【回归分析】[3]--回归方程的显著性检验
data2 = {{391.95, 488.51}, {516.98, 798.30}, {355.63, 235.08}, {238.55, 299.45}, {537.78, 559.09}, {733.78, 1133.25}, {198.83, 348.74}, {252.62, 417.78}, {206.20, 344.52}, {231.18, 323.08}, {449.76, 620.75}, {288.57, 423.30}, {185.74, 202.61}, {1164.39, 1531.53}, {444.58, 553.48}, {412.87, 685.97}, {272.28, 324.24}, {781.80, 983.24}, {1209.22, 1762.02}, {825.51, 960.31}, {223.75, 284.61}, {354.84, 407.76}, {515.52, 982.66}, {220.46, 557.00}, {337.67, 440.92}, {197.12, 268.06}, {133.24, 262.05}, {374.01, 432.50}, {273.84, 338.36}, {570.36, 704.32}, {391.29, 585.68}, {201.86, 267.78}, {321.63, 408.34}, {838.90, 1165.57}};
![](/assets/blank.gif)
![](/assets/blank.gif)
lm = LinearModelFit[data2, x, x]
lm["ParameterTable"]
![](/assets/blank.gif)
Wif = data2[[All, 2]];
cc = lm["FitResiduals"];
(*先求出残差*)
cc2 = Total[cc^2]/(Length[cc] - 2);
Wp = N[Mean[Wif]];
cgm = Sqrt[cc2/(Total[(Wif - Wp)^2])];
cash = Abs[1.339 - 1.33]/cgm;
(*上面就是在套公式*)
Probability[-cash < x < cash,x \[Distributed] StudentTDistribution[94]]
![](/assets/blank.gif)
![](/assets/blank.gif)
lm["ANOVATable"]
![](/assets/blank.gif)
![](/assets/blank.gif)
Needs["LinearRegression`"];
Regress[data2, {1, x}, x, RegressionReport -> {ParameterCITable},ConfidenceLevel -> .95]
![](/assets/blank.gif)
lm[{"MeanPredictionConfidenceIntervalTable","SinglePredictionConfidenceIntervalTable"}]
![](/assets/blank.gif)
Show[Plot[Normal[lm], {x, 0, 1000}, PlotStyle -> Hue[.3]],ListPlot[data2]]
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
【回归分析】[3]--回归方程的显著性检验相关推荐
- 从统计学看线性回归(2)——一元线性回归方程的显著性检验
目 录 1. σ2 的估计 2. 回归方程的显著性检验 t 检验(回归系数的检验) F 检验(回归方程的检验) 相关系数的显著性检验 样本决定系数 三种检验的关系 一.σ2 的估计 因为假设检验以及构 ...
- 回归方程的显著性检验——F检验
回归方程的显著性检验--F检验 9.2 回归方程的显著性检验 (edu-edu.com.cn) 概念 记号: y i y_i yi:真实值,观测值 y ˉ \bar{y} yˉ:真实值的平均值 y ...
- 《数学建模:基于R》一一2.1 回归分析
本节书摘来自华章计算机<数学建模:基于R>一书中的第2章,第2.1节,作者:薛 毅 更多章节内容可以访问云栖社区"华章计算机"公众号查看. 2.1 回归分析 在许多实际 ...
- python与excel结合-使用Excel和python来做回归分析
使用Excel和python来做回归分析 作者:PHPYuan 时间:2018-08-01 03:40:50 聊完方差分析,就不得不说回归分析. 回归分析是一种应用广泛的统计分析方法,在金融,医学等领 ...
- 【数据挖掘知识点七】相关与回归分析
相关与回归分析 客观现象之间的数量联系存在两种不同类型:一种是函数关系,另一种是相关关系.当一个或几个变量取一定的值时,另一个变量有确定值与之对应,这种关系称为确定性的函数关系,一般把作为影响因素的变 ...
- 多云回归分析入门(老阿姨要重新开始学习概率论了~)
在数量分析中,经常会看到变量与变量之间存在着一定的联系.要了解变量之间如何发生相互影响的,就需要利用相关分析和回归分析.在上一章讲述了相关分析有关内容.本章介绍回归分析基本概念,回归分析的主要类型:一 ...
- matlab多元回归分析怎么计算,第11讲_matlab多元回归分析
<第11讲_matlab多元回归分析>由会员分享,可在线阅读,更多相关<第11讲_matlab多元回归分析(53页珍藏版)>请在人人文库网上搜索. 1.,数学建模与数学实验,回 ...
- matlab多元回归模型分析,matlab多元回归工具箱 Excel数据分析工具进行多元回归分析.doc...
matlab多元回归工具箱 Excel数据分析工具进行多元回归分析.doc matlab多元回归工具箱 Excel数据分析工具进行多元回归分析 导读:就爱阅读网友为您分享以下"Excel数据 ...
- 使用SPSS进行多元回归分析
比用matlab简单. 多元回归分析 在大多数的实际问题中,影响因变量的因素不是一个而是多个,我们称这类回问题为多元回归分析.可以建立因变量y与各自变量xj(j=1,2,3,-,n)之间的多元线性回归 ...
- R语言学习笔记8_回归分析和相关分析
目录 八.回归分析和相关分析 8.1 相关性及其度量 8.1.1 相关性概念 8.1.2 相关分析 8.2 一元线性回归分析 8.2.1 数学模型 8.2.2 估计与检验 8.2.3 预测与控制 8. ...
最新文章
- java软件测试技能要求_软件测试需要掌握什么技能
- 属性与意图识别_解密宝能汽车智能驾舱的“未来属性”
- Matlab | Matlab从入门到放弃(9)——浮点数取整
- 经典算法笔记:异常检测和推荐系统
- 【ArcGIS微课1000例】0009:ArcGIS影像拼接(镶嵌、镶嵌至新栅格)
- 点点文刊 -- 记录生活的色彩
- 2021 re:Invent ,我们到底该关注哪些发布?
- Gradle打可运行Jar包(包含依赖第三方库中的类)
- 营销管理手册_从店长手册入手,推动营销管理大升级
- 181112每日一句
- 与生命赛跑,Serverless提升AI诊断效率90% | 凌云时刻
- 【笔记】android应用签名
- 三种新姿势帮你写出精美简历
- srvany.exe读取配置文件问题
- 使用JS数组迭代方法渲染页面数据并实现查询功能
- 域名实名认证多长时间_域名的实名认证需要多少时间
- python策略模式的应用_策略模式-Python四种实现方式
- 折腾开源WRT的AC无线路由之路-3
- 哈希表解决冲突的方式
- 关于128x64OLED屏幕字体类型以及字体大小添加方法
热门文章
- GB2312编码规则与代码实现
- docker部署springboot项目
- [ERR] 1273 - Unknown collation: ‘utf8mb4_0900_ai_ci‘
- HDU1269-迷宫城堡
- 华为OD机试(JAVA)真题22版
- GitHub的Fork 是什么意思?『举了个挺不错的例子,程序员Joe』
- C语言删除数组中的重复元素(详细分析版)
- 爬取https://sc.chinaz.com/tupian/的图片
- python 把京东订单,推送到测试环境,提供便利
- 关于Hbase手动实现Major Compact的办法