为回归方程为后经过拟合曲线确定其未来检测值，采用蒙特卡洛法抽检带入回归方程验证。即可完成。六对于模型的评价模型的优点本文对于各种因素对于食品质量安全的影响建立了多元线性回归模型，全面综合考虑了各个方面的因素，避免了单因素分析的不准确性，得出了合理的数学模型。并且通过各因素的显著性分析，找到了影响食品质量安全的主要因素，较符合实际情况，模型可靠，并且模型相对简单，利于操作该方法不仅适用于本题，也适用于其他方面的数据预测，有实际背景，可运用于实践，具有广泛适用性。模型的缺点本文忽略了除了所给因素之外的因素对食品安全的影响，与实际问题存在偏差。同时是在假设各因素相互独立的情况下对食品质量的影响进行分析，可能会导致误差七参考文献马新民，王逸迅概率与数理统计北京机械工业出版社，刘卫国程序设计与应用北京高等教育出版社，茆诗松回归分析及其试验设计上海华东师范大学出版社，姜启源，数学模型,北京，高等教育出纳版社，附录经过残差分析，我们把个组数据筛选为组可靠数据数据，数据如表编程如下筛选数据程序,回归系数回归系数的区间估计残差残差置信区间用于检验回归模型的统计量，有三个数值相关系数值与对应的概率,相关系数越接近，说明回归方程越显著，时拒绝，越大，说明回归方程越显著与对应的概率时拒绝，回归模型成立。为的矩阵为的矩阵显著性水平,用这个图来来做参差及其置信区间的图，如果数据的置信区间不包含零点，则可认为这个数据是异常的，应把它剔除利用第个多元回归方程求出来的理论值利用最终的回归方程求出来的理论值,归化计算步骤中的元素按行相乘得新向量将新向量的每个分向量开次方将所有向量归化即为权重向量。计算判断矩阵的最大特征值并进行致性检验计算致性指标其中，为判断矩阵的阶数计算致性比例其中为平均致性指标，当时判断矩阵具有好的致性。找查相应的平均随机致性指标。经计算得图表建立两两比较的层判断矩阵并进行致性检验。根据途径的表格中数据表可完成表格方法和计算判断矩阵致。平均随机致性指标入入三年中食品安全评价结果表列表计算入入入入入入入入深圳市食品质量系数分级表市场食品质量安全的综合评价指数的计算根据深圳市食品安检局标准处推荐的评价标准食品安检质量标准以及食品质量分级为参考依据，见下表这样就得到了年第至四期食品安全抽样检验产品抽查样本的食品安全的优劣状况，并做出定量的综合评价。其它年份的食品安全情况同理可求。求解程序见附录。表为求得的各个抽查样本的食品质量安全状况和定量综合评价。其中为致性指标当劣Ⅴ严重劣食品处理数据根据题设问题，我们将数据表进行分析筛选整理，得题设二所需数据。我们将表中的数据按年度和季度分为子样本，对每个子样,从个变量中进行残差排除。回归方程的求解用筛选后的数据，根据回归模型编程求解程序如附表解得回归系数为回归方程为偏回归平方和的比较运用进行编程程序见附录，得到各因素的偏回方和根据的大小可判断各因素对食品安全系数的影响程度结论在食品质量影响因素中食品产地影响最大，食品加工次之，季节影响最小，抽查地点几乎无影响。检验运用检验法验证其线性性。问题三的分析与模型的建立用数据拟合曲线来验证其抽减次数减少后的结果，利用残差和来看。假如变量与另外个变量,的内在联系是线性的，它的第次试验数据是,那么这组数据可以假设有如下的结构式,,,其中，是个待估计参数是个可以精确测量的般变量,是个相互独立且服从同正态分布,的随机变量，这就是多元线性回归的数学模型。令，，，，那么多元线性回归的数学模型可以写成矩阵形式其中是维随机向量，它的分量是相互独立的。参数的最小二乘估计为了估计参数，我们采用最小二乘估计法。设分别是参数，的最小二乘估计，则回归方程为由最小二乘法知道，应使得全部观察值与回归值ˆ的偏差