3.1回归分析的基本思想及其初步应用三课时.pptVIP

实际上，60.316kg是身高为172cm的女大 学生的平均体重的估计值，而不一定是这位 身高172cm的女大学生的真实体重。也就是 说，身高为172cm的女大学生的平均体重 大约是60.316kg，并且大部分172cm的女大 学生的体重在60.316kg附近。 原因：由于所有的样本点不共线，而只是散布 在某一条直线的附近，所以用身高和体重会产 生误差。 这样线性回归模型的完整表达式为 随机误差e的方差越小，用bx+a预报真实值y的精度越高。 由于随机误差e的均值为0.故采用方差来衡量 随机误差的大小。 在线性回归模型 y=bx+a+e 中，y的值由x和随机误差e共同确定，即x只能 解释部分y的变化，因此，我们把x称为解释变量， 把y称为预报变量. 当随机误差e恒等于0时，线性回归模型就变 成一次函数模型。即： 一次函数模型是线性回归模型的特殊形式。 例如：编号为6的女大学生，计算随机误差的 效应（残差） 61－（0.849×165－85.712）=6.627 思考 如何发现数据中的错误？如何衡量模型的拟合效果 . , , , . , ; , , . , 6 1 , 3 1 . 1 越高 回归方程的预报精确度 拟合精度越高 说明模型 区域的宽度越窄 均匀地落在水平的带状 残差点比较 另外 则需要寻找其他的原因 没有错误 如果数据采集 合数据 归模型拟 性回 利用线 然后再重新 予以纠正 就 果数据采集有错误 如 是否有人为的错误 点的过程中 两个样本 需要确认在采集这 大 个样本点的残差比较 个样本点和第 第 出 中可以看 从图 - 已知某种商品的价格x(元)与需求量y(件)之间的关系有如下一组数据： 【变式2】 x 14 16 18 20 22 y 12 10 7 5 3 求y对x的回归直线方程，并说明回归模型拟合效果的好坏． 题型二　线性回归分析 0 0.3 －0.4 －0.1 0.2 4.6 2.6 －0.4 －2.4 －4.4 练习：在一化学反应过程中，化学物质的反应速度 y(g/min)与一种催化剂的量x(g)有关，现收集了 8组观测数据列于表中： 催化剂的量x(g) 15 18 21 24 27 30 33 36 化学物质的反应速度y(g/min) 6 8 30 27 70 205 65 350 试建立y与x之间的回归方程. 作业：P90习题3.1第3题 某班5名学生的数学和物理成绩如下表： 【练习】 学生 学科　　　 A B C D E 数学成绩(x) 88 76 73 66 63 物理成绩(y) 78 65 71 64 61 (1)画出散点图； (2)求物理成绩y对数学成绩x的回归直线方程； (3)一名学生的数学成绩是96，试预测他的物理成绩． [思路探索] 先利用散点图分析物理成绩与数学成绩是否线性相关，若相关再利用线性回归模型求解． 解　(1)散点图如图． 所以y对x的回归直线方程是 ＝0.625x＋22.05. (3)x＝96，则 ＝0.625×96＋22.05≈82， 即可以预测他的物理成绩是82. 规律方法　(1)散点图是定义在具有相关关系的两个变量基础上的，对于性质不明确的两组数据，可先作散点图，在图上看它们有无关系，关系的密切程度，然后再进行相关回归分析． (2)求回归直线方程，首先应注意到，只有在散点图大致呈线性时，求出的回归直线方程才有实际意义，否则，求出的回归直线方程毫无意义． 3.1 回归分析的基本思想及其初步应用 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 y = x2 确定性关系 问题2：某水田水稻产量y与施肥量x之间是否有一个确定性的关系？ 变量之间的两种关系 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. 定义： 注：（1）相关关系是一种不确定性关系； （2）对具有相关关系的两个变量进行统计分析的方法叫回归分析. 10 20 30 40 50 500 450 400 350 300 · · · · · · · 施化肥量x 15 20 25 30 35 40 45 水稻产量y 330 345 365 405 445 450 455 x y 施化肥量 水稻产量 思考1：水稻产量y与施肥量x之间大致有何规律？ 散点图 发现：图中各点，大致分布在某条直线附近. 思考2：在这些点附近可画不止一条直线，哪条直线最能代表x与y之间的关系