关于环境类实习报告合集

　　1、 八个在学习不同周数后，在一次考试中取得如下表所示的成绩（百分制）：

　　分别用手算和上机完成下列问题：

　　（1） 用回 归方程y=bx拟合这些数据，其中x是学习周数，y是考试成绩。并

　　对回归模型进行检验。同时说出选用此模型的原因以及回归模型预测的适用范围。

　　（2） 用回 归方程y=a+bx拟合这些数据，对回归模型进行检验，说出选用此

　　模型的原因以及回归模型预测的适用范围。

　　解：（1）手算：

　　误差平方和Q= 8t=1 ytbxt (ytbxt)

　　为了使Q最小，即db= 8t=12(ytbxt)xt=0

　　N得： 8t=1ytxtb t=1xtxt=0

　　8ytxt20xxb= t=1xtxt=107t=1dQ

　　所以回归方程为：y=19.1588785x

　　显著性检验：

　　2QR= 8t=1yt=39275.70093

　　2QE= 8(y^tyt)=824.2990654 t=1

　　F=QR/(QE/7)=333.531746

　　F0.05(1，7)=5.59

　　F>F0.05(1，7),该回归直线有意义。

　　该回归模型适用的范围是：[0,8]。

　　上机：如图表1（1）：

　　21输入数据，做出散点图，并添加趋势线，选择截距为0，显示公式和R ○

　　从图中可以得到：回归方程：y=19.15x

　　线性检验：决定系数：R2=0.891

　　2输入数据，对上述数据进行回归分析，得到回归分析表 ○

　　由黄色方块得回归方程：y=19.1588785x

　　线性相关的检验：

　　由红色方块得：决定系数：R2=0.979443911

　　显著性检验：

　　由蓝色方块得：Significance F=1.73605E-06

　　当0.05时，Significance FF0.05(1，6),该回归直线有意义。

　　该回归模型适用的范围是：[0,8]。

　　上机：如图表1（2）：

　　输入数据

　　2 1做出散点图，并添加趋势线，显示公式和R○

　　从图中可以得到：回归方程：y=15.80x+14.37

　　线性系数检验：决定系数：R2=0.950

　　2对上述数据进行回归分析，得到回归分析表： ○

　　由黄色方块得：回归方程：y=15.8008658x+14.37229437

　　检验：

　　线性相关的检验：

　　由红色方块得：决定系数：R2=0.950134434

　　显著性检验：

　　由蓝色方块得：Significance F=0.00003949

　　当0.05时，Significance F<

　　所以该回归模型的效果显著，回归方程可以选用。

　　该回归模型适用的范围是：[0,8]。

　　2、用非线性回归的方法拟合这些数据，得出最优模型，并进行检验。

　　（1）玉米全生育期的平均气温与相对产量的关系。

　　解：如图表2（1）：

　　输入数据，做出散点图

　　从散点图猜测该数据适合二次抛物线，所以用产量y与温度T和温度的平方T2进行回归分析，得到回归分析表：

　　由黄色方块得：

　　回归方程：y=-3.344518387+0.350009338T-0.007058648 T2

　　由红色方块得：决定系数：R2=0.905610648

　　显著性检验：

　　由蓝色方块得：Significance F=0.00002438

　　当0.05时，Significance F<

　　所以该回归模型的效果显著，回归方程可以选用。

　　（2）某玉米品种播种后天数与株高的关系。

　　解：如图表2（2）：

　　输入数据，做出散点图

　　从散点图及题意猜测该数据适合Logistic曲线，所以用ln(282/y-1)与天数t进行回归分析，得到回归分析表：

　　由黄色方块得：回归方程：ln(282/y-1)= 4.16630920-0.11543697t 化为：=1+2.54600939e

　　线性相关的检验：

　　由红色方块得：决定系数：R2= 0.97250989

　　显著性检验：

　　由蓝色方块得：Significance F= 1.01332024E-06

　　当0.05时，Significance F<

　　所以该回归模型的效果显著，回归方程可以选用。

　　（3） 某一污染物自净过程中其浓度与时间的关系

　　282解：如图表2（3）：

　　输入数据，做出散点图

　　从散点图及题意猜测该数据适合指数函数，所以用浓度的自然对数lny与时间t进行回归分析，得到回归分析表：

　　由黄色方块得：回归方程lny=-3.24381456-0.01438149t

　　由红色方块得：决定系数：R2=0.90966209

　　显著性检验：

　　由蓝色方块得：Significance F=0.00006688

　　当0.05时，Significance F<

　　所以该回归模型的效果显著，回归方程可以选用。

　　（4） 酵母菌生物量与时间的关系。

　　解：如图表2（4）：

　　输入数据，做出散点图

　　从散点图猜测该数据适合指数函数，所以用浓度的自然对数lny与时间t进行回归分析，得到回归分析表：

　　由黄色方块得回归方程：lny=2.39568327+0.46363138t

　　线性相关的检验：

　　由红色方块得：决定系数：R2=0.99560981

　　显著性检验：

　　由蓝色方块得：Significance F=2.64860769E-08

　　当0.05时，Significance F<

　　所以该回归模型的效果显著，回归方程可以选用。