回归分析与独立性检验 概率统计与统计案例 高考一轮数学精品培训教案.pptVIP

学案8 回归分析与独立性检验 返回目录 1.随机误差 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，实际上，y=bx+a+e,e是y与 =bx+a之间的误差.通常e为随机变量，称为随机误差，它的均值E(e)=0,方差D（e）=σ20.这样线性回归模型的完整表达式为 . y=bx+a+e E(e)=0,D(e)=σ2 返回目录 随机误差e的方差σ2越小，通过回归直线 =bx+a预报真实值y的精确度越高.随机误差是引起预报值 与真实值y之间的误差的原因之一，其大小取决于随机误差的方差. 2.残差 对于样本点(x1,y1),(x2,y2),…,(xn,yn)而言，相应于它们的随机误差为ei=yi-yi=yi-bxi-a,i=1,2,…,n, 其估计值为ei= = ,i=1,2,…,n,ei称为相应于点(xi,yi)的残差. 3.残差分析 在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用线性回归模型来拟合数据.然后，可以通过残差e1,e2,…,en来判断模型拟合的