分享
分销 收藏 举报 申诉 / 103

类型数理统计模型.ppt

  • 上传人:精***
  • 文档编号:14410724
  • 上传时间:2026-09-10
  • 格式:PPT
  • 页数:103
  • 大小:1.34MB
  • 下载积分:8 金币
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    数理统计 模型
    资源描述:
    单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,数理统计模型,数理统计模型数理统计模型主要内容数理统计模型概述,描述性统计,推论性统计模型,统计模型中常见的错误,统计模型建立程式,举例,书籍能培养我们的道德情操,给我们巨大的精神力量,鼓舞我们前进,主要内容,数理统计模型概述,描述性统计,推论性统计模型,统计模型中常见的错误,统计模型建立程式,举例,第一节 数理统计模型概述,一、统计分析概述,统计分析通过计算研究对象的特征的样本平均值、方差,或者所占百分比,研究样本特征值与母体特征值的关系,研究变量之间的关系,特别是因果关系,从而发现被研究对象的发展规律,或者验证有关假想、结论是否成立,验证有关理论在新的时空中是否成立。进而可以针对深层原因,引出改变客观世界的策略。,二、统计的两种功能,描述与推理,描述性统计(descriptive statistics),描述性统计是概括所取得数据的共有性质。,推论性统计(inferential statistics)。,推论性统计帮助研究人员对数据做出判断。,三、管理研究中统计分析的功能,统计分析的方法可以为管理研究提供一种清晰精确的形式化语言;,统计分析是进行科学预测、探索未来的重要方法;,统计分析技术是处理调查研究资料的必要工具。,第二节 描述性统计模型,一、集中趋势分析,(一)含义:,集中量数也称集中趋势量数,是用一个数值去代表一组数据的一般水平。常用的集中量数有,平均数、中位数和众数,。,平均数,是所有测量数据的算术平均值,,中位数,是将测量数据按大小顺序一分为二的变量属性值,即位于排列顺序中间位置的数值,,众数,是测量数据中出现频率最高的数值。,例,有一组数据是9位工人本月的产量:96、96、97、99、100、101、102、104、155。,则:平均数为1055,中位数为100,众数为96。,(二)集中趋势分析的作用,集中量数说明某一管理现象在一定条件下,其数量的一般水平。,集中量数可以对于在不同空间的同类现象进行比较。,集中量数可以对一定管理现象在不同时间中的变化进行比较,以说明这些现象的发展趋势和规律。,集中量数可以用来分析某些管理现象之间的依存关系。,二、离散趋势分析,(一)含义,离散趋势分析是反映测量数据的分散程度,其常用指标有:,极差(range)与标准差(standard deviation),。,极差,是测量数据中的最大值与最小值之间的差异,由两个极端值来决定,只适用于定距与定比数据。,标准差,综合反映所有数据的分散程度,与平均数配套使用,适用于定距于定比数据,,其计算式为:,其中,,为标准差 ,x为样本值,X为平均数,N为样本总数。,三、频数与频率分析,为直观地反映一组测量数据的分布状况,经常用频数与频率分析。频数分布描述测量值中各属性值出现的次数,频率分布则是用比率的形式来表示,各属性值除以样本总数即可得到该属性值的频率。,频数分布也可转化为可视化的表达方式,如长条图、直方图、饼图。,在SPSS统计软件中,具体操作是:在统计菜单(statiatics)中单击摘要(summarize)、频数(frequencies),并在频数对话框中选择所要的图表(charts),即可获得这些图表。,第三节 推论性统计模型,统计推断的功能,从随机样本中推断总体参数特征、以统计为基础验证假设。,一、双变量的回归分析与相关分析,回归分析模型,收入X,居民储蓄量Y,(一)回归模型,X,Y,1、回归模型的概念,强的正相关,弱的正相关,中间程度的正相关,|,r,|=0.936,|,r,|=0.560,|,r,|=0.3390,强的负相关,弱的负相关,中间程度的负相关,确立,X,与,Y,的关联性,回归寻找“Y”与“X”关系的方法,什么是回归?,描述“Y”与“X”关系的数学方法 创建过程的“模型”。