2013年数学高考总复习重点精品： 回归分析基本思想与其初步应用 (新课标人教A版) 1.pptVIP

【课标要求】 ;利用散点图分析两个变量是否存在相关关系，求线性回归方程．(重点) 回归模型的选择，特别是非线性回归模型．(难点、易错点) ;回归分析 回归分析是对具有_________的两个变量进行统计分析的一种常用方法． 线性回归模型 (1)由散点图易发现，样本点散布在某一条直线附近，而不是一条直线上，不能用一次函数y＝bx＋a描述它们之间的关系，因此用线性回归模型y＝bx＋a＋e来表示，其中a、b为未知参数，e为_________ ． ;(2)对参数a和b的估计，由《数学必修3》可知：最小二乘法估计 和 就是未知参数a、b的最好估计，其计算公式为 ;(3)解释变量和预报变量 线性回归模型与一次函数模型的不同之处是增加了随机误差项e，因变量y由_________和__________共同确定，即自变量x只解释部分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． 试一试：下表是x和y之间的一组数据，则y关于x的线性回归方程必过 (　　). ;刻画回归效果的方式 ;残差平方和;想一想：回归分析中，利用线性回归方程求出的函数值一定是真实值吗？为什么？ 提示　不一定是真实值，利用线性回归方程求的值，在很多时候是个预报值，例如，人的体重与身高存在一定的线性关系，但体重除了受身高的影响外，还受其他因素的影响，如饮食，是否喜欢运动等． ;非线性回归分析 (1)非线性相关关系：样本点分布在某一条曲线的周围，而不是一条直线附近．我们就称这两个变量之间不具有线性相关关系而是非线性相关关系． (2)非线性回归方程线性化 ①y＝axn(其中a，x，y均为正值)(幂函数型函数) lg y＝lg a＋n lg x，令u＝lg y，v＝lg x，b＝lg a， 则u＝nv＋b，图象为一直线． ②y＝cax(a＞0，c＞0)(指数型函数) lg y＝x lg a＋lg c，令u＝lg y，b＝lg c，d＝lg a， 则u＝dx＋b，图象为一直线． ;线性回归方程 (1)在分析两个变量的相关关系时，可根据样本数据散点图确定两个变量之间是否存在相关关系，然后利用最小二乘法求出回归直线方程． ;线性回归分析 (1)由线性回归方程给出的是一个预报值而非精确值． (2)随机误差的主要来源 ①线性回归模型与真实情况引起的误差； ②省略了一些因素的影响产生的误差； ③观测与计算产生的误差． (3)残差分析是回归分析的一种方法． ;(4)用相关指数R2来刻画回归效果． R2越大，意味着残差平方和越小，即模型的拟合效果越好；R2越小，残差平方和越大，即模型的拟合效果越差． 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)．;(4)按一定规则(如最小二乘法)估计回归方程中的参数． (5)得出结果后分析残差图是否有异常(如个别数据对应残差过大，或残差呈现不随机的规律性等)．若存在异常，则检查数据是否有误，或模型是否合适等．  ;题型一　求线性回归方程;[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． ; 以下是某地搜集到的新房屋的销售价格y和房屋的面积x的数据：;解　(1)数据对应的散点图如下图所示： ;故所求回归直线方程为 ＝0.196 2x＋1.814 2. 回归直线如上图所示． (3)据(2)，当x＝150 m2时，销售价格的估计值为 ＝0.196 2×150＋1.814 2＝31.244 2(万元)． ; 为研究重量x(单位：克)对弹簧长度y(单位：厘米)的影响，对不同重量的6个物体进行测量，数据如下表所示： ;[自主解答] (1)散点图如图 ;;(3)由残差表中的数值可以看出第3个样本点的残差比较大，需要确认在采集这个数据的时候是否有人为的错误，如果有的话，需要纠正数据，重新建立回归模型；由表