文科数学回归分析的基本思想和其初步应用.ppt

1.1回归分析的基本思想及其初步应用;必修3(第二章 统计)知识结构;1、两个变量的关系;思考：相关关系与函数关系有怎样的不同？;2、最小二乘估计(使得样本数据的点到回归直线的距离的 平方和最小的方法叫最小二乘法);线性回归方程 中， 的意义是x每增加一个单位，y就平均增加 个单位;3、回归分析的基本步骤:;回归分析知识结构图; 比《数学3》中“回归”增加的内容;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1-1所示。;探究：身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解析一下原因吗？;函数模型与“回归模型”的关系;注：e 产生的主要原因： 1、忽略了其它因素的影响：影响身高 y 的因素 不只是体重 x，可能还包括遗传基因、饮食习惯、生长环境等因素； 2、用线性回归模型近似真实模型所引起的误差； 3、身高 y 的观测误差。;在线性回归模型中，e是用 预报真实值y的随机误差,它是一个不可观测的量，那么应如何研究随机误差呢？;如何发现数据中的错误？如何衡量随机模型的拟合效果？;残差图的制作和作用： 制作： 坐标纵轴为残差变量，横轴可以有不同的选择. 横轴为编号：可以考察残差与编号次序之间的关系， 常用于调查数据错误. 横轴为解释变量：可以考察残差与解释变量的关系， 常用于研究模型是否有改进的余地. 作用： 判断模型的适用性若模型选择得正确， 残差图中的点应该分布在以横轴为中心的带形区域.;下面表格列出了女大学生身高和体重的原始数据以及相应的残差数据。;误差与残差，这两个概念在某程度上具有很大的相似性， 都是衡量不确定性的指标，可是两者又存在区别。 误差与测量有关，误差大小可以衡量测量的准确性，误差越大则表示测量越不准确。误差分为两类：系统误差与 随机误差。其中，系统误差与测量方案有关，通过改进测量方案可以避免系统误差。随机误差与观测者，测量工具，被观测物体的性质有关，只能尽量减小，却不能避免。 残差――与预测有关，残差大小可以衡量预测的准确性。残差越大表示预测越不准确???残差与数据本身的分布特性，回归方程的选择有关。;显然，R2的值越大，说明残差平方和越小，也就是说模型拟合效果越好;注：相关指数R2是度量模型拟合效果的一种指标， 在线性模型中，它代表自变量刻画预报变量的能力.;下面我们用相关指数分析一下例1：;结合例1思考：用回归方程预报体重时应注意什么？;归纳建立回归模型的基本步骤