非线性回归分析
回归分析中，当研究的因果关系只涉及因变量和一个自变量时，叫做一元回归分析；当研究的因果关系涉及因变量和两个或两个以上自变量时，叫做多元回归分析。此外，回归分析中，又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的，分为线性回归分析和非线性回归分析。通常线性回归分析法是最基本的分析方法，遇到非线性回归问题可以借助数学手段化为线性回归问题处理
两个现象变量之间的相关关系并非线性关系，而呈现某种非线性的曲线关系，如：双曲线、二次曲线、三次曲线、幂函数曲线、指数函数曲线(Gompertz)、S型曲线(Logistic) 对数曲线、指数曲线等，以这些变量之间的曲线相关关系，拟合相应的回归曲线，建立非线性回归方程，进行回归分析称为非线性回归分析
常见非线性规划曲线
1.双曲线1b
a
y x =+
2.二次曲线
3.三次曲线
4.幂函数曲线
5.指数函数曲线(Gompertz)
6.倒指数曲线y=a
/
e b x其中a>0，
7.S型曲线(Logistic)
1
e x y
a b-=
+
8.对数曲线y=a+b log x,x>0
9.指数曲线y=a e bx其中参数a>0
1．回归：
（1）确定回归系数的命令
[beta，r，J]=nlinfit（x,y,’model’,beta0）
（2）非线性回归命令：nlintool（x，y，’model’, beta0，alpha）
2．预测和预测误差估计：
[Y，DELTA]=nlpredci（’model’, x，beta，r，J）
求nlinfit 或lintool所得的回归函数在x处的预测值Y及预测值的显著性水平为1-alpha的置信区间Y，DELTA.
例2 观测物体降落的距离s与时间t的关系，得到数据如下表，求s
2
解：
1. 对将要拟合的非线性模型y=a/
e b x，建立M文件volum.m如下：
function yhat=volum(beta,x)
yhat=beta(1)*exp(beta(2)./x);
2．输入数据：
x=2:16;
y=[6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76];
beta0=[8 2]';
3．求回归系数：
[beta,r ,J]=nlinfit(x',y','volum',beta0)；
beta
即得回归模型为：
1.0641
11.6036e x y-
=
4．预测及作图：
[YY,delta]=nlpredci('volum',x',beta,r ,J)；
plot(x,y,'k+',x,YY,'r')
2．非线性函数的线性化
曲线方程
曲线图形
变换公式
变换后的线性函数
b
y ax
＝
ln ln ln c a v x u y
＝＝＝ u c bv +＝
bx
y ae
＝
ln ln c a u y
＝＝
u c bv +＝
b x
e y a
＝
1ln ln x c a v u y
=＝＝
u c bv +＝
ln y a b x +＝
ln v x u y
＝＝ u bv +＝a
曲线与方程 命题人：褚晓清 审核人：王焕功 一、选择题 1、方程(x 2＋y 2－4) x ＋y ＋1＝0的曲线形状是( ) 2、已知点P 是直线2x －y ＋3＝0上的一个动点，定点M (－1，2)，Q 是线段PM 延长线上的一点，且|PM |＝|MQ |，则Q 点的轨迹方程是( ) A ．2x ＋y ＋1＝0 B ．2x －y －5＝0 C ．2x －y －1＝0 D ．2x －y ＋5＝0 3、已知命题“曲线C 上的点的坐标是方程(,)0f x y =的解”是正确的，则下列命题中正确的是 A ．满足方程(,)0f x y =的点都在曲线C 上 B ．方程(,)0f x y =是曲线 C 的方程 C ．方程(,)0f x y =所表示的曲线不一定是C D ．以上说法都正确 4、方程2(326)[log (2)3]0x y x y --+-=表示的图形经过点(0,1)A -，(2,3)B ，(2,0)C ，57(,)34 D -中的 A ．0个 B ．1个 C ．2个 D ．3个 52(2)0y +=表示的图形是 A ．圆 B ．两条直线 C ．一个点 D ．两个点 6、方程y =- A B C D
7、一条线段的长等于10，两端点,A B 分别在x 轴和y 轴上滑动，M 在线段AB 上 且4AM MB =，则点M 的轨迹方程是 A ．221664x y += B ． 221664x y += C ．22168x y += D ．22168x y += 8、“点M 在曲线||y x =上”是“点M 到两坐标轴距离相等”的 A ．充要条件 B ．充分不必要条件 C ．必要不充分条件 D ．既不充分也不必要条件 9、已知(2,0)M -，(2,0)N ，则以MN 为斜边的直角三角形的直角顶点P 的轨迹方程是 A ． 222x y += B ．224x y += C ．222(2)x y x +=≠± D ．224(2)x y x +=≠± 10、一动点C 在曲线221x y +=上移动时，它和定点B (3，0)连线的中点P 的轨迹方程是 A ．22(3)4x y ++= B ．22(3)1x y -+= C ．