《数学实验》实验报告4
- 格式:doc
- 大小:191.50 KB
- 文档页数:9
4的倍数特征实验报告单
实验目的:
本次实验旨在探究4的倍数的特征,通过对不同数字进行分析,验证4的倍数的特征并得出结论。
实验方法:
1. 选择一系列整数数字进行实验,包括4的倍数和非4的倍数。
2. 分别对这些数字进行求余数运算,即用这些数字除以4并得出余数。
3. 分析余数的情况,观察4的倍数和非4的倍数的特征。
实验结果:
通过实验我们得到了以下结果:
1. 对于4的倍数,经过求余数运算得到的余数始终为0。
2. 对于非4的倍数,求余数运算的结果不为0。
3. 通过不同数字的实验,验证了4的倍数的特征,即能被4整除的数字的余数为0。
实验结论:
综合实验结果,我们得出结论:
1. 4的倍数的特征是其能被4整除,即求余数的结果为0。
2. 任何一个数被4整除的余数都是0,这是4的倍数的特征之一。
实验总结:
本次实验验证了4的倍数的特征,通过实验数据的分析,我们得以确定4的倍数的特征为其能被4整除,余数为0。
实验结果的验证进一步加深了我们对数学中倍数的理解,为数学知识的学习提供了实际的例证。
希望通过这次实验,同学们能更加深入地了解4的倍数的特征,提高数学分析的能力。
实验延伸:
在以后的学习中,可以进一步探讨倍数的特征,例如2的倍数、5的倍数等,通过实验验证不同倍数的特征,加深对数学概念的理解。
同时,可以进行更加复杂的数学实验,进一步提高数学分析的能力,培养数学思维的能力。
希望同学们在数学学习中能够通过实验的方式,加深对数学的理解,提高数学的学习兴趣和能力。
数学实验报告报告数学实验报告引言:数学是一门抽象而又深奥的学科,它以逻辑推理和精确计算为基础,被广泛应用于各个领域。
在数学学习中,实验作为一种重要的学习方法,能够帮助学生更好地理解和应用数学知识。
本文将结合实际案例,探讨数学实验的意义和效果。
一、实验目的本次实验的目的是通过实际操作,加深对数学概念的理解,并培养学生的观察、分析和解决问题的能力。
同时,通过实验,学生还能感受到数学的美妙和实用性,激发对数学的兴趣和热爱。
二、实验内容本次实验以平面几何为主题,选取了三角形和圆的相关性质进行探究。
学生将通过实际测量和计算,验证三角形的内角和为180度的定理,以及圆的周长和面积的计算公式。
三、实验步骤1. 验证三角形的内角和为180度的定理:a. 制作三个不同形状的三角形模型,并标注各个角度。
b. 使用直尺和量角器测量三角形的各个角度,并记录数据。
c. 将测量结果进行计算,验证内角和为180度的定理。
2. 计算圆的周长和面积:a. 使用圆规和直尺测量不同半径的圆的直径,并记录数据。
b. 根据直径计算圆的周长,并与实际测量结果进行比较。
c. 使用圆规和直尺测量不同半径的圆的半径,并记录数据。
d. 根据半径计算圆的面积,并与实际测量结果进行比较。
四、实验结果与分析1. 三角形的内角和为180度的定理验证:经过测量和计算,我们发现无论是哪种形状的三角形,其内角和都等于180度。
这一结果与我们之前学过的理论知识相符,证明了该定理的正确性。
2. 圆的周长和面积计算:通过测量不同半径的圆的直径和半径,并进行计算,我们得到了圆的周长和面积的近似值。
与实际测量结果进行比较后,发现计算结果与实际值非常接近,验证了圆的周长和面积的计算公式的准确性。
五、实验心得通过本次实验,我深刻体会到了实验在数学学习中的重要性和价值。
实验不仅能够帮助我们加深对数学概念的理解,还能够培养我们的观察、分析和解决问题的能力。
在实验过程中,我不仅学到了数学知识,还感受到了数学的美妙和实用性。
《数学实验》实验报告( 2013 年 4 月 2 日) 班级:10级数学师范一班 学号 :2010051013姓名:王颖 一、实验问题某公司指派n 个员工到n 个城市工作(每个城市单独一人),希望使所花费的总电话费用尽可能少。
n 个员工两两之间每个月通话的时间表示在下面的矩阵的上三角部分(因为通话的时间矩阵是对称的,没有必要写出下三角部分),n 个城市两两之间通话费率表示在下面的矩阵的下三角部分(同样道理,因为通话的费率矩阵是对称的,没有必要写出上三角部分). 试求解该二次指派问题。
