回归分析实例.pdf

回归分析实例.pdf

ID:48020781

大小:290.00 KB

页数:8页

时间:2020-01-21

回归分析实例.pdf_第1页
回归分析实例.pdf_第2页
回归分析实例.pdf_第3页
回归分析实例.pdf_第4页
回归分析实例.pdf_第5页
资源描述:

《回归分析实例.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、年级、专业姓名学号名单序号实验时间2010年月日Matlab软件版本注:实验报告的最后一部分是实验小结与收获实验(三):回归分析1.用刀削机床加工时,为实地调整机床需测定刀具的磨损速度,现每隔1小时测量刀具的厚度得到以下数据,试建立刀具厚度关于刀削时间的回归模型,对模型和回归系数进行检验,预测15小时后刀具的厚度。时间(h)012345678910刀具厚度(cm)30.629.128.428.128.027.727.527.227.026.826.5(1)输入数据并绘制刀具厚度关于刀削时间的散点图确定回归模型x=[012345678910]'Y=[3

2、0.629.128.428.128.027.727.527.227.026.826.5]'plot(x,Y,'b+')(2)回归分析及检验X=[ones(11,1)x][b,bint,r,rint,stats]=regress(Y,X);b,bint,stats得结果:b=29.5455-0.3291bint=28.976930.1140-0.4252-0.2330stats=0.869660.00180.00000.1985(3)预测15小时后刀具的厚度plot(x,Y,'b+');x1=15;x=[x'20]';z=b(1)+b(2)*x;z1=

3、b(1)+b(2)*x1;holdonplot(x,z,'r')holdonplot(x1,z1,'go');方程y29.54550.3291x带入数据可得15小时后刀具厚度为24.6091(cm)2.一种合金在某种添加剂的不同浓度下,各做三次试验,得到数据如下表:浓度x1015202530抗压强度Y25.229.831.231.729.4抗压强度Y27.331.132.630.130.8抗压强度Y28.727.829.732.332.8(1)作散点图;第1页共8页年级、专业姓名学号名单序号实验时间2010年月日Matlab软件版本注:实验报告的

4、最后一部分是实验小结与收获实验(三):回归分析22(2)以模型Yxx,N(0,)拟合数据,并检验回归模型,诊断是否012有异常点1)散点图绘制程序及绘图x=10:5:30;x=[xxx]';y=[25.229.831.231.729.427.331.132.630.130.828.727.829.732.332.8]';plot(x,y,'+')axis([6362335]);(2)X=[ones(15,1)xx.^2];[b,bint,r,rint,stats]=regress(y,X);b,statsrcoplot(r,ri

5、nt)得结果:b=19.03331.0086-0.0204stats=0.61409.54490.00332拟合模型为:Y19.03331.0086x0.0204x第2页共8页年级、专业姓名学号名单序号实验时间2010年月日Matlab软件版本注:实验报告的最后一部分是实验小结与收获实验(三):回归分析ResidualCaseOrderPlot43210Re-1siduals-2-3-42468101214CaseNumber从残差图看出无异常点。3.某人记录了21天中每天使用空调器的时间和使用烘干器的次数,并检测电表以计算每天的耗电量,数据见

6、下表,试研究耗电量(KWH)与空调器使用的小时数(AC)和烘干器使用次数(DRYER)之间的关系,建立并检验回归模型,诊断是否有异常点。要求:将数据先存成一个xls文件。程序中将数据从该文件中读入Matlab。序号KWHACDRYER序号KWHACDRYER1351.511265812634.5213777.52366521475824172015627.515948.5316851216796317436079313.5118572.538668119335099412.5120657.5110827.5221336011786.53第3页共8页年

7、级、专业姓名学号名单序号实验时间2010年月日Matlab软件版本注:实验报告的最后一部分是实验小结与收获实验(三):回归分析程序如下:A=xlsread('D:数据.xls');y=A(:,2)x1=A(:,3)x2=A(:,4)X=[ones(21,1)x1x2][b,bint,r,rint,stats]=regress(y,X)rcoplot(r,rint)b,stats得结果:b=8.10545.465913.2166stats=0.9709300.24120.0000所以拟合模型为:y8.10545.4659x13.2066x12残

8、差分析图如下ResidualCaseOrderPlot1050Residu-5als-10-15246810

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。