【优教通,同步备课】高中数学(北师大版)选修1-2教案第1章例谈回归分析的应用.docVIP

【优教通,同步备课】高中数学(北师大版)选修1-2教案第1章例谈回归分析的应用.doc

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
例谈回归分析的应用   在解许多实际应用问题时,运用回归分析的基本思想,通过构建回归模型去刻画解释变量与预报变量的关系,并利用模型,对解释变量的某个值去预测相应预报变量的某个值,从而使问题得到解决.   建立回归模型解实际问题的步骤是:   (1)确定研究对象,明确哪个变量是解释变量,哪个变量是预报变量;   (2)画出确定好的解释变量和预报变量的散点图,观察它们之间的关系;   (3)由经验确定回归方程的类型,即拟合直线或拟合曲线;   (4)按一定规则估计回归方程中的参数,从而求出拟合直线或拟合曲线的函数关系式;   (5)利用函数关系式,根据条件对所给问题进行预测和控制,以便为决策提供依据.   下面举例说明.   例1 某商场经营一批进价是30元/台的小商品,在市场试验中发现,此商品的销售单价元与日销售量台之间有如下关系: 35 40 45 50 56 41 28 11   (1)与是否具有线性相关关系?如果具有线性相关关系,求出回归直线方程;   (2)设经营此商品的日销售利润为元,根据(1)写出关于的函数关系式并预测当销售单价为多少元时,才能获得最大日销售利润.   解析:(1)散点图如右图所示,并从图中可以看出, 这些点大致分布在一条直线附近,因此两个变量线性相关.   设回归直线为,则由公式求 得,.   ∴;   (2)依题意有,   ∴当时,有最大值约为.   即预测销售单价为元时,才能获得最大日销售利润.   点评:本题主要考查构建线性回归模型在解决实际问题中的应用.   例2 某国从1790年至1950年人口数据资料: 时间 1790 1800 1810 1820 1830 1840 1850 1860 1870 1880 1890 1900 1910 1920 1930 1940 1950 人口 (百万) 3.929 5.308 7.24 9.368 12.866 17.069 23.182 31.433 38.558 50.156 62.948 75.995 91.972 105.711 122.775 131.669 150.697   试利用上述资料预测该国1980年的人口数(假设该国政治、社会、经济环境稳定,且人口数相对于时间是连续的).   分析:以轴代表年度,轴代表人口数,建立直角坐标系,画出散点图(略),并观察散点图可以发现,从1890年以后散点近似分布在一条直线上;而从散点图的整体趋势来看,也可以认为散点近似分布在一条抛物线上,故可采用线性回归模型拟合,或采用二次函数模型拟合.   解法一:由散点图可以看出,1890年以后散点大致分布在一条直线上,设线性回归直线方程为,由公式求得, 即.   ∴当时,,即1980年该国人口预测为194.859百万人.   解法二:从散点的整体趋势看,散点近似分布在一条以直线为对称轴,以点(1790,3.929)为顶点的抛物线上,再任意选一点(1890,62.948)确定抛物线方程为.   ∴当时,,即该国人口预测为216.919百万人.   点评:本题主要考查重视对信息、图表的分析,提取,加工和处理能力.两种解法,由于考虑问题和观察角度不同,所得到结论和答案也不相同,线性回归模型是在依据部分已知数据的基础上作出的,因此精确度比较差;而二次函数模型是根据全部已知数据的分布趋势拟合的,因而有较高的精确度.当然,同学们可以进一步利用回归分析的方法,通过利用相关指数来比较两个模型的拟合效果.

您可能关注的文档

文档评论(0)

追云少女 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档