3.1[线性回归思想.ppt

3.1回归分析的基本思想及其初步应用（一）;复习 一 变量之间的关系 1 确定性的函数关系 2 不确定性的相关关系： 自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系，叫做相关关系，相关关系是一种非确定的关系 ;.;下面我们以年龄为横轴， 脂肪含量为纵轴建立直 角坐标系，作出各个点， 称该图为散点图。;从刚才的散点图发现：年龄越大，体内脂肪含量越高，点的位置散布在从左下角到右上角的区域。称它们成正相关。但有的两个变量的相关，如下图所示：;我们再观察它的图像发现这些点大致分布在一条直线附 近,像这样，如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相 关关系,这条直线叫做回归直线，该直线叫回归方程。;我们上面给出的几种方案可靠性都不是很强，人们经过长期的实践与研究，已经找到了计算回归方程的斜率与截距的一般公式:; 线性回归分析的步骤 :; 最小二乘估计公式 ：;三 描述两个变量之间线性相关关系的强弱的相关系数;课前检测： 假设关于某设备的使用年限x和所支出的维修费用 y（万元），有如下的统计资料。; 2008年5月，中共中央国务院关于加强青少年体育、增强青少年体质的意见指出城市超重和肥胖青少年的比例明显增加.“身高标准体重”该指标对于学生形成正确的身体形态观具有非常直观的教育作用. “身高标准体重”从何而来？我们怎样去研究?;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。;解； 1.由于问题中要求根据身高预报体重，因此选取身高为自变量x，体重为因变量y．;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？;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。;我们可以用下面的线性回归模型来表示： y=bx+a+e， (3) 其中a和b为模型的未知参数，e称为随机误差。; 假设 1:身高和随机误差的不同不会对体重产生任何影响， ;59; 因此，数据点和它在回归直线上相应位置的差异 是随机误差的效应， 称 为残差。;我们可以用相关指数R2来刻画回归的效果，其计算公式是;学以致用：;学以致用：;学以致用：;学以致用：;课堂总结：