《3.1回归分析的基本思想及其初步应用》课件6.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * [辨析]　此题解法是错误的，原因是这两个变量之间不是线性相关关系．此类问题的解决，应先对两个变量间的相关关系进行相关性检验，然后结合作出的散点图，选择适宜的回归方程． [正解]　由数值表可作散点图如图所示： 由置换后的数值表作散点如图所示： 布置作业 课堂作业： 家庭作业： 教学反思 * * * * * * * * * * * * * * * * * * * * 求回归直线方程 x (0.01%) 104 180 190 177 147 134 150 191 204 121 y(min) 100 200 210 185 155 135 170 205 235 125 (1)作出散点图，你能从散点图中发现含碳量与冶炼时间的关系吗？ (2)求回归直线方程； (3)预测当钢水含碳量为160时，应冶炼多长时间？ [解析]　(1)以x轴表示含碳量，y轴表示冶炼时间，可作散点图如图．从图中可以看出，各点散布在一条直线附近，即含碳量与冶炼时间线性相关． [答案]　B 线性回归分析 [分析]　∵y与x呈线性相关关系，用线性相关的公式分别计算． [解析]　(1)由已知条件制成下表： (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)；若存在异常，则检查数据是否有误，或模型是否合适等，再重新求得回归方程． (6)用回归方程作出预报． 2．比较拟合效果的基本步骤 (1)对于给定的样本点(x1，y1)、(x2，y2)、…、(xn，yn)，分别选取两个拟合模型，求出相应的回归方程分别计算其相关指数R2，R2大的模型拟合效果更好． (2)残差平方和越小，预报精确度越高． [解析]　(1)散点图如下图所示： (3)由表中数据可以看出残差点比较均匀地落在不超过0.15的狭窄的水平带状区域中，说明选用的线性回归模型的精度较高，由以上分析可知，弹簧长度与拉力成线性关系．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． 非线性回归问题* [分析]　作散点图，观察确定y与x的近似函数关系，作变量替换，列出新的对应值表求出对应的线性回归方程，再作变量替换得回归方程． [解析]　根据测得数据作出散点图，如图，根据已有的函数知识，可以发现样本点分布在某一条幂函数型曲线Q＝αhβ(α、β是待定的正常数)①的周围．为此将Q＝αhβ两边取对数，得到lgQ＝βlgh＋lgα②，令lgQ＝y，lgh＝x，于是②式可化为y＝βx＋lgα.这样y就是x的线性函数了．可以利用线性回归模型来建立y和x之间的线性回归方程y＝bx＋a(β＝b，lgα＝a)了． [方法规律总结]　1.在建立经验公式时，选择合适的函数类型是十分重要的．通常是根据实验数据，画出散点图，从中观察其变化规律，并与已知函数的图象对比，看接近于什么函数，根据实践经验来决定选取公式的类型，所选的类型是否符合实际，还需要通过实践来检验．有时候还需要选择不同的模拟函数作比较． 2．如果观察散点图，发现点的分布不呈条状分布，而是与某种曲线相近，这时可选择这条曲线对应的函数作为拟合函数，作恰当变换，转化为线性函数，用线性回归模型求解． 统计案例 第三章 3.1　回归分析的基本思想及其初步应用 第三章 自主预习学案 通过典型案例的探究，了解回归分析的基本思想、方法及初步应用． 体会统计方法的特点及应用的广泛性，提高对现代计算技术与统计的应用的认识． 重点：线性回归模型及相关概念，用回归分析方法作出推断． 难点：对线性回归模型、残差分析、相关性检验的理解和用相关指数检验模型的拟合效果． 温故知新 请回顾复习在必修3中学过的两个变量的线性相关，回归直线，回归直线方程的求法． 回归直线方程 新知导学 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________________． 相关关系 线性回归分析 相关系数r 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______；r的绝对值接近于0时，表明两个变量之间几乎不存在线性相关关系．通常当|r|大于_______时，认为两