2016-2017学年人教A版选修2-3回归分析的基本思想及其初步应用 课件（69张）.pptVIP

3.1　回归分析的基本思想及其初步应用 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)，学习时间影响学生的学习成绩，但是学生学习的刻苦程度、学习方法、教师的授课水平等其他因素也影响学习成绩，因此学生的学习时间与学习成绩之间具有相关关系； 对于(2)，也是相关关系； 对于(3)，身高与视力之间没有关系； 对于(4)，球的体积与半径之间是函数关系． 2．变量样本点中心：_______________，回归直线过样本点的中心． 3．线性回归模型y＝____________，其中_____和_____是模型的未知参数，___称为随机误差．自变量x又称为____________，因变量y又称为_____________． 4．随机误差产生的原因． 残差图的缺点 (1)残差e受许多条件的影响，也受我们所选用的线性模型的影响． (2)作残差图有时不够精确，也难于区分拟合效果的好坏，因此多数情况下，选用计算相关指数R2来说明拟合． 1．两个变量之间的相关关系是一种(　　) A．确定性关系 B．线性关系 C．非线性关系 D．可能是线性关系也可能不是线性关系 解析：　变量之间的相关关系是一种非确定性的关系，如果所有数据点都在一条直线附近，那么它们之间就是一种线性相关关系，否则不是线性相关关系．故选D. 答案：　D 解析：　由于销售量y与销售价格x成负相关，故排除B，D.又当x＝10时，A中y＝100，而C中y＝－300，C不符合题意，故选A. 答案：　A 3．下表是x和y之间的一组数据，则y关于x的线性回归方程必过点________. 4．关于x与y有如下数据： 某班5名学生的数学和物理成绩如下表： (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． [思路点拨]　　 [规律方法]　1.求线性回归方程的基本步骤： 2．需特别注意的是，只有在散点图大致呈直线时，求出的线性回归方程才有实际意义，否则求出的回归方程毫无意义． 1．某地最近十年粮食需求量逐年上升，下表是部分统计数据： 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． 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． 某地区不同身高的未成年男性的体重平均值如下表： (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 (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