22(23)41x y -+= D ．223()12 x y ++= 11、已知F 1，F 2分别为椭圆C ：x 24＋y 23 ＝1的左、右焦点，点P 为椭圆C 上的动点，则△PF 1F 2的重心G 的轨迹方程为( ) A.x 236＋y 227＝1(y ≠0) B.4x 29 ＋y 2＝1(y ≠0) C.9x 24＋3y 2＝1(y ≠0) D ．x 2＋4y 23＝1(y ≠0) 12、设圆C 与圆x 2＋(y －3)2 ＝1外切，与直线y ＝0相切，则C 的圆心轨迹为( ) A ．抛物线 B ．双曲线 C ．椭圆 D ．圆 二、填空题 13、已知△ABC 的顶点B (0，0)，C (5，0)，AB 边上的中线长|CD |＝3，则顶点A 的轨迹方程为__________． 14、曲线y =||0()y ax a +=∈R 的交点有______个． 15、已知两定点A (－2，0)，B (1，0)，如果动点P 满足|PA |＝2|PB |，则点P 的 轨迹所包围的图形的面积为__________．
SPSS—非线性回归(模型表达式)案例解析 2011-11-16 10:56 由简单到复杂，人生有下坡就必有上坡，有低潮就必有高潮的迭起，随着SPSS 的深入学习，已经逐渐开始走向复杂，今天跟大家交流一下，SPSS非线性回归，希望大家能够指点一二！ 非线性回归过程是用来建立因变量与一组自变量之间的非线性关系，它不像线性模型那样有众多的假设条件，可以在自变量和因变量之间建立任何形式的模型非线性，能够通过变量转换成为线性模型——称之为本质线性模型，转换后的模型，用线性回归的方式处理转换后的模型，有的非线性模型并不能够通过变量转换为线性模型，我们称之为：本质非线性模型 还是以“销售量”和“广告费用”这个样本为例，进行研究，前面已经研究得出：“二次曲线模型”比“线性模型”能够更好的拟合“销售量随着广告费用的增加而呈现的趋势变化”，那么“二次曲线”会不会是最佳模型呢？ 答案是否定的，因为“非线性模型”能够更好的拟合“销售量随着广告费用的增加而呈现的变化趋势” 下面我们开始研究： 第一步：非线性模型那么多，我们应该选择“哪一个模型呢？” 1：绘制图形，根据图形的变化趋势结合自己的经验判断，选择合适的模型 点击“图形”—图表构建程序—进入如下所示界面：
点击确定按钮，得到如下结果：
放眼望去, 图形的变化趋势，其实是一条曲线，这条曲线更倾向于"S" 型曲线，我们来验证一下，看“二次曲线”和“S曲线”相比，两者哪一个的拟合度更高！ 点击“分析—回归—曲线估计——进入如下界面
在“模型”选项中，勾选”二次项“和”S" 两个模型，点击确定，得到如下结果： 通过“二次”和“S “ 两个模型的对比，可以看出S 模型的拟合度明显高于
数据点基本落在一条直线附近。这告诉我们，变量X与Y的关系大致可看作是线性关系，即它们之间的相互关系可以用线性关系来描述。但是由于并非所有的数据点完全落在一条直线上，因此X与Y的关系并没有确切到可以唯一地由一个X值确定一个Y值的程度。其它因素，诸如其它微量元素的含量以及测试误差等都会影响Y的测试结果。如果我们要研究X与Y的关系，可以作线性拟合 （2-1-1） 我们称（2-1-1）式为回归方程，a与b是待定常数，称为回归系数。从理论上讲，（2-1-1）式有无穷多组解，回归分析的任务是求出其最佳的线性拟合。 二、最小二乘法原理 如果把用回归方程计算得到的i值(i=1,2,…n)称为回归值，那么实际测量值y i与回归值i之间存在着偏差，我们把这种偏差称为残差，记为e i(i=1,2,3,…,n)。这样，我们就可以用残差平方和来度量测量值与回归直线的接近或偏差程度。残差平方和定义为: (2-1-2) 所谓最小二乘法，就是选择a和b使Q(a,b)最小，即用最小二乘法得到的回归直线是在所 有直线中与测量值残差平方和Q最小的一条。由(2-1-2)式可知Q是关于a,b的二次函数，所以它的最小值总是存在的。下面讨论的a和b的求法。 三、正规方程组 根据微分中求极值的方法可知，Q(a,b)取得最小值应满足 (2-1-3) 由(2-1-2)式，并考虑上述条件，则 (2-1-4) (2-1-4)式称为正规方程组。解这一方程组可得 (2-1-5) 其中 (2-1-6)
(2-1-7) 式中，L xy称为xy的协方差之和，L xx称为x的平方差之和。 如果改写(2-1-1)式，可得 (2-1-8) 或 (2-1-9) 由此可见，回归直线是通过点的，即通过由所有实验测量值的平均值组成的点。从力学观点看， 即是N个散点的重心位置。 现在我们来建立关于例1的回归关系式。将表2-1-1的结果代入(2-1-5)式至(2-1-7)式，得出 a=1231.65 b=-2236.63 因此，在例1中灰铸铁初生奥氏体析出温度(y)与氮含量(x)的回归关系式为 y=1231.65-2236.63x 四、一元线性回归的统计学原理 如果X和Y都是相关的随机变量，在确定x的条件下，对应的y值并不确定，而是形成一个分布。当X 取确定的值时，Y的数学期望值也就确定了，因此Y的数学期望是x的函数，即 E(Y|X=x)=f(x) (2-1-10) 这里方程f(x)称为Y对X的回归方程。如果回归方程是线性的，则 E(Y|X=x)=α+βx (2-1-11) 或 Y=α+βx+ε(2-1-12) 其中 ε―随机误差 从样本中我们只能得到关于特征数的估计，并不能精确地求出特征数。因此只能用f(x)的估计 式来取代（2-1-11）式，用参数a和b分别作为α和β的估计量。那么，这两个估计量是否能够满足要求呢？ 1. 无偏性 把(x,y)的n组观测值作为一个样本，由样本只能得到总体参数α和β的估计值。可以证明，当满足下列条件： (1)(x i,y i)是n个相互独立的观测值 (2)εi是服从分布的随机变量 则由最小二乘法得到的a与b分别是总体参数α和β的无偏估计，即 E(a)= α E(b)=β 由此可推知 E()=E(y)
