231线性回归方程.docVIP

课题：§2.3.1线性回归方程（1） 一．教学任务分析: （1）通过收集现实问题中两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系. 2 了解最小二乘法的含义，知道最小二乘法的思想,能根据给出的线性回归方程系数公式建立线性回归方程C 26 18 13 10 4 杯数 20 24 34 38 50 64 我们以横坐标表示气温，纵坐标表示热茶销量，建立直角坐标系，将表中数据构成的个数对所表示的点在坐标系内标出，得到散点图. 从散点图可以看出.这些点大致分布在通过散点图中心的一条直线的附近. 如果散点图中点的分布从整体看大致分布在一条直线的附近,我们称这两个变量之间具有线性相关关系,这条直线叫回归直线. 如果能够求出这条回归直线的方程,我们就可以比较清楚的了解热茶销量与气温之间的关系. 2.最小二乘法 选择怎样的直线近似地表示热茶销量与气温之间的关系? 我们有多种思考方案: 1 选择能反映直线变化的两个点,例如取这两点的直线； （2）取一条直线,使得位于该直线一侧和另一侧的点的个数基本相同； （3）多取几组点,确定几条直线方程,再分别算出各条直线斜率、截距的平均值,作为所求直线的斜率、截距； ……………… 怎样的直线最好呢 即: 用方程为的直线拟合散点图中的点，应使得该直线与散点图中的点最接近.那么，怎样衡量直线与图中六个点的接近程度呢？ 我们将表中给出的自变量的六个值带入直线方程,得到相应的六个的值: .这六个值与表中相应的实际值应该越接近越好.所以,我们用类似于估计平均数时的思想,考虑离差的平方和: 是直线与各散点在垂直方向 纵轴方向 上的距离的平方和,可以用来衡量直线与图中六个点的接近程度,所以,设法取的值,使达到最小值.这种方法叫做最小平方法 又称最小二乘法 . 先把看作常数,那么是关于的二次函数.易知,当时, 取得最小值.同理, 把看作常数,那么是关于的二次函数.当时, 取得最小值.因此,当时，取得最小值，由此解得.所求直线方程为.当时,,故当气温为时,热茶销量约为杯. 3.线性回归方程的求解方法 一般地,设有个观察数据如下： … … 当使取得最小值时,就称为拟合这对数据的线性回归方程,该方程所表示的直线称为回归直线. 上述式子展开后，是一个关于的二次多项式，应用配方法，可求出使为最小值时的的值．即 ,（*） , 线性回归方程是,其中b是回归方程的斜率,a是截距.系数 4.求线性回归方程的步骤： 1 计算平均数； 2 计算的积，求； 3 计算； 4 将结果代入公式,求b； 5 用 ,求a； 6 写出回归方程 5. 线性回归方程的应用 例题:给出施化肥量对水稻产量影响的试验数据： 施化肥量x 15 20 25 30 35 40 45 水稻产量y 330 345 365 405 445 450 455 解： 1 散点图（略）． 2 表中的数据进行具体计算，列成以下表格 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 6900 9125 12150 15575 18000 20475 , 故可得到 从而得回归直线方程是． 6.小结： 对一组数据进行线性回归分析时，应先画出其散点图，看其是否呈直线形，再依系数的计算公式，算出．写出回归方程 7.课外作业：