《幼龟性别比与孵化温度模型》由会员分享，可在线阅读，更多相关《幼龟性别比与孵化温度模型（5页珍藏版）》请在金锄头文库上搜索。
1、幼龟性别比与孵化温度模型摘 要本文通过对3批乌龟蛋孵化过程雄龟性别与温度之间数据的分析与处理,参照统计回归模型,建立幼龟性别比与孵化温度模型,并对模型进行了求解和推广.对于问题,以温度为自变量,孵化出的雄龟所占比例为因变量,因为因变量不是连续变量,回归分析不适用,而应建立logit模型.通过Matlab统计工具箱中的命令glmfit对logit模型右端的关于温度线性函数进行相关参数求解,并得出该模型的拟合程度.拟合偏差为14.8629,建立的模型实用性不强,需对模型进行改进.在logit模型的右端加入自变量温度的二次项,重复以上过程,直到拟合程度数值较小,与实际数据相差较小.当加入自变量温度的
2、五次项时,误差为,所建立的模型较为符合题目要求.在已建立logit模型基础上,根据题目要求自变量的值为0.5,将此值代入模型中,反解出温度的值为27.6,即为雌雄比例1:1的温度值. 对于问题,在问题的模型基础上,建立odds函数模型,odds是雄性乌龟的数目与雌性乌龟的数目的比,并将logit模型用odds函数表示.温度升高1时,雄性乌龟的数目与雌性乌龟的数目比为一个指数函数,随温度的升高,雄性比例也在不断提高,最后趋近于1.该模型还可以推广到受乌龟蛋孵化过程温度影响的因变量是多分类指标变量时,采用多分类logit模型对模型进行求解,对研究乌龟蛋孵化过程具有重要的指导意义和实用价值.关键词统
3、计回归模型;logit模型；odds函数一、问题重述自然界中的生物有的有雌雄之分,有的生物则是雌雄同体,性别是由哪些因素决定的呢？不同的生物决定因素不同,人类的性别由x染色体和y染色体决定的,而植物的性别决定因素更加复杂,植物的在同一多花上既有雄蕊也有雌蕊的则是雌雄同体,哺乳动物的性别决定因素与人类一样,都是由基因决定的,两栖类的动物如甲壳虫,乌龟的性别则受环境因素的影响,科学研究表明,决定幼龟性别的最关键的因素是乌龟蛋孵化时的温度.为了研究温度是如何影响幼龟的雌雄比例,美国科学家对某一类乌龟的孵化过程作了实验.实验在5个不同的恒定温度下进行,每个温度下分别观察3批乌龟蛋的孵化过程,得到数据如
4、下：温度/乌龟蛋个数雄龟个数雌龟个数雄龟比例27.2101910%8080%91811%.127.7107370%64266.7%86275%28.313130100%96366.7%87187.5%28.4107370%95362.5%87277.8%29.91110190.9%880100%990100%请根据数据建立幼龟性别比和孵化温度之间的logit模型,并求解出在孵化温度多大时,孵化出幼龟的性别比恰好为.分析温度每升高,幼龟的性别的变化情况.二、问题分析对于问题,以温度为自变量,孵化出的雄龟所占比例为因变量,随着温度的升高,若雄龟所占的比例呈线性增长趋势,则建立线性回归模型,因为因变
5、量不是连续变量,回归分析不适用,而应建立logit模型,首先令logit模型的右端为关于温度线性函数,通过Matlab软件对相关参数进行求解,并得出该模型的拟合程度,若拟合程度数值较小,则说明拟合程度好,符合实际情况,否则,在logit模型的右端加入自变量温度的二次项,重复以上过程,直到拟合程度数值较小,与实际数据相差较小.在建立logit模型基础上,根据题目要求自变量的值为0.5,将此值代入模型中,反解出温度的值,则为雌雄比例1:1的温度值. 对于问题,在问题的模型基础上,建立odds函数模型,odds为时间发生的概率与不发生的概率之比,在该题中则是雄性乌龟的数目与雌性乌龟的数目的比,并将l
6、ogit模型用odds模型表达,分析当温度升高一度时,odds函数值的变化,则为雄性乌龟与雌性乌龟数目的比值变化.三、模型假设通过建立幼龟性别与孵化温度之间的logit模型来研究孵化温度对幼龟性别的影响,为了简化问题,现作出以下假设：(1) 这15批乌龟蛋都是独立选取的；(2) 不考虑日照,湿度,孵化时长等因素的影响；四、符号表示符号意义乌龟蛋孵化的温度雄龟的比例乌龟蛋孵化时分成组第组的温度第组的乌龟蛋数目第组的雄性乌龟数目温度为时,雄性比与雌性比的概率之比五、模型建立与求解通过对题目中数据的分析,表中数据已将被观察的乌龟蛋按温度分成了五组,并统计了每个温度下的雄幼龟的数目,与雄幼龟所占总数的
