高二数学人教A版选修1-2课件：1.1回归分析的基本思想及其初步应用1.pptx

第一章　统计案例1.1　回归分析的基本思想及其初步应用探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四探究一探究二探究三探究四1 2 3 41 2 3 41 2 3 41 2 3 41 2 3 4课程目标学习脉络1.了解回归分析的必要性及其一般步骤.2.了解随机误差的概念.3.会作散点图,会求回归直线方程.4.会用残差分析判断线性回归模型的拟合效果.5.掌握建立回归模型的基本步骤,体会回归分析的实际价值和基本思想.1.线性回归模型(1)线性回归模型y=bx+a+e,其中a和b为模型的未知参数,e称为随机误差.自变量x称为解释变量,因变量y称为预报变量.(2)在线性回归方程x中,,其中xi,=yi,()称为样本点的中心,回归直线过样本点的中心.思考1线性回归模型与一次函数模型的区别在哪里?提示: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,在线性回归模型y=bx+a+e中,因变量y的值由自变量x和随机误差e共同确定,即自变量x只能解释部分y的变化.在实际问题中,线性回归模型适用的范围要比一次函数模型适用的范围大得多,当随机变量e恒等于0时,线性回归模型就变成了一次函数模型,因此一次函数模型是线性回归模型的特殊形式,线性回归模型是一次函数模型的一般形式.思考2回归分析中,利用线性回归方程求出的函数值一定是真实值吗?为什么?提示:不一定是真实值,利用线性回归方程求出的值,只是个预报值,例如人的体重与身高存在一定的线性关系,但体重除了受身高影响外,还受其他因素影响,如饮食等.2.刻画回归效果的方式残差把随机误差的估计值称为相应于点(xi,yi)的残差残差图作图时纵坐标为残差,横坐标可以选为样本编号,或身高数据,或体重估计值等,这样作出的图形称为残差图残差图法残差点比较均匀地落在水平的带状区域内,说明选用的模型比较适合,这样的带状区域的宽度越窄,说明模型拟合精度越高残差平方和残差平方和为(yi-)2,残差平方和越小,模型的拟合效果越好R2R2=1-,R2表示解释变量对预报变量变化的贡献率,R2越接近于1,表示回归的效果越好思考3在回归分析中,R2的值越大,则残差平方和越大还是越小?提示:R2的值越大,说明回归模型拟合的效果越好,残差平方和越小,反之,亦成立.思考4怎样理解散点图和R2的关系?提示:散点图可以说明变量间有无线性相关关系,但不能精确地说明两个变量之间关系的密切程度,因此需要计算R2来描述两个变量之间的密切程度.求回归直线方程求回归直线方程的一般方法是:(1)作出散点图,将问题所给的数据在平面直角坐标系中描点,这样表示出的具有相关关系的两个变量的一组数据的图形就是散点图.从散点图中我们可以看出样本点是否呈条状分布,从而判断两个量是否具有线性相关关系.(2)求回归系数,其计算公式如下:;.其中,()称为样本点的中心.(3)写出回归直线方程x+,并用回归直线方程进行预测说明:当x取x0时,由线性回归方程可得的值,从而可进行相应的判断.【典型例题1】 某班5名学生的数学和物理成绩如下表:　学生学科成绩　ABCDE数学成绩(x)8876736663物理成绩(y)7865716461(1)画出散点图;(2)求物理成绩y对数学成绩x的回归直线方程;(3)一名学生的数学成绩是96,试预测他的物理成绩.思路分析:先画散点图,分析物理与数学成绩是否有线性相关关系,若相关,再利用公式求线性回归模型.解:(1)如图所示.(2)因为×(88+76+73+66+63)=73.2,×(78+65+71+64+61)=67.8,xiyi=88×78+76×65+73×71+66×64+63×61=25 054,=882+762+732+662+632=27 174.所以≈0.625,≈67.8-0.625×73.2=22.05.所以y对x的回归直线方程是=0.625x+22.05.(3)x=96,则=0.625×96+22.05≈82,即可以预测他的物理成绩是82.残差分析1.利用残差分析研究两个变量间的关系时,首先要根据散点图来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,然后通过残差,…,来判断模型拟合的效果.2.若残差点比