统计案例识结构图.docVIP

基本术语 基 本术语 统计案例 回归分析 样本点中心： 随机误差 定义：由于所有的样本点并不共线，只是散布在某一直线附近，所以可用线性回归模型y=bx+a+e来表示，e称为随机误差； 成因：①线性回归方程中的和为估计值，和真实值b、a存在差异；②影响变量y的因素不只x一个，还有其它因素；③观测误差 残差分析 残差：样本值与回归值的差，即（观测值与估计值） 残差分析：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. 总偏差平方和： （观测值与平均值） 残差平方和：（越小则拟合效果越好） 残差图：①制作：以残差为纵轴，以解释变量为横坐标 ②作用：判断模型的适用性，若残差点比较均匀地落在以横轴为中心的水平的带状区域中，则说明选用的模型比较合适，这样的带状区域的宽度越窄，模型拟合精度越高，回归方程的预报精度越高. 相关指数 作用：刻画回归模型的拟合效果，表示解释变量对预报变量的贡献率，其值越大（越接近于1），说明残差平方和越小，也就是说模型拟合的效果越好. 公式： 基 本步骤 （1）确定研究对象，明确哪个变量是解析变量，哪个变量是预报变量。 （2）画出确定好的解析变量和预报变量的散点图，观察它们之间的关系 （如是否存在线性关系等）。 （3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程=bx+a）. （4）按一定规则估计回归方程中的参数（如最小二乘法）。 （5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性，等等），过存在异常，则检查数据是否有误，或模型是否合适等。 独立性检验 回归分析与相关分析的区别 在相关分析中,变量x、y处于平等地位；在回归分析中,把因变量y置于被解释的特殊地位,自变量x用于预报因变量的变化； ?2、相关分析只限于描述变量间相互依存关系的密切程度,至于相关变量间的定量联系关系则无法明确反映.而回归分析不仅可以定量揭示自变量对应变量的影响大小,还可以通过回归方程对变量值进行预测和控制. 独立性检验基本思想 独立性检验 基本思想 假设检验原理（类似反证法）： 要确认“两个分类变量有关系”这一结论成立的可信程度，首先假设该结论不成立，即“两个分类变量没有关系（H0）” 在该假设下，构造的随机变量K2应该很小，如果由观测数据计算得到的K2很大（K2越大，H1成立的可能性就越大），则在一定程度上说明假设不合理 根据K2的含义，评价该假设不合理的程度 基本方法 图表分析 通过等高条形图、二维条形图和三维柱形图粗略判断 条形图中，看满足X=x1的个体具有Y=y1的比例，满足条件X=x2个体具有Y=y1的比例，两个比例相差越大，则H1成立的可能性越大； 三维柱形图中主对角线的两个柱形高度之积ad与副对角线的两个柱形高度之积bc相差越大，则H1成立的可能性越大； 2×2列联表： 　 y1 y2 总计 x1 a b a+b x2 c d c+d 总计 a+c b+d a+b+c+d 利用独立性检验 独立性检验步骤： 提出假设H0； 根据2× 2列联表与公式计算 K2=的值； 比较K2与临界值，得出结论及其可信度； 吃零食是中学生中普遍存在的现象，下表是性别与吃零食的列联表，试画出列联表的三维柱形图、二维条形图与等高条形图，并结合图形判断性别与吃零食是否有关？