曲线和方程练习题 一、选择题 1、（2014·安徽高考文科·Ｔ3）抛物线2 14 y x = 的准线方程是（ ） A. 1-=y B. 2-=y C. 1-=x D. 2-=x 【解题提示】 将抛物线化为标准形式即可得出。 【解析】选A 。22 144 y x x y = ?，所以抛物线的准线方程是y=-1. 2. (2014·新课标全国卷Ⅱ高考文科数学·T10) (2014·新课标全国卷Ⅱ高考文科数学·T10)设F 为抛物线C:y 2=3x 的焦点,过F 且倾斜角为30°的直线交C 于A,B 两点,则 AB = ( ) A. B.6 C.12 D. 【解题提示】画出图形,利用抛物线的定义求解. 【解析】选C.设AF=2m,BF=2n,F 3,04?? ??? .则由抛物线的定义和直角三角形知识可得, 2m=2· 34·34n,解得m=32 ),n=3 2 所以m+n=6. AB=AF+BF=2m+2n=12.故选C. 3. (2014·新课标全国卷Ⅱ高考理科数学·T10)设F 为抛物线C:y 2=3x 的焦点,过F 且倾斜角为30°的直线交C 于A,B 两点,O 为坐标原点,则△OAB 的面积为( ) A. 4 B. 8 C. 6332 D. 9 4 【解题提示】将三角形OAB 的面积通过焦点“一分为二”,设出AF,BF,利用抛物线的定义求得面积. 【解析】选D.设点A,B 分别在第一和第四象限,AF=2m,BF=2n,则由抛物线的定义和直角三角形知识可 得,2m=2· 34+m,2n=2·34-n,解得m=32 (2+),n=3 2 (2-),所以m+n=6.所以S △OAB =1324?·(m+n)=94 .故选D. 4. （2014·四川高考理科·Ｔ10）已知F 为抛物线x y =2 的焦点，点A ，B 在该抛物线上且位于x 轴的两 侧，2OA OB ?=u u u r u u u r （其中O 为坐标原点），则ABO ?与AFO ?面积之和的最小值是（ ） A. 2 B.3 C. 8 【解题提示】
线性回归方程——非线性方程转化为线性方程 例1．(2015·高考全国卷Ⅰ)某公司为确定下一年度投入某种产品的宣传费，需了解年宣传费x （单位：千元）对年销售量y （单位：t ）和年利润z （单位：千元）的影响，对近8年的宣传费x i 和年销售量y i (i =1,2,?,8)数据作了初步处理，得到下面的散点图及一些统计量的值. x? y ? w ? 46.6 563 6.8 289.8 1.6 1469 108.8 表中w i =√x i ，w ? =1 8 ∑w i 8i=1， ，I ）根据散点图判断，y =a +bx 与y =c +d √x ，哪一个适宜作为年销售量y 关于年宣传费x 的回归方程类型（给出判断即可，不必说明理由）； ，II ）根据（I ）的判断结果及表中数据，建立y 关于x 的回归方程； （III ）已知这种产品的年利润z 与x ，y 的关系为z =0.2y ?x ，根据（II ）的结果回答下列问题： （i ）年宣传费x =49时，年销售量及年利润的预报值是多少？ （ii ）年宣传费x 为何值时，年利润的预报值最大？ 附：对于一组数据(u 1,v 1) (u 2,v 2) ，…，(u n ,v n ) 其回归直线v =α+βu 的斜率和截距的最小二乘估计分别为：β ?=∑ (u i ?u)(v i ?v) n i=1∑(u i ?u)2 n i=1，α?=v ?β ?u . 【答案】(Ⅰ)y =c +d √x 适宜作为年销售量y 关于年宣传费x 的回归方程类型；(Ⅱ)y ?=100.6+68√x ；(Ⅲ)(i)答案见解析；(ii)46.24千元. 【解析】（I ）由散点图可以判断，y =c +d √x 适宜作为年销售量y 关于年宣传费x 的回归方程类型. （II ）令w =√x ，先建立y 关于w 的线性回归方程，由于d ?=∑(w i ?w)(y i ?y) 8 i=1∑(w i ?w)28 i=1= 108.81.6 =68， ∴c?=y ?d ?w =563?68×6.8=100.6， ∴y 关于w 的线性回归方程为y ?=100.6+68w ， 因此y 关于x 的回归方程为y ?=100.6+68√x . （III ）(ⅰ)由（II ）知，当x =49时，年销售量y 的预报值y ?=100.6+68√49=576.6， 年利润z 的预报值为z?=576.6×0.2?49=66.32. ，ⅱ）根据（II ）的结果知，年利润z 的预报值z?=0.2(100.6+68√x)?x =?x +13.6√x +20.12， 所以当√x =13.62 =6.8，即x =46.24时，z?取得最大值. 故年宣传费为46.24千元时，年利润的预报值最大.
