回归分析的基本思想及其初步应用第二、第三课时1.pptVIP

1：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。 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。 2： 复习回顾 3：最小二乘法 样本点的中心: 回归方程: 4：思考产生随机误差项e的原因 随机误差e的来源(可以推广到一般）： 1、其它因素的影响：影响体重y 的因素不只是身高 x，可能还包括遗传基因、饮食习惯、是否喜欢运动、生长环境、度量误差等因素； 2、用线性回归模型近似真实模型所引起的误差； 3、身高 x 的观测误差。 函数模型与回归模型之间的差别 函数模型： 回归模型： 线性回归模型y=bx+a+e增加了随机误差项e，因变量y的值由自变量x和随机误差项e共同确定，即自变量x只能解释部分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。 1.用相关系数 r 来衡量 2.公式： 求出线性相关方程后， 说明身高x每增加一个单位,体重y就增加0.849个单位,这表明体重与身高具有正的线性相关关系.如何描述它们之间线性相关关系的强弱呢? ①、当 时，x与y为完全线性相关，它们之间存在确定的函数关系。 ②、当 时，表示x与y存在着一定的线性相关，r的绝对值越大，越接近于1，表示x与y直线相关程度越高，反之越低。 3.性质： 相关系数 相关