【数学】一元线性回归模型2课件 2023-2024学年高二下学期数学人教A版（2019）选择性必修第三册.pptxVIP

8.2.2一元线性回归模型参数的最小二乘估计（2）

1.经验回归方程：我们将称为Y关于x的经验回归方程，也称经验回归函数或经验回归公式，其图形称为经验回归直线.这种求经验回归方程的方法叫做最小二乘法.2.最小二乘估计：经验回归方程中的参数计算公式为：复习回顾

思考：当父亲身高为176时，儿子的身高一定是177吗？这个差异如何理解？课堂导入（3分钟） 1.针对实际问题，会用一元线性回归模型进行预测．2.通过对具体问题的进一步分析，能将某些非线性回归问题转化为线性回归问题并加以解决. 3.通过具体实例，了解决定系数R2的意义和作用.学习目标

自主学习（7分钟）合作学习（6分钟）1.阅读课本P111，残差=？残差与随机误差e一定相等吗？残差分析的作用？总结残差分析的两个方法2.观察课本P112图8.2-8思考：如何由残差图直观判断模型是否满足一元线性回归模型的假设？3.结合课本P115图8.2-12，观察图中散点与直线的位置关系，你能看出其中存在的问题吗？怎么模型进行修改，以使其更好地反映散点的分布特征？4.结合课本P118思考，如何比较两个模型的拟合效果？几种方法？

残差=观测值－预报值成果展示（12分钟）父亲身高x174170173169182172180172168166182173164180儿子身高观测值yi176176170170185176178174170168178172165182儿子身高预测值174.943171.587174.104170.748181.655173.265179.977173.265169.909168.231181.655174.104166.553179.977残差yi-1.0574.413-4.104-0.7483.3452.735-1.9770.7350.091-0.231-3.655-2.104-1.5532.023残差分析途径：列残差表、作残差图.残差图：以残差为纵坐标，以样本编号(或x)为横坐标.

?残差与观测时间有线性关系，应将时间变量纳入模型残差与观测时间有非线性关系，应在模型中加入时间的非线性函数部分残差的方差不是一个常数，随观测时间的变大而变大残差比较均匀地分布在以取值为0的横轴为对称轴的水平带状区域内成果展示（12分钟）

成果展示（12分钟）残差图：以残差为纵坐标，以样本编号(或x)为横坐标.若存在某几个样本点的残差绝对值较大，则为可疑数据，需予以纠正或剔除，再重新建立回归模型.带状区域宽度越窄，残差绝对值越小，且较均匀地落在横轴附近，说明回归方程预测的精度越高.

例2人们常将男子短跑100m的高水平运动员称为“百米飞人”.下表给出了1968年之前男子短跑100m世界纪录产生的年份和世界纪录的数据.试依据这些成对数据，建立男子短跑100m世界纪录关于纪录产生年份的经验回归方程.编份18961912192119301936195619601968记录/s11.8010.6010.4010.3010.2010.1010.009.95成果展示（12分钟）第1个散点远离回归直线，前后两时间段的散点都在回归直线的上方中间时间段的散点都在回归直线的下方.散点并不是随机分布在经验回归直线的周围，而是围绕着回归直线有一定的变化规律，即成对样本数据呈现出明显的非线性相关的特征.

问题如何修改以使其更好地反映散点的分布特征吗？仔细观察右图,可以发现散点更趋向于落在中间下凸且递减的某条曲线附近.函数y=-lnx的图象具有类似的形状特征.注意到100m短跑的第一个世界纪录产生于1896年,因此可设非线性回归方程为：y=f(t)=c1+c2ln(t-1895)（其中c1、c2为未知参数，且c20）.追问如何利用成对数据估计参数c1和c2？点拨拓展（10分钟）

点拨拓展（10分钟）作出(xi，yi)的散点图，可见x与y呈现出很强的负线性相关特征.

成果展示（12分钟）问题结合课本P118思考，如何比较两个模型的拟合效果？几种方法？(1)直接观察法.

（2)残差平方和=成果展示（12分钟）残差平方和越小，模型拟合效果越好.

（3）决定系数R2残差平方和偏差平方和（与经验回归方程有关）（与经验回归方程无关）0≤R2≤1，R2越接近1，则线性回归刻画的效果越好.成果展示（12分钟）R2越大，残差平方和越小，模型拟合效果越好.R2越小，残差平方和越大，模型拟合效果越差.区分：样本相关系数r刻画线性相关关系的正负和强弱；决定系数R2刻画模型拟合效果的好坏.

点拨拓展（10分钟）?x20