利用S P S S拟合非线性回归模型
利用SPSS拟合非线性回归模型 ——以S型曲线为例 1.原始数据 下表给出了某地区1971—2000年的人口数据（表1）。试用SPSS软件对该地区的人口变化进行曲线拟合，并对今后10年的人口发展情况进行预测。 表1 某地区人口变化数据 年份时间变量t=年份-1970 人口y/人 1971133 815 1972233 981 1973334 004 1974434 165 1975534 212 1976634 327 1977734 344 1978834 458 1979934 498 19801034 476 19811134 483 19821234 488 19831334 513 19841434 497 19851534 511 19861634 520 19871734 507 19881834 509 19891934 521 19902034 513 19912134 515 19922234 517 19932334 519 19942434 519 19952534 521 19962634 521 19972734 523
1998 28 34 525 1999 29 34 525 2000 30 34 527 根据上表中的数据，做出散点图，见图1。 , 33700 33800 3390034000341003420034300 3440034500346001970197219741976197819801982198419861988199019921994199619982000 年份 人口 图1 某地区人口随时间变化的散点图 从图1可以看出，人口随时间的变化呈非线性过程，而且存在一个与横坐标轴平行的渐近线，近似S 曲线。 下面，我们用SPSS 软件进行非线性回归分析拟合计算。 2．用SPSS 进行回归分析拟合计算 在SPSS 中可以直接进行非线性拟合，步骤如下（假定已经进行了数据输入，关于数据输入方法见SPSS 相关基础 教程）：
1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ，鸡肉价格P 1，猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/千 克 X/ 元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/千克 X/元 P 1/(元/ 千克) P 2/(元/ 千克) P 3/(元/千克) 1980 2.78 397 4.22 5.07 7.83 1992 4.18 911 3.97 7.91 11.40 1981 2.99 413 3.81 5.20 7.92 1993 4.04 931 5.21 9.54 12.41 1982 2.98 439 4.03 5.40 7.92 1994 4.07 1021 4.89 9.42 12.76 1983 3.08 459 3.95 5.53 7.92 1995 4.01 1165 5.83 12.35 14.29 1984 3.12 492 3.73 5.47 7.74 1996 4.27 1349 5.79 12.99 14.36 1985 3.33 528 3.81 6.37 8.02 1997 4.41 1449 5.67 11.76 13.92 1986 3.56 560 3.93 6.98 8.04 1998 4.67 1575 6.37 13.09 16.55 1987 3.64 624 3.78 6.59 8.39 1999 5.06 1759 6.16 12.98 20.33 1988 3.67 666 3.84 6.45 8.55 2000 5.01 1994 5.89 12.80 21.96 1989 3.84 717 4.01 7.00 9.37 2001 5.17 2258 6.64 14.10 22.16 1990 4.04 768 3.86 7.32 10.61 2002 5.29 2478 7.04 16.82 23.26 1991 4.03 843 3.98 6.78 10.48 （1） 求出该地区关于家庭鸡肉消费需求的如下模型： 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ （2） 请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析，过程如下： 输出结果如下：
第8讲 曲线与方程 一、选择题 1．若点P 到直线x ＝－1的距离比它到点(2,0)的距离小1，则点P 的轨迹为( )． A ．圆 B ．椭圆 C ．双曲线 D ．抛物线 解析 依题意，点P 到直线x ＝－2的距离等于它到点(2,0)的距离，故点P 的轨迹是抛物线． 答案 D 2． 动点P (x ，y )满足5x －1 2 y －2 2 ＝|3x ＋4y －11|，则点P 的轨迹 是 ( )． A ．椭圆 B ．双曲线 C ．抛物线 D ．直线 解析 设定点F (1,2)，定直线l ：3x ＋4y －11＝0，则|PF |＝ x －1 2 y －2 2 ，点P 到直线l 的距离d ＝|3x ＋4y －11| 5 . 由已知得|PF | d ＝1，但注意到点F (1,2)恰在直线l 上，所以点P 的轨迹是直 线．选D. 答案 D 3．设圆(x ＋1)2＋y 2＝25的圆心为C ，A (1,0)是圆内一定点，Q 为圆周上任一点．线段AQ 的垂直平分线与CQ 的连线交于点M ，则M 的轨迹方程为 ( )． A.4x 221－4y 2 25＝1 B.4x 221＋4y 2 25＝1 C.4x 225－4y 2 21 ＝1 D.4x 225＋4y 2 21 ＝1 解析 M 为AQ 垂直平分线上一点，则|AM |＝|MQ |，∴|MC |＋|MA |＝|MC |＋|MQ |＝|CQ |＝5，故M 的轨迹为椭圆，∴
