画出下列常见曲线的图形（其中a=1，b=2,c=3）。 1. 立方抛物线y = 解： x=-4:0.1:4; y=x.^(1/3); plot(x,y) -4 -3-2-101234 0.20.40.60.811.21.4 1.6 2.高斯曲线2 x y e -= 解： fplot('exp(-x^2)',[-4,4]) -4 -3 -2 -1 1 2 3 4 00.10.20.30.40.50.60.70.80.9 1 3、笛卡儿曲线23 3 2 2 33,(3)11at at x y x y axy t t = = +=++ 解：ezplot('x^3+y^3-3*x*y',[-4,4]) -4 -3-2-1 01234 -4-3-2-10123 4x y x 3+y 3-3 x y = 0 或：t=-4:0.1:4; x=3*t./(1+t.^2); y=3*t.^2./(1+t.^2); plot(x,y) -1.5 -1-0.500.51 1.5 00.5 1 1.5 2 2.5 3 4、蔓叶线233 2 2 2 ,()11at at x x y y t t a x = = = ++- 解：t=-4:0.1:4; x=t.^2./(1+t.^2); y=t.^3,/(1+t.^2); y=t.^3./(1+t.^2); plot(x,y) 00.10.20.30.40.50.60.70.80.91 -4 -3-2-10123 4 或： ezplot('y .^2-x.^3/(1-x)',[-4,4]) 一元线性回归在公司加班 制度中的应用 院(系): 专业班级: 学号姓名: 指导老师: 成 绩: 完成时间 : 一元线性回归在公司加班制度中的应用 一、实验目的 掌握一元线性回归分析的基本思想与操作,可以读懂分析结果,并写出回归方程,对回归方程进行方差分析、显著性检验等的各种统计检验 二、实验环境 SPSS21、0 windows10、0 三、实验题目 一家保险公司十分关心其总公司营业部加班的程度,决定认真调查一下现状。经10周时间,收集了每周加班数据与签发的新保单数目,x 为每周签发的新保单数目,y 为每周加班时间(小时),数据如表所示 y 3、5 1、0 4、0 2、0 1、0 3、0 4、5 1、5 3、0 5、0 1. 画散点图。 2. x 与y 之间大致呈线性关系？ 3. 用最小二乘法估计求出回归方程。 4. 求出回归标准误差σ∧ 。 5. 给出0 β∧ 与1 β∧ 的置信度95%的区间估计。 6. 计算x 与y 的决定系数。 7. 对回归方程作方差分析。 8. 作回归系数1 β∧ 的显著性检验。 9. 作回归系数的显著性检验。 10. 对回归方程做残差图并作相应的分析。 11. 该公司预测下一周签发新保单01000x =张,需要的加班时间就是多少？ 12.给出0y的置信度为95%的精确预测区间。 13.给出 () E y的置信度为95%的区间估计。 四、实验过程及分析 1、画散点图 如图就是以每周加班时间为纵坐标,每周签发的新保单为横坐标绘制的散点图,从图中可以瞧出,数据均匀分布在对角线的两侧,说明x与y之间线性关系良好。 2、最小二乘估计求回归方程 系数a 模型非标准化系数标准系数t Sig、 B 的 95、0% 置信区间 B 标准误差试用版下限上限 实验报告 实验课程：[信息分析] 专业：[信息管理与信息系统] 班级：[ ] 学生姓名：[ ] 指导教师：[请输入姓名] 完成时间：2013年6月28日 一．实验目的 多元线性回归简单地说是涉及多个自变量的回归分析，主要功能是处理两个变量之间的线性关系，建立线性数学模型并进行评价预测。本实验要求掌握附带残差分析的多元线性回归理论与方法。 二．实验环境 实验室308教室 三．实验步骤与内容 1打开应用统计学实验指导书，新建excel表 2．打开SPSS，将数据输入。 3．调用SPSS主菜单的分析——>回归——>线性命令，打开线性回归对话框，指定因变量（工业GDP比重）和自变量（工业劳动者比重、固定资产比重、定额资金流动比重），以及回归方式；逐步回归（图1） 图1 线性对话框 4.在统计栏中，选择估计以输出回归系数B的估计值、t统计量等，选择Duribin-watson以进行DW检验；选择模型拟合度输出拟合优度统计量值，如R^2、F统计量值等（图2）。 