回归分析资料

多元线性回归测16名成年女子的身高与腿长所得数据如下x=[143145146147149150153154155156157158159160162164]';X=[ones(16,1)x];Y=[8885889192939395969897969899100102]';[b,bint,r,rint,stats]=regress(Y,X);b,bint,r,rint,stats1.确定回归系数的点估计值：b=regress(y,x)----------------------------------------b=-16.07300.7194bint=%回归系数的区间估计-33.70711.56120.60470.8340r=%残差1.2056-3.2331-0.95241.32820.88951.1702-0.98790.29270.57341.85400.1347-1.5847-0.3040-0.0234-0.46210.0992rint=%置信区间-1.24073.6520-5.0622-1.4040-3.58941.6845-1.28953.9459-1.85193.6309-1.55523.8955-3.77131.7955-2.54733.1328-2.24713.3939-0.75404.4621-2.68142.9508-4.21881.0494-3.07102.4630-2.76612.7193-3.11332.1892-2.46402.6624stats=%用于检验回归模型的统计量，相关系数、F值、与F对应的概率P0.9282180.95310.00001.7437>>2.残差分析，作残差图（画出残差及置信区间）rcoplot(r,rint)489.2946stats=1.0e+007*0.00001.037800.0000>>多元二项式回归设某商品的需求量与消费者的平均收入、商品价格的统计数据如下，建立回归模型，预测平均收入为1000、价格为6时的商品需求量.方法一x1=[10006001200500300400130011001300300];x2=[5766875439];y=[10075807050659010011060]';x=[x1'x2'];rstool(x,y,'purequadratic')----------------------------------------------------可预测平均收入为1000、价格为6时的商品需求量方法二化为多元线性回归：x1=[10006001200500300400130011001300300];x2=[5766875439];y=[10075807050659010011060]';X=[ones(10,1)x1'x2'(x1.^2)'(x2.^2)'];[b,bint,r,rint,stats]=regress(y,X);b,stats非线性回归出钢时所用的盛钢水的钢包，由于钢水对耐火材料的侵蚀，容积不断增大.我们希望知道使用次数与增大的容积之间的关系.对一钢包作试验，测得的数据列于下表：functionyhat=volum(beta,x)yhat=beta(1)*exp(beta(2)./x);------------------x=2:16;y=[6.428.209.589.59.7109.939.9910.4910.5910.6010.8010.6010.9010.76];beta0=[82]';[beta,r,J]=nlinfit(x',y','volum',beta0);beta----------------------------------------------beta=11.6037-1.0641>>得到回归模型为逐步回归水泥凝固时放出的热量y与水泥中4种化学成分x1、x2、x3、x4有关，今测得一组数据如下，试用逐步回归法确定一个线性模型.x1=[7111117113122111110]';x2=[26295631525571315447406668]';x3=[615886917221842398]';x4=[6052204733226442226341212]';y=[78.574.3104.387.695.9109.2102.772.593.1115.983.8113.3109.4]';x=[x1x2x3x4];stepwise(x,y)考察温度x对产量y的影响，测得下列10组数据：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=[20253035404550556065]';X=[ones(10,1)x];Y=[13.215.116.417.117.918.719.621.222.524.3]';[b,bint,r,rint,stats]=regress(Y,X);b,bint,r,rint,stats---------------------b=9.12120.2230bint=8.021110.22140.19850.2476r=-0.38180.40300.58790.1727-0.1424-0.4576-0.6727-0.1879-0.00300.6818rint=-1.28580.5221-0.56751.3736-0.36391.5397-0.92931.2748-1.26320.9783-1.51230.5972-1.61790.2725-1.25630.8806-1.03521.0291-0.07631.4399stats=0.9821439.83110.00000.2333>>y=9.1212+0.2230xx=42,y=18.4872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：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=[0.62.04.47.511.817.123.331.239.649.761.7];[p,S]=polyfit(t,s,2)-------------------------------------p=0.14030.19711.0105S=R:[3x3double]df:8normr:1.1097>>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：试求型回归方程functionyhat=fun1(beta,x)yhat=beta(1)+beta(2)*log(x);x=[234579121417212856];