,回归分析,相关是告诉关系的程度,回归分析是找出,Y=F(X),的函数关系式,单纯线性回归,回归分析的阶段,此章的因子为一个,因子和输出值(Y)的关系为直线关系的单纯线性回归,(,Simple,Linear,Regression),Data 收集,用散点图确认关系,用最小二乘法,推断总体,进行方差分析,画直线,(,Line Fitting),分析残差,通过样本推测的直线,未知的真实直线,Y,i,=,+,x,i,+,i,(,i,=1,.,n,),i,是相互独立的,遵守,N,(0,2,),的概率变量,单纯线性回归模型,i,e,i,(,x,i,y,i,),x,y,在这里,i,iid N(0,2,),Model,定义,一个独立变量,(,x),与,一个从属变量,(Y),间的关系,方程式化后显示的方法,将,误差平方和,最小化的推断方法,找出将残差平方最小化的直线,.,420,410,400,390,380,370,360,350,340,330,320,350 400 450,独立变量,从属变量,最小平方和的单纯回归,单纯回归直线,与回归直线的,差异,直线是以,“,最小平方和推断法,(,least square estimation),”,的,原则画出的.从资料的点到直线,的距离的平方和最小化.,e,b,Scatter Plot Y vs.X with Fitted Line,Y=a+bX,直线的方程式是,Y=a+,bX,a,是,常数,b,是斜率,.,“,拟合线,”,是包括实际点和直线的平,方差的和最小化后形成的直线,.,实际资料的点和直线的差异称为,残差,(,residuals(e,).,拟合线,回归方程式构造,1.回归模型 的参数确定,y=a+bx,由历史数据得一组x、y值,可求出参数a、b,由最小二乘法得:,例,某企业年投入资本(十万元)x与销售量(万台)y的历史数据如下:,y,x,1,0,1.9,2,0.9,12.4,4,0.4,6.4,5,1.2,7.0,6,0.3,7.0,7,8,例,y,x,x,2,xy,1,0,1.9,3.61,0,2,0.9,12.4,153.7,11.1,4,0.4,6.4,40.96,2.56,5,1.2,7.0,49,8.4,6,0.3,7.0,49,2.1,2.8,34.7,296.33,24.2,平均,0.56,6.94,59.26,4.84,3.886,48.16,计算结果,某企业年投入资本(十万元)x与销售量(万台)y的历史数据如下:,2、用软件进行回归分析的运算,(1)一元回归模型的软件运算,a.图象分析,b.回归运算,二、二元回归模型的软件运算,运算步骤,1、统计值说明,各统计值在计算机参数输出中的位置:,m,n,m,n-1,m,2,m,1,b,S,en,S,en-1,S,e2,S,e1,S,eb,r,2,S,ey,F,d,f,SS,reg,SS,resid,1、统计值说明,(1)解释变量、被解释变量:,y=m,1,x,1,+m,2,x,2,+b,(2)系数,m,1,m,2,.,m,n,系数是解释变量对预测值的贡献,解释变量,被解释变量,1、统计值说明,(3)系数的标准误差值,S,e1,S,e2,.,S,en,系数 m,1,m,2,.,m,n,的标准误差值。,sqrt()/()/sqrt(x)2),其中,为自变量,为因变量观测值,为线形拟合值,平均值计为x,真值在系数估值正负1倍的标准差区间概率是2/3,S,eb,常数项 b 的标准误差值,1、统计值说明,(4)判定系数r,2,Y 的估计值与实际值之比,范围在 0 到 1 之间。如果为 1,则样本有很好的相关性,Y 的估计值与实际值之间没有差别。而在另一方面,如果判定系数为 0,则回归方程不能用来预测 Y 值。,1、统计值说明,(5)Y 估计值的标准误差S,ey,真值在Y估值正负1的标准差区间概率是2/3,(6)F 统计值或 F 观察值F,使用 F 统计可以判断因变量和自变量之间是否偶尔发生过观察到的关系。,(7)置信度d,f,用于在统计表上查找 F 临界值。所查得的值和函数 LINEST 返回的F统计值的比值可用来判断模型的置信度。,1、统计值说明,(8)回归平方和SS,reg,(9)残差平方和SS,resid,作业4,某企业的资金投入X与销售收入Y如下表:试用一元回归方法求出回归线,说明两者的相关关系并对X=57万元企业销售额进行预测。,X(万元),Y(万元),1,10,130,2,18,180,3,23,200,4,35,250,5,42,310,例2,某市国内生产总值y与固定资产投入X1、劳动力投入X2的历史数据如下表,试用线性回归方法确定其参数值。,序号,y,X1,X2,1,53,9,11,2,64,19,14,3,82,21,15,4,92,34,17,5,120,43,19,6,160,56,20,7,180,72,29,例2,-2.08797,2.651822,48.34758,Y=2.65X1-2.09X2+48.35,预测:x1=82,X2=35 y=?,Y=192.71,作业,2000年某企业产品销售量Y与企业销售投入量X1、销售点增加量X2历史数据如下表,试用回归方法求其参数值。