成績遼寧工程技術大學上機實驗報告實驗名稱回歸分析院系專業(yè)班級姓名學號日期實驗目的簡述本次實驗目的：1、了解回歸分析基本內(nèi)容2、掌握用matlab軟件求解回歸分析問題。實驗準備你為本次實驗做了哪些準備：復習書中相關的MATLAB函數(shù)知識，及相關的概率論的知識實驗進度本次共有6個練習，完成6個。實驗總結本次實驗的收獲、體會、經(jīng)驗、問題和教訓：在現(xiàn)實生活中存在著很多的相關關系，我們熟悉也只是其中的關系，這節(jié)課的練習，讓我學會了利用matlab對數(shù)據(jù)進行處理，首先在圖像中畫出散點圖，從而確定相關的回歸模型來，求出他們之間存在的某種函數(shù)關系，來了解函數(shù)模型與回歸模型之間的關系。以此利用數(shù)學知識來說明相關的實際問題，我想這也是我們在日后的生活有很大幫助的。教師評語成績1、考察溫度x對產(chǎn)量y的影響，測得下列10組數(shù)據(jù):溫度（°C）20253035404550556065產(chǎn)量（kg）13.215.116.417.117.918.719.621.222.524.3

求y關于x的線性回歸方程，檢驗回歸效果是否顯著，并預測x=42°C時產(chǎn)量的估值及預測區(qū)間（置信度95%）.>>x=[20253035404550556065]';Y=[13.215.116.417.117.918.719.621.222.524.3]';>>rstool(x,Y,'linear')>>rstool(x,Y,'linear')圖1圖2Variableshavebeencreatedinthecurrentworkspace.>>beta,rmsebeta=9.12120.2230rmse=0.4830結論：由圖2知x=42C時產(chǎn)量的估值18.4885.y關于x的線性回歸方程：y=9.1212+0.2230x剩余標準差為0.4830，說明回歸模型顯著且顯著性較好。2、某零件上有一段曲線，為了在程序控制機床上加工這一零件，需要求這段曲線的解析表達式，在曲線橫坐標xi處測得縱坐標yi共11對數(shù)據(jù)如下:X./y；0.62.04.47.511.817.123.331.239.649.761.7求這段曲線的縱坐標y關于橫坐標x的二次多項式回歸方程.>>x=[02468101214161820]';>>y=[0.62.04.47.511.817.123.331.239.649.761.7]';>>[p,S]=polyfit(x,y,2)p=0.14030.19711.0105S=R:[3x3double]df:8normr:1.1097得回歸模型為：y=0.1403*xA2+0.1971*x+1.01053、在研究化學動力學反應過程中，建立了一個反應速度和反應物含量的數(shù)學模型，形式為卩x邑12卩y—5-1+卩2xi+卩3x2+卩4x3其中代，，P5是未知參數(shù)，％,x2,x3是三種反應物（氫，n戊烷，異構戊烷）的含量，y是反應速度.今測得一組數(shù)據(jù)如下表，試由此確定參數(shù)代,…,p5，并給出置信區(qū)間.B],…,P5的參考值為(1，0.05,0.02,0.1,2).序號反應速度y氫x1n戊烷x2異構戊烷x318.554703001023.79285801034.8247030012040.024708012052.754708010614.391001901072.54100806584.3547019065913.0010030054108.50100300120110.05100801201211.3228530010133將擬合的非線性模型，建立m文件dongli.m如下functiony=dongli(beta,x)y=(beta(1)*x(:,2)-x(:,3)./beta(5))./(1+beta(2)*x(:,1)+beta(3)*x(:,2)+beta(4)*x(:,3));輸入數(shù)據(jù)及求回歸系數(shù)和置信區(qū)間(yy土delta)clearclccloseally=[8.553.794.820.022.7514.392.544.3513.008.500.0511.323.13]';x1=[470285470470470100100470100100100285285]';x2=[3008030080801908019030030080300190]';x3=[1010120120101065655412012010120]';x=[x1x2x3];beta0=[1，0.05,0.02,0.1,2]';[beta,r,J]=nlinfit(x,y,'dongli',beta0);beta[yy,delta]=nlpredci('dongli',x,beta,r,J);yydelta得出結果：beta=1.25260.06280.04000.11241.1914yy=8.41793.95424.9109-0.01102.635814.34022.56624.038513.02928.3904-0.021611.47013.4326delta=0.28050.24740.17660.18750.15780.42360.24250.16380.34260.32810.36990.32370.1749>>y=[8.553.794.820.022.7514.392.544.3513.008.500.