二、问题的分析(涉及的理论知识、数学建模与求解的方法等)设:ij x i 人分配到第j 个城市.⎩⎨⎧=其它个城市人分配到,0,1j i x ijik t i 和k 的通讯时间jl d j 和l 城市之间的通话费率∑==n j ij x11,i=1,2,….n,∑==ni ij x 11,j=1,2….n∑∑∑∑====1111 i j k lklijijklxxc,jiikijkldtc=三.计算过程:model:sets:city/1..10/:;people/1..10/:;link1(city,people):x;link2(people,people):t;link3(city,city):d;endsetsdata:t=0 5 3 7 9 3 9 2 9 05 0 7 8 3 2 3 3 5 73 7 0 9 3 5 3 3 9 37 8 9 0 8 4 1 8 0 49 3 3 8 0 8 8 7 5 93 2 54 8 0 4 8 0 39 3 3 1 8 4 0 7 9 52 3 3 8 7 8 7 0 5 59 5 9 0 5 0 9 5 0 50 7 3 4 9 3 5 5 5 0d=0 7 4 6 8 8 8 6 6 57 0 8 2 6 5 6 8 2 64 8 0 10 4 4 7 2 6 76 2 10 0 6 6 9 3 2 68 6 4 6 0 6 4 8 8 68 5 4 6 6 0 3 8 2 28 6 7 9 4 3 0 6 7 86 8 2 3 8 8 6 0 8 86 3 6 2 8 378 0 95 6 7 6 6 2 8 8 9 0enddatamin=@sum(link2(i,j):t(i,j)*@sum(link(k,l):c(k,l)*x(j,l)));@for(people(k):@sum(city(i):x(i,k))=1);@for(city(i):@sum(people(k):x(i,k))=1);@for(link1:@gin(x));end四、问题求解结果的分析与结论。
重庆大学
学生实验报告
实验课程名称
开课实验室_____________________________________ 学生姓名___________ 学号__________
开课时间2015 至2016学年第二学期
实验目的
总结与体会
设计记录表格,包括碰到的问题汇总及解决情况
遇到的问题解决方法
采用dsolvc函数求不出微分方程组的解该微分方程组较复杂,不能求出精确解。
可以采用Obe23
函数求出数值解
运行程序时出现错误调用obe23函数一定要注意格式
心得体会:采用MATLAB软件求解微分方程有多种方法,采用dsolve函数可以求山一些较简单微分方程的精确解,但是一些较复杂的微分方程或微分方程组无法求山其精确解,这吋我们可以采用obe23、obe45等函数求解微分方程(组)的数值解。
如果这种方法都无法求山,可以尝试向前欧拉法、向后欧拉法编程等。
注行距:选最小值16磅,每一图应有简短确切的题名,连IM)图号置于图下。
每一表应有简短确切的题名,连M表号置
于表上。
图农的题名及其中的文字采用小5号宋体。
公式应该有编号,编号靠右端。
教师签名
年月曰
备注:
1、同一章的实验作为一个实验项0,每个实验做完后提交电子稿到服务器的“全校任选课数学
实验作、Ik.提交”文件夹,文件名为“学院学号姓名实验几”,如“机械20073159张新实验一
2、提交的纸质稿要求双面打印,中途提交批改不需要封面,但最后一次需将该课程所有实验项
目内页与封面一起装订成册提交。
3、综合实验要求3人合作完成,请在实验报告上注明合作者的姓名。
第1篇一、实验背景随着科技的不断发展,数学实验在各个领域中的应用越来越广泛。
数学实验作为一种以计算机为工具,通过模拟、计算和验证等方法,对数学理论进行实践探索和研究的方法,已经成为数学研究的重要手段。
本次实验旨在通过数学实验,加深对数学理论的理解,提高数学应用能力,培养创新意识和团队协作精神。
二、实验目的1. 熟悉数学实验的基本方法,掌握数学实验的基本步骤。
2. 通过实验,加深对数学理论的理解,提高数学应用能力。
3. 培养创新意识和团队协作精神,提高自身综合素质。