说明两者的相关关系并对(X1=140,X2=41)的Y值进行预测。,作业,序号,Y,X1,X2,1,42,20,5,2,62,23,7,3,83,50,9,4,80,70,12,5,99,77,15,6,120,89,18,7,160,99,20,8,190,110,30,9,230,120,31,三、参数估计,(一)含义,参数估计是从样本的统计值来估计总体的参数值,其逻辑程序是先有样本分布,再推测总体。当样本对总体参数进行估计时,有两种估计方法:点估计(poim estimation)与区间估计(interval estimation)。,1、点估计,点估计是将样本中某统计量的值作为相应总体参数值的单一估计。,例:,想了解某种新产品在各省会城市的销售量,我们可抽去一些省会城市调查其销售量,然后求其平均值,即为平均销售量估计。当然,如果另外抽取几个城市,就会发现其平均销售量不完全一致,这说明点估计值本身就是一个随机变量。,2、区间估计,区间估计不是采用通常度量准确性的方法,如允许估计值与真实值有百分之几的误差,而要判断真实值有多大可能落在样本统计值分布的某一范围、(置馈区间)之内。这一范围越大,估计值的准确性就越低。统计值落在允许偏差的范围的概率越大,故计值的可靠性就越高。一般来说,在管理研究中,置信水平选择95或99,即O95或099的概率,真实值落在偏差范围之内,允许不超过005或O01的概率超出此范围。,四、假设检验,(一)含义,假设检验是先对总体参数作出假设,然后从样本统计值去检验它是否与假设参数值一致。,(二)假设检验中两类错误,在假设检验中存在两类错误:样本是随机抽取的,但也有意外,例如样本没有反映典型特征。当我们错误地将偶然发生的事件当作非偶然发生的,进而错误地将虚无假设否定,则就犯了第一类错误;,如果将原本错误的事件认为是正确的,没有否定本该否定的虚无假设,则就犯了第二类错误。,(三)t检验,(t-test)是检验定距或定类变量的相关性,即在定距或定类尺度上,两群体之间是否存在差异。,T检验是未知正态总体,X,的方差 ,对数学期望作假设检验;检验是未知正态总体X的数学期望,对方差 作假设检验。,例:,有MBA资格的人员是否比企业管理专业的本科毕业生表现要好?男性与女性对激励的反映是否相同?此类问题可通过t检验来分析研究变量中不同群体的平均数是否有显著差异,亦即针对具有两个子类别的定类变量(男性与女性、MBA与本科生)进行检验,看这两个群体在定距或定比尺度上(反映程度、表现程度等)的平均数是否存在显著差异。,T检验方法,选择分析,平均值比较,独立样本t检验,选择分组变量,选择置信水平,选择置信水平,输出结果,(四)方差分析,1、含义:,方差分析(ANOVA)是检验因变量是定距或定比尺度时,两个以上群体之间的平均的显著差异。,例:,4组促销人员之间是否存在显著差异:一组被送到学校系统学习营销课程;一组通过实地考察在职训练,一组由经验丰富的销售经理进行指导,一组没有接受上述训练。利用方差分析来确定不同群体之间是否存在显著差异可通过F统计量获得。,2、具体方法,选择分析,平均值比较,单因素方差分析,选择两变量,输出结果,(五),2,检验,1、含义,2,检验(chi:square test)是用于检验两个定类变量发生频次之间是否存在差异。,例:,在超市随机选择90位顾客征求他们对三种饮料的偏好,如果40位选择甲,30位选择乙,20位选择丙,即观测频次为(40,30,20),如果虚无假设(三种饮料的顾客偏好不存在差异)成立,其期望频次应为(30,30,30),x检验就是要判断观测频次(40,30,20)与期望频次(30,30,30)之间的差异是否显著。,2、方法,选择分析,描述统计,建立交叉表,统计,选择,2,输出结果,第四节 统计分析中的常见错误,一、样本平均值当作母体平均值对待,样本平均值当作母体平均值对待,不做显著性检验,是常见错误之一,例:,在营销研究中针对某产品设计了两种邮购广告,分别用随机抽样的方法对居民邮寄广告,甲广告寄出200份,有44位居民订购了相应的产品,乙广告寄出400,有1oo位居民订购了该产品。此时很容易算出,甲广告的订购率为22,己广告的订购率是25。我们是否可以依此就得出结论:乙广告设计比甲广告设计的好(乙广告的订购率高于甲广告)?,常见的错误就是直接依据两组样本的比例值(甲广告的订购率为22,乙广告的订购率是25)来做结论,认为乙广告优于甲广告(乙广告的订购率高于甲厂告)。,结论:,事实上,乙广告未必优于甲广告,因为两个比例值是分别基于200个样本和400个样本得出的。