数学建模：统计模型
数学建模方法模型
数学建模方法模型一、统计学方法1 多元回归1、方法概述:在研究变量之间的相互影响关系模型时候用到。
具体地说:其可以定量地描述某一现象和某些因素之间的函数关系，将各变量的已知值带入回归方程可以求出因变量的估计值，从而可以进行预测等相关研究。
2、分类分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变化转化为线性回归，比如:y=lnx可以转化为y=u u=lnx来解决;所以这里主要说明多元线性回归应该注意的问题。
3、注意事项在做回归的时候，一定要注意两件事:(1)回归方程的显著性检验(可以通过 sas 和 spss 来解决)(2)回归系数的显著性检验(可以通过 sas 和 spss 来解决)检验是很多学生在建模中不注意的地方，好的检验结果可以体现出你模型的优劣，是完整论文的体现，所以这点大家一定要注意。
4、使用步骤:(1)根据已知条件的数据，通过预处理得出图像的大致趋势或者数据之间的大致关系; (2)选取适当的回归方程;(3)拟合回归参数;(4)回归方程显著性检验及回归系数显著性检验(5)进行后继研究(如:预测等)2 聚类分析1、方法概述该方法说的通俗一点就是，将n个样本，通过适当的方法(选取方法很多，大家可以自行查找，可以在数据挖掘类的书籍中查找到，这里不再阐述)选取m 聚类中心，通过研究各样本和各个聚类中心的距离Xij，选择适当的聚类标准，通常利用最小距离法(一个样本归于一个类也就意味着，该样本距离该类对应的中心距离最近)来聚类，从而可以得到聚类结果，如果利用sas软件或者spss软件来做聚类分析，就可以得到相应的动态聚类图。
这种模型的的特点是直观，容易理解。
2、分类聚类有两种类型:(1)Q型聚类:即对样本聚类；(2)R型聚类:即对变量聚类；通常聚类中衡量标准的选取有两种:(1)相似系数法(2)距离法聚类方法:(1)最短距离法(2)最长距离法(3)中间距离法(4)重心法(5)类平均法(6)可变类平均法(8) 利差平均和法在具体做题中，适当选区方法;3、注意事项在样本量比较大时，要得到聚类结果就显得不是很容易，这时需要根据背景知识和相关的其他方法辅助处理。
数学建模之统计模型
数学建模之统计模型主讲：张伟内容概要•统计模型概要•参数检验•非参数检验•方差分析一、统计模型（Statistical Model）1. 概念有些过程无法用理论分析方法导出其模型，但可通过试验或直接由工业过程测定数据，经过数理统计求得各变变量之间的函数关系，称为统计模型数学建模就是利用数学方法来解决实际问题。
常用模型：最大似然估计、回归分析、聚类分析、非参数估计等软件：SPSS统计软件2.建模背景案例1：眼科病床的合理安排（2009年B题）该医院眼科门诊每天开放，住院部共有病床79张。
该医院眼科手术主要分四大类：白内障、视网膜疾病、青光眼和外伤。
附录中给出了2008年7月13日至2008年9月11日这段时间里各类病人的情况。
案例2：葡萄酒的评价问题（2012年A题）二、参数检验（Parametric Tests）当总体分布已知（如总体为正态分布），根据样本数据对总体分布的统计参数进行推断。
主要目的（1）估计参数的取值，（2）对参数进行某种统计检验。
这类问题往往用参数检验来进行统计推断。
（单个或多个参数）.某车间用一台包装机包装葡萄糖.包得的袋装糖当机器正常时,某日开工后为检验包装机是否正常,包装的糖9袋,称得净重为(公斤):0.497 0.506 0.518 0.524 0.4980.511 0.520 0.515 0.512问机器是否正常?案例3：重是一个随机变量X ,且),(~2σμN X 其均值为μ=0.5公斤,标准差σ=0.015公斤.随机地抽取它所（α=0.05）提出假设寻求统计量写出拒绝域进行检验解题思路：求解:SPSS软件或是Excel三、非参数检验（Nonparametric Tests）当总体分布未知，根据样本数据对总体分布的统计参数进行推断。
主要目的（1）估计参数的取值；（2）对参数进行某种统计检验。
这类问题往往用参数检验来进行统计推断。
（单个或多个参数）.1.单样本检验（拟合性检验）样本观测值总体分布（1）卡方检验寻求方法拟合（2）二项分布检验（3）K-S检验注：主要服从分布：离散型分布，正态分布，指数分布等案例1中：病床的合理安排需要做数据分析，拟合以下两个重要的指标：（1）病人到达人数服从Poisson分布，分布检验，分布参数提取；（2）术后住院时间分布：正态分布or Г分布or 经验分布；案例2中问题1：首先，通过单样本K-S检验确定葡萄酒评分数据的概率分布；然后再做显著性检验。
数学建模中的概率统计模型1
残差及其置信区间可以用rcoplot(r,rint)画图。
3、将变量t、x、y的数据保存在文件data中。 save data t x y 4、进行统计分析时，调用数据文件data中的数 据。 load data 方法2 1、输入矩阵：
data=[78,79,80,81,82,83,84,85,86,87; 23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4; 41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0]
线性模型 (Y , X , I n ) 考虑的主要问题是： （1） 用试验值（样本值）对未知参数 和 2 作点估计和假设检验，从而建立 y 与
x1 , x 2 ,..., x k 之间的数量关系；
（2）在 x1 x01 , x2 x02 ,..., xk x0 k , 处对 y 的值作预测与控制，即对 y 作区间估计.
