《回归的基本思想及其初步应用》课件1技术方案.pptVIP

回归分析 从一组样本数据出发，确定变量之间的数学关系式 对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 回归分析与相关分析的区别 相关分析中，变量 x 变量 y 处于平等的地位；回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化 相关分析中所涉及的变量 x 和 y 都是随机变量；回归分析中，因变量 y 是随机变量，自变量 x 可以是随机变量，也可以是非随机的确定变量 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制 * 复习回顾 1、线性回归模型： y=bx+a+e， 其中a和b为模型的未知参数，e称为随机误差。 2、数据点和它在回归直线上相应位置的差异 是随机误差的效应，称 为残差。 3、对每名女大学生计算这个差异，然后分别将所得的值平方后加起来，用数学符号表示为： 称为残差平方和，它代表了随机误差的效应。 刻画模型拟合的精度 相关指数： R2取值越大，则残差平方和越小，即模型的拟合效果越好. 1)确定解释变量和预报变量; 2)画出散点图; 3)确定回归方程类型; 4)求出回归方程; 5)利用相关指数或残差进行分析. 建立回归模型的基本步骤 问题：一只红铃虫的产卵数y与温度x有关,现收集了7组观测数据,试建立y与x之间的回归方程 解:1)作散点图; 从散点图中可以看出产卵数和温度之间的关系并不能用线性回归模型来很好地近似。这些散点更像是集中在一条指数曲线或二次曲线的附近。 选变量 解：选取气温为解释变量x，产卵数 为预报变量y。 画散点图 假设线性回归方程为 ：?=bx+a 选 模 型 分析和预测 当x=28时，y =19.87×28-463.73≈ 93 估计参数 由计算器得：线性回归方程为y=19.87x-463.73 相关指数R2=r2≈0.8642=0.7464 所以，一次函数模型中温度解释了74.64%的产卵数变化。 探索新知 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 方案1 当x=28时，y =19.87×28-463.73≈ 93 一元线性模型 奇怪？ 9366 ? 模型不好？ y=bx2+a 变换 y=bt+a 非线性关系 线性关系 方案2 问题１ 选用y=bx2+a ，还是y=bx2+cx+a ？ 问题3 产卵数 气温 问题2 如何求a、b ？ 合作探究 t=x2 二次函数模型 方案2解答 平方变换：令t=x2，产卵数y和温度x之间二次函数模型y=bx2+a就转化为产卵数y和温度的平方t之间线性回归模型y=bt+a 温度 21 23 25 27 29 32 35 温度的平方t 441 529 625 729 841 1024 1225 产卵数y/个 7 11 21 24 66 115 325 作散点图，并由计算器得：y和t之间的线性回归方程为y=0.367t-202.54，相关指数R2=r2≈0.8962=0.802 将t=x2代入线性回归方程得： y=0.367x2 -202.54 当x=28时，y=0.367×282-202.54≈85，且R2=0.802， 所以，二次函数模型中温度解 释了80.2%的产卵数变化。 t 问题２ 变换 y=bx+a 非线性关系 线性关系 问题１ 如何选取指数函数的底? 产卵数 气温 指数函数模型 方案3 合作探究 对数 方案3解答 温度xoC 21 23 25 27 29 32 35 z=lgy 0.85 1.04 1.32 1.38 1.82 2.06 2.51