如果继续扩大样本容量,甲乙两个广告的订购率就可能发生变化。我们要做的事情,就是依据这两组样本数据(甲组200个,乙组400个)来推断甲乙两种广告设计的优劣。这是显著性的检验的问题。显著性检验的结果是,不能认为两者具有显著性差异。,二、做相关分析时不做显著性检验,做相关分析时不做显著性检验,用简单相关分析替代偏相关分析,是又一常见错误。,偏相关表示在消除其他变量的影响之后,自变量与因变量之间的关联程度。,例:,分析工人的劳动生产率与文化水平之间的关联时,要受到年龄因素的影响。偏相关分析首先用一元回归分析年龄与文化水平之间的关系,回归方程的残差(多项说明不能由文化水平来解释年龄的偏差;然后求劳动生产率与年龄之间的回归方程及残差,反映不能由年龄来解释劳动生产率的偏差;最后第三个回归方程来分析第一、第二个回归方程残差之间的关联,它表示消除年龄对其他两个变量的影响后文化水平与劳动生产率之间的关联,由此算出相关系数即为偏相关系数。同样,偏相关系数的计算公式无需记忆,多数统计软件都可以输出该系数值。,结论:,偏相关系数与简单相关系数在意义上是不同的,简单相关系数将其他因素作为剩余因素,任其变化而忽略不计。偏相关系数是在其他变量的关系保持不变的情况下,分析与另一变量之间的关系。值得注意的是,偏相关系数可以表示两变量之间的关联强度,但不能反映二者之间变化的定量关系,三、在获得数据之后,没有能力与知识、运用恰当的统计方法,引出科学的结论,(一)引出科学结论的基本方法:,(1)对对象系所处状况的统计,如收入的均值、方差,各种态度的百分比,某个特征量的分布等;,(2)两组人群的某特征量的均值的比较,检验有无显著性差异,如培训前后业务水平、两种激励政策的效果差异、两种管理方法的效果有无显著差异。进一步检验两个随机变量构分布是否相同。,(3)方差分析,用以解决多组的平均值有无显著性差异,找出哪些因素有交叉作用;还可以从多个因素中(每个因素有多个水平),找出对效果有显著作用的因素,俗称找出关键原因。,(4)相关研究,用于研究变量之间是否存在相关关系,包括简单相关关系、等级相关关系、品质相关关系(如抽烟与癌症的相关关系、包装偏爱与文化程度的相关关系等),及偏相关关系(即两个变量之间的“纯”相关关系)。,回归模型是用统计分析方法建立的最常用的一类模型,数学建模的基本方法,机理分析,测试分析,通过对数据的统计分析,找出与数据拟合最好的模型,不涉及回归分析的数学原理和方法,通过实例讨论如何选择不同类型的模型,对软件得到的结果进行分析,对模型进行改进,由于客观事物内部规律的复杂及人们认识程度的限制,无法分析实际对象内在的因果关系,建立合乎机理规律的数学模型。,10.1,牙膏的销售量,问题,建立牙膏销售量与价格、广告投入之间的模型,预测在不同价格和广告费用下的牙膏销售量,收集了30个销售周期本公司牙膏销售量、价格、广告费用,及同期其它厂家同类牙膏的平均售价,9.26,0.55,6.80,4.25,3.70,30,7.93,0.05,5.80,3.85,3.80,29,8.51,0.25,6.75,4.00,3.75,2,7.38,-0.05,5.50,3.80,3.85,1,销售量,(百万支),价格差,(元),广告费用,(百万元),其它厂家价格(元),本公司价格(元),销售周期,基本模型,y,公司牙膏销售量,x,1,其它厂家与本公司,价格差,x,2,公司广告费用,x,2,y,x,1,y,x,1,x,2,解释变量(回归变量,自变量),y,被解释变量(因变量),0,1,2,3,回归系数,随机,误差(,均值为零的正态分布随机变量),MATLAB,统计工具箱,模型求解,b,bint,r,rint,stats=regress(y,x,alpha),输入,x=,n,4数据矩阵,第1列为全1向量,alpha,(,置信,水平,0.05,),b,的,估计值,bint,b,的置信区间,r,残差向量,y,-,xb,rint,r,的置信区间,Stats,检验统计量,R,2,F,p,y,n,维数据向量,输出,由数据,y,x,1,x,2,估计,参数,参数估计值,置信区间,17.3244,5.7282 28.9206,1.3070,0.6829 1.9311,-3.6956,-7.4989 0.1077,0.3486,0.0379 0.6594,R,2,=0.9054,F,=82.9409,p,=0.0000,0,1,2,3,结果分析,y,的90.54%可由模型确定,参数,参数估计值,置信区间,17.3244,5.7282 28.9206,1.3070,0.6829 1.9311,-3.6956,-7.4989 0.1077,0.3486,0.0379 