回归分析的基本思想及应用概要.pptVIP

●课程目标 1．双基目标 (1)通过典型案例的探究，进一步了解回归分析的基本思想、方法及其初步应用． (2)通过典型案例的探究，了解独立性检验(只要求2×2列联表)的基本思想、方法及其初步应用． 2．情感目标 本章提供了数据处理的方法，通过对数据的收集、整理和分析，使学生认识统计方法的直观特点、增强学生的社会实践能力，培养学生分析问题、解决问题的能力，养成科学严谨的良好品质．;●重点难点 本章重点：回归分析、残差分析、相关指数的意义以及独立性检验中K2的有关计算． 本章难点：借助于回归分析的思想选择恰当的模型拟合变量间的相关关系(尤其是非线性的)，由于该部分内容的数据相对较复杂，故在高考中出现大题的可能性不是很大，应以选择、填空题为主，旨在考察对回归方程的求解及预测，K2的计算等．;●学法探究 本章内容是统计案例中常见方法中的两种：回归分析和独立性的检验．通过对典型案例的学习，理解问题和方法的实质，进一步体会统计方法在解决实际问题中的基本思想．在学习过程中多与社会实践相结合，亲自动手实践，加深对知识的认识，巩固知识，不断创新，多寻找规律，形成方法．;1．1　回归分析的基本思想及其初步应用 ;1．知识与技能 通过收集现实问题中两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系． 2．过程与方法 通过求线性回归方程，探究相关性检验的基本思想． 通过对典型案例的探究，体会回归分析在生产实际和日常生活中的广泛应用．;本节重点：了解线性回归模型与函数模型的差异，了解判断刻画模型拟合效果的方法——相关指数和残差分析． 本节难点：解释残差变量的含义，了解偏差平方和分解的思想．;1．通过复习线性回归方程，探究相关性检验的基本思想． 2．培养类比、迁移、化归的能力．;一、相关关系的概念 当一个变量取值一定时，另一个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． 二、回归分析的相关概念 1．回归分析是处理两个变量之间 的一种统计方法．若两个变量之间具有线性相关关系，则称相应的回归分析为 ．;3．线性相关关系强与弱的判断：用 来描述线性相关关系的强弱．当r0时，表明两个变量 ；当r0时，表明两个变量 ．r的绝对值越接近1，表明两个变量的线性相关性越强；r的绝对值接近于0时，表明两个变量之间 线性相关关系．通常当|r|大于 时，认为两个变量有很强的线性相关关系． 4．随机误差的概念：当样本点散布在某一条直线的附近，而不是在一条直线上时，不能用一次函数y＝bx＋a来描述两个变量之间的关系，而是用线性回归模型 来表示，其中 为模型的未知参数， 称为随机误差．; R2的值越大，说明残差平方和越小，也就是说模型的拟合效果越 ．在线性回归模型中，R2表示解释变量对预报变量变化的 ．R2越接近于1，表示回归的效果越好(因为R2越接近于1，表示解释变量和预报变量的线性相关性越强)．;;(2)利用图形来分析残差特性，作图时纵坐标为 ，横坐标可以选为 ，这样作出的图形称为残差图．如果图中有某个样本点的残差比较大，需要确认在采集这个样本点的过程中是否有人为的错误．如果数据采集有错误，就予以纠正，然后再重新利用线性回归模型拟合数据；如果数据采集没有错误，则需要寻找其他的原因．另外，残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适．这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高．;回归分析问题有线性回归问题和非线性回归问题，对于非线性回归问题，往往利用转换变量的方法进行转化，转变为线性回归问题．;[例1]　有下列说法： ①线性回归分析就是由样本点去寻找一条直线，使之贴近这些样本点的数学方法； ②利用样本点的散点图可以直观判断两个变量的关系是否可以用线性关系表示； ④因为由任何一组观测值都可以求得一个线性回归方程，所以没有必要进行相关性检验． 其中正确命题的个数是 (　　);A．1　　　　　　　 B．2 C．3 D．4 [分析]　由题目可获取以下信息： ①线性回归分析； ②散点图； ③相关性检验等的相关概念及意义． 解答本题可先逐一核对相关概念及其性质，然后再逐一作出判断，最后得出结论． ;[答案]C [解析]　①反映的正是最小二乘法思想，故正确． ②反映的是画散点图的作用，也正确． ③解释的是回归方程＝x＋的作用，故也正确． ④是不正确的，在求回归方程之前必须进行相关性检验，以体现两变量的关系． [点评]　线性回归分析的过程： (1)随机抽取样本，确定数据，形成样本点 (2)由样本点形成散点图，判定是否具有线性相关关系； (3)由最小二乘法确定线性回归方程； (4)由回归方程观察变量的取值及变化趋势．; 下列有关线性回归的说法，不正确的是