图2 统计量栏 5．在线性回归栏中选择直方图和正态概率图以绘制标准化残差的直方图和残差分析与正态概率比较图，以标准化预测值为纵坐标，标准化残差值为横坐标，绘制残差与Y的预测值的散点图，检验误差变量的方差是否为常数（图3）。 图3 绘制栏 6.提交分析，并在输出窗口中查看结果，以及对结果进行分析。 系统在进行逐步分析的过程中产生了两个回归模型，模型1先将与因变量（销售收入）线性关系的自变量地区人口引入模型，建立他们之间的一元线性关系。而后逐步引入其他变量，表1中模型2表明将自变量人均收入引入，建立二元线性回归模型，可见地区人口和人均收入对销售收入的影响同等重要。 一． 1. 1/e 2. 3 3.1 4.e3 5. ∞ 6. 0 7.∞ 8.0 9.1/2 10.0 11.e2c12.不存在13. 1/12 Matlab实验过程： 1.1/exp(1) syms n; f=(1-1/n)^n; limit(f,n,inf) ans = 1/exp(1) 2.3 syms n; f=(n^3+3^n)^(1/n); limit(f,n,inf) ans = 3 3. 1 syms n; f=(1+sin(2*n))/(1-cos(4*n)); limit(f,n,pi/4) ans = 1 4.e^3 syms x; f=(1+cos(x))^(3*sec(x)); limit(f,x,pi/2) ans = exp(3) 5.inf syms x; f=(x^2)*exp(1/(x^2)); limit(f,x,0) ans = Inf 6.0 syms x; f=(x^2-2*x+1)/(x^3-x); limit(f,x,1) ans = 7.inf syms x; f=((2/pi)*atan(x))^x; limit(f,x,+inf) ans = Inf 8.0 syms x y; f=(1-cos(x^2+y^2))/((x^2+y^2)*exp(x^2+y^2)); limit(limit(f,x,0),y,0) ans = 9.1/2 syms x; f=(1-cos(x))/(x*sin(x)); limit(f,x,0) ans = 1/2 10.0 syms x; f=atan(x)/(2*x); limit(f,x,inf) ans = 11.exp(2*c) syms c; f=sym('((x+c)/(x-c))^x'); limit(f,'x',inf) ans = exp(2*c) 12.极限不存在 syms x; f=cos(1/x); limit(f,x,0) ans = limit(cos(1/x), x = 0) 13.1/12 syms x; f=1/(x*log(x)^2)-1/(x-1)^2; limit(f,x,1) ans = 1/12 二．观察函数logbx,当b=1/2,1/3,1/4和b=2,3,4时函数的变化特点，总结logbx的图形特点。 数学实验作业汇总 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58- （1）产生一个5阶魔方矩阵M：M=magic(5) （2）将矩阵M的第3行4列元素赋值给变量t：t=M(3,4) （3）将由矩阵M第2，3，4行第2,5列构成的子矩阵赋给变N：N=M(2:4,2:3:5) （4）将由矩阵M的前3行赋给变量N：N=M(1:3,:) （5）将由矩阵M的后3列赋给变量N：N=M(:,end:-1:end-2) （6）提取M的主对角线元素，并以这些对角线元素构成对角矩阵N：N=diag(diag(M))或N=tril(triu(M)) (7)随机产生1000个100以内的整数赋值给变量t：t=round(rand(1,1000)*100) （8）随机产生100*5个100以内的实数赋值给变量M：M=rand(100,5)*100 （1）删除矩阵M的第7个元素M(7)=[] （2）将含有12个元素的向量t转换成3*4的矩阵：reshape(t,3,4) （3）产生和M同样大小的单位矩阵：eye(size(M)) （4）寻找向量t中非零元素的下标：find(t) （5）逆序显示向量t中的元素：t(end:-1:1) （6）显示向量t偶数位置上的元素：t(2:2:end) （7）利用find函数，将向量t中小于10的整数置为0：t(find(t<10&rem(t,1)==0))=0（8）不用find函数，将向量t中小于10的整数置为0：t(t<10&rem(t,1)==0)=0 （9）将向量t中的0元素用机器0（realmin）来代替：t(find(t=0))=realmin （10）将矩阵M中小于10的整数置为0：M(find(M<10)&rem(M,1)==0)=0 回归分析实验报告 姓名：班级：学号（后3位）： 一．实验名称：回归分析 二．实验性质：综合性实验 三．实验目的及要求： 1. 掌握统计工具【回归】的使用方法. 2．掌握线性回归分析的方法，并能对统计结果进行正确的分析. 3．学会非线性回归方程的构建方法，并能进行有关的分析. 四．实验内容、实验操作关键步骤及实验主要结果 x 1．为了研究某商品的需求量Y与价格之间的关系，收集到下列10对数据： x 1 1.5 2 2.5 3 3．5 4 4 4．5 5 价格 i y10 8 7.5 8 7 6 4．5 4 2 1 需求量 i x （1）求需求量Y与价格之间的线性回归方程. α0.05下，对线性回归关系显著性检验. （2）在显著性水平= 实验操作关键步骤及实验主要结果 在EXCEL中选用【 】工具模块，得到如下表的实验结果.因此： x. （1）求需求量Y与价格之间的线性回归方程为 α0.05（2）由于检验的P-value=，所以，在显著性水平= 下，线性回归关系 . 2．随机调查10个城市居民的家庭平均收入与电器用电支出Y 情况得数据（单位：千元）如下： x 收入i x 18 20 22 24 26 28 30 30 34 38 支出 i y 0.9 1.1 1.1 1.4 1.7 2.0 2.3 2.5 2.9 3.1 (1) 求电器用电支出Y 与家庭平均收入之间的线性回归方程. x (2) 计算样本相关系数. (3) 在显著性水平=α0.05下，作线性回归关系显著性检验. (4) 若线性回归关系显著,求=25时，电器用电支出的点估计值. x 实验操作关键步骤及实验主要结果 在EXCEL 中选用【 】工具模块，得到如下表的实验结果.因此： （1）求电器用电支出Y 与家庭平均收入之间的线性回归方程为 x . （2）样本相关系数 . （3）由于检验的P- value=，所以，在显著性水平 =α0.05下，线性回归关系 . （4）=25时，电器用电支出的点估计值 x . 练习6.7 1.有两个煤厂A,B，每月进煤不少于60t,100t，它们担负供应三个居 民区的用煤任务，这三个居民区每月用煤量分别为45t,75t和45t.A 厂离这三个居民区的距离分别为10km,5km,6km,B厂离这三个居民区的距离分别为4km,8km,15km.问这两个煤厂如何分配供煤量能使总运输量（t.km）最小。 解：设甲对三个居民区的供煤量分别为：x1,x2,x3,乙对三个居民区的供煤量分别为x4,x5,x6.由已知有： y=10x1+5x2+6x3+4x4+8x5+15x6 -x1-x2-x3<=-60, -x4-x5-x6<=-100, x1+x4=45,x2+x5=75,x3+x6=40, X1>=0,x2>=0,x3>=0,x4>=0,x5>=0,x6>=0. 输入命令： > c=[10 5 6 4 8 15];A=[-1 -1 -1 0 0 0;0 0 0 -1 -1 -1;0 0 0 0 0 0;0 0 0 0 0 0;0 0 0 0 0 0;0 0 0 0 0 0]; >> b=[-60;-100;0;0;0;0];Aeq=[1 0 0 1 0 0;0 1 0 0 1 0;0 0 1 0 0 1;0 0 0 0 0 0;0 0 0 0 0 0;0 0 0 0 0 0]; >> beq=[45 75 40 0 0 0]; >> lb=ones(6,1); >> [x,fval]=linprog(c,A,b,Aeq,beq,lb) Optimization terminated. 