0.6594,R,2,=0.9054,F,=82.9409,p,=0.0000,0,1,2,3,F,远超过,F,检验的临界值,p,远小于,=,0.05,2,的置信区间包含零点(右端点距零点很近),x,2,对因变量,y,的影响不太显著,x,2,2,项显著,可将,x,2,保留在模型中,模型从整体上看成立,销售量预测,价格差,x,1,=其它厂家,价格,x,3,-本公司,价格,x,4,估计,x,3,调整,x,4,控制价格差,x,1,=0.2元,投入广告费,x,2,=650万元,销售量预测区间为 7.8230,8.7636(置信度95%),上限用作库存管理的目标值,下限用来把握公司的现金流,若估计,x,3,=3.9,设定,x,4,=3.7,则可以95%的把握知道销售额在 7.8320,3.7,29(百万元)以上,控制,x,1,通过,x,1,x,2,预测,y,(百万支),模型改进,x,1,和,x,2,对,y,的,影响独立,参数,参数估计值,置信区间,17.3244,5.7282 28.9206,1.3070,0.6829 1.9311,-3.6956,-7.4989 0.1077,0.3486,0.0379 0.6594,R,2,=0.9054,F,=82.9409,p,=0.0000,0,1,2,3,参数,参数估计值,置信区间,29.1133,13.7013 44.5252,11.1342,1.9778 20.2906,-7.6080,-12.6932 -2.5228,0.6712,0.2538 1.0887,-1.4777,-2.8518 -0.1037,R,2,=0.9209,F,=72.7771,p,=0.0000,3,0,1,2,4,x,1,和,x,2,对,y,的影响有交互作用,两模型销售量预测,比较,(百万支),区间 7.8230,8.7636,区间 7.8953,8.7592,(百万支),控制价格差,x,1,=0.2元,投入广告费,x,2,=6.5百万元,预测区间长度更短,略有增加,x,2,=6.5,x,1,=0.2,x,1,x,1,x,2,x,2,两模型 与,x,1,x,2,关系的,比较,交互作用影响的讨论,价格差,x,1,=0.1,价格差,x,1,=0.3,加大广告投入使销售量增加,(,x,2,大于6百万元),价格差较小时增加的速率更大,x,2,价格优势会使销售量增加,价格差较小时更需要靠广告来吸引顾客的眼球,完全二次多项式模型,MATLAB,中有命令,rstool,直接求解,x,1,x,2,从输出 Export 可得,10.2 软件开发人员的薪金,资历,从事专业工作的年数;管理,1,=管理人员,,0,=非管理人员;教育,1,=中学,,2,=大学,,3,=更高程度,建立模型研究薪金与资历、管理责任、教育程度的关系,分析人事策略的合理性,作为新聘用人员薪金的参考,编号,薪金,资历,管理,教育,01,13876,1,1,1,02,11608,1,0,3,03,18701,1,1,3,04,11283,1,0,2,编号,薪金,资历,管理,教育,42,27837,16,1,2,43,18838,16,0,2,44,17483,16,0,1,45,19207,17,0,2,46,19346,20,0,1,46,名软件开发人员的档案资料,分析与假设,y,薪金,,x,1,资历(年),x,2,=,1,管理人员,,x,2,=,0,非管理人员,1,=中学,2,=大学,3,=更高,资历每加一年薪金的增长是常数;,管理、教育、资历之间无交互作用,教育,线性回归模型,a,0,a,1,a,4,是待估计的回归系数,,是随机误差,中学:,x,3,=1,x,4,=0,;大学:,x,3,=0,x,4,=1;,更高:,x,3,=0,x,4,=0,模型求解,参数,参数估计值,置信区间,a,0,11032,10258 11807,a,1,546,484 608,a,2,6883,6248 7517,a,3,-2994,-3826 -2162,a,4,148,-636 931,R,2,=0.957,F,=226,p,=0.000,R,2,F,p,模型整体上可用,资历增加,1,年薪金增长,546,管理人员薪金多,6883,中学程度薪金比更高的少,2994,大学程度薪金比更高的多,148,a,4,置信区间包含零点,解释不可靠!,中学:,x,3,=1,x,4,=0;,大学:,x,3,=0,x,4,=1;,更高:,x,3,=0,x,4,=0.,x,2,=,1,管理,,x,2,=,0,非管理,x,1,资历(年),残差分析方法,结果分析,残差,e,与资历,x,1,的关系,e,与管理教育组合的关系,残差全为正,或全为负,管理教育组合处理不当,残差大概分成,3,个水平,,6,种管理教育组合混在一起,未正确反映,。