0511.323.13]';x1=[470285470470470100100470100100100285285]';x2=[3008030080801908019030030080300190]';x3=[1010120120101065655412012010120]';x=[x1x2x3];beta0=[1,0.05,0.02,0.1,2]';[beta,r,J]=nlinfit(x,y,'donglixue',beta0);>>[yy,delta]=nlpredci('donglixue',x,beta,r,J);>>[beta,r,J]=nlinfit(x,y,'donglixue',beta0);>>betabeta=1.25260.06280.04000.11241.1914>>[yy,delta]=nlpredci('donglixue',x,beta,r,J);>>yydeltayy=8.41793.9542生產(chǎn)批量650340400生產(chǎn)批量6503404008003006007204804405407504.9109-0.01102.635814.34022.56624.038513.02928.3904-0.021611.47013.4326delta=0.28050.24740.17660.18750.15780.42360.24250.16380.34260.32810.36990.32370.1749可以得出在顯著性水平為1-0.05的時候，置信區(qū)間yy土delta4、混凝土的抗壓強度隨養(yǎng)護時間的延長而增加，現(xiàn)將一批混凝土作成12個試塊，記錄了養(yǎng)護日期x(日)及抗壓強度y(kg/cm2)的數(shù)據(jù):養(yǎng)護時間x234579121417212856抗壓強度y354247535965687376828699試求y=a+blnx型回歸方程.建立m文件:：functionyhat=(beta,x)yhat=beta(1)+beta(2)*log(x);>>x=[234579121417212856]';y=[354247535965687376828699]';beta0=[2022]';[beta,r,J]=nlinfit(x',y','volum',beta0)beta=21.005819.5285所以有回歸方程：y=21.0058+19.5285log(x)5、下表給出了某工廠產(chǎn)品的生產(chǎn)批量與單位成本(元)的數(shù)據(jù)，從散點圖，可以明顯的發(fā)現(xiàn)，生產(chǎn)批量在500以內(nèi)時，單位成本對生產(chǎn)批量服從一種線性關系，生產(chǎn)批量超過500時服從另一種線性關系，此時單位成本明顯下降。希望你構造一個合適的回歸模型全面地描述生產(chǎn)批量與單位成本的關系。單位成本2.484.454.521.384.652.962.184.044.203.101.50先畫出其散點圖：>>x=[650340400800300600720480440540750];>>y=[2.484.454.521.384.652.962.184.044.203.101.50];>>plot(x,y,'*')6、一礦脈有13個相鄰樣本點，人為設定一個原點，現(xiàn)測得各樣本點對原點的距離x,與該樣本點某種金屬含量y的一組數(shù)據(jù)如下,畫出散點圖觀察二者的關系，試建立合適的回歸模型，如二次曲線，雙曲線，對數(shù)曲線等.x23457810y106.42109.20109.58109.50110.00109.93110.49x111415151819y110.59110.60110.90110.76111.00111.20x1=[23457810111415151819];y=[106.42109.20109.58109.50110.00109.93110.49110.59110.60110.90110.76111.00111.20]';plot(xl,y')線性模型y=b0+b1*Xx=[ones(13，1)，x1'];[bbintrrintstats]=regress(y，x);b，bint，statsb=108.25810.1742bint=107.2794109.23670.08910.2593stats=0.648420.28660.0009即模型是y=108.2581+0.1742*x二次曲線模型y=bO+bl*x+b2*x9x二[ones(13,l),xl',xl'."2];[bbintrrintstats]=regress(y,x);b,bint,statsb=l06.95220.527l-0.0l70bint=l05.4769l08.42750.l8960.8645-0.0329-0.00llstats=0.7759l7.3ll20.0006即模型為y=106.9522+0.5271*x-0.0170*x9雙曲線模型y=bO+b1/xx=[ones(13,1),1./x1'];[bbintrrintstats]=regress(y,x);b,bint,statsb=111.4405-9.0300bint=111.1068111.7743-10.6711-7.3889stats=0.9302146.67330.0000即y=111.4405-9.0300/x由stats變量看，此種模型擬合效果較好。對數(shù)模型y=