1、2知识点汇总.pptVIP

a. 比《数学3》中“回归”增加的内容 数学３——统计 画散点图 了解最小二乘法的思想 求回归直线方程 y＝bx＋a 用回归直线方程解决应用问题 选修１-２——统计案例 引入线性回归模型 y＝bx＋a＋e 了解模型中随机误差项e产生的原因 了解相关指数 R2 和模型拟合的效果之间的关系 了解残差图的作用 利用线性回归模型解决一类非线性回归问题 正确理解分析方法与结果 应用归纳推理可以发现新事实、获得新结论。我们来看一个数学中的例子。 例题1：观察下列等式： 1= ， 1+3=4= ， 1+3+5=9= ， 1+3+5+7=16= ， 1+3+5+7+9=25= ， 你能猜想到一个怎样的结论？ * * 自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系。 1、定义： 1）：相关关系是一种不确定性关系； 注 对具有相关关系的两个变量进行统计分析的方法叫回归分析。 2）： 1. R2的值越大，说明残差平方和越小，也就是说模型拟合效果越好。 2. 在线性回归模型中，R2表示解释变量对预报变量变化的贡献率。 3. R2越接近1，表示回归的效果越好（因为R2越接近1，表示解释变量和预报变量的线性相关性越强）。 4. 如果某组数据可能采取几种不同回归方程进行回归分析，则可以通过比较R2的值来做出选择，即选取R2较大的模型作为这组数据的模型。 5.总的来说： 相关指数R2是度量模型拟合效果的一种指标。 在线性模型中，它代表自变量刻画预报变量的能力。 1、相关关系：自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫相关关系。 相关关系是一种非确定性的关系。 2、两个变量的相关关系的分析：1.画散点图； 2.了解最小二乘法的思想； 3.求回归直线方程y=bx+a; 4. 用回归直线方程解决应用问题。 必修3已学回归内容： 求样本数据的线性回归方程，可按下列步骤进行： 第一步，计算平均数 , 第二步，求和 , 第三步，计算 第四步，写出回归方程 相关系数的计算公式： 相关系数r的作用： 1、判断正、负相关 当r0时，两个变量正相关当r0时，两个变量负相关　　　　　　　2、判断线性相关的强弱 当0.75≤|r|≤1时，两个变量相关性很强 当0.3≤|r|0.75时，两个变量相关性一般 当0≤|r|≤0.25时，两个变量相关性较弱 ljzh.2001@163.com 显然，R2的值越大，说明残差平方和越小，也就是说模型拟合效果越好。 在线性回归模型中，R2表示解析变量对预报变量变化的贡献率。 R2越接近1，表示回归的效果越好（因为R2越接近1，表示解析变量和预报变量的 线性相关性越强）。 如果某组数据可能采取几种不同回归方程进行回归分析，则可以通过比较R2的值 来做出选择，即选取R2较大的模型作为这组数据的模型。 注：相关指数R2是度量模型拟合效果的一种指标。在线性模型中，它代表 自变量刻画预报变量的能力。 我们还可以用相关指数R2来刻画回归的效果，其计算公式是 a+b+c+d b+d a+c 总计 c+d d c x2 a+b b a x1 总计 y2 y1 一般地，假设有两个分类变量X和Y，它们的可能取值分别为{x1,x2}和{y1,y2},其样本频数列联表（称为2x2列联表）为： 总结一种直观判断两分类变量有关系的思路？不足？ 利用独立性检验来考察两个分类变量是否有关系，能较精确地给出这种判断的可靠程度. 具体作法是： （1）根据实际问题需要的可信程度确定临界值k0（表） （2）由观测数据计算得到随机变量K2的观测值k； （3）A 如果k= k0 ，就推断“X和Y有关系”；犯错误的概率P = ； B 否则，就不能推断“X和Y有关系”；(前提：犯错误的概率P = )； 或者在样本观测数据中没有发现足够证据支