a ＝52，c ＝1，则 b 2＝a 2－ c 2＝214 ， ∴椭圆的标准方程为4x 225＋4y 2 21＝1. 答案 D 4．在△ABC 中，A 为动点，B ，C 为定点，B ? ? ???－ a 2，0，C ? ????a 2，0且满足条件 sin C －sin B ＝1 2sin A ，则动点A 的轨迹方程是( ) A.16x 2 a 2－16y 2 15a 2＝1(y ≠0) B.16y 2a 2－16x 2 3a 2＝1(x ≠0) C.16x 2a 2－16y 2 15a 2＝1(y ≠0)的左支 D.16x 2a 2－16y 2 3a 2＝1(y ≠0)的右支 解析：sin C －sin B ＝12sin A ，由正弦定理得|AB |－|AC |＝12|BC |＝12a (定值)． ∴A 点的轨迹是以B ，C 为焦点的双曲线的右支，其中实半轴长为a 4，焦距为 |BC |＝a . ∴虚半轴长为? ????a 22－? ?? ??a 42 ＝34a ，由双曲线标准方程得动点A 的轨迹方程 为16x 2 a 2－16y 2 3a 2＝1(y ≠0)的右支． 答案：D 5．正方形ABCD 的边长为1，点E 在边AB 上，点F 在边BC 上，AE ＝BF ＝3 7 .动点 P 从E 出发沿直线向F 运动，每当碰到正方形的边时反弹，反弹时反射角等于入射角．当点P 第一次碰到E 时，P 与正方形的边碰撞的次数为( )． A ．16 B ．14 C ．12 D ．10 解析 当E 、F 分别为AB 、BC 中点时，显然碰撞的结果为4，当E 、F 分别为
1.3非线性回归问题, 知识目标：通过典型案例的探究，进一步学习非线性回归模型的回归分析。 能力目标：会将非线性回归模型通过降次和换元的方法转化成线性化回归模型。 情感目标：体会数学知识变化无穷的魅力。 教学要求：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用. 教学重点：通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型，了解在解决实际问题的 过程中寻找更好的模型的方法. 教学难点：了解常用函数的图象特点，选择不同的模型建模，并通过比较相关指数对不同的模型进行比较. 教学方式：合作探究 教学过程： 一、复习准备： 对于非线性回归问题,并且没有给出经验公式,这时我们可以画出已知数据的散点图,把它与必修模块《数学1》中学过的各种函数（幂函数、指数函数、对数函数等）的图象作比较,挑选一种跟这些散点拟合得最好的函数,然后采用适当的变量代换,把问题转化为线性回归问题,使其得到解决. 二、讲授新课： 1. 探究非线性回归方程的确定： 1. 给出例1：一只红铃虫的产卵数y 和温度x 有关，现收集了7组观测数据列于下表中，试建立y 与x 之间的/y 个 2. 讨论：观察右图中的散点图，发现样本点并没有分布在某个带状区域内，即两个变量不呈线性相关关系，所以不能直接用线性回归方程来建立两个变量之间的关系. ① 如果散点图中的点分布在一个直线状带形区域，可以选线性回归模型来建模；如果散点图中的点分布在一个曲线状带形区域，就需选择非线性回归模型来建模. ② 根据已有的函数知识，可以发现样本点分布在某一条指数函数曲线y =2C 1e x C 的周围（其中12,c c 是待定的参数），故可用指数函数模型来拟合这两个变量. ③ 在上式两边取对数，得21ln ln y c x c =+，再令ln z y =，则21ln z c x c =+，可以用线性回归方程来拟合. ④ 利用计算器算得 3.843,0.272a b =-=，z 与x 间的线性回归方程为 0.272 3.843z x =-，因此红铃虫的产卵数对温度的非线性回归方程为0.272 3.843x y e -=. ⑤ 利用回归方程探究非线性回归问题，可按“作散点图→建模→确定方程”这三个步骤进行. 其关键在于如何通过适当的变换，将非线性回归问题转化成线性回归问题. 三、合作探究 例 2.：炼钢厂出钢时所用的盛钢水的钢包,在使用过程中,由于钢液及炉渣对包衬耐火材料的侵蚀,使其容积不断增大,请根据表格中的数据找出使用次数 x 与增大的容积y 之间的关系.
非线性回归问题, 知识目标：通过典型案例的探究，进一步学习非线性回归模型的回归分析。 能力目标：会将非线性回归模型通过降次和换元的方法转化成线性化回归模型。 情感目标：体会数学知识变化无穷的魅力。 教学要求：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用. 教学重点：通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型，了解在解决实际问题的 过程中寻找更好的模型的方法. 教学难点：了解常用函数的图象特点，选择不同的模型建模，并通过比较相关指数对不同的模型进行比较. 教学方式：合作探究 教学过程： 一、复习准备： 对于非线性回归问题,并且没有给出经验公式,这时我们可以画出已知数据的散点图,把它与必修模块《数学1》中学过的各种函数（幂函数、指数函数、对数函数等）的图象作比较,挑选一种跟这些散点拟合得最好的函数,然后采用适当的变量代换,把问题转化为线性回归问题,使其得到解决. 二、讲授新课： 1. 探究非线性回归方程的确定： 1. 给出例1：一只红铃虫的产卵数y 和温度x 有关，现收集了7组观测数据列于下表中，试建立y 与x 之间 2. 讨论：观察右图中的散点图，发现样本点并没有分布在某个带状区域内，即两个变量不呈线性相关关系，所以不能直接用线性回归方程来建立两个变量之间的关系. ① 如果散点图中的点分布在一个直线状带形区域，可以选线性回归模型来建模；如果散点图中的点分布在一个曲线状带形区域，就需选择非线性回归模型来建模. ② 根据已有的函数知识，可以发现样本点分布在某一条指数函数曲线y =2C 1e x C 的周围（其中12,c c 是待定的参数），故可用指数函数模型来拟合这两个变量. ③ 在上式两边取对数，得21ln ln y c x c =+ ，再令ln z y =，则21ln z c x c =+， 可以用线性回归方程来拟合. ④ 利用计算器算得 3.843,0.272a b =-=，z 与x 间的线性回归方程为0.272 3.843z x =-$，因此红铃虫的产卵数对温度的非线性回归方程为$0.272 3.843x y e -=. ⑤ 利用回归方程探究非线性回归问题，可按“作散点图→建模→确定方程”这三个步骤进行. 其关键在于如何通过适当的变换，将非线性回归问题转化成线性回归问题. 三、合作探究 例 2.：炼钢厂出钢时所用的盛钢水的钢包,在使用过程中,由于钢液及炉渣对包衬耐火材料的侵蚀,使其容积不断增大,请根据表格中的数据找出使用次数x 与增大的容积y 之间的关系.