1 ( x0 x ) 2 ˆ 1 d n t (n 2) n Lxx 2
Q ˆ n2
2
设y在某个区间(y1, y2)取值时, 应如何控制x 的取值范围, 这样的问题称为控制问题。
可线性化的一元非线性回归 需要配曲线，配曲线的一般方法是： • 先对两个变量x和y 作n次试验观察得画出 散点图。 • 根据散点图确定须配曲线的类型。 • 由n对试验数据确定每一类曲线的未知参数 a和b采用的方法是通过变量代换把非线性 回归化成线性回归，即采用非线性回归线 性化的方法。
数学建模-多元统计模型专题(最新版)
河南科技大学数学与统计学院 （2010-07-23） 武新乾
一、前言
24 年前（1986 年） ，美国出现了大学生数学建模竞赛。随着改革开放的进程，数模竞赛 逐渐传入我国。1992 年，开始国内第一届大学生数学建模比赛。数模竞赛一经传入，便受 到了全国高校的普遍关注，引起了大学生的广泛兴趣。特别是近年来，虽然试题难度不断增 大，但是，参赛的学生规模空前膨胀，获奖的组队也日益增加，论文质量不断提高。 综观 18 年的竞赛试题，问题广泛，解决方案多种多样，其中基于统计分析的问题屡见 不鲜。比如：1992 年 A 题（简单记为 1992A，下同） “施肥方案对作物、蔬菜的影响” ，采 用多元二次回归、全回归、逐步回归和二次响应面回归；1993A“非线性交调的频率设计” ， 采用最小二乘方法（简单记为 LS） ；1998A“资产投资收益与风险模型”和 2000A“DNA 序 列的分类” ，都采用多元分析方法；2001A“血管管道的三维重建”和“血管切片的三维重 建” ，分别采用 LS 方法和非线性拟合；2001B“公交车调度的规划数学模型” ，采用聚类分 析、 平滑方法和随机过程的有关知识； 2003A “SARS 传播的数学原理及预测与控制” 和 “SARS 传播的研究” ，均考虑了时间序列的应用；2003A“SARS 传播预测的数学模型” ，采用非线 性拟合，建立了指数模型；2004A“ MS 网点的合理布局”采用了聚类分析， “基于利润最大 化的实运商业网点分布微观经济模型”采用多元统计分析方法，另外， “临时超市网点的规 划模型研究”考虑了经验分布的应用；2004B“电力市场的输电阻塞优化管理（指导教师： 肖华勇） ”和“电力市场输电阻塞管理模型” ，均使用了多元线性回归；2005A“长江水质的 评价和预测” 、 “长江水质的评价预测模型” （二元线性回归预测） 、 “基于回归分析的长江水 质预测与控制” ，均考虑了回归分析，此外， “长江水质评价和预测的研究” 、 “水质的评价和 预测模型” ，均考虑了时间序列分析方法和多元线性回归模型；2005B“DVD 在线租赁系统 的优化设计”应用了抽样统计和随机服务模型， “DVD 在线租赁问题”和“DVD 租赁优化 方案（指导教师：孙浩） ”考虑了二项分布和随机模拟；2005B“DVD 在线租赁问题研究” 和 2005C“雨量预报方法的评价模型”考虑了均值的应用；2006B“艾滋病疗法评价及疗效 预测模型”使用了二次曲线和多元方差分析， “艾滋病疗法评价及疗效的预测模型”使用了 逐步回归方法， “艾滋病疗法的评价及疗效的预测模型”应用了假设检验和方差分析， “艾滋 病疗法的评价及疗效的预测”使用了线性拟合、二次和三次曲线拟合与非线性回归， “基于 数据统计分析的艾滋病疗效评价方法”采用了 F-检验和二次多项式回归；2007A“中国人口 区域结构向量模型”采用了倒数曲线模型拟合， “基于 Les lie 模型的中国人口预测及蒙特卡 罗仿真（指导教师：梅长林） ”应用了概率方法；2008A“数码相机定位”应用了多元线性 回归分析；2008B“高等教育学费标准探讨（华南农业大学，编号 1910） ”应用了因子分析、 主成分分析和聚类分析， “高等教育学费标准的探讨（华南农业大学，编号 1920） ”采用了 多元回归分析、数据挖掘和模拟退火算法， “关于高等教育学费标准的评价及建议（编号 cumcm0849） ”和“高校学费合理性研究（编号 cumcm0860） ”分别考虑了回归分析和曲线 拟合。 由是可知， 多元统计分析是常见的解决数模竞赛的主要工具之一， 务必给以充分的重视 和加强训练指导。
