3.1回归的基本思想及其初步应用探究.pptVIP

回归分析的基本思想;(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．回归分析 回归分析是对具有 的两个变量进行统计分析的一种常用方法． 3．线性回归模型 (1)由散点图易发现，样本点散布在某一条直线附近，而不是一条直线上，不能用一次函数y＝bx＋a描述它们之间的关系，因此用线性回归模型y＝bx＋a＋e来表示，其中a、b为未知参数，e为 ．; (2)解释变量和预报变量 线性回归模型与一次函数模型的不同之处是增加了随机误差项e，因变量y由 和 共同确定，即自变量x只解释部分y的变化，在统计中，我们也把自变量x称为解释变量，因变量y称为预报变量．;问题2：对于线性相关的两个变量用什么方法来刻划之间的关系呢？;回归直线必过样本点的中心;3、回归分析的基本步骤:;3．刻画回归效果的方式;越小;【例1】 为研究重量x(单位：克)对弹簧长??y(单位：厘米)的影响，对不同重量的6个物体进行测量，数据如下表所示： (1)作出散点图并求线性回归方程； (2)求出R2； (3)进行残差分析． [思路探索] 作残差分析时，一般从以下几个方面予以说明：(1)散点图；(2)相关指数；(3)残差图中的异常点和样本点的带状分布区域的宽窄．; [自主解答] (1)散点图如图 ;例2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。;2