三、实验内容本次实验主要包括以下内容:1. 实验一:线性方程组的求解通过编写程序,实现线性方程组的直接法、迭代法等求解方法,并对比分析各种方法的优缺点。
2. 实验二:矩阵运算实现矩阵的加法、减法、乘法、转置等基本运算,以及求逆矩阵、特征值和特征向量等高级运算。
3. 实验三:数值积分通过编写程序,实现定积分、变积分、高斯积分等数值积分方法,并分析各种方法的误差和适用范围。
4. 实验四:常微分方程的数值解法实现欧拉法、龙格-库塔法等常微分方程的数值解法,并对比分析各种方法的稳定性、精度和适用范围。
四、实验过程1. 确定实验内容,明确实验目的。
2. 设计实验方案,包括实验步骤、算法选择、数据准备等。
3. 编写实验程序,实现实验方案。
4. 运行实验程序,收集实验数据。
5. 分析实验数据,得出实验结论。
6. 撰写实验报告,总结实验过程和结果。
五、实验结果与分析1. 实验一:线性方程组的求解通过实验,验证了直接法和迭代法在求解线性方程组时的有效性。
直接法在求解大规模线性方程组时具有较好的性能,而迭代法在求解稀疏线性方程组时具有较好的性能。
2. 实验二:矩阵运算实验结果表明,矩阵运算的程序实现具有较高的精度和效率。
在实际应用中,可以根据具体需求选择合适的矩阵运算方法。
3. 实验三:数值积分通过实验,验证了各种数值积分方法的有效性。
高斯积分具有较高的精度,但在求解复杂函数时,需要调整积分区间和节点。
实用文档大全《数学实验》实验报告( 2012 年 4 月 8 日)一、实验问题1.(指派问题)考虑指定n个人完成n项任务(每人单独承担一项任务),使所需的总完成时间(成本)尽可能短. 已知某指派问题的有关数据(每人完成各任务所需的时间)如下表所示,试建模并求解该指派问题。
2.(二次指派问题)某公司指派n个员工到n个城市工作(每个城市单独一人),希望使所花费的总费用尽可能少。
n个员工两两之间每个月通话的时间表示在下面的矩阵的上三角部分(因为通话的时间矩阵是对称的,没有必要写出下三角部分),n个城市两两之间通话费率表示在下面的矩阵的下三角部分(同样道理,因为通话的费率矩阵是对称的,没有必要写出上三角部分). 试求解该二次指派问题。
3、金星第四章课后习题第1或3题任选一题。
二、问题的分析(涉及的理论知识、数学建模与求解的方法等)1)根据实际问题,建立数学优化模型2)根据优化模型,利用LINGO 来求解模型。
实用文档大全三、计算过程、结论和结果分析1.模型:ij44114141: 1,2,3,4: 12341 i ja0 i jx:i jmodel min1 j=1,2,3,4..1 i=1,2,3,4ijij iji jijiijjmna xas ta====⎧=⎨⎩⎧=⎪⎪⎨⎪=⎪⎩∑∑∑∑工人任务,,,第个人完成第项任务第个人不完成第项任务第个工人完成第项任务所用的时间model:sets:m/1..4/;n/1..4/;link(m,n):a,x;endsetsmin=sum(link(i,j):x(i,j)*a(i,j));for(m(i):sum(n(j):a(i,j))=1);for(n(j):sum(m(i):a(i,j))=1);data:x=15 18 21 2419 23 22 1826 18 16 1919 21 23 17;enddataend结果:Global optimal solution found.Objective value: 70.00000 Infeasibilities: 0.000000Total solver iterations: 7Variable Value Reduced CostA( 1, 1) 0.000000 0.000000A( 1, 2) 1.000000 0.000000A( 1, 3) 0.000000 5.000000A( 1, 4) 0.000000 10.00000A( 2, 1) 1.000000 0.000000实用文档大全A( 2, 2) 0.000000 1.000000A( 2, 3) 0.000000 2.000000A( 2, 4) 0.000000 0.000000A( 3, 1) 0.000000 11.00000A( 3, 2) 0.000000 0.000000A( 3, 3) 1.000000 0.000000A( 3, 4) 