数学建模统计模型教学教案
数学建模统计模型教学教案一、教学内容本节课的教学内容选自人教版高中数学选修23第二章第四节“回归分析”和第三章第三节“独立性检验”。
具体内容包括：1. 回归直线方程的求法及应用；2. 相关系数的概念及其应用；3. 独立性检验的方法及其应用。
二、教学目标1. 理解回归直线方程、相关系数的概念，学会求回归直线方程和计算相关系数；2. 掌握独立性检验的方法，并能运用独立性检验解决实际问题；3. 培养学生的数据分析能力、数学建模能力和解决实际问题的能力。
三、教学难点与重点1. 教学难点：回归直线方程的求法、相关系数的计算、独立性检验的方法及应用；2. 教学重点：回归直线方程的求法、相关系数的计算、独立性检验的方法。
四、教具与学具准备1. 教具：多媒体教学设备、黑板、粉笔；2. 学具：教材、笔记本、计算器。
五、教学过程1. 实践情景引入：以“调查某班级学生的身高和体重关系”为例，引导学生思考如何利用数学模型描述身高和体重之间的关系；2. 讲解回归直线方程的求法：通过示例，讲解最小二乘法求回归直线方程的步骤，让学生掌握求回归直线方程的方法；3. 讲解相关系数的概念及计算方法：解释相关系数的概念，演示如何利用计算器计算相关系数，让学生理解相关系数的作用；4. 应用练习：让学生运用回归直线方程和相关系数解决实际问题，如预测某学生的体重；5. 讲解独立性检验的方法：通过示例，讲解独立性检验的步骤，让学生掌握独立性检验的方法；6. 应用练习：让学生运用独立性检验解决实际问题，如判断“性别与购买意愿是否独立”；六、板书设计1. 回归直线方程的求法；2. 相关系数的概念及其计算方法；3. 独立性检验的方法。
七、作业设计1. 求下列数据的回归直线方程：身高（x）：165, 170, 172, 175, 180体重（y）：60, 62, 64, 66, 682. 计算下列数据的相关系数：身高（x）：165, 170, 172, 175, 180体重（y）：60, 62, 64, 66, 683. 某班级有男生20人，女生15人，男生中有12人购买了某商品，女生中有8人购买了该商品。
统计模型在数学建模的应用
对因变量的影响是否显著.
• 模型改进, 如增添二次项、交互项等. • 对因变量进行预测.
2 软件开发人员的薪金
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. 46名软件开发人员的档案资料
编 号 01 02 03 04 薪金 13876 11608 18701 11283 资 历 1 1 1 1 管 理 1 0 1 0 教 育 1 3 3 2 编 号 42 43 44 45 46 薪金 27837 18838 17483 19207 19346 资 历 16 16 16 17 20 管 理 1 0 0 0 0 教 育 2 2 1 2 1
销售 周期 1 2
29 30
3.80 3.70
3.85 4.25
5.80 6.80
0.05 0.55
7.93 9.26
基本模型
y ~公司牙膏销售量 x1~其他厂家与本公司价格差 x2~公司广告费用
y 10
9.5 9 8.5 8 7.5 7 -0.2 0 0.2 0.4 0.6
e 与资历x1的关系
2000 1000
2000 1000 0 -1000
0
-1000
-2000
0
5
10
15
20
-2000
1
2
3
4
5
6
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.
