《回归分析的基本思想及其初步应用》选编.ppt

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;统计的基本思想;问题1：正方形的面积y与正方形的边长x之间 的函数关系是;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。;2、现实生活中存在着大量的相关关系。 如：人的身高与年龄； 产品的成本与生产数量； 商品的销售额与广告费； 家庭的支出与收入。等等;回归分析的内容与步骤：;最小二乘法：;3、对两个变量进行的线性分析叫做线性回归分析。;相关系数;负相关;相关系数;相关关系的测度（相关系数取值及其意义）;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。;求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm的女大学生的体重。;分析：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，体重为因变量．;案例1：女大学生的身高与体重;由于所有的样本点不共线，而只是散布在某一直线的附近，所以身高和体重的关系可以用线性回归模型来表示：;产生随机误差项e的原因是什么？;函数模型与回归模型之间的差别;函数模型与“回归模型”的关系; 假设身高和随机误差的不同不会对体重产生任何影响，那么所有人的体重将相 同。在体重不受任何变量影响的假设下，设8名女大学生的体重都是她们的平均值， 即8个人的体重都为54.5kg。;思考： 如何刻画预报变量（体重）的变化？这个变化在多大程度上 与解释变量（身高）有关？在多大程度上与随机误差有关？;59;59; 由于解释变量和随机误差的总效应（总偏差平方和）为354，而随机误差的效应为 128.361，所以解析变量的效应为;样本决定系数 （判定系数 R2 ）;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。;1;表3-2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。;*;例2、在一段时间内，某中商品的价格x元和需求量Y件之间的一组数据为：;练习、在一段时间内，某中商品的价格x元和需求量Y件之间的一组数据为：;用身高预报体重时，需要注意下列问题???;一般地，建立回归模型的基本步骤为：