2018届高中数学必修(人教版)回归分析的基本思想及其初步应用(第二课时)课件概要1.ppt

课堂小结 什么是回归分析？ 从一组样本数据出发，确定变量之间的数学 关系式对这些关系式的可信程度进行各种统 计检验，并从影响某一特定变量的诸多变量 中找出哪些变量的影响显著，哪些不显著利 用所求的关系式，根据一个或几个变量的取 值来预测或控制另一个特定变量的取值，并 给出这种预测或控制的精确程度. 一般地，建立回归模型的基本步骤为： (1)确定研究对象，明确哪个变量是解释变量， 哪个变量是预报变量. (2)画出确定好的解释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 y=bx+a）. 课堂小结 (4)按一定规则估计回归方程中的参数（如最 小二乘法）. 一般地，建立回归模型的基本步骤为： 课堂小结 (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. 课后作业 《学案》与《习案》. “ ” “ ” 复习引入 1.建立回归模型的基本步骤： (1)确定研究对象，明确哪个变量是解释变量， 哪个变量是预报变量. (2)画出确定好的解释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 y=bx+a）. (4)按一定规则估计回归方程中的参数（如最 小二乘法）. 复习引入 2. 刻划线性相关的两个变量间的关系的方法： 所求直线方程 叫做回归直线方程； 其中 案例1 女大学生的身高与体重 例1.从某大学中随机选取8名女大学生，其身高 和体重数据如表所示. 求根据女大学生的身高预报体重的回归方程， 并预报一名身高为172 cm的女大学生的体重. 编 号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 新课讲授 编 号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 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. 180 40 50 60 155 150 165 160 170 175 45 65 55 身高/cm 新课讲授 对回归模型进行统计检验 体重/kg 编 号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 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. 在散点图中，所有的点应该落在 同一条水平直线上，但是观测到 的数据并非如此.这就意味着预报 变量（体重）的值受解释变量 （身高）或随机误差的影响. 180 40 50 60 155 150 165 160 170 175 45 65 55 身高/cm 新课讲授 对回归模型进行统计检验 体重/kg 如何刻画预报变量（体重）的变化？这个变化在多 大程度上与解解释变量（身高）有关？在多大程度 上与随机误差有关？ 180 40 体重/kg 50 60 155 150 165 160 170 175 45 65 55 身高/cm 新课讲授 编 号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 例如，编号为6的女大学生的体重并没有落在水平直 线上，她的体重为61kg.解析变量（身高）和随机误 差共同把这名学生的体重从54.5kg“推”到了61kg， 相差6.5kg，所以6.5kg是 解释变量和随机误差的 组合效应. 180 40 50 60 155 150 165 160 170 175 45 65 55 身高/cm 新课讲授 体重/kg 编 号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 编号为3的女大学生的体重并也没有落在水平直线 上，她的体重为50kg.解析变量（身高）和随机误