3.1回归分析的基本思想及其初步应用三课时.pptVIP

实际上，60.316kg是身高为172cm的女大 学生的平均体重的估计值，而不一定是这位 身高172cm的女大学生的真实体重。也就是 说，身高为172cm的女大学生的平均体重 大约是60.316kg，并且大部分172cm的女大 学生的体重在60.316kg附近。 原因：由于所有的样本点不共线，而只是散布 在某一条直线的附近，所以用身高和体重会产 生误差。 这样线性回归模型的完整表达式为 随机误差e的方差越小，用bx+a预报真实值y的精度越高。 由于随机误差e的均值为0.故采用方差来衡量 随机误差的大小。 在线性回归模型 y=bx+a+e 中，y的值由x和随机误差e共同确定，即x只能 解释部分y的变化，因此，我们把x称为解释变量， 把y称为预报变量. 当随机误差e恒等于0时，线性回归模型就变 成一次函数模型。即： 一次函数模型是线性回归模型的特殊形式。 例如：编号为6的女大学生，计算随机误差的 效应（残差） 61－（0.849×165－85.712）=6.627 思考 如何发现数据中的错误？如何衡量模型的拟合效果 . , , , . , ; , , . , 6 1 , 3 1 . 1 越高 回归方程的预报精确度 拟合精度越高 说明模型 区域的宽度越窄 均匀地落在水平的带状 残差点比较 另外 则需要寻找其他的原因