结果为： x = 1.0000 20.0000 39.0000 44.0000 55.0000 1.0000 fval =975.0000 这说明甲乙两个煤厂分别对三个居民区输送1t 20t 39t,44t 55t 1t的煤才能使总运输量最小，且总运输量为975t.km 2．某银行经理计划用一笔资金进行有价证券的投资，可供购进的证券及其信用等级、到期年限、税前收益如下表所示。按照规定，市政证券的收益可以免税，其他证券的收益需按40%的税率纳税。此外还有以下限制： （1）政府及待办机构的证券总共至少购进400万元； （2）所构证券的平均信用等级不超过1.4（信用等级数字越小，信用程度越高）； （3）所构证券的平均到期年限不超过5年。 实验报告 实验目的： 1.构建一元及多元回归模型，并作出估计 2.熟练掌握假设检验 3.对构建的模型进行回归预测 实验内容： 对1970——1982年某国实际通货膨胀率、失业率和预期通货膨胀率进行分析，根据下表（表一）提供的数据进行模型设定，假设检验及回归预测。 表一 年份Y X2 X3 1970 5.92 4.90 4.78 1971 4.30 5.90 3.84 1972 3.30 5.60 3.31 1973 6.23 4.90 3.44 1974 10.97 5.60 6.84 1975 9.14 8.50 9.47 1976 5.77 7.70 6.51 1977 6.45 7.10 5.92 1978 7.60 6.10 6.08 1979 11.47 5.80 8.09 1980 13.46 7.10 10.01 1981 10.24 7.60 10.81 1982 5.99 9.70 8.00 实验步骤： 1.模型设定： 为分析实际通货膨胀率（Y）分别和失业率（X2）、预期通货膨胀率（X3）之间的关系，作出如下图所示的散点图。 图一 从上示散点图可以看出实际通货膨胀率（Y）分别和失业率（X2）不呈线性关系，与预期通货膨胀率（X3）大体呈现为线性关系，为分析实际通货膨胀率（Y）分别和失业率（X2）、预期通货膨胀率（X3）之间的数量关系，可以建立单线性回归模型和多元线性回归模型： 1231 Y X ββμ=++ 123322Y X X βββμ=+++ 2．估计参数 在Eviews 命令框中输入 “ls y c x2”，按回车，对所给数据做简单的一元线性回归分析。分析结果见表二。 表二 Dependent Variable: Y Method: Least Squares Date: 10/09/11 Time: 17:23 Sample: 1970 1982 Included observations: 13 Variable Coefficient Std. Error t-Statistic Prob. C 1.323831 1.626284 0.814022 0.4329 X3 0.960163 0.228633 4.199588 0.0015 R-squared 0.615875 Mean dependent var 7.756923 Adjusted R-squared 0.580955 S.D. dependent var 3.041892 S.E. of regression 1.969129 Akaike info criterion 4.333698 Sum squared resid 42.65216 Schwarz criterion 4.420613 Log likelihood -26.16904 F-statistic 17.63654 Durbin-Watson stat 1.282331 Prob(F-statistic) 0.001487 由回归分析结果可估计出参数1β、2β 即^ 31.3238310.960163Y X =+ （1.626284）（0.228633） ()()0.814022 4.199588 t = 2 0.615875R = F=17.63654 n=13 一元线性回归 一、实验题目1 一家保险公司十分关心其总公司营业部加班的程度，决定认真调查一下现状。