残差全为正,或全为负,管 理—教育组合处理不当. 应在模型中增加管理x2与 教育x3, x4的交互项 .
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，及同期其他厂家同类牙膏的平均售价 .
数学建模统计模型教学教案
数学建模统计模型教学教案一、教学内容本节课选自高中数学教材《数学建模与统计》第十章，具体内容为第一节的统计模型。
详细内容包括描述统计和推断统计的基础知识，重点探讨如何构建线性回归模型，以及如何运用该模型进行数据的预测和分析。
二、教学目标1. 理解并掌握描述统计和推断统计的基本概念和方法；2. 学会构建线性回归模型，并运用模型对实际问题进行预测和分析；3. 培养学生的数据分析能力和解决实际问题的能力。
三、教学难点与重点教学难点：线性回归模型的构建和应用。
教学重点：描述统计和推断统计的基本概念，以及线性回归模型的构建和应用。
四、教具与学具准备1. 教具：多媒体教学设备、黑板、粉笔；2. 学具：教材、练习本、计算器。
五、教学过程1. 引入：通过展示一组实际数据，引出描述统计和推断统计的概念，激发学生的兴趣。
2. 知识讲解：a. 简要介绍描述统计和推断统计的基本概念；b. 详细讲解线性回归模型的构建方法和应用。
3. 例题讲解：a. 演示如何构建线性回归模型；b. 结合实际案例，展示如何运用线性回归模型进行预测和分析。
4. 随堂练习：a. 让学生独立完成一组实际数据的描述统计分析；b. 引导学生构建线性回归模型，并对数据进行预测和分析。
六、板书设计1. 描述统计和推断统计的概念；2. 线性回归模型的构建方法；3. 线性回归模型的应用案例；4. 随堂练习的解答。
七、作业设计1. 作业题目：a. 对一组实际数据进行描述统计分析；b. 根据给定的数据，构建线性回归模型，并进行预测和分析。
2. 答案：见附件。
八、课后反思及拓展延伸1. 反思：本节课学生对描述统计和推断统计的概念掌握情况，以及对线性回归模型构建和应用的理解程度。
2. 拓展延伸：a. 探讨其他统计模型（如非线性回归、时间序列分析等）在实际问题中的应用；b. 引导学生参加数学建模竞赛，提高解决实际问题的能力。
重点和难点解析1. 线性回归模型的构建方法；2. 线性回归模型在实际问题中的应用；3. 课后作业的设计与答案。
数学建模模型常用的四大模型及对应算法原理总结
数学建模模型常用的四大模型及对应算法原理总结四大模型对应算法原理及案例使用教程：一、优化模型线性规划线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，在线性回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
案例实操非线性规划如果目标函数或者约束条件中至少有一个是非线性函数时的最优化问题叫非线性规划问题，是求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。
建立非线性规划模型首先要选定适当的目标变量和决策变量，并建立起目标变量与决策变量之间的函数关系，即目标函数。
然后将各种限制条件加以抽象，得出决策变量应满足的一些等式或不等式，即约束条件。
整数规划整数规划分为两类：一类为纯整数规划，记为PIP，它要求问题中的全部变量都取整数；另一类是混合整数规划，记之为MIP，它的某些变量只能取整数，而其他变量则为连续变量。
整数规划的特殊情况是0-1规划，其变量只取0或者1。
多目标规划求解多目标规划的方法大体上有以下几种：一种是化多为少的方法，即把多目标化为比较容易求解的单目标，如主要目标法、线性加权法、理想点法等；另一种叫分层序列法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。
目标规划目标规划是一种用来进行含有单目标和多目标的决策分析的数学规划方法，是线性规划的特殊类型。
