数据分析方法课程设计报告文档格式.docx
《数据分析方法课程设计报告文档格式.docx》由会员分享，可在线阅读，更多相关《数据分析方法课程设计报告文档格式.docx（24页珍藏版）》请在冰点文库上搜索。
40
2.2
66
41
44
1.8
70
28
43
89
49
54
2.9
42
45
2.4
52
62
26
29
2.1
77
53
67
38
55
47
34
2.0
33
56
2.5
79
1.9
88
60
58
（1）拟合线性回归模型，通过残差分析与考察模型及有关误差分布正态性假定的合理性；
（2）若
（1）中模型合理，分别在，，准则下选择最优回归方程，各准则下的选择结果是否一致？
（3）对，用逐步回归法选择最优回归方程，其结果和
（2）中的数否一致？
（4）对选择的最优回归方程作残差分析，与
（1）中的相应结果比较，有何变化？
习题2.6
（1）回归参数的的最小二乘估计为：
。
在MATLAB中输入程序（见程序代码清单二）可得：
，，
所以回归方程为：
对数据做Box-Cox变换，（由于的取值在能力范围不好确定，所以经测试，
取=0.6进行Box-Cox变换
习题2.9
根据所建立的模型，在MATLAB中输入程序，得到以下结果：
（1）所得到的回归方程为：
（2）所得到的学生化残差见附录，通过对残差的分析，很明显不符合正态分布所以（
1）
中所建立的模型不合理。
4．程序代码清单：
习题2.4
x=[12742450
11803254
13753802
12052838
1862347
12653782
1983008
13302450
11952137
1532560
14304020
13724427
12362660
11572088
13702605];
y=[162
120
223
131
169
81
192
116
252
232
144
103
212];
n=15;
p=3
b=inv（x'
*x）*x'
*y
h=x*inv（x'
;
sse=y'
*（eye（n,n）-h）*y
d2=1/（n-p）*y'
sst=y'
*（eye（n,n）-（1/n）*ones（n,n））*y
ssr=y'
*（h-1/n*ones（n,n））*y
msr=ssr/（p-1）
mse=sse/（n-p）
f=msr/mse
r2=1-sse/sst
x=[18.370
18.665
18.863
110.572
110.781
110.883
111.066
111.075
111.180
111.275
111.379
111.476
111.769
112.075
112.974
112.985
113.386
113.771
113.864
114.078
114.280
114.574
116.072
116.377
117.381
117.582
117.980
118.080
120.687];
y=[10.3
10.3
10.2
16.4
18.8
19.7
15.6
18.2
22.6
19.9
24.2
21.0
21.4
21.3
19.1
22.2
33.8
27.4
25.7
24.9
34.5
31.7
36.3
38.3
42.6
55.4
55.7
58.3
51.5
51.0
77.0];
n=31;
p=3;
*y;
fori=1:
n
a=h（2*（i-1）+i）
end
t=sqrt（（mse-mse*a））
q=y-（-57.9877+4.7082*x（:
2:
2）+0.3393*x（:
3:
3））
r=q/t
程序三
m=0:
0.01:
1;
y=（y.^m-1）/m
a=[150512.348
136462.357
140482.266
141441.870
128431.889
149542.936
142502.246
145482.454
152622.926
129502.177
129482.489
143532.467
138552.247
134512.351
153542.257
136492.066
133562.579
129461.988
133492.160
155512.449
129522.377
144582.952
143502.360]
y=a（:
5:
5）
x=a（:
1:
4）
n=23;
p=4;
q=y-（162.8575-1.2103*x（:
2）-0.6659*x（:
3）-8.613*x（:
4:
4））
附录：
习题2.6学生化残差
r=
1.3857
1.4578
1.3656
0.1325
-0.2725
-0.3358
-0.1514
-0.2665
0.3002
-0.0740
0.5535
-0.1200
-0.0184
0.2006
-1.2333
-1.4358
0.5614
-1.6275
-1.2451
-0.9648
0.0273
-1.0948
0.2312
-0.8816
-0.5793
1.1303
0.8813
1.2355
-0.6102
-0.7372
2.1526
习题2.9学生化残差
r=
-0.0558
-1.1563
0.2408
0.1530
0.4069
-0.6459
-1.3453
-0.1718
-0.7476
0.0609
1.3545
1.1860
-1.3953
-1.6533
1.2882
-0.3350
1.4551
0.7065
-1.1911
0.7166
0.3590
0.5853
0.2236
上课纪律（20%）实验过程及结果（40%）实验报告质量（40%）
总分：
教师签字：
（1）掌握主成份分析与典型相关分析的思想和计算步骤；
（2）编写程序完成主成份分析与典型相关性分析的计算；
1.计算样本主成分的步骤：
（1）计算样本协方差矩阵S和相关系数矩阵R：
（2）计算S的特征值和相应的正交化特征向量：
，
（3）第K个样本的得分样本方差：
（4）前M个样本主成分的累加贡献率：
（5）选取m（m<
p）个样本主成分，使其累计贡献率达到一定的要求（如80%到90%），以前m个主成分的得分代替原始数据，这样便可达到降低原始数据维数的目
的，同时也不致损失原始数据太多信息。
2．计算样本典型变量相关系数的步骤：
（1）计算样本的协方差矩阵：
（2）计算A,B矩阵的特征值和正交化向量
（3）第K个样本典型相关变量为：
习题4.5
在MATLAB中输入程序（见附录）
样本相关系数矩阵R为：