经过10周的时间，收集了每周加班时间的数据和签发的新保单数目，x为每周签发的新报数目，y为每周加班时间（小时），数据见下表： 二、实验内容 散点图如下所示： [数据集1] 描述性统计量 均值标准偏差N y 2.850 1.4347 10 x 762.00 379.746 10 残差图分析： 1.x 与y 之间大致呈线性关系。 2、设回归方程为01y x ββ∧ ∧ ∧ =+ 1β∧ = 12 2 1 (2637021717) 0.0036(71043005806440) ()n i i i n i i x y n x y x n x -- =- =--= =--∑∑ 01 2.850.00367620.1068y x ββ-∧- =-=-?= 0.10680.0036y x ∧ ∴=+可得回归方程为 3、 22 n i=1 1()n-2i i y y σ∧∧=-∑ 2 n 01i=1 1(())n-2i y x ββ∧∧=-+∑ =0.2305 σ∧ =0.4801 4、 由于2 1 1(, )xx N L σββ∧ t σ ∧= = 服从自由度为n-2的t 分布。因而 /2|(2)1P t n αασ????<-=- ?? ?? 也即：1/2 11/2 (p t t ααβββ∧ ∧ ∧ ∧ -<<+=1α- 可得195%β∧ 的置信度为的置信区间为 0.4801/0.4801/??（0.0036-1.8600.0036+1.860 即为：（0.0028，0.0044） 220 01()(,())xx x N n L ββσ- ∧ + 1.取不同的初值计算下列平方和形式的非线性规划，尽可能求出所有局部极小点，进 而找出全局极小点，并对不同算法（搜索方向、搜索步长、数值梯度与分析梯度等）的结 果进行分析、比较。 (2). ( )( ) 2 2 2 22 121212min 12114949812324681x x x x x x +-++++-, (4).()()212222 23 12123min10010,1x x x x x x θ??????-++-+?????????????? ，其中 ()()()21112211 1 arc ,02,11arc ,0 22tg x x x x x tg x x x π θπ ?>??=??+ 实验报告三课程应用回归分析 学生姓名陆莹 学号20121315021 学院数学与统计学院 专业统计学 任课教师宋凤丽 二Ｏ一四年四月十七日 （1） shuju<-read.table("E:/4.14.txt") namesdata<-c("y",paste("x",1:2,sep="")) colnames(shuju)<-namesdata lm.shuju<-lm(y~.,data=shuju) summary(lm.shuju) Call: lm(formula = y ~ ., data = shuju) Residuals: Min 1Q Median 3Q Max -747.71 -229.80 -2.15 267.23 547.68 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -574.0624 349.2707 -1.644 0.1067 x1 191.0985 73.3092 2.607 0.0121 * x2 2.0451 0.9107 2.246 0.0293 * --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1 Residual standard error: 329.7 on 49 degrees of freedom Multiple R-squared: 0.2928, Adjusted R-squared: 0.264 F-statistic: 10.15 on 2 and 49 DF, p-value: 0.0002057 >plot(lm.shuju,2) 由上图可知，残差通过正态性检验，原假设成立。 R语言实验报告 回归分析中 身高预测体重的模型 学院： 班级： 学号： 姓名： 导师： 成绩： 目录 一、实验背景 (1) 二、实验目的 (1) 三、实验环境 (1) 四、实验内容 (1) 1.给出实验女性的身高体重信息； (2) 2.运用简单线性回归分析； (2) 3.