,应在模型中增加管理,x,2,与教育,x,3,x,4,的交互项,组合,1,2,3,4,5,6,管理,0,1,0,1,0,1,教育,1,1,2,2,3,3,管理与教育的组合,进一步的模型,增加管理,x,2,与教育,x,3,x,4,的交互项,参数,参数估计值,置信区间,a,0,11204,11044 11363,a,1,497,486 508,a,2,7048,6841 7255,a,3,-1727,-1939 -1514,a,4,-348,-545 152,a,5,-3071,-3372-2769,a,6,1836,1571 2101,R,2,=0.999,F,=554,p,=0.000,R,2,F,有改进,所有回归系数置信区间都不含零点,模型完全可用,消除了不正常现象,异常数据(,33,号)应去掉,e x,1,e,组合,去掉异常数据后,的结果,参数,参数估计值,置信区间,a,0,11200,11139 11261,a,1,498,494 503,a,2,7041,6962 7120,a,3,-1737,-1818 -1656,a,4,-356,-431 281,a,5,-3056,-3171 2942,a,6,1997,1894 2100,R,2,=0.9998,F,=36701,p,=0.0000,e x,1,e,组合,R,2,:0.957,0.999,0.9998,F,:226,554,36701,置信区间长度更短,残差,图十分正常,最终模型的结果可以应用,模型应用,制订,6,种管理教育组合人员的“基础”薪金(资历为,0,),组合,管理,教育,系数,“基础”薪金,1,0,1,a,0,+,a,3,9463,2,1,1,a,0,+,a,2,+,a,3,+,a,5,13448,3,0,2,a,0,+,a,4,10844,4,1,2,a,0,+,a,2,+,a,4,+,a,6,19882,5,0,3,a,0,11200,6,1,3,a,0,+,a,2,18241,中学:,x,3,=1,x,4,=0,;大学:,x,3,=0,x,4,=1;,更高:,x,3,=0,x,4,=0,x,1,=,0,;,x,2,=,1,管理,,x,2,=,0,非管理,大学程度管理人员比更高程度管理人员的薪金高,大学程度非管理人员比更高程度非管理人员的薪金略低,对定性因素(如管理、教育),可以,引入,0,-,1,变量,处理,,0,-,1,变量的个数应比定性因素的水平少,1,软件开发人员的薪金,残差分析方法,可以发现模型的缺陷,,引入交互作用项,常常能够改善模型,剔除异常数据,,有助于得到更好的结果,注:可以直接对,6,种管理教育组合引入,5,个,0,-,1,变量,10.3,酶促反应,问题,研究酶促反应(,酶催化反应),中嘌呤霉素对反应速度与底物,(反应物),浓度之间关系的影响,建立数学模型,反映该酶促反应的速度与底物浓度以及经嘌呤霉素处理与否之间的关系,设计了两个实验:酶经过嘌呤霉素处理;酶未经嘌呤霉素处理。实验数据见下表:,方案,底物浓度,(ppm),0.02,0.06,0.11,0.22,0.56,1.10,反应速度,处理,76,47,97,107,123,139,159,152,191,201,207,200,未处理,67,51,84,86,98,115,131,124,144,158,160,/,线性化模型,经嘌呤霉素处理后实验数据的估计结果,参数,参数估计值(10,-3,),置信区间(10,-3,),1,5.107,3.539 6.676,2,0.247,0.176 0.319,R,2,=0.8557,F,=59.2975,p,=0.0000,对,1,2,非线性,对,1,2,线性,线性化模型结果分析,x,较大时,,y,有较大偏差,1/,x,较小时有很好的线性趋势,,1/,x,较大时出现很大的起落,参数估计时,,x,较小,(,1/,x,很大)的数据控制了回归参数的确定,1/,y,1/,x,x,y,beta,R,J=nlinfit(x,y,model,beta0),beta的置信区间,MATLAB,统计工具箱,输入,x,自变量,数据矩阵,y 因变量数据向量,beta,参数的估计值R,残差,J,估计预测误差的Jacobi矩阵,model,模型的函数M文件名,beta0,给定的参数初值,输出,betaci=nlparci(beta,R,J),非线性模型参数估计,function y=f1(beta,x),y=beta(1)*x./(beta(2)+x);,x=;y=;,beta0=195.8027 0.04841;,beta,R,J=nlinfit(x,y,f1,beta0),;,betaci=nlparci(beta,R,J);,beta,betaci,beta0线性化模型估计结果,非线性模型结果分析,参数,参数估计值,置信区间,1,212.68,19,197.2029 228.1609,2,0.0641,0.0457 0.0826,画面左下方的Export 输出其它统计结果。