什么是「数学建模」？ Mathematical modeling is the link between mathematics and the rest of the world.You ask aquestion.You think a bit，and then you refine thequestion，phrasing it 。
R语言怎么做多因变量的多元线性回归 举个例子：一般人在身高相等的情况下，血压收缩压Y与体重X1和年龄X2有关，抽取13组成年人数据（如下图），构建Y与X1、X2的线性回归关系。1.先创建一个数据框blood：bloodX1=c(76，91.5，85.5，82.5，79，80.5，74.5，79，85，76.5，82，95，92.5)，X2=c(50，20，20，30，30，50，60，50，40，55，40，40，20)，Y=c(120，141，124，126，117，125，123，125，132，123，132，155，147)2.拟合线性回归：lm.sol(Y~X1+X2，data=blood)提取模型计算结果summary(lm.sol)这里说一下含义：1、在计算结果的第一部分（call）列出了相应的回归模型公式；2、第二部分（Residuals）列出了残差的最小值点、1/4分位点、3/4分位点、最大值点；3、第三方部分（Coefficients）Estimate表示回归方程参数的估计，std.Error表示回归参数的标准差，t value 为t值，Pr（>；|t|）表示p值说明一下：*表示极为显著，*表示高度显著，*表示显著，.表示不太显著，没有记号表示不显著4、第四部分（Residual standard error）表示残差的标准差，（F-statistic）表示F的统计量通过上面的结果可以看出回归模型：Y=2.13656X1+0.40022X2-62.96336我们根据得出的回归模型进行预测例如：预测体重X1=100，年龄X2=40的血压值Ynewdata。
通过线性回归方程r要满足什么条件 样本相关系数的定义公式是：样本相关系数r有以下特点：1.r的取值介于－1与1之间.2.当r＝0时，X与Y的样本观测值之间没有线性关系.3.在大多数情况下，0｜r｜，即X与Y的样本观测值之间存在着一定的线性关系，当r＞0时，X与Y为正相关，当r时，X与Y为负相关.4.如果｜r｜＝1，则表明X与Y完全线性相关，当r＝1时，称为完全正相关，而r＝－1时，称为完全负相关.