实验7 相关与回归分析 7.1实验目的 熟练掌握一元线性回归分析的SPSS应用技能，掌握一元非线性回归分析的SPSS应用技能，对实验结果做出解释。 7.2相关知识（略） 7.3实验内容 7.3.1一元线性回归分析的SPSS实验 7.3.2一元非线性回归分析的SPSS实验 7.4实验要求 7.4.1准备实验数据 1.线性回归分析数据 （The Wall 美国各航空公司业绩的统计数据公布在《华尔街日报1999年年鉴》 Street Journal Almanac 1999）上。航班正点到达的比率和每10万名乘客投诉 的次数的数据，见表7-1所示。 表7-1 美国航空公司航空正点率与乘客投诉次数资料 2.非线性回归分析数据 1992～2013年某国保费收入与国内生产总值的数据，试研究保费收入与国内生产
总值的关系的数据，见表7-2所示。 表7-2 1992～2013年某国保费收入与国内生产总值数据 单位：万元 7.4.2完成一元线性回归分析的SPSS 实验，对实验结果作出简要分析。 7.4.3完成一元非线性回归分析的SPSS 实验，对实验结果作出简要分析。 7.5实验步骤 7.5.1 完成一元线性回归分析的SPSS 实验步骤 1.运用SPSS 绘制散点图散点图。 第一步：在excel 中输入数据 图7-1 第二步：将excel 数据导入spss 单击打开数据文档按钮（或选择菜单文件→打开）→选择文件航空公司航班
正点率与投诉率.xls 图7-2 第三步：选择菜单图形→旧对话框→散点/点状，在散点图/点图对话框中， 选择简单分布按钮 图7-3 第三步：在简单散点图对话框中，将候选变量框中的投诉率添加到Y轴，航班正点率添加到X轴，点击确定：
实验六用SPSS进行非线性回归分析 例：通过对比12个同类企业的月产量(万台)与单位成本(元)的资料(如图1)，试配合适当的回归模型分析月产量与单位成本之间的关系
图1原始数据和散点图分析 一、散点图分析和初始模型选择 在SPSS数据窗口中输入数据，然后插入散点图(选择Graphs→Scatter命令)，由散点图可以看出，该数据配合线性模型、指数模型、对数模型和幂函数模型都比较合适。进一步进行曲线估计：从Statistic下选Regression菜单中的Curve Estimation命令；选因变量单位成本到Dependent框中，自变量月产量到Independent框中，在Models框中选择Linear、Logarithmic、Power和Exponential四个复选框，确定后输出分析结果，见表1。 分析各模型的R平方，选择指数模型较好，其初始模型为 但考虑到在线性变换过程可能会使原模型失去残差平方和最小的意义，因此进一步对原模型进行优化。 模型汇总和参数估计值 因变量: 单位成本 方程模型汇总参数估计值 R 方 F df1 df2 Sig. 常数b1 线性.912 104.179 1 10 .000 158.497 -1.727 对数.943 166.595 1 10 .000 282.350 -54.059 幂.931 134.617 1 10 .000 619.149 -.556 指数.955 212.313 1 10 .000 176.571 -.018 自变量为月产量。 表1曲线估计输出结果
二、非线性模型的优化 SPSS提供了非线性回归分析工具，可以对非线性模型进行优化，使其残差平方和达到最小。从Statistic下选Regression菜单中的Nonlinear命令；按Paramaters按钮，输入参数A：176.57和B：-.0183；选单位成本到Dependent框中，在模型表达式框中输入“A*EXP(B*月产量)”，确定。SPSS输出结果见表2。 由输出结果可以看出，经过6次模型迭代过程，残差平方和已有了较大改善，缩小为568.97，误差率小于0.00000001， 优化后的模型为： 迭代历史记录b 迭代数a残差平方和参数 A B 1.0 104710.523 176.570 -.183 1.1 5.346E+133 -3455.813 2.243 1.2 30684076640.87 3 476.032 .087 1.3 9731 2.724 215.183 -.160 2.0 97312.724 215.183 -.160 2.1 83887.036 268.159 -.133 3.0 83887.036 268.159 -.133 3.1 59358.745 340.412 -.102 4.0 59358.745 340.412 -.102 4.1 26232.008 38 5.967 -.065 5.0 26232.008 385.967 -.065 5.1 7977.231 261.978 -.038 6.0 797 7.231 261.978 -.038 6.1 1388.850 153.617 -.015 7.0 1388.850 153.617 -.015 7.1 581.073 180.889 -.019 8.0 581.073 180.889 -.019 8.1 568.969 182.341 -.019 9.0 568.969 182.341 -.019 9.1 568.969 182.334 -.019 10.0 568.969 182.334 -.019 10.1 568.969 182.334 -.019 导数是通过数字计算的。 a. 主迭代数在小数左侧显示，次迭代数在小数右侧显示。 b. 由于连续残差平方和之间的相对减少量最多为SSCON = 1.000E-008，因此在 22 模型评估和 10 导数评估之后，系统停止运行。