0.000000 5.000000A( 4, 1) 0.000000 1.000000A( 4, 2) 0.000000 0.000000A( 4, 3) 0.000000 4.000000A( 4, 4) 1.000000 0.000000X( 1, 1) 15.00000 0.000000X( 1, 2) 18.00000 0.000000X( 1, 3) 21.00000 0.000000X( 1, 4) 24.00000 0.000000X( 2, 1) 19.00000 0.000000X( 2, 2) 23.00000 0.000000X( 2, 3) 22.00000 0.000000X( 2, 4) 18.00000 0.000000X( 3, 1) 26.00000 0.000000X( 3, 2) 18.00000 0.000000X( 3, 3) 16.00000 0.000000X( 3, 4) 19.00000 0.000000X( 4, 1) 19.00000 0.000000X( 4, 2) 21.00000 0.000000X( 4, 3) 23.00000 0.000000X( 4, 4) 17.00000 0.000000Row Slack or Surplus Dual Price1 70.00000 -1.0000002 0.000000 -14.000003 0.000000 -18.000004 0.000000 -14.000005 0.000000 -17.000006 0.000000 -1.0000007 0.000000 -4.0000008 0.000000 -2.0000009 0.000000 0.000000第1个人完成第2项,第2人完成第1项,第3人完成第3项,第4人完成第4项。
数学实验综合实验报告《数学实验综合实验报告》摘要:本实验旨在通过数学实验的方式,探索和验证数学理论,并通过实验数据的分析和处理,得出结论和结论。
本实验涉及到数学的多个领域,包括代数、几何、概率统计等。
通过实验,我们得出了一些有趣的结论和发现,验证了数学理论的正确性,并对数学知识有了更深入的理解。
一、实验目的1. 验证代数公式的正确性2. 探索几何图形的性质3. 分析概率统计的实验数据4. 探讨数学理论的应用二、实验方法1. 代数公式验证实验:通过代数运算和数值计算,验证代数公式的正确性。
2. 几何图形性质探索实验:通过几何构造和图形分析,探索几何图形的性质。
3. 概率统计数据分析实验:通过实验数据的收集和处理,分析概率统计的规律和特性。
4. 数学理论应用实验:通过实际问题的分析和解决,探讨数学理论在实际中的应用。
三、实验结果与分析1. 代数公式验证实验结果表明,代数公式在特定条件下成立,验证了代数理论的正确性。
2. 几何图形性质探索实验发现,某些几何图形具有特定的性质和规律,进一步加深了对几何学的理解。
3. 概率统计数据分析实验得出了一些概率统计的规律和结论,对概率统计理论有了更深入的认识。
4. 数学理论应用实验通过具体问题的分析和解决,验证了数学理论在实际中的应用性。
四、结论通过本次数学实验,我们验证了代数、几何、概率统计等数学理论的正确性,得出了一些有意义的结论和发现。
实验结果进一步加深了对数学知识的理解和应用,对数学理论的研究和发展具有一定的参考价值。
五、展望本次实验虽然取得了一些有意义的结果,但也存在一些不足之处,如实验方法的局限性、实验数据的局限性等。
未来可以进一步完善实验设计和方法,开展更深入的数学实验研究,为数学理论的发展和应用提供更多的支持和帮助。
实验报告4实验名称数列与级数实验目的通过计算机图示的方法发现数列与级数的规律及其极限状态的性质。
实验环境Mathematica 4实验内容1. 分别取N=10,20,50,100,500,观察Fibonacci 数列的折线图。
2. 分别取N=2000,5000,10000,用直线去拟合N n F n n ,,2,1)),log(,( =的函数。
3. 分别取N=100,500,5000,演奏Fibonacci 数列的函数。
4. 分别取N=100,1000,5000,显示点列n i i i ,,2,1)),sin(,( =的函数。
