利用matlab做回归分析
2017-10-28 14:35
525 查看
合金强度y与其中含碳量x有密切关系,如下表
根据此表建立y(x)。并对结果作可信度进行检验、判断x对y影响是否显著、检查数据中有无异常点、由x的取值对y作出预测。
解:在x−y平面上画散点图,直观地知道y与x大致为线性关系。用命令
作回归分析用命令
可用
残差及置信区间可以用
结果含义为
β0=27.0269,β1=140.6194
β0的置信区间是[22.3226,31.7313]
β1的置信区间是[111.7842,169.4546]
R2=0.9219,F=118.0670,p<10−4.
R是衡量y与x的相关程度的指标,称为相关系数.R越大,x与y关系越密切.通常R大于0.9才认为相关关系成立.
F是一统计指标,p是与F对应的概率,当p<0.05时,回归模型成立.
此例中p=0<10−4<0.05,所以,所得回归模型成立。
观察所得残差分布图,看到第8个数据的残差置信区间不含零点,此点视为异常点,剔除后重新计算。
此时键入:
得:
b=27.0992 137.8085
bint=23.8563 30.342 117.8534 157.7636
stats=0.9644244.05710.0000
可以看到:置信区间缩小;R2、F变大,所以应该采用修改后的结果。建立的回归预测方程为:y=27.0992+137.8085x
x | 0.10 | 0.11 | 0.12 | 0.13 | 0.14 | 0.15 | 0.16 | 0.17 | 0.18 | 0.20 | 0.21 | 0.23 |
y | 42.0 | 41.5 | 45.0 | 45.5 | 45.0 | 47.5 | 49.0 | 55.0 | 50.0 | 55.0 | 55.5 | 60.5 |
解:在x−y平面上画散点图,直观地知道y与x大致为线性关系。用命令
polyfit(x,y,1)可得y=140.6194x+27.0269。
x=0.1:0.01:0.18;x=[x,0.2,0.21,0.23]'; y=[42,41.5,45,45.5,45,47.5,49,55,50,55,55.5,60.5]'; polyfit(x,y,1) plot(x,y,'r*')
作回归分析用命令
[b,bint,r,rint,ststs]=regress(y,x,alpha)
可用
help查阅此命令的具体用法
残差及置信区间可以用
rcoplot(r,rint) x=0.1:0.01:0.18;x=[x,0.2,0.21,0.23]'; y=[42,41.5,45,45.5,45,47.5,49,55,50,55,55.5,60.5]'; X=[ones(12,1),x]; [b,bint,r,rint,stats]=regress(y,X,0.05); b,bint,stats,rcoplot(r,rint)
结果含义为
β0=27.0269,β1=140.6194
β0的置信区间是[22.3226,31.7313]
β1的置信区间是[111.7842,169.4546]
R2=0.9219,F=118.0670,p<10−4.
R是衡量y与x的相关程度的指标,称为相关系数.R越大,x与y关系越密切.通常R大于0.9才认为相关关系成立.
F是一统计指标,p是与F对应的概率,当p<0.05时,回归模型成立.
此例中p=0<10−4<0.05,所以,所得回归模型成立。
观察所得残差分布图,看到第8个数据的残差置信区间不含零点,此点视为异常点,剔除后重新计算。
此时键入:
X(8,:)=[];y(8)=[]; [b,bint,r,rint,stats]=regress(y,X); b,bint,stats,rcoplot(r,rint) X(8,:)=[];y(8)=[]; [b,bint,r,rint,stats]=regress(y,X); b,bint,stats,rcoplot(r,rint)
得:
b=27.0992 137.8085
bint=23.8563 30.342 117.8534 157.7636
stats=0.9644244.05710.0000
可以看到:置信区间缩小;R2、F变大,所以应该采用修改后的结果。建立的回归预测方程为:y=27.0992+137.8085x
相关文章推荐
- 利用matlab中的函数进行线性回归分析
- matlab用于试验设计回归分析实验结果的例子
- 利用Matlab和SPSS软件实现聚类分析
- 利用matlab和NVIDIA Nsight进行cufft CUDA代码分析
- 利用rqt_plot与matlab分析KUKA youbot 的joint_states信息
- 如何利用matlab做BP神经网络分析(包括利用matlab神经网络工具箱)
- Matlab-差值/拟合/回归分析
- 【译文】利用STAN做贝叶斯回归分析:Part 2 非正态回归
- Matlab——回归分析
- 利用Spark-mllab进行聚类,分类,回归分析的代码实现(python)
- tensorflow1.1/利用rnn回归分析
- [matlab]regress回归分析中F统计量的计算
- 【自然语言处理入门】03:利用线性回归对数据集进行分析预测(上)
- 利用scipy, seaborn 做假设检验,回归分析
- Matlab篇----常用的回归分析Matlab命令(regress篇)
- Matlab_回归分析第二讲之Logistic回归
- Matlab回归分析regress和polyfit
- Matlab篇----常用的回归分析Matlab命令(regress篇)
- Matlab:回归分析(1)
- 分类器设计之logistic回归分析(含Matlab代码)