我国农民收入影响因素的回归分析 本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。?农民收入水平的度量常采用人均纯收入指标。影响农民收入增长的因素是多方面的，既有结构性矛盾因素，又有体制性障碍因素。但可以归纳为以下几个方面：一是农产品收购价格水平。二是农业剩余劳动力转移水平。三是城市化、工业化水平。四是农业产业结构状况。五是农业投入水平。考虑到复杂性和可行性，所以对农业投入与农民收入，本文暂不作讨论。因此，以全国为例，把农民收入与各影响因素关系进行线性回归分析，并建立数学模型。 一、计量经济模型分析 (一)、数据搜集 根据以上分析，我们在影响农民收入因素中引入7个解释变量。即：2x -财政用于农业的支出的比重，3x -第二、三产业从业人数占全社会从业人数的比重，4x -非农村人口比重，5x -乡村从业人员占农村人口的比重，6x -农业总产值占农林牧总产值的比重，7x -农作物播种面积，8x —农村用电量。
资料来源《中国统计年鉴2006》。 (二)、计量经济学模型建立 我们设定模型为下面所示的形式： 利用Eviews 软件进行最小二乘估计，估计结果如下表所示： DependentVariable:Y Method:LeastSquares Sample: Includedobservations:19 Variable Coefficient t-Statistic Prob. C X1 X3 X4 X5 X6 X7 X8 R-squared Meandependentvar AdjustedR-squared 表1最小二乘估计结果 回归分析报告为： () ()()()()()()()()()()()()()()() 2345678 2? -1102.373-6.6354X +18.2294X +2.4300X -16.2374X -2.1552X +0.0100X +0.0634X 375.83 3.7813 2.066618.37034 5.8941 2.77080.002330.02128 -2.933 1.7558.820900.20316 2.7550.778 4.27881 2.97930.99582i Y SE t R ===---=230.99316519 1.99327374.66 R Df DW F ====二、计量经济学检验 (一)、多重共线性的检验及修正 ①、检验多重共线性 (a)、直观法 从“表1最小二乘估计结果”中可以看出，虽然模型的整体拟合的很好，但是x4x6
原创理科数学专题卷 专题 圆锥曲线与方程 考点40：椭圆及其性质(1-5题，13,14题) 考点41：双曲线及其性质（6-10题，15题） 考点42：抛物线及其性质（11,12题） 考点43：直线与圆锥曲线的位置关系（17-22题） 考点44：圆锥曲线的综合问题（16题，17-22题） 考试时间：120分钟 满分：150分 说明：请将选择题正确答案填写在答题卡上，主观题写在答题纸上 第I 卷（选择题） 一、选择题（本题共12小题，每小题5分，共60分。在每小题给出的四个选项中，只有一项是符合题目要求的。） 1．【来源】2017届湖南省长沙市高三上学期统一模拟考试 考点40 易 椭圆E 的焦点在x 轴上，中心在原点，其短轴上的两个顶点和两个焦点恰为边长是2的正方形的顶点，则椭圆E 的标准方程为（ ） A. 2212x += B. 22 12x y += C. 22142x y += D. 22142y x += 2．【2017课标3，理10】 考点40 易 已知椭圆C ：22 2 21x y a b +=，（a >b >0）的左、右顶点分别为A 1，A 2，且以线段A 1A 2为直径的 圆与直线20bx ay ab -+=相切，则C 的离心率为（ ） A ． B ． C ． D ．13 3．【来源】重庆市第一中学2016-2017学年高二月考 考点40 中难 已知椭圆 2 21(0)1 x y m m +=>+的两个焦点是12,F F ， E 是直线2y x =+与椭圆的一个公共点，当12EF EF +取得最小值时椭圆的离心率为（ ） A. 2 3 4．【来源】湖南省湘潭市2017第三次高考模拟 考点40 难 如图， 12,A A 为椭圆22 195 x y +=长轴的左、右端点， O 为坐标原点， ,,S Q T 为椭圆上不同于12,A A 的三点，直线12,,,QA QA OS OT 围成一个平行四边形OPQR ，则
非线性回归实例 例1：此模型用来评价台湾农业生产效率。用台湾1958-1972年农业生产总值（Y t ），劳动力（X 1t ），资本投入（X 2t ）数据为样本得到估计模型： = -3.4 + 1.50 LnX 1t + 0.49 LnX 2t (2.78) (4.80) R 2 = 0.89, F = 48.45 还原后得， = 0.713X 1t 1.50 X 2t 0.49 因为1.50 + 0.49 = 1.99，所以，此生产函数属规模报酬递增函数。当劳动力和资本投入都增加1%时，产出增加近2%。 例2：用天津市工业生产总值（Y t ），职工人数（L t ），固定资产净值与流动资产平均余额（K t ）数据 (1949-1997年) 为样本得估计模型如下： Ln Y t = 0.7272 + 0.2587 Ln L t + 0.6986 LnK t (3.12) (3.08) (18.75) R 2 = 0.98, s.e. = 0.17, DW = 0.42, F = 1381.4 因为0.2587 + 0.6986 = 0.9573，所以此生产函数基本属于规模报酬不变函数。 例3： 中国铅笔需求预测模型 中国从上个世纪30年代开始生产铅笔。1985年全国有22个厂家生产铅笔。产量居世界首位（33.9亿支），占世界总产量的1/3。改革开放以后，铅笔生产增长极为迅速。1979-1983年平均年增长率为8.5%。铅笔销售量时间序列见图1。1961-1964年的销售量平稳状态是受到了经济收缩的影响。文革期间销售量出现两次下降，是受到了当时政治因素的影响。1969-1972年的增长是由于一度中断了的中小学教育逐步恢复的结果。1977-1978年的增长是由于高考正式恢复的结果。1981年中国开始生产自动铅笔，对传统铅笔市场冲击很大。1979-1985年的缓慢增长是受到了自动铅笔上市的影响。 初始确定的影响铅笔销量的因素有全国人口、各类在校人数、设计