5. 求级数∑∞=11n n α的部分和。
实验的基本理论和方法所谓一个无穷数列是指按一定顺序排列的一串数字 ,,,,21n a a a , (1) 而一个无穷级数则是用无穷项数字构成的和式.211 ++++=∑∞=n n n a a a a (2)数列与级数有着密不可分的关系。
给定一个无穷级数(2),它唯一确定了一个无穷数列,,,21 S S其中.,2,1,21 =+++=n a a a S n n 反过来,给定一个无穷数列(1),它也唯一地确定了一个无穷级数∑∞=1n n b,这里.,2,1,,111 =-==-n a a b a b n n n 并且,无穷级数的和就是相应的无穷是咧的极限。
因此,无穷数列与无穷级数是可以相互转化的。
实验步骤1. 用如下语句作图:FibShow[n_Integer]:=Module[{t={},i},For[i=1,i<=n,i++,AppendTo[t,{i,Fibonacci[i]}]]; ListPlot[t,PlotJoined-> True]]FibShow[N]2. 用如下语句计算:FibFit[n_Integer]:=Module[{t={},i},For[i=1,i<=n,i++,AppendTo[t,{i,Log[Fibonacci[i]]}]]; Fit[t,{1,x},x]]FibFit[N]3.用如下语句作图:FibPlay[n_Integer]:=Module[{t={},i},For[i=1,i<=n,i++,AppendTo[t,Mod[Fibonacci[i],n]]];ListPlay[t,PlayRange->{0,n},SampleRate->5]]FibPlay[N]4. 用如下语句作图:PlotList[n_Integer]:=Module[{t={},i},For[i=1,i<=n,i++,AppendTo[t,{i,Sin[i]}]];ListPlot[t,PlotStyle->{PointSize[0.005]}]]PlotList[N]5.用如下语句计算:HamoSum[n_Integer, m_Integer]:=Module[{i},Sum[1/i^m,{i,1,n}]]实验结果与结果分析1.从实验得出的五个图像可以看出,Fibonacci数列的变化速度非常快,数列单调递增而且趋于无穷大。
数学实验报告写作范文实验目的本次实验的目的是通过数学实验,探究球体的体积与半径之间的关系,并验证球体的体积公式。
实验原理球体的体积公式为:V = \frac{4}{3} \pi r^3其中,V表示球体的体积,r表示球体的半径,\pi是一个常数,约等于3.14159。
实验步骤1. 准备实验器材:一个测量容器,一些不同半径的球体,一根直尺和一个量角器。
2. 清洁实验容器,确保容器内壁没有明显的杂质和水迹。
3. 将容器填满清水,使其水面平整。
4. 调整量角器的指示度数为90,放在实验容器旁。
5. 将一个球体放入实验容器中,确保球体完全浸没在水中。
6. 观察容器水面的升高情况,并记录下来。
7. 重复步骤5和6,使用不同半径的球体进行实验。
8. 根据实验数据,进行计算和分析,并绘制图表。
9. 验证球体的体积公式是否成立。
实验数据实验数据如下表所示:球体半径r(cm)容器水面升高h(cm)1 0.521.5 1.972 4.182.5 7.723 13.19数据处理与分析根据实验数据,我们可以将球体半径r(cm)与容器水面升高h(cm)绘制成散点图如下:通过观察散点图,我们可以看出,水面升高h随着球体半径r的增加而增加,并且增长速度逐渐加快。
这与球体的体积公式V = \frac{4}{3} \pi r^3是一致的。
为了验证球体的体积公式是否成立,我们可以通过拟合散点图上的数据点,得到一个函数表达式。
根据散点图,我们可以发现,水面升高h与球体半径r之间的关系似乎是一个三次函数关系。
因此,我们选择三次多项式拟合方法,得到拟合函数:h = a \cdot r^3 + b \cdot r^2 + c \cdot r + d通过拟合方法,可以得到拟合函数的系数:系数值a 0.043b 0.127c 0.167d -0.062结论通过实验数据处理与分析,我们得出以下结论:1. 球体的体积公式V = \frac{4}{3} \pi r^3成立。
