北京工业大学-工程数学-薛毅-作业6.docx

北京工业大学-工程数学-薛毅-作业6.docx

ID:55770477

大小:355.26 KB

页数:15页

时间:2020-06-03

北京工业大学-工程数学-薛毅-作业6.docx_第1页
北京工业大学-工程数学-薛毅-作业6.docx_第2页
北京工业大学-工程数学-薛毅-作业6.docx_第3页
北京工业大学-工程数学-薛毅-作业6.docx_第4页
北京工业大学-工程数学-薛毅-作业6.docx_第5页
资源描述:

《北京工业大学-工程数学-薛毅-作业6.docx》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、多元分析实验1.回归分析为估计山上积雪融化后对下游灌溉的影响,在山上建立一个观测站,测量最大积雪深度X(米)与当年灌溉面积Y(公倾),测得连续10年的数据如表6.1所示。(1)建立一元线性回归模型,求解,并验证系数、方程或相关系数是否通过检验;(2)现测得今年的数据是X=7米,给出今年灌溉面积的预测值、预测区间和置信区间(a=0.05);(3)将数据散点、回归预测值、回归的预测区间和置信区间均画在一张图上,分析线性回归的拟合情况。解答:(1)根据题意有R程序如下:X<-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4);Y<

2、-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493);lm.sol<-lm(Y~1+X)summary(lm.sol)运行结果如下:Call:lm(formula=Y~1+X)Residuals:Min1QMedian3QMax-128.591-70.978-3.72749.263167.228Coefficients:EstimateStd.ErrortvaluePr(>

3、t

4、)(Intercept)140.95125.111.1270.293X364.1819.2618.9086.33e-08***-

5、--Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1Residualstandarderror:96.42on8degreesoffreedomMultipleR-squared:0.9781,AdjustedR-squared:0.9754F-statistic:357.5on1and8DF,p-value:6.33e-08>summary(lm.sol,correlation=T,symbolic.cor=F)运行结果如下:Call:lm(formula=Y~1+X)Residuals:Min1QMedia

6、n3QMax-128.591-70.978-3.72749.263167.228Coefficients:EstimateStd.ErrortvaluePr(>

7、t

8、)(Intercept)140.95125.111.1270.293X364.1819.2618.9086.33e-08***---Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1Residualstandarderror:96.42on8degreesoffreedomMultipleR-squared:0.9781,AdjustedR-squa

9、red:0.9754F-statistic:357.5on1and8DF,p-value:6.33e-08CorrelationofCoefficients:(Intercept)X-0.97根据运行结果分析可知:方程、系数、相关系数均通过检验。(2)根据题意有R程序如下:>new<-data.frame(X=7)>predict(lm.sol,new,interva="prediction",level=0.95)运算结果如下:fitlwrupr12690.2272454.9712925.484>new<-data.frame(X=7)>predict(l

10、m.sol,new,interva="confidence",level=0.95)运算结果如下:fitlwrupr12690.2272613.352767.105根据运算结果分析可知:今年的灌溉面积的预测值是2690.227公顷,预测区间是(2454.971,2925.484),置信区间(2613.35,2767.105).(3)根据题意有R程序:x<-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4)y<-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493)lm.sol

11、<-lm(y~1+x)new<-data.frame(x=seq(0.10,0.24,by=0.01))pp<-predict(lm.sol,new,interval="prediction")pc<-predict(lm.sol,new,interval="confidence")matplot(new$x,cbind(pp,pc[,-1]),type="l",xlab="X",ylab="Y",lty=c(1,5,5,2,2),col=c("blue","red","red","brown","brown"),lwd=2)points(x,y,cex=1

12、.4,pch=21,col="red",bg="or

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。