Matlab回归分析课件资料.pdf

1、 考察温度 x 对产量 y 的影响，测得下列 10 组数据： 温度（℃） 20 25 30 35 40 45 50 55 60 65 产量（ kg） 求 y 关于 x 的线性回归方程，检验回归效果是否显著，并预测 x=42℃时产量的估值及预测 区间（置信度 95%） . x=[20:5:65]; Y=[ ]; X=[ones(10,1) x]; plot(x,Y,r*); [b,bint,r,rint,stats]=regress(Y ,X); b,bint,stats; rcoplot(r,rint) % 残差分析，作残差图 结果： b = bint = stats = 即 ? 9.1212, ? 0.2230 ； ?0 的 置 信 区 间 为 [8.0211,10.2214] ?1 的 置 信 区 间 为 0 1 2 [0.1985,0.2476] ; r = , F=, p= ,p, 可知回归模型 y=+ 成立 . 将 x=42 带入得到 . 从残差图可以看出， 所有数据的残差离零点均较近， 且残差的置信区间均包含零点， 这说明 回归模型 y=+能较好的符合原始数据。 2 某零件上有一段曲线， 为了在程序控制机床上加工这一零件， 需要求这段曲线的解析表达式， 在曲线横坐标 xi 处测得纵坐标 yi 共 11 对数据如下： x i 0 2 4 6 8 10 12 14 16 18 20 yi 0.6 2.0 4.4 7.5 11.8 17.1 23.3 31.2 39.6 49.7 61.7 求这段曲线的纵坐标 y 关于横坐标 x 的二次多项式回归方程。 t=0:2:20; s=[ ]; T=[ones(11,1) ,t,(t.^2)]; [b,bint,r,rint,stats]=regress(s,T); b,stats; Y=polyconf(p,t,S) plot(t,s,k+,t,Y ,r) %预测及作图 b = stats = +04 * 2 ? s 1.0105 0.1971t 0.1403t 图形为： 3 混凝土的抗压强度随养护时间的延长而增加，现将一批混凝土作成 12 个试块，记录了养护 日期 x （日）及抗压强度 y （kg/cm2 ）的数据： 养护时 2 3 4 5 7 9 12 14 17 21 28 56 间 x 抗压强 35 42 47 53 59 65 68 73 74 82 84 99 度 y ? 试求 y a bln x 型回归方程。 %建立文件 function yhat=volum(beta,x); yhat=beta(1)+b