《数学实验》实验报告4
(2012 年 4月 19日)
一、实验问题
1.财政收入预测问题(中国统计年鉴上寻找数据)
财政收入与国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资等因素有关。
查找2010年以前的数据(至少10个样本/tjsj/ndsj/),试构造预测模型,并预测2008年,2009,2010年的财政收入。
2.(谢金星)下表列出了某城市18位35岁—44岁经理的年平均收入x1千元,风险偏好度x2和人寿保险额y 千元的数据建立回归模型。
二、问题的分析(涉及的理论知识、数学建模与求解的方法等)
1.先用逐步回归确定模型:
设x1表示国民收入;x2表示工业总产值;x3表示农业总产值;x4表示总人口;x5表示就业人口;x6表示固定资产投资;y表示财政收入;(1)分别输入数据:x1,x2,x3,x4,x5,x6,y;(2)逐步回归:stepwise(x,y)运行的到stepwise regression图形可以看出x1显著.
2.先用逐步回归确定模型:
设x1:年平均收入;x2:风险偏好度;x3:年平均收入的平方;
x4: 风险偏好度的平方;x5: 年平均收入*风险偏好度。
Y:人寿保险。
x=[x1 x2 x3 x4 x5]
假设y=a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6+e
(1)分别输入数据:x1,x2,x3,x4,x5,y;
(2)逐步回归:stepwise(x,y)运行的到stepwise regression图形可以看出x3显著下一步x2进入在下布
x3进入
(3)移去变量x4,x5模型变得显著,新的统计中统计量F的值明显增大,因此新的回归模型更好。
(4)对变量y和x1,x2,x3作线性回归:X=[ones(18,1) x1 x2 x3];
[b,bint,r,rint,stats]=regress(X,y);
三、计算过程
1.逐步回归模型:
x1=[83024.3 88479.2 98000.5 108068.2 119095.7 135174.0 159586.7 184088.6 213131.7 251483.2]';
x2=[67737.14 72707.04 85673.7 95448.98 110776.48 142271.2 201722.19 251619.50 316588.96 405177]';
x3=[14241.9 14106.2 13873.6 14462.8 14931.6 14870.1 18138.4 19613.4 21522.3 24658.1]'; x4=[124761 125786 126743 127627 128453 129227 129988 130756 131448 132129]';
x5=[69957 70586 71150 73025 73740 74432 75200 75825 76400 76990]';
x6=[28406.17 29854.71 32917.73 37213.49 43499.91 55566.61 70477.4 88773.6 109998.2 137323.9]';
X=[x1 x2 x3 x4 x5 x6];
y=[9875.95 11444.08 13395.23 16386.04 18903.64 21715.25 26396.47 31649.29 38760.20 51321.78]';
stepwise(x,y);
r =
1.0e+003 *
-0.8496
1.2862
-0.5695
0.2316
0.2193
0.1889
-0.0514
-0.4391
-0.7572
0.7407
rint =
1.0e+003 *
-1.9450 0.2457 0.5328 2.0397 -0.8955 -0.2435 -2.9073 3.3706 -1.3399 1.7786 -0.9598 1.3376 -2.2662 2.1634 -3.6760 2.7977 -3.9935 2.4791 -0.1271 1.6085
stats =