运用多项式回归分析 (2) 五、实验过程 (2) （一）简单线性回归 (2) 1.展示拟合模型的详细结果 (2) 2.女性体重的数据 (2) 3.列出拟合模型的预测值 (3) 4.列出拟合模型的残差值 (3) 5.得出身高预测体重的散点图以及回归线 (3) （二）多项式回归 (5) 1.展示拟合模型的详细结果 (5) 2.身高预测体重的二次回归图 (5) 六、实验分析 (7) 七、总结 (7) 一、实验背景 从许多方面来看，回归分析都是统计学的核心。她其实是一个广义的概念，通指那些用一个或多变量（也称自变量或解释变量）来预测响应变量（也称因变量、效标变量或结果变量）的方法。通常，回归分析可以用来挑选与响应变量相关的解释变量，可以描述两者的关系，也可以生成一个等式，通过解释变量来预测响应变量。 二、实验目的 R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具； 本次试验要求掌握了解R语言的各项功能和函数，能够通过完成试验内容对R语言有一定的了解，会运用软件对数据进行分析； 通过本实验加深对课本知识的理解以及熟练地运用R语言软件来解决一些复杂的问题。 三、实验环境 Windows系统，R或者R Studio 四、实验内容 本实验提供了15个年龄在30—39岁间的女性的身高和体重信息，运用回归分析的方法通过身高来预测体重，获得一个等式可以帮助我们分辨哪些过重或过轻的个体。 4. 问题： 某公司将3种不同含硫量的液体原料（分别记为甲、乙、丙）混合生产两种产品（分别记为A,B ）。按照生产工艺的要求，原料甲、乙必须首先导入混合池中混合，混合后的液体再分别与原料丙混合生产A,B 。一直原料甲、乙、丙的含硫量分别是3%，1%，2%，进货价格分别为6千元/t ，16千元/t ，10千元/t ；产品A,B 的含硫量分别不能超过2.5%，1.5%，售价分别为9千元/t ，15千元/t 。根据市场信息，原料甲、乙、丙的供应量都不能超过500t ；产品A,B 的最大市场需求量分别为100t ，200t 。 (1) 应如何安排生产？ (2) 如果产品A 的最大市场需求量增长为600t ，应如何安排生产？ (3) 如果乙的进货价格下降为13千元/t ，应如何安排生产？分别对(1)、(2)两种情况进 行讨论。 模型： （只考虑问题1，问题2,3只需改变一些约束条件） 设生产时使用原料甲、乙分别为12,x x t ，分别取混合后的液体34,x x t 再加入原料丙 56,x x t 生产产品A,B 。 有质量守恒，可得 1234x x x x +=+ 甲乙混合后的液体的含硫量可表示为 12 12 3%x x x x ++，根据含硫量的要求，可得 12 353512 124646 12 3%*2%* 2.5%*()3%*2%* 1.5%*() x x x x x x x x x x x x x x x x +?+≤+?+?? +?+≤+?+? 根据市场的限制，易得 12563546500 500500100200 x x x x x x x x ≤?? ≤?? +≤??+≤??+≤? 当然还有非负约束 123456,,,,,0x x x x x x ≥ 公司的净利润为（单位：千元）： 35461256123456 9()15()61610()6169155z x x x x x x x x x x x x x x =+++---+=--++-+ 一元线性回归在公司加班制度中的应用 院（系）： 专业班级： 学号姓名： 指导老师： 成绩： 完成时间： 一元线性回归在公司加班制度中的应用 一、实验目的 掌握一元线性回归分析的基本思想和操作，可以读懂分析结果，并写出回归方程，对回归方程进行方差分析、显著性检验等的各种统计检验 二、实验环境 SPSS21.0 windows10.0 三、实验题目 一家保险公司十分关心其总公司营业部加班的程度，决定认真调查一下现状。经10周时间，收集了每周加班数据和签发的新保单数目，x 为每周签发的新保单数目，y 为每周加班时间（小时），数据如表所示 y 3.5 1.0 4.0 2.0 1.0 3.0 4.5 1.5 3.0 5.0 2. x 与y 之间大致呈线性关系？ 3. 用最小二乘法估计求出回归方程。 4. 