人教版高中数学(文科)选修线性回归 ppt1.pptVIP

线 性 回 归 对于两个变量之间的关系，我们以前学过．函数关系是一种确定性关系．例如正方形的面积S与边长x之间的关系S=x2就是一种确定性关系，即对于自变量边长的每一个确定的值，都有唯一确定的面积的值与之对应． 两个变量之间的关系还有另外一种情况．我们来看看一块农田的水稻产量与施肥量之间的关系．在这个问题里，水稻产量不仅受到施肥量的影响，还受到其他不少因素（诸如气候情况、浇水、除虫等）的影响．因此，当施肥量一定时，水稻产量在取值上带有一定的随机性．像这种自变量取值一定时，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． 与函数关系不同，相关关系是一种非确定性关系．对具有相关关系的两个变量进行统计分析的方法叫做回归分析． 在7块并排、形状大小相同的试验田上进行施化肥量对水稻产量影响的试验，得到如下表所示的一组数据（单位：kg）． 对于图1－9（1）中的各个点，你发现有什么特点吗？ 可以发现，图1－9（1）中的各个点，大致分布在一条直线的附近，如图1－ 9（ 2）所示． 像图1－9（2）中的直线，可以画出不止一条，那么，其中哪一条直线最能代表变量x与y之间的关系呢？ 这个式子展开后，是一个关于a，b的二次多项式．利用配方法，可以导出使Q取得最小值的a，b的求值公式（详细推导过程请见本小节后的阅读材料）. 这里，我们将所得到的方程叫做回归直线方程，相应的直线叫做回归直线，而对两个变量所进行的上述统计分析叫做线性回归分析．我们看到，求出了这种具有两个变量的回归直线后，就可以根据其部分观测值，获得对这两个变量之间整体关系的了解． 下面根据公式④，来求第35页例子中的回归直线方程． 借助科学计算器，可以完成下表中的有关计算． 于是 例1．一个工厂在某年里每月产品的总成本y（万元）与该月产量x（万件）之间有如下一组数据： 于是可得 对于变量y与x的一组观测值来说，我们把 r叫做变量y与x之间的样本相关系数，（简称相关系数），用它来衡量它们之间的线性相关程度． 利用第37页表的结果，我们来计算前面水稻产量与施化肥量的相关系数 一般地，当|r|与1接近到什么程度才表明 y与 x之间具有线性相关关系呢？为明确这一点，通常采用对相关系数r进行显著性检验（简称相关性检验）的方法．其中待检验的统计假设是两个变量不具有线性相关关系，检验的步骤如下． 1．在附表3中查出与显著性水平0.05与自由度n－2（n为观测值组数）相应的相关系数临界值r0.05。 如果|r|≤r0.05，那么可以认为y与x之间的线性相关关系不显著，从而接受统计假设． 按照上述步骤，我们来检验一下第35页水稻产量与施化肥量之间是否存在线性相关关系． 这个结论表明，前面求得的关于这两个变量之间的回归直线方程是有意义的． 又如，在第38页产品月总成本与月产量关系的例子中，查得相应于显著性水平0.05和自由度12－2的r0.05为0.576，又算得r=0.998，由rr0.05，可知，y与x之间存在显著的线性相关关系． 通常，在尚未断定两个变量之间是否具有线性相关关系的情况下，应先进行相关性检验，在确认其具有线性相关关系后，再求其回归直线． 我们看到，由部分观测值得到的回归直线，可以对两个变量间的线性相关关系进行估计，这实际上是将非确定性问题转化成确定性问题来进行研究．由于回归直线将部分观测值所反映的规律性进行了延伸，它在情况预报、资料补充等方面有着广泛的应用． 例2．我们考虑两个表示变量x与y之间的关系的模型，ε为误差项．模型如下： 模型1：y=6＋4x；模型2：y=6＋4x＋ε. （1）如果x=3，ε=1，求两个模型中的y值； （2）如果x=3，ε=0，求两个模型中的y值； （3）分别说明以上两个模型是确定性模型还是随机性模型． 解（1）模型1：y=6＋4x=6＋4×3=18； 模型2：y=6＋4x＋ε=6＋4×3＋1=19． （2）模型1：y=6＋4x=6＋4×3=18； 模型2；y=6＋4x＋ε=6＋4×3＋0=18. （3）模型1中相同的x值一定得到相同的y，所以是确定性模型；模型2中相同的x值，因ε的不同所得y不一定相同，所以是随机性模型． ∴ 回归直线方程为 =1.8166＋0.1962x． 练 习 题 1．设有一个回归方程为 =2－1.5