新人教A版高中数学（选修2-3）3.1“回归分析的基本思想及其初步应用”课件.pptVIP

3.1《回归分析的基本思想及其初步应用》 教学目标 通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用. 教学重点：通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型，了解在解决实际问题的过程中寻找更好的模型的方法，了解可用残差分析的方法，比较两种模型的拟合效果. 教学难点：了解常用函数的图象特点，选择不同的模型建模，并通过比较相关指数对不同的模型进行比较. 比《数学3》中“回归”增加的内容 数学３——统计 画散点图 了解最小二乘法的思想 求回归直线方程 y＝bx＋a 用回归直线方程解决应用问题 选修2-3——统计案例 引入线性回归模型 y＝bx＋a＋e 了解模型中随机误差项e产生的原因 了解相关指数 R2 和模型拟合的效果之间的关系 了解残差图的作用 利用线性回归模型解决一类非线性回归问题 正确理解分析方法与结果 * 复习回顾 1、线性回归模型： 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。 y=bx+a+e， E(e)=0,D(e)= (4) 2、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。 3、对每名女大学生计算这个差异，然后分别将所得的值平方后加起来，用数学符号表示为： 称为残差平方和，它代表了随机误差的效应。 4、两个指标： （1）类比样本方差估计总体方差的思想，可以用作 为 的估计量， 越小，预报精度越高。 （2）我们可以用相关指数R2来刻画回归的效果，其 计算公式是： R2 ?1，说明回归方程拟合的越好；R2?0，说明回归方程拟合的越差。 在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用回归模型来拟合数据。 5、残差分析与残差图的定义： 然后，我们可以通过残差 来判断模型拟合的效果，判断原始数据中是否存在可疑数据，这方面的分析工作称为残差分析。 我们可以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。 案例2 一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中： （1）试建立产卵数y与温度x之间的回归方程；并预测温度为28oC时产卵数目。 （2）你所建立的模型中温度在多大程度上解释了产卵数的变化？ 温度xoC 21 23 25 27 29 32 35 产卵数y/个 7 11 21 24 66 115 325 非线性回归问题 假设线性回归方程为 ：?=bx+a 选 模 型 由计算器得：线性回归方程为y=19.87x-463.73 相关指数R2=r2≈0.8642=0.7464 估计参数 解：选取气温为解释变量x，产卵数 为预报变量y。 选变量 所以，二次函数模型中温度解释了74.64%的产卵数变化。 探索新知 画散点图 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 方案1 分析和预测 当x=28时，y =19.87×28-463.73≈ 93 一元线性模型 奇怪？ 9366 ? 模型不好？ y=bx2+a 变换 y=bt+a 非线性关系 线性关系 方案2 问题１ 选用y=bx2+a ，还是y=bx2+cx+a ？ 问题3 产卵数 气温 问题2 如何求a、b ？ 合作探究 t=x2 二次函数模型 方案2解答 平方变换：令t=x2，产卵数y和温度x之间二次函数模型y=bx2+a就转化为产卵数y和温度的平方t之间线性回归模型y=bt+a 温度 21 23 25 27 29 32 35 温度的平方t 441 529 625 729 841 1024 1225 产卵数y/个 7 11 21 24 66 115 325 作散点图，并由计算器得：y和t之间的线性回归方程为y=0.367t-202.543，相关指数R2=0.802 将t=x2代入线性回归方程得： y=0.367x2 -202.543 当x=28时，y=