7、比例,下面将根据数据建立乌龟性别与孵化温度之间的logit模型.5.1logit模型的建立为考察雄性乌龟的比例与温度的关系,首先根据题目中的表格数据用Matlab软件作出雄乌龟的比例对各温度的散点图,见图1.图1 雄龟比例对温度的散点图从图1可以看出,雄龟比例随着温度的升高而增大,为了寻求雄龟比例与温度之间的函数关系,并注意到在0,1区间取值,可以建立logit模型. (1) 式反函数写为 (2) 式左端可看作的变换,记作,称为logit模型或logistic回归模型.当在0,1取值时,取值为.5.2模型的求解logit模型是一种广义线性模型,可利用Matlab统计工具箱中的命令glmfit求
8、解.求解程序见附录中的程序1,执行程序后得到logit模型中的参数,的最大似然估计值与它的标准差,拟合偏差为14.8629,拟合偏差过大,所以可以考虑在模型后加上四项,即为： 同利用Matlab统计工具箱中的命令glmfit求解,拟合偏差值为参数的估计值由表给出：表1 模型参数的估计结果参数参数估计值017290-243201290300用glmval画出logistic回归曲线图形,如图2给出了logistic回归曲线与散点图.图2 logistic回归曲线与散点图利用glmval命令还可以给出自变量为时因变量的预测值以与置信度为95的置信区间,结果如表2.表2 雄性乌龟的预测值与预测区间温
9、度/乌龟蛋个数雄龟个数雄龟比例预测值置信区间27.22720.07400.70410.0109,127.724170.70830.70830.2798,128.330260.86670.86670.3879,128.427190.70370.70370.1228,129.928270.96420.96430.0138,1针对问题,当幼龟的性别比例为1:1时,的值为0.5,代入式可得此时的温度,舍去第一个温度,所以当孵化温度为29.8,28.5,27.6,27.0时,孵化出的幼龟性别比恰好为1:1,雄性龟和雌性龟数目相同.针对问题,雄性乌龟的数目与雌性乌龟的数目比为 于是logit模型可表示为
10、当温度升高1时,比为 分析式可知雄性乌龟的数目与雌性乌龟的数目比为一个指数函数,随温度的升高,雄性比例也在不断提高,最后趋近于1.六、模型评价与推广6.1模型评价在建立logit模型前,先进行了数据的预处理,数据预处理是将被观察者按年龄段进行分组,并统计各温度下的雄性乌龟个数,与雄龟数目占该温度下乌龟总数的比例,为建立模型提供了数据支持,提高建模效率,logit模型相对于线性回归模型来说,更符合概率在0,1区间取值的实际情况.Logit模型是一种广义线性模型,模型求解时运用了Matlab统计工具箱中的命令glmfit求解,使得参数求解和标准差求解更加便捷,并用glmval命令求出置信度为95的
11、置信区间,使预测值更具有说服力.6.2模型推广因变量是定性变量的回归分析作为一种有效的数据处理方法已被广泛应用,尤其在医学、社会调查、生物信息处理等领域.本文所建立的模型是只有一个自变量的情形,对多个自变量的情形,logit模型一般形式为：其中可以是数值变量,也可以是分类变量,其分析与处理方式类似于本文中的情形.另外,当因变量是多分类指标变量时,可以采多分类logit模型.参考文献1 姜启源,数学模型,：高等教育,2005.附录程序1x=27.2,27.7,28.3,28.4,29.9;Chd=2,17,26,19,27;Total=27,24,30,27,28;y=Chd./Total;b,dev,stats=glmfit;logitFit=glmval;plot;xlabel;ylabelb,bi=stats.se,devT=27.2,27.7,28.3,28.4,29.9;y=2/27,17/24,26/30,19/27,28/28;plot /
