线性回归方程.ppt

* 在实际问题中，变量之间的常见关系有如下两类： 一类是确定性函数关系，变量之间的关系可以用函数表示．例如，圆的面积Ｓ与半径ｒ之间就是确定性函数关系，可以用函数Ｓ＝πｒ２表示． 一类是相关关系,变量之间有一定的联系，但不能完全用函数来表达．例如，人的体重ｙ与身高ｘ有关．一般来说，身高越高，体重越重，但不能用一个函数来严格地表示身高与体重之间的关系． 某小卖部为了了解热茶销售量与气温之间的关系，随机统计并制作了某６天卖出热茶的杯数与当天气温的对比表： 64 50 38 34 24 20 杯数 -1 4 10 13 18 26 气温/℃ 　 如果某天的气温是－５℃，你能根据这些数据预测这天小卖部卖出热茶的杯数吗？ 我们以横坐标x表示气温,纵坐标y表示热茶杯销售量,建立如图直角坐标系.请描出各点,看看你能发现什么结论? 这些点散布在一条直线的附近，故可用一个线性函数近似地表示热茶销量与气温之间的关系． 选择怎样的直线近似地表示热茶销量与气温之间的关系？ 怎样的直线最好呢？ (2)取一条直线，使得位于该直线一侧和另一侧点的个数基本相同； (3)多取几组点，确定几条直线方程，再分别算出各条直线斜率、截距的平均值，作为所求直线的斜率、截距； (1)选择能反映直线变化的两个点，例如取过(4,50),(18,24)这两点的直线； 用方程为 ＝ｂｘ＋ａ的直线拟合散点图中的点，应使得该直线与散点图中的点最接近．那么，怎样衡量直线 ＝ｂｘ＋ａ与图中六个点的接近程度呢？ 我们将表中给出的自变量ｘ的六个值代入直线方程，得到相应的六个 值： 26b+a，18b+a，13b+a，10b=a，4b+a，-b=a． 这六个值与表中相应的六个 的实际值应该越接近越好.所以,我们用类似于估计总体平均数时的思想,考虑如下离差平方和 Q( a , b)是直线 ＝ｂｘ＋ａ与各散点在垂直方向（纵轴方向）上的距离的平方和，可以用来衡量直线 ＝ｂｘ＋ａ与图中六个点的接近程度．所以，设法取ａ，ｂ的值，使 Q( a , b)达到最小值．这种方法叫做最小平方法(最小二乘法)． 我们把a看做常数,那么Q是关于b的二次 函数,故当 时,Q取得最 小值.同理把b看作常数,那么Q是关于a的 二次函数,当 时, Q取得最 小值.因此,当 时,Q取得最 小值.由此解得 故,所求直线方程为 =-1.6477x+57.55568 从而当 x=-5时, =66,即当气温为-50C时热茶销售量为66杯. 像这样能用直线方程 =bx+a近似表示的相关关系叫做线性相关关系. 一般地，设有（ｘ，ｙ）的ｎ对观察数据如下： 例1.下表为某地近几年机动车辆数与交通事故数的统计资料，请判断机动车辆数与交通事故数之间是否具有线性相关关系，如果具有线性相关关系，求出线性回归方程；如果不具有线性相关关系，说明理由． 　解:在直角坐标系中描出数据的散点图，直观判断散点在一条直线附近，故具有线性相关关系．计算相应的数据之和： *