1.1回归分析的基本思想及初步应用概要.ppt

回归分析的基本思想及其初步应用(1) * 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 想一想？ 选 变 量 画散点图 选 模 型 估计参数 分析和预测 对两个具有线性相关关系的变量进行回归分析的步骤是什么 ? 复习回顾 复习回顾 2.求回归方程的方法： 称为样本点的中心。 样本点的中心与回归直线有什么关系？ 3.用相关系数 r 来衡量斜率估计值与变化增量值之间相关关系的强弱 ｒ＞０正相关；ｒ＜０负相关． 图3 图4 由上面的散点图，我们不难看出： 当r0时，两个变量具有正相关； 当r0 时，两个变量具有负相关； r的绝对值越接近1,表明两个变量的线性相关性越强， r的绝对值接近0，表明两个变量几乎不存在线性相关关系。 通常当r的绝对值大于0.75时，认为两个变量有很强的线性相关关系。 例1.从某大学中随机选取8名女大学生，其身高和体 重数据如表： 59 43 61 64 54 50 57 48 体重 170 155 165 175 170 157 165 165 身高 8 7 6 5 4 3 2 1 编号 求根据一名女大学生的身高预报她体重的回归方程， 并预报身高为172cm的女大学生的体重. cm ㎏ 例1.从某大学中随机选取8名女大学生，其身高和体 重数据如表： 59 43 61 64 54 50 57 48 体重 170 155 165 175 170 157 165 165 身高 8 7 6 5 4 3 2 1 编号 求根据一名女大学生的身高预报她体重的回归方程， 并预报身高为172cm的女大学生的体重. cm ㎏ 得出回归方程： 预报身高172女生体重： 例1.从某大学中随机选取8名女大学生，其身高和体 重数据如表： 59 43 61 64 54 50 57 48 体重 170 155 165 175 170 157 165 165 身高 8 7 6 5 4 3 2 1 编号 求根据一名女大学生的身高预报她体重的回归方程， 并预报身高为172cm的女大学生的体重. cm ㎏ 得出回归方程： 预报身高172女生体重： 本例中,相关系数r=0.7980.75． 探究？ 身高为172ｃｍ的女大学生的体重一定是60.316kg吗？如果不是,其原因是什么? （1）由图形观察可以看出，样本点呈条状分布，身高和体重有比较好的线性相关关系，因此可以用线性回归方程刻画它们之间的关系。（2）从散点图还可以看到，样本点散布在某一条直线的附近，而不是一条直线上，所以不能用一次函数y＝bx+a来描述它们之间的关系。这时我们用下面的线性回归模型来描述身高和体重的关系： y＝bx+a+e其中a和b为模型的未知参数，e是y与 之间的误差,通常e称为随机误差。 产生随机误差ｅ的原因是什么？p3 探究？ 为了衡量预报的精度,需要估计的σ2值? （1）根据散点图来粗略判断它们是否线性相关。 （2）是否可以用线性回归模型来拟合数据 （3）通过残差 来判断模型拟合的效 果 这种分析工作称为残差分析 被害棉花 红铃 虫喜高温高湿，适宜各虫态发育的温度为 25一32C，相对湿度为80％一100％，低于 20C和高于35C卵不能孵化，相对湿度60％ 以下成虫不产卵。冬季月平均气温低于一4．8 ℃时，红铃虫就不能越冬而被冻死。 1953年，18省发生红铃虫大灾害，受灾面积300万公顷，损失皮棉约二十万吨。 创设情景 温度xoC 21 23 25 27 29 32 35 产卵数y/个 7 11 21 24 66 115 325 例2、现收集了一只红铃虫的产卵数y和温度x之间的7组观测数据列于下表： （1）试建立产卵数y与温度x之间的回归方程；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？ 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 ：?=bx+a 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y=19.87x-463.73 相关指数R2≈0.7464 所以，二次函数模型中温度解释了74.64%的产卵数变化。 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 当x=28时，y =19.87×28-463.73≈ 93 方案1 探索新知 产卵数 气温 t