【创新设计】2013-2014高中数学 3.1.3 可线性化的回归分析同步课件 北师大版选修2-3.pptVIP

t 4 2 1 0.5 0.25 y 16 12 5 2 1 由散点图也可以看出y与t呈近似的线性相关关系．列表如 下： 求回归方程，应注意首先对样本点是否线性相关进行检验，因为对于任何一组样本点，都可以根据最小二乘法求得一个线性回归方程，但这条线性回归方程是否较好地反映了样本点的分布呢，显然不一定，特别是对于不呈线性相关的回归模型．可以通过散点图或求相关系数r首先作出是否线性相关的检验，然后再选择恰当的回归模型进行模拟. 课前探究学习 课堂讲练互动 会将非线性回归模型经过变换转化为线性回归模型，进而进行回归分析． 学习本节后还应初步会将简单的非线性回归问题转化为线性回归问题．(重点、难点) 1.3　可线性化的回归分析 【课标要求】 【核心扫描】 自学导引 1．非线性回归分析 对不具有线性相关关系的两个变量做统计分析，通过变量代 换，转化为线性回归模型． 2．非线性回归方程 曲线方程 曲线图形 变换公式 变换后的 线性函数 y＝axb c＝ln a v＝ln x u＝ln y u＝c＋bv 曲线方程 曲线图形 变换公式 变换后的 线性函数 y＝aebx c＝ln a u＝ln y u＝c＋bx u＝c＋bv 曲线方程 曲线图形 变换公式 变换后的 线性函数 y＝a＋bln x v＝ln x u＝y u＝a＋bv 想一想： 作两个变量的散点图的主要目的是_____________． 提示　 　直观了解两个变量之间的关系 当两变量y与x不具有线性相关关系时，要借助于散点图，与已学过的函数(如指数函数、对数函数、幂函数等)的图象相比较，找到合适的函数模型，利用变量代换转化为线性函数关系，从而使问题得以解决． 名师点睛 1．可线性化的回归分析 (1)确定变量：确定解释变量为x，预报变量为y； (2)画散点图：通过观察散点图并与学过的函数(幂、指数、对数函数、二次函数)作比较，选取拟合效果好的函数模型； (3)变量置换：通过变量置换把非线性问题转化为线性回归问题； (4)分析拟合效果：通过计算相关指数或相关系数等来判断拟合效果； (5)写出非线性回归方程． 2．解决非线性回归问题的方法及步骤 在大量的实际问题中，研究的两个变量不一定都呈现线性相关关系，它们之间可能呈现指数关系或对数关系等非线性关系等．在某些情况下可以借助于线性回归模型研究呈现非线性关系的两个变量之间的关系． 我们往往将两个非线性的变量关系转化成线性的变量关系．例如，将幂函数曲线y＝axb转化为u＝c＋bv.其中u＝ln y，v＝ln x，c＝ln a；将指数曲线y＝aebx转化为u＝c＋bx.其中u＝ ln y，c＝ln a. 3．非线性变量关系转化为线性变量关系 (1)画出散点图，观察它们之间的关系(如是否存在线性关系等)． (2)由经验确定回归方程的类型(如观察到数据呈线性关系，则选用线性回归方程y＝a＋bx)． (3)按一定规则估计回归方程中的参数(如最小二乘法)． (4)得出结果后分析是否有异常，若存在异常，则检查数据是否有误，或模型是否合适等． 4．建立回归模型的基本步骤 有一位同学家里开了一个小卖部，他为了研究气温对热 茶销售杯数的影响，经过统计，得到一个卖出热茶杯数与 当天气温的对比表： (1)求热茶销售杯数y与气温x的线性回归方程； (2)预测气温为－10 ℃时热茶的销售杯数． 题型一　线性回归分析 【例1】 气温x/℃ －5 0 4 7 12 15 19 23 27 31 36 热茶销售杯数y/杯 156 150 132 128 130 116 104 89 93 76 54 根据样本点数据画出散点图．利用散点图直观分析热茶销售杯数y与气温x具有线性相关关系，利用线性回归方程中参数的计算公式可得线性回归方程． [思路探索] 解　 (1)所给数据的散点图如下图所示． 进行线性回归分析的关键是画出样本点的散点图，确定出变量具有线性相关关系，再求出回归直线方程．如果x，y的线性相关关系具有统计意义，就可以用线性回归方程来作预测和控制．预测是指对于x的取值范围内任一个x0，y取相应值y0的估计；控制是指通过控制x的值把y的值控制在指定范围内． 规律方法　 为了研究3月下旬的平均气温(x)与4月20日前棉花害虫化 蛹高峰日(y)的关系，某地区观察了2006年至2011年的情 况，得到了下面的数据： (1)对变量x，y进行相关性检验； (2)据气象预测，该地区在2012年3月下旬平均气温为27 ℃，试估计2012年4月化蛹高峰日为哪天． 【训练1】 年份 2006 2007 2008 2009 2010 2011 x/℃ 24