1.0e+006 *
0.0000 0.0002 0.0000 1.3852
第二题x1=[66.290 40.964 72.996 45.010 57.204 26.852 38.122 35.840 75.796 37.408 54.376 46.186 46.130 30.366 39.060 79.380 52.766 55.916]';
X2=[7 5 10 6 4 5 4 6 9 5 2 7 4 3 5 1 8 6]';
y=[196 63 252 84 126 14 49 49 266 49 105 98 77 14 56 245 133 133]';
x3=[66.290.^2 40.964.^2 72.996.^2 45.010.^2 57.204.^2 26.852.^2 38.122.^2
35.840.^2 75.796.^2 37.408.^2 54.376.^2 46.186.^2 46.130.^2 30.366.^2 39.060.^2 79.380.^2 52.766.^2 55.916.^2]';
x4=[7.^2 5.^2 10.^2 6.^2 4.^2 5.^2 4.^2 6.^2 9.^2 5.^2 2.^2 7.^2
4.^2 3.^2
5.^2 1.^2 8.^2
6.^2]';
x5=[66.290*7 40.964*5 72.996*10 45.010*6 57.204*4 26.852*5 38.122*4 35.840*6 75.796*9 37.408*5 54.376*2 46.186*7 46.130*4 30.366*3 39.060*5 379.380*1 52.766*8 55.916*6]'; x=[x1 x2 x3 x4 x5];
stepwise(x,y);
结果:统计中有x1,x2,x3即人寿保险与年平均收入之间存在二次关系,人寿保险与风险偏好度之间存在线性关系,人寿保险与风险偏好度之间不存在线性关系及与两个自变量交互之间不存在交互效应。
线性回归模型:
x1= [66.290 40.964 72.996 45.010 57.204 26.852 38.122 35.840 75.796 37.408 54.376 46.186
46.130 30.366 39.060 79.380 52.766 55.916]';
x2= [7 5 10 6 4 5 4 6 9 5 2 7 4 3 5 1 8 6]';
y= [196 63 252 84 126 14 49 49 266 49 105 98 77 14 56 245 133 133]';
x3= [66.290.^2 40.964.^2 72.996.^2 45.010.^2 57.204.^2 26.852.^2 38.122.^2
35.840.^2 75.796.^2 37.408.^2 54.376.^2 46.186.^2 46.130.^2 30.366.^2
39.060.^2 79.380.^2 52.766.^2 55.916.^2]';
X= [ones(18,1) x1 x2 x3];
[b,bint,r,rint,stats]=regress(y,X)
结果:b = -62.3489 0.8396 5.6846 0.0371
bint = -73.5027 -51.1952
0.3951 1.2840
5.2604
6.1089
0.0330 0.0412
stats =1.0e+004 *
0.0001 1.1070 0 0.0003
四、问题求解结果的分析与结论
1.有逐步分析可知:统计量F=993.794应越大越好。
从图中可知Y只跟X1有关。
结论:Y=8.5381*x1
2.由逐步分析可知:统计量F=11071.3越大越好,因此去掉x4,x5后模型具有显著性。
可知人寿保险与年平均收入之间存在二次关系,人寿保险与风险偏好度之间存在线性关系,人寿保险与风险偏好度之间不存在线性关系及与两个自变量交互之间不存在交互效应。
线性回归模型:bint中可知a1,a2,a3,a4置信区间中不含0及stas中可知p远小于a模型可用。
结论:y=-62.3489*x1+0.8396*x2+5.6846x1.^2+0.0371。