,拖动画面的十字线,得,y,的预测值和预测区间,剩余标准差,s,=10.9337,最终反应速度为,半速度点(,达到最终速度一半时的,x,值,)为,其它输出,命令nlintool 给出交互画面,o 原始数据,+拟合结果,混合反应模型,x,1,为底物浓度,,x,2,为一示性变量,x,2,=1表示经过处理,,x,2,=0表示未经处理,1,是未经处理的最终反应速度,1,是经处理后最终反应速度的增长值,2,是未经处理的反应的半速度点,2,是经处理后反应的半速度点的增长值,在同一模型中考虑嘌呤霉素处理的影响,o 原始数据,+拟合结果,混合模型求解,用nlinfit 和 nlintool命令,估计结果和预测,剩余标准差,s,=10.4000,参数,参数估计值,置信区间,1,160.2802,145.8466 174.7137,2,0.0477,0.0304 0.0650,1,52.4035,32.4130 72.3941,2,0.0164,-0.0075 0.0403,2,置信区间包含零点,,表明,2,对因变量,y,的影响不显著,参数初值,(基于对数据的分析),经嘌呤霉素处理的作用不影响半速度点参数,未经处理,经处理,o 原始数据,+拟合结果,未经处理,经处理,简化的混合模型,简化的混合模型,形式简单,,参数置信区间,不含零点,剩余标准差,s,=10.5851,,比一般混合模型略大,估计结果和预测,参数,参数估计值,置信区间,1,166.6025,154.4886 178.7164,2,0.0580,0.0456 0.0703,1,42.0252,28.9419 55.1085,一般混合模型与简化混合模型预测比较,实际值,一般模型预测值,(一般,模型,),简化模型预测值,(简化,模型,),67,47.3443,9.2078,42.7358,5.4446,51,47.3443,9.2078,42.7358,5.4446,84,89.2856,9.5710,84.7356,7.0478,191,190.8329,9.1484,189.0574,8.8438,201,190.8329,9.1484,189.0574,8.8438,207,200.9688,11.0447,198.1837,10.1812,200,200.9688,11.0447,198.1837,10.1812,简化混合模型的预测区间较短,更为实用、有效,预测区间为预测值,注:非线性模型拟合程度的评价无法直接利用线性模型的方法,但,R,2,与,s,仍然有效。,酶促反应,反应速度与底物浓度的关系,非线性,关系,求解,线性模型,求解非线性模型,机理分析,嘌呤霉素处理对反应速度与底物浓度关系的影响,混合模型,发现问题,得参数初值,引入,0-1,变量,简化模型,检查,参数置信区间,是否包含零点,10.4 投资额与国民生产总值和物价指数,问题,建立投资额模型,研究,某地区,实际投资额与国民生产总值,(GNP),及物价指数,(,PI,),的关系,2.0688,3073.0,424.5,20,1.0000,1185.9,195.0,10,1.9514,2954.7,474.9,19,0.9601,1077.6,166.4,9,1.7842,2631.7,401.9,18,0.9145,992.7,144.2,8,1.6342,2417.8,423.0,17,0.8679,944.0,149.3,7,1.5042,2163.9,386.6,16,0.8254,873.4,133.3,6,1.4005,1918.3,324.1,15,0.7906,799.0,122.8,5,1.3234,1718.0,257.9,14,0.7676,756.0,125.7,4,1.2579,1549.2,206.1,13,0.7436,691.1,113.5,3,1.1508,1434.2,228.7,12,0.7277,637.7,97.4,2,1.0575,1326.4,229.8,11,0.7167,596.7,90.9,1,物价,指数,国民生产总值,投资额,年份,序号,物价,指数,国民生产总值,投资额,年份序号,根据对未来,GNP,及,PI,的估计,预测未来投资额,该地区,连续,20,年的统计数据,时间序列中同一变量的顺序观测值之间存在,