10.3336-0.0545-0.0613-0.28940.19880.34870.3187
0.3336
1
-0.0229
0.3989
-0.1563
0.7111
0.4136
0.835
-0.0545
0.5333
0.4968
0.0328
-0.1391
-0.2584
-0.0613
0.6984
0.4679
-0.1713
0.3128
-0.2894
0.2801
-0.2083
-0.0812
0.1988
0.4168
0.7016
0.3487
0.3187
对应的特征值为：
3.0963
2.3672
0.92
0.7059
0.4984
0.0515
0.1308
0.2299
所以各主成分的贡献率为:
X1
0.387
X5
0.0623
X2
0.2959
X6
0.0064
X3
0.115
X7
0.0163
X4
0.0882
X8
0.0287
前两个主成分的累加贡献率为：
0.3870+0.2959=0.6859各省市按照第一主成分排序，结果如下：
海南
河南
宁夏
西藏
广西
广东
陕西
湖北
辽宁
江苏
天津
内蒙古
山西
北京
四川
福建
甘肃
上海
黑龙江
新疆
青海
河北
吉林
浙江
湖南
云南
山东
安徽
贵州
江西
习题4.10
在MATLAB中输入程序（程序见清单二）：
得到相关系数矩阵R:
0.9362
0.4934
0.7677
0.4166
0.9091
4程序清单：
清单一
a=[8.3523.53
7.51
8.62
17.42
10
1.04
11.21
9.25
23.75
6.61
9.19
17.77
10.48
1.72
10.51
8.19
30.5
4.72
9.78
16.28
7.62.52
10.32
7.73
29.2
5.42
9.43
19.29
8.49
2.52
9.42
27.93
8.2
8.14
16.17
1.55
9.76
9.16
27.98
9.01
9.32
15.99
9.11.82
11.35
10.06
28.64
10.52
10.05
16.18
8.39
1.96
10.81
9.09
28.12
7.4
9.62
17.26
11.12
2.49
12.65
9.41
28.2
5.77
10.8
16.36
11.56
1.53
12.17
8.728.12
7.21
10.53
19.45
13.3
1.66
11.96
6.93
29.85
4.54
9.49
16.62
10.65
1.88
13.61
8.67
36.05
7.31
7.75
16.67
11.68
2.38
12.88
9.98
37.69
7.01
8.94
16.15
11.08
0.83
11.67
6.77
38.69
6.01
8.82
14.79
11.44
1.74
13.23
37.75
9.61
13.15
1.28
11.28
7.67
35.71
8.04
8.31
15.13
7.76
1.41
13.25
7.939.77
12.94
19.27
11.05
2.04
13.29
7.18
40.91
7.32
17.6
12.75
1.14
14.8
33.7
7.59
10.98
18.82
14.73
1.78
10.1
6.25
35.02
6.28
10.03
7.15
1.93
10.39
10.6
52.41
7.79.98
12.53
11.7
2.31
14.69
7.27
52.65
3.84
13.03
15.26
1.98
14.57
13.45
55.85
5.57.45
9.55
9.52
2.21
16.3
10.85
44.68
14.51
17.13
12.08
1.26
11.57
45.79
7.66
10.36
16.56
12.86
2.25
11.69
7.68
50.37
19.25
14.59
2.75
14.87
7.78
48.44
8
20.51
22.12
15.73
1.15
16.61
7.94
39.65
20.97
20.82
22.52
12.41
1.75
7.9
8.28
64.34
22.22
20.06
15.12
0.72
22.89
12.47
76.39
5.52
11.24
14.52
22
5.46
25.5];
r=corrcoef（a）;
b=eig（r）
e=b（i）/sum（b）
清单二:
a=[606962976998
56538410378107
8069766699130
5580908085114
62756811613091
746470109101103
64716677102130
737064115110109
6867757685119
69827472133127
606761130134121
707478150158100
667478150131142
8370749998105
68669011985109
78637516498138
1037777160117121
77687414471153
667768778289
70707211493122
7565717770109
917493118115150
667573170147121
758276153132115
747166143105100
767064114113129
74908673106116
7477801168177
677169638770
78758010513280
6466718394133
718076818786
6375731208959
9010374107109101
6076619911198
48777511312497
669397136112122
74707610988105
607471729071
63756613010190
668086130117144
7767748392107
7067100150142146
737681119120119
789077122155149
73688010290122
7283681046996
6560701199489
5270769294100];
b=a'
r=corrcoef（b）;
r11=r（1:
3,1:
3）;
r21=r（4:
6,1:
r12=r21'
r22=r（4:
6,4:
6）;
R=corrcoef（inv（r11）*r12*inv（r22）*r21）
lamda=eig（R）;
p=sqrt（lamda）
升级会员 