求出回归标准误差σ∧ 。 5. 给出0 β∧与1 β∧ 的置信度95%的区间估计。 6. 计算x 与y 的决定系数。 7. 对回归方程作方差分析。 8. 作回归系数1 β∧ 的显著性检验。 9. 作回归系数的显著性检验。 10.对回归方程做残差图并作相应的分析。 11.该公司预测下一周签发新保单01000 x=张，需要的加班时间是多少？ 12.给出0y的置信度为95%的精确预测区间。 13.给出 () E y的置信度为95%的区间估计。 四、实验过程及分析 1.画散点图 如图是以每周加班时间为纵坐标，每周签发的新保单为横坐标绘制的散点图，从图中可以看出，数据均匀分布在对角线的两侧，说明x和y之间线性关系良好。 2.最小二乘估计求回归方程 用SPSS 求得回归方程的系数01,ββ分别为0.118,0.004，故我们可以写出其回归方程如下： 0.1180.004y x =+ 3.求回归标准误差σ∧ 由方差分析表可以得到回归标准误差：SSE=1.843 故回归标准误差： 2= 2SSE n σ∧-，2σ∧=0.48。 4.给出回归系数的置信度为95%的置信区间估计。 由回归系数显著性检验表可以看出，当置信度为95%时： 数学软件与实验第一次上机作业 上机时间：2013-4-10 地点：E204 班级:071111 学号:07111014 姓名:曹红兴xdhjtang@https://www.360docs.net/doc/9b11391599.html, 学号、姓名、MATLAB、第一次作业 1.计算三角形三边分别为a，b，c中c边对应内角的角度 >> a = 3; b = 3; c = 3; >> acos((a^2+b^2-c^2)/2/a/b) *180/pi ans = 60.0000 >> a = 3; b = 4; c = 5; >> acos((a^2+b^2-c^2)/2/a/b) *180/pi ans = 90 >> a = 3; b = 4; c = 20; >> acos((a^2+b^2-c^2)/2/a/b) *180/pi ans = 1.8000e+002 -1.9715e+002i 2.试分别生成5 阶的单位阵、8 阶均匀分布的随机矩阵及其下三角 矩阵，要求矩阵元素为介于10~99之间整数 >> C=eye(5,5) C = 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 >> N=randsrc(8,8,[10:99]) N = 59 21 72 34 19 76 25 52 66 28 54 28 22 15 45 68 12 23 58 60 24 87 22 12 65 27 50 67 65 94 12 85 42 13 21 47 61 98 94 60 14 67 54 28 14 87 37 86 54 35 86 95 93 80 36 41 27 58 88 17 75 56 39 50 >> Z=tril(N) Z = 83 0 0 0 0 0 0 0 91 96 0 0 0 0 0 0 21 24 81 0 0 0 0 0 92 97 96 45 0 0 0 0 66 96 69 68 72 0 0 0 18 53 13 25 38 54 0 0 35 82 86 73 95 50 20 0 59 22 94 12 13 68 54 72 3.生产列向量x=[1, 3, 10, 15, 20, 25, 30, 35, 40] >> x=[1;3;10;15;20;25;30;35;40] x = 1 3 10 15 20 25 30 35 40 《数据分析实务与案例实验报告》 曲线估计 学号： 204 班级： 2013 应用统计 姓名： 日期： 2 0 1 4 – 12 – 7 数学与统计学学院 一、实验目的 1. 准确理解曲线回归分析的方法原理。 2. 了解如何将本质线性关系模型转化为线性关系模型进行回归分析。 3. 熟练掌握曲线估计的SPSS 操作。 4. 掌握建立合适曲线模型的判断依据。 5. 掌握如何利用曲线回归方程进行预测。 6. 培养运用多曲线估计解决身边实际问题的能力。 二、准备知识 1. 