高中数学选修1-2常考题型：回归分析的基本思想及其初步应用.docVIP

回归分析的基本思想及其初步应用 【知识梳理】 1．回归分析 (1)函数关系是一种确定性关系，而相关关系是一种非确定性关系，即自变量取值一定时，因变量的取值带有一定的随机性的两个变量之间的关系叫做相关关系． (2)回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法，回归分析的基本步骤是画出两个变量的散点图，求回归直线方程，并用回归直线方程进行预报． 2．线性回归模型 (1)线性回归模型y＝bx＋a＋e，其中a和 b是模型的未知参数，e称为随机误差．自变量x称为解释变量，因变量y称为预报变量． (2)在回归方程eq \o(y,\s\up6(^))＝eq \o(b,\s\up6(^))x＋eq \o(a,\s\up6(^))中， eq \o(b,\s\up6(^))＝eq \f(\i\su(i＝1,n, )?xi－\x\to(x)??yi－\x\to(y)?,\i\su(i＝1,n, )?xi－\x\to(x)?2)＝eq \f(\i\su(i＝1,n,x)iyi－n\x\to(x)\x\to(y),\i\su(i＝1,n,x)\o\al(2,i)－n\x\to(x)2)，eq \o(a,\s\up6(^))＝eq \x\to(y)－eq \o(b,\s\up6(^))eq \x\to(x). 其中eq \x\to(x)＝eq \f(1,n)eq \i\su(i＝1,n,x)i，eq \x\to(y)＝eq \f(1,n)eq \i\su(i＝1,n,y)i, (eq \x\to(x)，eq \x\to(y))称为样本点的中心． 3．残差分析 (1)残差： 样本点(xn，yn)的随机误差ei＝yi－bxi－a，其估计值为eq \o(e,\s\up6(^))i＝yi－eq \o(y,\s\up6(^))i＝yi－eq \o(b,\s\up6(^))xi－eq \o(a,\s\up6(^))，eq \o(e,\s\up6(^))i称为相应于点(xi，yi)的残差(residual)．(以上i＝1,2，…，n) (2)残差图： 作图时，纵坐标为残差，横坐标可以选为样本编号，或xi数据，或yi数据，这样作出的图形称为残差图． (3)残差分析： 残差分析即通过残差发现原始数据中的可疑数据，判断所建立模型的拟合效果，其步骤为：计算残差——画残差图——在残差图中分析残差特性． 残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适，这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高． 4．相关指数 我们可以用相关指数R2来刻画回归的效果，其计算公式是： R2＝1－eq \f(\i\su(i＝1,n, )?yi－\o(y,\s\up6(^))i?2,\i\su(i＝1,n, )?yi－\x\to(y)?2). R2越大，残差平方和eq \i\su(i＝1,n, )(yi－eq \o(y,\s\up6(^))i)2越小，即模型的拟合效果越好；R2越小，残差平方和eq \i\su(i＝1,n, )(yi－eq \o(y,\s\up6(^))i)2越大，即模型的拟合效果越差．在线性回归模型中，R2的取值范围为[0,1]，R2表示解释变量对于预报变量变化的贡献率，1－R2表示随机误差对于预报变量变化的贡献率．R2越接近于1，表示回归的效果越好． 【常考题型】 题型一、线性回归分析 【例1】　炼钢是一个氧化降碳的过程，钢水含碳量的多少直接影响冶炼时间的长短，因此必须掌握钢水含碳量和冶炼时间的关系．如果已测得炉料熔化完毕时，钢水的含碳量x与冶炼时间y(从炉料熔化完毕到出钢的时间)的一列数据，如下表所示： x(0.01%)104180190177147134150191204121y(min)100200210185155135170205235125(1)作出散点图，你能从散点图中发现含碳量与冶炼时间的一般规律吗？ (2)求回归方程； (3)预测当钢水含碳量为160时，应冶炼多少分钟？ [解]　(1)以x轴表示含碳量，y轴表示冶炼时间，作散点图如图所示： 从图中可以看出，各点散布在一条直线附近，即它们线性相关． (2)列出下表，并用科学计算器进行计算： i12345678910xi104180190177147134150191204121yi100200210185155135170205235125xiyi10 40036 000