二零一六人教B版选修(1-2)1.2《回归分析》word教案.docVIP

1.2回归分析 教学目标： 通过对典型案例的探究，了解回归的基本思想、方法及其初步应用。通过对典型案例的探究，了解回归的基本思想、方法及其初步应用。与变量之间存在线性相关关系,则由试验数据得到的点(,)将散布在某一直线周围,因此,可以认为关于的回归函数的类型为线性函数,即,下面用最小二乘法估计参数、b,设服从正态分布,分别求对、b的偏导数,并令它们等于零，得方程组 ?????????? ??解得?????? ??其中??， ????? ??且为观测值的样本方差. 线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差. 二、现在讨论线性相关的显著性检验中最简便、最常用的一种方法，即相关系数的显著性检验法. 我们早在前面的学习中知道，变量与的相关系数是表示与之间线性相关关系的一个数字特征，因此，要检验随机变量与变量之间的线性相关关系是否显著，自然想到考察相关系数的大小，若相关系数的绝对值很小，则表明与之间的线性相关关系不显著，或者它们之间根本不存在线性相关关系；当且仅当相关系数的绝对值接近1时，才表明与之间的线性相关关系显著，这时求关于的线性回归方程才有意义. 在相关系数未知的情况下，可用样本相关系数r作为相关系数的估计值，参照相关系数的定义，并用样本均值与样本方差分别作为数学期望与方差的估计值，定义与的样本相关系数如下: ??? ?????? 因此，根据试验数据(,)，得到的值后可进一步算出样本相关系数r的值. 若使用的是具有线性回归计算功能的电子计算器时，把所有试验数据(,)逐对存入计算器中，则可直接算出r的值. 由于样本相关系数r是相关系数的估计值，所以，r的绝对值越接近1，与之间的线性相关关系越显著. 当r0时，称与正相关；当r0时，称与负相关. 而当r的绝对值接近0时，则可认为与之间不存在线性相关关系. 三、例1．在7块并排、形状大小相同的试验田上进行施化肥量对水稻产量影响的试验，得数据如下（单位：kg） 施化肥量x 15 20 25 30 35 40 45 水稻产量y 330 345 365 405 445 450 455 1）画出散点图如下： 2）检验相关系数r的显著性水平： i 1 2 3 4 5 6 7 xi 15 20 25 30[ 35 40 45 yi 330 345 365 405 445 450 455[ xiyi 4950 6950 9125 12150 15575 18000 20475 =30,=399.3,=7000,=1132725,=87175 r==≈0.9733，在“相关系数检验的临界值表”查出与显著性水平0.05及自由度7-2=5相应的相关数临界值r0 05=0.754＜0.9733，这说明水稻产量与施化肥量之间存在线性相关关系. 3）设回归直线方程，利用 计算a，b， 得b= a=399.3-4.75×30≈257，则回归直线方程 例2．一个工厂在某年里每月产品的总成本y（万元）与该月产量x（万件）之间由如下一组数据： x 1.08 1.12 1.19 1.28 1.36 1.48 1.59 1.68 1.80 1.87 1.98 2.07 y 2.25 2.37 2.40 2.55 2.64 2.75 2.92 3.03 3.14 3.26 3.36 3.50 1）画出散点图；2）检验相关系数r的显著性水平；3）求月总成本y与月产量x之间的回归直线方程. 解： i 1 2 3 4 5 6 7 8 9 10 11 12 xi 1.08 1.12 1.19 1.28 1.36 1.48 1.59 1.68 1.80 1.87 1.98 2.07 yi 2.25 2.37 2.40 2.55 2.64 2.75 2.92 3.03 3.14 3.26 3.36 3.50 xiyi 2.43 2.264 2.856 3.264 3.590 4.07 4.643 5.090 5.652 6.096 6.653 7.245 =，==2.8475，=29.808，=99.2081，=54.243 1）画出散点图： 2）r= = 在“相关系数检验的临界值表”查出与显著性水平0.05及自由度12-2=10相应的相关数临界值r0 05=0.5760.997891, 这说明每月产品的总成本y（万元）与该月产量x（万件）之间存在线性相关关系. 3）设回归直线方程， 利用,计算a，b，得b≈1.215, a=≈0.974， ∴回归直线方程为： 课堂小节：本节课学习了回归的基本思想、方法及其初步应用