3.1 归分析的基本思想及其应用初步B.docVIP

〖人教版高中数学选修2—3〗 第三章 统计案例 §2．1 回归分析的基本思想及其初步应用 第2课时 残差分析 教学过程 一．回归模型 【探索1】 从某大学中随机选取8名女大学生，其身高和体重数据如下表所示： 编号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 现在的问题是：身高为172cm的女大学生的体重一定为60．316kg吗？ 分析：身高为172cm的女大学生的体重不一定为60．316kg，但一般可以认为她的体重在60．316kg左右，如图，由样本点和回归直线的位置关系说明这一点． 1．回归模型 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，所以身高和体重的关系可以用线性回归模型 来表示，这里和为模型的未知参数，是与之间的误差． 通常是随机变量，称为随机误差，它的均值，方差，这样 ， ② 称为线性回归模型． 说明：⑴随机误差的方差越小，用预报真实值的精确度就越高，故随机误差是引起预报值与真实值之间存在误差的原因之一； ⑵由于、是、的估计值，它们之间也存在误差，这种误差是预报值与真实值之间存在误差的另一原因． 2．残差与