自相关,以时间为序的数据,称为,时间序列,分析,许多经济数据在时间上有一定的,滞后,性,需要诊断并消除数据的自相关性,建立新的模型,若采用普通回归模型直接处理,将会出现不良后果,投资额与国民生产总值和物价指数,1.3234,1718.0,257.9,14,0.7676,756.0,125.7,4,1.2579,1549.2,206.1,13,0.7436,691.1,113.5,3,1.1508,1434.2,228.7,12,0.7277,637.7,97.4,2,1.0575,1326.4,229.8,11,0.7167,596.7,90.9,1,物价,指数,国民生产总值,投资额,年份,序号,物价,指数,国民生产总值,投资额,年份序号,基本回归模型,投资额与,GNP,及物价指数间均有很强的线性关系,t,年份,,y,t,投资额,,x,1,t,GNP,x,2,t,物价指数,0,1,2,回归系数,x,1,t,y,t,x,2,t,y,t,t,对,t,相互,独立的零均值正态随机变量,基本回归模型的结果与分析,MATLAB,统计工具箱,参数,参数估计值,置信区间,0,322.7250,224.3386 421.1114,1,0.6185,0.4773 0.7596,2,-859.4790,-1121.4757 -597.4823,R,2,=0.9908,F,=919.8529,p,=0.0000,剩余标准差,s,=12.7164,没有考虑时间序列数据的,滞后性影响,R,2,0.9908,,拟合度高,模型优点,模型缺点,可能忽视了随机误差存在,自相关,;如果存在自相关性,用此模型会有不良后果,自相关性的定性诊断,残差诊断法,模型残差,作残差,e,t,e,t,-1,散点图,大部分点落在第,1,3,象限,t,存在正的自相关,大部分点落在第,2,4,象限,自相关性直观判断,在,MATLAB,工作区中输出,e,t,为随机误差,t,的估计值,e,t,-1,e,t,t,存在负的自相关,基本回归,模型的随机误差项,t,存在正的自相关,自回归,性,的,定量诊断,自回归模型,自相关系数,0,1,2,回归系数,=,0,无,自相关性,0,0,如何估计,如何消除自相关,性,D-W,统计量,D-W检验,u,t,对,t,相互,独立的零均值正态随机变量,存在负,自相关性,存在正,自相关性,广义差分法,D-W统计量与D-W,检验,检验水平,样本容量,回归变量数目,D-W,分布,表,n,较大,DW,4-,d,U,4,4-,d,L,d,U,d,L,2,0,正自,相关,负自,相关,不能确定,不能确定,无自相关,检验,临界值,d,L,和,d,U,由,DW,值的大小确定,自相关性,广义差分变换,以,*,0,1,2,为,回归系数的普通回归
    展开阅读全文

    开通VIP折扣优惠下载文档

    提示  咨信网声明:本文档由用户上传并分享,仅供学习交流、研究之用,未经授权,严禁复制、发行、汇编、翻译或网络传播等,侵权必究。

    咨信网小贴示:
    1、浏览或下载可查看了解,请点击【咨信网告知】。
    2、下载文件中如有侵权或不适当内容,将立即纠正。
    3、如果因为网速或其他原因下载失败请重新下载,重复下载[60天内]不扣币。
    4、开具发票登录电脑端申请,请点击【索取发票】。

    咨信网客服组:【微信客服】

    自信AI创作助手
    关于本文
    本文标题:数理统计模型.ppt
    链接地址:https://www.zixin.com.cn/doc/14410724.html

    Copyright ©2010-2026   All Rights Reserved  宁波自信网络信息技术有限公司 版权所有   |  客服电话:0574-28810668    微信客服:咨信网客服    投诉电话:18658249818   

    违法和不良信息举报邮箱:help@zixin.com.cn    文档合作和网站合作邮箱:fuwu@zixin.com.cn    意见反馈和侵权处理邮箱:1219186828@qq.com   | 证照中心

    12321jubao.png12321网络举报中心 电话:010-12321  jubao.png中国互联网举报中心 电话:12377   gongan.png浙公网安备33021202000488号  icp.png浙ICP备2021020529号-1 浙B2-20240490   


    关注我们 :微信公众号  抖音  微博  LOFTER               

    自信网络  |  ZixinNetwork