目标规划的一般模型如下：设xj是目标规划的决策变量，共有m个约束条件是刚性约束，可能是等式约束，也可能是不等式约束。
设有l个柔性目标约束条件，其目标规划约束的偏差为d+, d-。
设有q个优先级别，分别为P1, P2, …, Pq。
在同一个优先级Pk中，有不同的权重，分别记为[插图], [插图]（j=1,2, …, l）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
明确问题一 牙膏的销售量
• 确定关系： – 牙膏销售量——价格、广告投入 • 内部规律复杂数据统计分析 – 常用模型回归模型×数学原理软件 • 30个销售周期数据： – 销售量、价格、广告费用、同类产品均价
销售周期 公司价 (元) 它厂价 (元) 广告(百万元) 1 2 3.85 3.75 3.80 4.00 5.50 6.75 价差(元) -0.05 0.25 销售量(百万支) 7.38 8.51
ˆ ˆ ˆ ˆ ˆ ˆ ˆ 从输出 Export 可得 (0 , 1, 2 , 3 , 4 , 5 )
鼠标移动十字线(或下方窗口输入)可改变x1, x2, 左边窗 ˆ y 口显示预测值 及预测区间
13
牙膏的销售量
建立统计回归模型的基本步骤
• 根据已知数据从常识和经验分析, 辅之以作图,
9.5 9 8.5 8 7.5 7 5 5.5 6 6.5 7 7.5
y 0 1 x1
多元回归模型
x1
2 y 0 1 x2 2 2 x2 3 x2
4
3. 模型求解
回归系数
Matlab 统计分析
ˆ y 略有增加
预测区间长度更短
9
ˆ 6. 比较:两模型 y与x1, x2的关系
ˆ ˆ 2 ˆ ˆ ˆ y 0 1 x1 2 x2 3 x2 ˆ y 9
8.5
ˆ ˆ ˆ 2 ˆ ˆ 0 1 x1 2 x2 3 x2 4 x1 x2 y ˆ y 9
5
4. 结果分析
参数
2 y 0 1 x1 2 x2 3 x2
0 1 2 3
R2=0.9054 即：
参数估计值 17.3244 1.3070 -3.6956 0.3486 F=82.9409
2 y 17.32 1.31x1 3.70 x2 0.35x2
检验统计量：R2,F,p 显著性水平：0.05
• rcoplot(r,rint) 残差及其置信区间作图 • MATLAB7.0版本 s增加一个统计量: 剩余方差s2 x=[ones(size(x1)),x1,x2,x2.^2]; 程序 [b,bint,r,rint,stats]=regress(y,x)
…
29 30
…
3.80 3.70
…
3.85 4.25
…
5.80 6.80
…
0.05 0.55
…
7.93 9.26
3
2. 基本模型
y ~公司牙膏销售量 x1~其它厂家与本公司价格差 x2~公司广告费用 y 10
9.5 9 8.5 8 7.5 7 -0.2 0 0.2 0.4 0.6
被解释变量（因变量） 解释变量 (回归变量, 自变量) y 10
置信区间 [5.7282 28.9206] [0.6829 1.9311 ] [-7.4989 0.1077 ] [0.0379 0.6594 ] p<0.0001 s2=0.0490
显著性 ：整体显著 y的90.54%可由模型确定、 F远超过F检验的临界 值、 p远小于=0.05 x2 ：2 置信区间包含零点, 但右端点距零点很近 ——x2 对因变量 y 的影响不太显著； 3 显著 , 故x22项显著 但可将x2保留在模型中
ˆ ˆ ˆ 2 ˆ ˆ y 0 1x1 2 x2 3 x2 4 x1x2
2 ˆ y 29.133 11.1342x1 7.6080x2 0.6712x2 1.4777x1 x2
ˆ y
ˆ y
x1 0.3
x1 0.1
x1 0.3
2 30.2267 7.7558 x 2 0.6712 x 2
1
线性回归实例选讲－－牙膏的销售量
1. 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，及同期其他厂家同类牙膏的平均售价 .
