选修2-3。31回归分析的基本思想及其初步应用.pptVIP

什么是回归分析？ （内容） 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方案3解答 温度xoC 21 23 25 27 29 32 35 z=lny 1.946 2.398 3.045 3.178 4.190 4.745 5.784 产卵数y/个 7 11 21 24 66 115 325 x z 当x=28oC 时，y ≈44 ，指数回归模型中温度解释了98.5%的产卵数的变化 由计算器得：z关于x的线性回归方程 为对数变换：在中两边取常用对数得 令，则就转换为z=bx+a. 相关指数R2=0.98 最好的模型是哪个产卵数 气温 产卵数 气温 线性模型 二次函数模型 指数函数模型 比一比 0.98 指数函数模型 0.80 二次函数模型 0.7464 线性回归模型 相关指数R2 函数模型 最好的模型是哪个回归分析（二） 则回归方程的残差计算公式分别为： 由计算可得： 77.968 -58.265 -40.104 -41.00 -5.832 19.400 47.696 34.675 -13.381 9.230 -8.950 1.875 -0.101 0.557 325 115 66 24 21 11 7 y 35 32 29 27 25 23 21 x 因此模型（1）的拟合效果远远优于模型（2）。 用身高预报体重时，需要注意下列问题： 1、回归方程只适用于我们所研究的样本的总体； 2、我们所建立的回归方程一般都有时间性； 3、样本采集的范围会影响回归方程的适用范围； 4、不能期望回归方程得到的预报值就是预报变量的精确值。事实上，它是预报变量的可能取值的平均值。 ——这些问题也适用于其他问题。 涉及到统计的一些思想： 模型适用的总体； 模型的时间性； 样本的取值范围对模型的影响； 模型预报结果的正确理解。 小结 一般地，建立回归模型的基本步骤为： （1）确定研究对象，明确哪个变量是解析变量，哪个变量是预报变量。 （2）画出确定好的解析变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等）。 （3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程y=bx+a）. （4）按一定规则估计回归方程中的参数（如最小二乘法）。 （5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性，等等），过存在异常，则检查数据是否有误，或模型是否合适等。 * * * 3.1回归分析的基本思想及其初步应用（一） 高二数学 选修2-3 数学３——统计内容 画散点图 了解最小二乘法的思想 求回归直线方程y＝bx＋a 用回归直线方程解决应用问题 问题1：正方形的面积y与正方形的边长x之间的函数关系是 y = x2 确定性关系 问题2：某水田水稻产量y与施肥量x之间是否有一个确定性的关系？ 复习 变量之间的两种关系自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系。 现实生活中存在着大量的相关关系。如：人的身高与年龄；产品的成本与生产数量；商品的销售额与广告费；家庭的支出与收入。等等 探索：水稻产量y与施肥量x之间大致有何规律？ 1020304050 500 450 400 350 300 · · · · · · · 发现：图中各点，大致分布在某条直线附近。 探索2：在这些点附近可画直线不止一条，哪条直线最能代表x与y之间的关系呢？ x y 散点图 施化肥量 水稻产量 施化肥量x 15202530354045 水稻产量y 330 345365 405 445450 455 称为样本点的中心，线性回归直线一定过样本中心。 2、对两个变量进行的线性分析叫做线性回归分析。 1、所求直线方程叫做回归直线方程；相应的直线叫做回归直线。 求回归直线方程的步骤： （3）代入公式 （4）写出直线方程为,即为所求的回归直线方程。 例1、观察两相关量得