11回归分析的基本思想及其初步应用学案(人教A版选修1-2).docVIP

数学·选修12(A)第一章　统计案例 1．1　回归分析的基本思想及其初步应用【课标要求】 1．了解随机误差、残差、残差分析的概念； 2．会用残差分析判断线性回归模型的拟合效果； 3．掌握建立回归模型的步骤； 4．通过对典型案例的探究，了解回归分析的基本思想方法和初步应用．【核心扫描】 1．利用散点图分析两个变量是否存在相关关系，求线性回归方程．(重点) 2．回归模型的选择，特别是非线性回归模型．(难点、易错点) 自学导引 1．回归分析 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． 2．线性回归模型 (1)由散点图易发现，样本点散布在某一条直线附近，而不是一条直线上，不能用一次函数y＝bx＋a描述它们之间的关系，因此用线性回归模型y＝bx＋a＋e来表示，其中a、b为未知参数，e为随机误差． (2)对参数a和b的估计，由《数学必修3》可知：最小二乘法估计和就是未知参数a、b的最好估计，其计算公式为 ＝＝，＝－， 其中＝i，＝i，(，)称为样本点的中心． (3)解释变量和预报变量 线性回归模型与一次函数模型的不同之处是增加了随机误差项e，因变量y由自变量x和随机误差e共同确定，即自变量x只解释部分y的变化，在统计中，我们也把自变量x称为解释变量，因变量y称为预报变量． 试一试：下表是x和y之间的一组数据，则y关于x的线性回归方程必过(　　). x 1 2 3 4 y