3.1 回归分析的基本思想及其初步应用 教学课件(人教A版选修2-3).ppt

3．1　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) 1．回归分析 回归分析是对具有 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 ． (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 和 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 (　　)． 　　 　　　　　　　　　　　　　　　 A．点(2,3)　　　 B．点(1．5,4) C．点(2．5,4)　　　 D．点(2．5,5) 提示　选C．线性回归方程必过样本点的中心(，)，即(2．5,