高二数学人教版A版选修2-3课件：3.1回归分析的基本思想及其初步应用.ppt

t 4 2 1 0.5 0.25 y 16 12 5 2 1 由散点图可以看出y与t呈近似的线性相关关系．列表如下： 谢谢观看！ 残差分析 某运动员训练次数与运动成绩之间的数据关系如下： (1)作出散点图； (2)求出回归方程； (3)作出残差图； (4)计算相关指数R2； (5)试预测该运动员训练47次及55次的成绩． 次数(x) 30 33 35 37 39 44 46 50 成绩(y) 30 34 37 39 42 46 48 51 解析：　(1)作出该运动员训练次数(x)与成绩(y)之间的散点图，如下图所示，由散点图可知，它们之间具有线性相关关系． (2)列表计算： (3)残差分析 作残差图如下图所示，由图可知，残差点比较均匀地分布在水平带状区域中，说明选用的模型比较合适． [规律方法]　1.对于建立的回归模型进行残差分析，一般从以下几方面进行：(1)残差图；(2)残差平方和；(3)相关指数． 2．相关指数R2的作用 利用相关指数R2可以刻画拟合效果的好坏．在线性回归模型中，R2的取值越接近1，说明残差的平方和越小，即说明模型的拟合效果越好． 2．已知某种商品的价格x(元)与需求量y(件)之间的关系有如下一组数据： 求y对x的回归直线方程，并说明回归模型拟合效果的好坏． x 14 16 18 20 22 y 12 10 7 5 3 非线性回归分析 某地区不同身高的未成年男性的体重平均值如下表： 身高x/cm 60 70 80 90 100 110 体重y/kg 6.13 7.90 9.99 12.15 15.02 17.50 身高x/cm 120 130 140 150 160 170 体重y/kg 20.92 26.86 31.11 38.85 47.25 55.05 (1)试建立y与x之间的回归方程； (2)若体重超过相同身高男性体重平均值的1.2倍为偏胖，低于0.8倍为偏瘦，那么这个地区一名身高为175 cm，体重为82 kg的在校男生体重是否正常？ (3)求相关指数R2. [思路点拨]　 　(1)根据上表中数据画出散点图如下图． 由图看出，样本点分布在某条指数函数曲线y＝c1ec2x的周围，于是令z＝ln y. 作出散点图如下图． 3分 x 60 70 80 90 100 110 120 130 140 150 160 170 z 1.81 2.07 2.30 2.50 2.71 2.86 3.04 3.29 3.44 3.66 3.86 4.01 (3) [规律方法]　解决非线性回归问题 (1)两个变量不具有线性相关关系，不能直接利用线性回归方程建立两个变量的关系，可以通过变换的方法转化为线性回归模型，如y＝c1ec2x，可通过对数变换把指数关系变为线性关系：令z＝ln y，则变换后样本点应分布在直线z＝bx＋a(a＝ln c1，b＝c2)周围． (2)求非线性回归方程的步骤： ①确定变量，作出散点图； ②根据散点图，选择恰当的拟合函数； ③变量置换，通过变量置换把非线性回归问题转化为线性回归问题，并求出线性回归方程； ④分析拟合效果：通过计算相关指数或画残差图来判断拟合效果； ⑤根据相应的变换，写出非线性回归方程． 3．为了研究某种细菌随时间x变化时，繁殖个数y的变化，收集数据如下： (1)用天数x作解释变量，繁殖个数y作预报变量，作出这些数据的散点图； (2)描述解释变量x与预报变量y之间的关系； (3)计算相关指数． 天数x/天 1 2 3 4 5 6 繁殖个数y/个 6 12 25 49 95 190 解析：　(1)所作散点图如图所示． 　 (2)由散点图看出样本点分布在一条指数函数y＝c1ec2x的周围，于是令z＝ln y，则 x 1 2 3 4 5 6 z 1.79 2.48 3.22 3.89 4.55 5.25 ◎在一次抽样调查中测得样本的5个样本点，数值如下表： 试建立y与x之间的回归方程． x 0.25 0.5 1 2 4 y 16 12 5 2 1 【错解】　由已知条件制成下表： 第 三 章 统计案例 3.1　回归分析的基本思想及其初步应用 自主学习 新知突破 1．通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用． 2．了解线性回归模型与函数模型的差异，了解判断模型拟合效果的方法：相关指数和残差分析． 3．体会有些非线性模型通过变换可以转化为线性回归模型，了解在解决实际问题的过程中寻找更好的模型的方法． 下列变量关系是相关关系的是 (1)学生的学习时间与学习成绩之间的关系； (2)某家庭的收入与支出之间的关系； (3)学生的身高与视力之间的关系； (4)球的体积与半径之间的关系． [提示]　对于(1)，学习