销售 周期 1 2 29 30 本公司价 格(元) 3.85 3.75 3.80 3.70 其他厂家 价格(元) 3.80 4.00 3.85 4.25 广告费用 (百万元) 5.50 6.75 5.80 6.80 价格差 （元） -0.05 0.25 0.05 0.55 销售量 (百万支) 7.38 8.51 7.93 9.26
jk x j xk
12
完全二次多项式模型
2 2 y 0 1 x1 2 x2 3 x1 x2 4 x1 5 x2
MATLAB中有命令rstool直接求解 Rstool(x,y,’model’,alpha,’xname’,’yname’)
ˆ y
10 9.5 9 8.5 8 7.5 0 0.2 0.4 5.5 6 6.5 7
置信区间 [13.7013 44.5252] [1.9778 20.2906 ] [-12.6932 -2.5228 ] [0.2538 1.0887 ] [-2.8518 -0.1037 ] 8 p<0.0001 s2=0.0490
比较: 两模型销售量预测
控制价格差 x1=0.2 元，投入广告费 x2=6.5 百万元
6
销售量预测
ˆ ˆ ˆ 2 ˆ ˆ y 0 1 x1 2 x2 3 x2
控制x1
价差x1=它厂价x3-公司价x4
估计x3，调整x4
预测y
控制价格差 x1=0.2元，投入广告费 x2=6.5 百万元
ˆ ˆ ˆ ˆ 2 ˆ 得 y 0 1 x1 2 x2 3 x2 8.2933(百万支)
y 0 1 x1 m x m jj x 2 j
j 1
n
0 1 x1 m xm
1 j k m
jk x j xk
quadratic（完全二次）： y
0 1 x1 m xm
1 j , k m
底物浓度
250 200 150 100 50 0
2 x
250 200 150
1 x
2
x
2 (半速度点)
y
数据 分析
经嘌呤霉 素处理
0 0.5 1 1.5
16
底物浓度(ppm) 反应速 度
0.22
0.56
1.10
分 析
酶促反应的基本性质 底物浓度较小时，反应速度大致与浓度成正比； 底物浓度很大、渐进饱和时，反应速度趋于固定值
基本模型
酶促反应的速度
Michaelis-Menten模型 待定系数 =(1 , 2)
y
1 1/2
0
y
y f ( x, )
置信区间 [5.7282 28.9206] [0.6829 1.9311 ] [-7.4989 0.1077 ] [0.0379 0.6594 ] p<0.0001 s2=0.0426
参数估计值 0 29.1133 1 11.1342 2 -7.6080 3 0.6712 4 -1.4777 R2=0.9209 F=72.7771
问 研究酶促反应（酶催化反应）中——嘌呤霉素 题 (处理与否)——对反应速度与底物（反应物）浓
度之间关系的影响.
• 酶促反应 – 由酶作为催化剂催化进行的化学反应 – 生物体内的化学反应绝大多数属于酶促反应 – 酶促反应中酶作为高效催化剂使得反应以极快的速度 （103~1017倍）或在一般情况下无法反应的条件下进行 – 酶是生物体内进行各种化学反应最重要的因素
2 32.4535 8.0513 x 2 0.6712 x 2
ˆ y
ˆ y
x1 0.1
10.5 10 9.5 9 x1=0.3 x1=0.1
x2
价格优势y 广告投入y （ x2大于6百万元） 价格差较小时 增加的速率更大
ˆ y
8.5 8 7.5 5 6 7 8
价格差较小广告作用大
决定回归变量及函数形式(先取尽量简单的形式).
• 用软件(如MATLAB统计工具箱)求解.
• 对结果作统计分析: R2,F, p, s2是对模型整体评价, 回归系数置信区间是否含零点检验其影响的显著性. • 模型改进, 如增添二次项、交互项等.
• 对因变量进行预测.
14
非线性回归实例选讲－－酶促反应
x2
11
多元二项式回归
命令：rstool（x，y，’model’, alpha） nm矩阵 n维列向量
显著性水平 （缺省时为0.05）
由下列 4 个模型中选择 1 个（用字符串输入，缺省时为线性模型）： linear（线性）： y 0 1 x1 m xm purequadratic（纯二次）： interaction（交叉）： y
ˆ ˆ ˆ ˆ 2 ˆ 0 1x1 2 x2 3 x2 y
ˆ y 8.2933 (百万支)
区间 [7.8230，8.7636]
ˆ ˆ ˆ 2 ˆ ˆ 0 1x1 2 x2 3 x2 4 x1x2 y
ˆ y 8.3272(百万支)
区间 [7.8953，8.7592]
比较： 置信区间, R2
y 0 1 x1 2 x2 3 x
2 2
参数
0 1 2 3
R2=0.9054 参数
2 y 0 1 x1 2 x2 3 x2 4 x1 x2
参数估计值 17.3244 1.3070 -3.6956 0.3486 F=82.9409
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