逻辑曲线(Logistic回归).pptVIP

逻辑曲线（Logistic回归） 模型： （M，A， K待定） M y(x) M —— 2. A —— 3. K —— 上限 K0 逻辑曲线（Logistic回归） 模型： （M，A，K0待定） 作对数变换 化为直线型 新的因变量P 新的截距 b 新的截距 b：lnA 利用简化公式求斜率 Ex:草履虫在试管培养液中生长观察 T(天) 0 1 2 3 4 5 6 7 8 y(只) 2 20 135 320 374 378 380 381 381 逻辑曲线（Logistic回归） 考虑模型： 新的截距：b=lnA=5.224 新的因变量P T(天) 0 1 2 3 4 5 6 7 8 y(只) 2 20 135 320 374 378 380 381 381 由条件估计上限： M=381, 可化作直线型 逻辑曲线（Logistic回归） 利用简化公式求斜率 0,7,8信息已用过，故此公式只用数据1~6，否则易出错 逻辑曲线（Logistic回归） 模型： T(天) 0 1 2 3 4 5 6 7 8 y(只) 2 20 135 320 374 378 380 381 381 模型值 2 15 92 272 362 378 380 381 381 总结一元回归与参数估计的步骤 　　　　　　 步骤： 输入原始数据 作散点图，根据趋势考虑不同模型 参数估计，确定模型 检验 (将曲线与散点图放在同一坐标系中) 1）直线型： 参数估计： 总结一元回归与参数估计的步骤 截距已知： （截距 已知，斜率 待定） 利用简化公式 截距未知： （k，b待定） 伴返 唯一办法 方法一：利用公式 伴返 繁 方法二：计算机内置命令函数 伴返 line(X,Y) 较好 2）指数型： 参数估计： 总结一元回归与参数估计的步骤 （A，K待定） 方法二：计算机内置命令函数 化为直线型 较好方法： （A，K，C待定） 方法一：取定C0,化为直线型 expfit(X,Y,V0) 先给出猜想值 推荐 3）幂函数型： 参数估计： 总结一元回归与参数估计的步骤 （A，K待定） 方法二：计算机内置命令函数 化为直线型 较好方法： （A，K，C待定） 方法一：取定C0,化为直线型 pwrfit(X,Y,V0) 先给出猜想值 推荐 4） Logistic曲线型： 参数估计： 总结一元回归与参数估计的步骤 （M，A，K待定） M —— 2. A —— 3. K —— 上限 K0 方法一：化为直线型 方法二：计算机内置命令函数 推荐 lgsfit(X,Y,V0) 先给出猜想值 * * * *