非线性模型的基本内容 变量之间的非线性关系可以划分为 本质线性关系和本质非线性关系。所谓本质线性关系是指变量关系形式上虽然呈非线性关系，但可以通过变量转化为线性关系，并可最终进行线性回归分析，建立线性模型。本质非线性关系是指变量之间不仅形式上呈现非线性关系，而且也无法通过变量转化为线性关系，最终无法进行线性回归分析，建立线性模型。本实验针对本质线性模型进行。 下面介绍本次实验涉及到的可线性化的非线性模型，所用的变换既有自变量的变换，也有因变量的变换。 乘法模型： 123y x x x βγδαε= 其中α，β，γ，δ 都是未知参数，ε是乘积随机误差。对上式两边取自然对数得到 123ln ln ln ln ln ln y x x x αβγδε=++++ 上式具有一般线性回归方程的形式，因而用多元线性回归的方法来处理。然而，必须强调指出的是，在求置信区间和做有关试验时，必须是2ln (0,)n N I εδ: ， 而不是2n N I εδ:（0，） ,因此检验之前，要先检验ln ε 是否满足这个假设。 三、实验内容 已有很多学者验证了能源消费与经济增长的因果关系，证明了能源消费是促进经济增长的原因之一。也有众多学者利用C-D 生产函数验证了劳动和资本对经 回归分析 一实验目的 1 了解回归分析的基本原理，掌握MATLAB实现的方法； 2 练习用回归分析解决实际问题。 二实验内容 1电影院调查电视广告费用和报纸广告费用对每周收入的影响，得到下面的数据(见下表)， 建立回归模型并进行检验，诊断异常点的存在并进行处理。 每周收入9690959295959494 报纸广告费用 5.0 2.0 4.0 2.5 3.0 3.5 2.5 3.0初步解决： 首先对于题目作初步分析，题目中电视广告费用和报纸广告费用都会对与每周收入产生影响，但是两者对于每周收入的影响都是独立的。 首先画出散点图如下： 观察散点图之后，假设自变量与因变量满足多元线性关系。设电视广告费用为x1，报纸 广告费用为x2，每周收入为y，那么每周收入与电视广告费用以及报纸广告费用的关系模型表示如下： y=β0+β1x1+β2x2； 下面在MATLAB中输入以下命令： 输出结果如下所示： 结果列表如下： 回归系数回归系数估计值回归系数置信区间 β1 1.2985[0.4007，2.1962] β2 2.3372[1.4860，3.1883] R2=0.9089，F=24.9408，p=0.0025<0.05，s2=0.4897 于是由它得到的预测模型为y=83.2116+1.2985x1+2.3372x2。 做出残差和置信区间的图像如下： 由图像可以看出，只有第一组数据的置信区间不包括零，改组数据可能有误，去掉之后再进行计算。 在命令栏中输入以下命令： 输出结果如下所示： 将结果列表如下： 回归系数回归系数估计值回归系数置信区间 β1 1.2877[0.7964，1.7790] β2 2.9766[2.3281，3.6250] R2=0.9768，F=84.3842，p=0.0005<0.05，s2=0.1257由它得到的回归模型为y=81.4881+1.2877x1+2.9766x2。 对于实验结果的分析： 回归模型：y=81.4881+1.2877x1+2.9766x2。对比剔除异常点后的分析结果可知，第一次分析的过程中，第一组数据的置信区间不包括零点，所以该点为异常点，需要剔除再进行一次计算。剔除之后，发现所有点的置信区间都包括了零点。 剔除数据之后计算结果与剔除之前的比较 β0β0intβ1β1intβ2β2int 剔除后81.4881[78.7878，84.1883] 1.2877[0.7964，1.7790] 2.9766[2.3281，3.6250](实验2)多元回归分析实验报告
数学实验作业
一元线性回归分析实验报告
回归分析实验报告
北理工数学实验作业
数学实验作业汇总终审稿)
5回归分析实验报告
数学实验作业 韩明版
一元回归分析实验报告
应用回归分析实验报告
数学实验8月13日作业
回归分析实验报告(含程序及答案)
R语言实验报告—回归分析在女性身高与体重的应用
数学实验第七次作业
一元线性回归分析实验报告
数学软件与实验 第一次上机作业
SPSS实验报告 线性回归 曲线估计
数学实验第10次作业-回归分析