探讨足长与身高的关系

探讨足长与身高的关系

ID:40501475

大小:389.90 KB

页数:13页

时间:2019-08-03

探讨足长与身高的关系_第1页
探讨足长与身高的关系_第2页
探讨足长与身高的关系_第3页
探讨足长与身高的关系_第4页
探讨足长与身高的关系_第5页
资源描述:

《探讨足长与身高的关系》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、中国人民公安大学《数据分析方法》分析报告题目:探讨足长与身高的关系学生姓名:学号单位:研究生院公安技术大队15中队一区队专业:安全防范技术与工程指导教师马骏二○一五年十二月二十七日探讨足长与身高的关系摘要:本文主要目的是探讨足长与身高的关系,方法通过赤足、制式皮鞋的捺印和测量,收集样本足迹、制式皮鞋和身高的数据,进行一元线性回归方程分析,通过男生女生在赤足长、赤足足迹长、制式皮鞋长、皮鞋鞋印长分别建立不同的回归方程,对建立的线性回归方程依据各个指标分别推算结果的可靠性进行研究。关键词:足长;身高;回归分析;足迹Toexploretherelationshipbetwe

2、enfootlengthandheightAbstract:Themainpurposeofthispaperistoexploretherelationshipbetweenfootlengthandbodyheight.Methodsbybarefoot,standardleathershoesstampedandmeasurement,thesamplecollectionfootprint,standardleathershoesandheightdata,alinearregressionequationanalysis,byboysandgirlsinlo

3、ngbarefoot,barefootfootmarklength,longtypeofleathershoes,leathershoesshoelongestablisheddifferentregressionequations,theestablishedregressionequationforeachindexareusedtocalculatethereliabilityoftheresultsof.Keywords:footlong,height,regressionanalysis,footprint1.引言在生活中,人们都知道,高个人的脚比较大,矮个

4、人的脚比较小,而且随着身高由矮到高,脚长也由小变大。而在刑事侦破过程,犯罪分子往往在现场留下足迹,若是能由犯罪分子的足长推测出其身高,无疑这将提供破案线索,有助于公安人员缩小侦破范围尽快破案,因此有必要发现身高与足长的关系。本研究试图查明人的足长与身高的关系,确立由足长推算身高的回归方程式,以便于更准确的、更便捷的服务于案件的实践。2.研究方法2.1研究对象本实验抽取了中国人民公安大学公安技术大队的63名学术型一年级的研究生作为实验对象。其中有男生48人,女生15人,年龄为21-25岁,身高为160-186cm,他们分别来自江苏、山东、河北、北京等全国各省市。2.2研

5、究方法指派刑事科学技术专业有经验的同学做捺印人,借助捺印盒,按照《痕迹检验实验指导》中关于足迹与皮鞋鞋印的捺印与测量要求,收取被捺印对象完整的足迹和皮鞋鞋印。然后由一人对样本予以测量。测量指标包括赤足长、足迹全长、制式皮鞋长和皮鞋鞋印长。同时,采集他们的性别、年龄、籍贯、身高等数据。2.3线性回归分析方法的基本思想线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。在统计学中,线性回归是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数

6、的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。在线性回归中,数据使用线性预测函数来建模,并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。不太一般的情况,线性回归模型可以是一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线性函数表示。

7、像所有形式的回归分析一样,线性回归也把焦点放在给定X值的y的条件概率分布,而不是X和y的联合概率分布。线性回归是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。这是因为线性依赖于其未知参数的模型比非线性依赖于其位置参数的模型更容易拟合,而且产生的估计的统计特性也更容易确定。线性回归模型经常用最小二乘逼近来拟合,一般来说,线性回归都可以通过最小二乘法求出其方程。从采集的数据及分析可知本次研究是通过一元线性回归方程进行分析,同时运用最小二乘法得出其回归方程。3.研究结果与分析3.1身高与足迹的相关性经计算,r>0.5,即身高与赤足长、足迹、制式

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。