学校______________班级______________专业______________考试号______________姓名______________ 数学试题 圆锥曲线与方程 ． 本试卷分第Ⅰ卷（选择题）和第Ⅱ卷（非选择题）两部分．满分100分，考试时间90分钟， 考试结束后，将本试卷和答题卡一并交回． ． 本次考试允许使用函数型计算器，凡使用计算器的题目，最后结果精确到0.01． 第Ⅰ卷（选择题，共60分） 30小题，每小题2分，共60分．在每小题列出的四个选项中，只有一项 ． 设12F F 、 为定点，126F F =，动点M 满足128MF MF +=，则动点M 的轨迹是 A ．椭圆 B ．直线 C ．圆 D ．线段 ． 若抛物线焦点在x 轴上，准线方程是3x =-，则抛物线的标准方程是 A ．2 12y x = B ．2 12y x =- C ．2 6y x = D ．2 6y x =- ． 已知椭圆方程为 22 1916 x y +=，那么它的焦距是 A ．10 B ．5 C ．7 D ．27 ． 抛物线2 6y x =-的焦点到准线的距离为 A ．2 B ．3 C ．4 D ．6 ． 若椭圆满足4a =，焦点为()()0303-，，， ，则椭圆方程为 A ． 22 1167 x y += B ． 22 1169x y += C ． 22 1167y x += D ． 22 1169 y x += ． 抛物线2 40y x +=上一点到准线的距离为8，则该点的横坐标为 A ．7 B ．6 C ．7- D ．6- ． 一椭圆的长轴是短轴的2倍，则其离心率为 A ．34 B ． 32 C ． 22 D ．12 8． 椭圆的一个焦点与短轴的两个端点的连线互相垂直，则该椭圆的离心率是 A ． 12 B ． 32 C ． 2 D ． 14 9． 椭圆 22 1164 x y +=在y 轴上的顶点坐标是 A ．()20±， B ．()40±， C ．()04±， D ．()02±， 10． 若双曲线的焦点在x 轴上，且它的渐近线方程为3 4 y x =± ，则双曲线的离心率为 A ． 54 B ． 53 C ． 7 D ． 7 11． 椭圆 22 1169 x y +=与x 轴正半轴交于点A ，与y 轴正半轴交于点B ，则AB 等于 A ．5 B ．7 C ． 5 D ．4 12． 如果椭圆22 221x y a b +=经过两点()()4003A B ，、，，则椭圆的标准方程是 A ． 221259 x y += B ． 22 1163x y += C ． 22 1169x y += D ． 22 1916 x y += 13． 双曲线2 2 44x y -=的顶点坐标是 A ．()()2020-，、， B ．()()0202-，、， C ．()()1010-，、， D ．()()0101-，、， 14． 若双曲线22 221x y a b -=的两条渐近线互相垂直，则该双曲线的离心率是 A ．2 B ． 3 C ． 2 D ．32 15． 双曲线 22 1169 x y -=的焦点坐标为 A ．()40±， B ．()30±， C ．()50±， D ．()
非线性回归分析(转载) (2009-10-23 08:40:20) 转载 分类：Web分析 标签： 杂谈 在回归分析中，当自变量和因变量间的关系不能简单地表示为线性方程，或者不能表示为可化为线性方程的时侯，可采用非线性估计来建立回归模型。 SPSS提供了非线性回归“Nonlinear”过程，下面就以实例来介绍非线性拟合“Nonlinear”过程的基本步骤和使用方法。 应用实例 研究了南美斑潜蝇幼虫在不同温度条件下的发育速率，得到试验数据如下： 表5-1 南美斑潜蝇幼虫在不同温度条件下的发育速率 温度℃17.5 20 22.5 25 27.5 30 35 发育速率0.0638 0.0826 0.1100 0.1327 0.1667 0.1859 0.1572 根据以上数据拟合逻辑斯蒂模型： 本例子数据保存在DATA6-4.SAV。 1）准备分析数据 在SPSS数据编辑窗口建立变量“t”和“v”两个变量，把表6-14中的数据分别输入“温度”和“发育速率”对应的变量中。 或者打开已经存在的数据文件（DATA6-4.SAV）。 2）启动线性回归过程 单击SPSS主菜单的“Analyze”下的“Regression”中“Nonlinear”项，将打开如图5-1
所示的线回归对话窗口。 图5-1 Nonlinear非线性回归对话窗口 3) 设置分析变量 设置因变量：从左侧的变量列表框中选择一个因变量进入“Dependent(s)”框。本例子选“发育速率[v]”变量为因变量。 4) 设置参数变量和初始值 单击“Parameters”按钮，将打开如图6-14所示的对话框。该对话框用于设置参数的初始值。 图5-2 设置参数初始值