数据的回归与分类分析

本文通过Excel进行线性回归分析,探讨父亲与儿子、母亲与儿子身高的相关性。结果显示,父亲身高对儿子身高的影响为y=0.399x+39.110,而母亲与儿子的身高拟合效果较差,对传统习俗提出疑问。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对高尔顿数据的线性回归分析

要解决的问题:
父亲高则儿子高,父亲矮则儿子矮”(即父亲与儿子身高相关,且为正相关)、“母高高一窝,父高高一个”(即母亲的身高比父亲的身高对子女的影响更大)的习俗传说是否成立?
利用线性回归验证传统习俗是否成立?
(一)选取父子身高数据为X-Y,用Excel计算线性回归方程和相关系数、方差、p值等,判断回归方程是否成立。 现在如果有一个新家庭的数据,已知父亲身高75英寸,请测算儿子的身高为多少?
对父子身高数据集进行线性回归分析
1、使用excel2016
在这里插入图片描述2、若没有数据分析这个选项
打开文件->选项->加载项
点击转到
在这里插入图片描述
3、勾选以下两个选项即可:
在这里插入图片描述
4、选择回归分析:

5、选择区间
其中自变量为父亲身高,应变量为子女身高,同时勾选线性拟合图x

在这里插入图片描述

6、得到分析结果:
在这里插入图片描述在这里插入图片描述在这里插入图片描述

7、结果分析,由数据分析的结果可看该数据模型的残差平方和为10641.99 ,该数据越大则说明拟合效果越差。
可得线性回归方程y=0.399x+39.110
因此已知父亲身高为75英寸可得儿子身高为:69.035英寸

(二)选取母子身高数据为X-Y,用Excel计算线性回归方程和相关系数、方差、p值等,判断回归方程是否成立。
利用上述方法可得母子间回归关系
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述可得其残差平方和为11046.81,可见该模型的拟合效果很差,
因此,对于习俗传说母亲的身高比父亲的身高对孩子的影响更大我持怀疑态度。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值