1.1 回归分析的基本思想及其初步应用 学案（人教A版选修1-2）.docVIP

1．1回归分析的基本思想及其初步应用 课标解读 1.会用散点图分析两个变量是否存在相关关系．(重点) 2．会求回归方程，掌握建立回归模型的步骤，会选择回归模型．(重点、难点) 线性回归模型 【问题导思】　 　一台机器由于使用时间较长，生产的零件有一些会有缺陷．按不同转速生产出有缺陷的零件的统计数据如下： 转速x(转/秒) 16 14 12 8 每小时生产有缺 陷的零件数y(件) 11 9 8 5 1.在平面直角坐标系中作出散点图． 【提示】　 2．从散点图中判断x和y之间是否具有相关关系？ 【提示】　有． 3．若转速为10转/秒，能否预测机器每小时生产缺陷的零件件数？ 【提示】　可以．根据散点图作出一条直线，求出直线方程后可预测． 　(1)回归直线方程： ＝x＋，其中： ＝，＝－，＝i， ＝i. (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＝bx＋a＋e，其中e称为随机误差，a和b是模型的未知参数，自变量x称为解释变量，因变量y称为预报变量． 刻画回归效果的方式 残差 对于样本点(xi，yi)(i＝1,2，…，n)的随机误差的估计值i＝yi－i，称为相应于点(xi，yi)的残差 残差图 利用图形来分析残差特性，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－i)2，残差平方和越小，模型拟合效果越好 相关指 数R2 R2＝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 回归分析的有关概念 　有下列说法： ①线性回归分析就是由样本点去寻找一条直线，使之贴近这些样本点的数学方法；②利用样本点的散点图可以直观判断两个变量的关系是否可以用线性关系表示；③通过回归方程＝x＋，可以估计和观测变量的取值和变化趋势；④因为由任何一组观测值都可以求得一个线性回归方程，所以没有必要进行相关性检验． 其中正确命题的个数是(　　) A．1　　　　B．2　　　　C．3　　　　D．4 【思路探究】　可借助于线性相关概念及性质逐一作出判断． 【自主解答】　①反映的正是最小二乘法思想，故正确．②反映的是画散点图的作用，也正确．③解释的是回归方程＝x＋的作用，故也正确．④是不正确的，在求回归方程之前必须进行相关性检验，以体现两变量的关系． 【答案】　C 1．解答例1中④时，必须明确具有线性相关关系的两个变量间才能求得一个线性回归方程，否则求得的方程无实际意义．因此必须先进行线性相关性判断，后求线性回归方程． 2．回归分析的过程： (1)随机抽取样本，确定数据，形成样本点； (2)由样本点形成散点图，判断是否具有线性相关关系； (3)由最小二乘法确定线性回归方程； (4)由回归方程观察变量的取值及变化趋势． 关于变量y与x之间的回归直线方程叙述正确的是(　　) A．表示y与x之间的一种确定性关系 B．表示y与x之间的相关关系 C．表示y与x之间的最真实的关系 D．表示y与x之间真实关系的一种效果最好的拟合 【解析】　回归直线方程能最大可能地反映y与x之间的真实关系，故选项D正确． 【答案】　D 线性回归分析 　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： x 14 16 18 20 22 y 12 10 7 5 3 求y关于x的回归直线方程，并说明回归模型拟合效果的好坏． 【思路探究】　回归模型拟合效果的好坏可以通过计算R2来判断，其值越大，说明模型的拟合效果越好． 【自主解答】　＝(14＋16＋18＋20＋22)＝18， ＝(12＋10＋7＋5＋3)＝7.4， ＝142＋162＋182＋202＋222＝1 660， iyi＝14×12＋16×10＋18×7＋20×5＋22×3＝620， 所以＝＝＝－1.15， ＝7.4＋1.15×18＝28.1， 所以所求回归直线方程是＝－1.15x＋28.1.列出残差表： yi－i 0 0.3 －0.4 －0.1 0.2 yi－ 4.6 2.6 －0.4 －2.4 －4.4 所以(yi－i)2＝0.3，(yi－)2＝53.2， R2＝1－≈0.994， 所以回归模型的拟合效果很好． 1．回归直线方程能定量地描述两个变量的关系，系数，刻画了两个变量之间的变化趋势，其中表示x变化一个单位时，y的平均变化量．利用回归直线可以对问题进行预测，由一个变量的变化去推测另一个变量的变化． 2．线性回归分析中： (1)残差平方和越小，预报精确度越高． (2)相关指数R2