[工学]matlab与统计分析

[工学]matlab与统计分析

ID:22980764

大小:317.00 KB

页数:7页

时间:2018-11-02

[工学]matlab与统计分析_第1页
[工学]matlab与统计分析_第2页
[工学]matlab与统计分析_第3页
[工学]matlab与统计分析_第4页
[工学]matlab与统计分析_第5页
资源描述:

《[工学]matlab与统计分析》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、Matlab与统计分析一、回归分析1、多元线性回归1.1命令regress(),实现多元线性回归,调用格式为[b,bint,r,rint,stats]=regress(y,x,alpha)其中因变量数据向量Y和自变量数据矩阵x按以下排列方式输人对一元线性回归,取k=1即可。alpha为显著性水平(缺省时设定为0.05),输出向量b,bint为回归系数估计值和它们的置信区间,r,rint为残差及其置信区间,stats是用于检验回归模型的统计量,有三个数值,第一个是,其中R是相关系数,第二个是F统计量值,第三个是与统计量F对应的概率P,当时拒绝,回归模型

2、成立.注:1、两组数据的相关系数在概率论的标准定义是:R=E{(x-E{x})*(y-E{y})}/(sqrt({(x-E{x})^2)*sqrt({(y-E{y})^2))E{}求取期望值。也就是两组数据协方差与两者标准差乘积的商。如果

3、R

4、=1说明两者相关,R=0说明两者不相关.1、F是方差分析中的一个指标,一般方差分析是比较组间差异的。F值越大,P值越小,表示结果越可靠.1.2命令rcoplot(r,rint),画出残差及其置信区间.1.3实例1已知某胡八年来湖水中COD浓度实测值(v)与影响因素湖区工业产值(x1)、总人口数(x2)、捕鱼量(

5、x3)、降水量(x4)资料,建立污染物Y的水质分析模型.Step1输入数据x1=[1.376,1.375,1.387,1.401,1.412,1.428,1.445,1.477];x2=[0.450,0.475,0.485,0.500,0.535,0.545,0.550,0.575];x3=[2.170,2.554,2.676,2.713,2.823,3.088,3.122,3.262];x4=[0.8922,1.1610,0.5346,0.9589,1.0239,1.0499,1.1065,1.1387];Y=[5.19,5.30,5.60,5.8

6、2,6.00,6.06,6.45,6.95];Step2保存数据(以数据文件.mat形式保存,便于以后调用)savedatax1x2x3x4yloaddata%取出数据Step3执行回归命令x=[ones(8,1),x1,x2,x3,x4];[b,bint,r,rint,stats]=regress(y,x)得到结果:b=(-16.5283,15.7206,2.0327.-0.2106,-0.1991)'stats=(0.9908,80.9530,0.0022)'即Y=-16.5283+15.7206x1+2.0327x2-0.2106xl+0.19

7、91x4=0.9908,F=80.9530,P=0.00221、非线性回归2.1命令nlinfit()实现非线性回归,调用格式为[beta,r,J]=nlinfit(x,y,‘model’,beta0)其中,输入数据x,y分别为n×m矩阵和n维列向量,对一元非线性回归,x为n维列向量;model是事先用m-文件定义的非线性函数,beta0是回归系数的初值.beta是估计出的回归系数,r是残差,J是Jacobian矩阵,它们是估计预测误差需要的数据.2.2命令nlpredci()预测和预测误差的估计,调用格式为[y,delta]=npredci('mo

8、del',x,beta,r,j)2.3实例2对实例1中COD浓度实测值(Y),建立时序预测模型,这里选用logistic模型,即Step1建立非线性函数对所要拟合的非线性模型建立m-文件model.m如下functionyhat=model(beta,t)yhat=beta(1)./(1+beta(2)*exp(-beta(3)*t))Step2输入数据t=1:8loaddatay(在data.mat中取出数据y)beta0=[50,10,1]’Step3求回归系数[beta,r,J]=nlinfit(t,Y,‘model’,beta0)得结果:be

9、ta=(56.1157,10.4006,0.0445)’即Step4预测及作图[YY,delta]=nlpredci(‘model’,x',beta,r,J);plot(x,y,'k+',x,YY,'r')1、逐步回归逐步回归的命令是stepwise,它提供了一个交互式画面.通过此工具可自由地选择变量,进行统计分析.调用格式为:stepwise(x,y,inmodel,alpha)其中x是自变量数据,是阶矩阵,y是因变量数据,阶矩阵,inmodel是矩阵的列数指标(给出初始模型中包括的子集(缺省时设定为全部自变量),alpha是显著性水平(缺省时为0

10、.5).运行stepwise命令时产生三个图形窗口:StepwisePlot,StepwiseTable,S

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。