matlab经典算法的程序之傅里叶级数实验.zip

MATLAB神经网络之SVM神经网络的数据分类预测-葡萄酒种类识别.zip

matlab经典算法的程序之分冶.zip

MATLAB神经网络之SVM神经网络的回归预测分析---上证开盘指数预测.zip

MATLAB神经网络之SOM神经网络的数据分类--柴油机故障诊断.zip

MATLAB图像处理实现直线识别（拟合角平分线）.zip

matlab经典算法的程序之回归拟合.zip

基于仿射变换的数字图象置乱技术 MATLAB源程序代码.zip

二、多元线性回归预测模型的显著性检验 与一元线性回归的情形类似，也应检验y与x1,x2…，xm之间的线性相关关系是否显著。只有线性相关关系显著时，所求得的多元线性回归模型才有应用价值，这时，也称回归模型（方程）的回归效果显著。 但与一元线性回归也有不同之处：一元线性回归中只有一个自变量，“回归效果不显著”与“b=0”是一回事；对于多元线性回归则要复杂得多，否定了假设 “H0：b1=b2=…=bm=0”时，认为多元线性回归方程的“整个回归效果是显著的”，有一定实用价值，但并不等于说y与所有的自变量xj(j=1，2，…，m)均有密切的相关关系，也可能有某几个xj与y 的相关关系并不密切，但没有影响大局。因此，对多元线性回归模型，除了要检验“整个回归效果是否显著”外，还应逐个检验每个回归系数bj(j=1，2，…，m)是否为零，以便分辨出哪些xj对y无显著影响。下面分别加以讨论。

牛顿Newton插值 MATLAB源程序代码.zip