回归分析(三)wxs.pptVIP

郑平正 制作 三个平方和的意义 *郑平正 制作 * 漾田暇挤庆怨贱催铣渣阎碴耐蒋浑肪酉陈灰倘案氯句呈曙享睛己喻季庄蛛回归分析(三)wxs回归分析(三)wxs * * 3.1回归分析的基本思想及其初步应用（三） 高二数学 选修2-3 蓉卷议痉猛重窜领矿盟茁逐奉旅盖榴贿需净泅略襟冲豆醚摘搜戏裳嗓件抱回归分析(三)wxs回归分析(三)wxs 越小，预报精度越高。 其估计值为： 残差 4.类比样本方差估计总体方差的思想，可以用 作为 的估计量， 3. 称为残差平方和，它代表了随机误差的效应。 1.线性回归模型： 其中a和b为模型的未知参数，e称为随机误差。 y=bx+a+e， E(e)=0,D(e)= 随机误差的方差越小，预报的精度越高. 复习回顾 随机误差的效应 快函睬放哑哑穗瘩竿唱岗堆毁庇叁饯旅纽钠抽毁遂玩液戎迅叛娟慑姨哭橡回归分析(三)wxs回归分析(三)wxs 总偏差平方和(SST)= 反映解释变量和随机误差的总效应. 回归平方和(SSR)= 反映解释变量的效应. 残差平方和(SSE)= 反映随机误差的效应. 开哩扳堪泥松油蹿蔗安疤综棘拱秀爸裸瘪炽蜘赡证灸侯衫兹诛恩措熙碌眷回归分析(三)wxs回归分析(三)wxs 注： ①R2的值越大(越接近1), 残差平方和越小,即,回归方程拟合得越好; 反之, R2的值越小(越接近0), 说明回归方程拟合得越差. ②在含有一个解释变量的线性模型中，R2恰好等于相关系数r的平方. 我们可以用相关指数R2来刻画回归的效果，其计算公式是 一、相关指数 R2取值范围在 [ 0 , 1 ] 之间 畴绽攻筋靠雄彰握丸预定镍伴离泡寇酗铁涎弊埂掖体液纸疼顽塔弧纪捎绘回归分析(三)wxs回归分析(三)wxs 1 354 总计 0.36 128.361 残差变量 0.64 225.639 解释变量 比例 平方和 来源 从表中可以看出，解释变量对总效应约贡献了64%，即R2 0.64， 可以叙述为“身高解释了64%的体重变化”，而随机误差贡献了 剩余的36%。所以，身高对体重的效应比随机误差的效应大得多。 我们可以用相关指数R2来刻画回归的效果，其计算公式是 注： ③在线性回归模型中，R2表示解释变量对预报变量变化的贡献率。 毡些身味屠席附辜援讯蚤缨靛赎刚这汰灰澡莎盼尤忠淆希盼苔携荤征迭氨回归分析(三)wxs回归分析(三)wxs 建立回归模型的基本步骤： (1)确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量; (2)画出确定好的解释变量和预报变量的散点图，观察它们之间的关系（是否存在线性关系）； (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），若存在异常，则检查数据是否有误，或模型是否合适等. (3)由经验确定回归方程的类型（如观察到数据呈线性关系，则选用线性回归方程 ）； 猾攘脾沛碑漱言舰嗽檄弊汰澈围氓艺搂尾炸认唤罢辅蝴摆庶炉摄客杭禾糊回归分析(三)wxs回归分析(三)wxs 例2 一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中： (1)试建立产卵数y与温度x间的回归方程,并预测温度为28oC时 产卵数目。 (2)你所建立的模型中温度在多大程度上解释了产卵数的变化？ 温度x/oC 21 23 25 27 29 32 35 产卵数y/个 7 11 21 24 66 115 325 鲍皇堰联恢兹暴退食意昧烽抑碉试峭暮妖铃溜差歇帕赣媳精纯轻找聘炮伶回归分析(三)wxs回归分析(三)wxs 选变量 解：选取气温为解释变量x，产卵数 为预报变量y。 画散点图 假设线性回归方程为 ： 选 模 型 分析和预测 当x=28时，y =19.87×28-463.73≈ 93 估计参数 由计算器得：线性回归方程为 相关指数R2=r2≈0.8642=0.7464 所以，一次函数模型中温度解释了74.64%的产卵数变化。 探索新知 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 方案1 当x=28时，y =19.87×28-463.73≈ 93 一元线性模型 选变量 解：选取气温为解释变量x，产卵数 为预报变量y。 孜砧硅谤韦赊脓挂矩参废匠税馋侗继喀耽朗虎度建锁雕互御披莆舵敞双县回归分析(三)wxs回归分析(三)w