《3.1回归分析的基本思想及其初步应用（四）》课件.pptVIP

总 结 对于给定的样本点 两个含有未知参数的模型： 其中a和b都是未知参数.拟合效果比较的步骤为： (1)分别建立对应于两个模型的回归方程 与 其中 和 分别是参数a和b的估计值； (2)分别计算两个回归方程的残差平方和 与 (3)若 则 的效果比 的好；反之， 的效果不如 的好. 练习：为了研究某种细菌随时间x变化，繁殖的个数，收集数据如下： 天数x/天 1 2 3 4 5 6 繁殖个数y/个 6 12 25 49 95 190 (1)用天数作解释变量，繁殖个数作预报变量，作出这些 数据的散点图； (2) 描述解释变量与预报变量 之间的关系； (3) 计算残差、相关指数R2. 天数 繁殖个数 解：(1)散点图如右所示 (2)由散点图看出样本点分布在一条指数函数y= 的周围，于是令Z=lny，则 x 1 2 3 4 5 6 Z 1.79 2.48 3.22 3.89 4.55 5.25 由计数器算得 则有 6.06 12.09 24.09 48.04 95.77 190.9 y 6 12 25 49 95 190 (3) 即解释变量天数对预报变量繁殖细菌得个数解释了99.99%. 练习 假设关于某设备的使用年限x和所支出的维修费用 y(万元)，有如下的统计资料. 使用年限x 2 3 4 5 6 维修费用y 2.2 3.8 5.5 6.5 7.0 若由资料知，y对x呈线性相关关系.试求： (1)线性回归方程 的回归系数 ； (2)求残差平方和； (3)求相关系数 ； (4)估计使用年限为10年时，维修费用是多少？ 解： (1)由已知数据制成表格. 1 2 3 4 5 合计 2 3 4 5 6 20 2.2 3.8 5.5 6.5 7.0 25 4.4 11.4 22.0 32.5 42.0 112.3 4 9 16 25 36 90 所以有 * * * * * * * * * * * * * * * * * * * * 3.1回归分析的基本思想及其初步应用(四) 比《数学3》中“回归”增加的内容 数学3——统计 画散点图 了解最小二乘法的思想 求回归直线方程 y＝bx＋a 用回归直线方程解决应用问题 选修2-3——统计案例 引入线性回归模型 y＝bx＋a＋e 了解模型中随机误差项e产生的原因 了解相关指数 R2 和模型拟合的效果之间的关系 了解残差图的作用 利用线性回归模型解决一类非线性回归问题 正确理解分析方法与结果 复习回顾 1、线性回归模型： y=bx+a+e， (3) 其中a和b为模型的未知参数，e称为随机误差. y=bx+a+e， E(e)=0，D(e)= (4) 2、数据点和它在回归直线上相应位置的差异 是随机误差的效应，称 为残差. 3、对每名女大学生计算这个差异，然后分别将所得的值平方后加起来，用数学符号表示为： 称为残差平方和，它代表了随机误差的效应. 4、两个指标： (1)类比样本方差估计总体方差的思想，可以用作 为 的估计量， 越小，预报精度越高. (2)我们可以用相关指数R2来刻画回归的效果，其 计算公式是： R2 ?1，说明回归方程拟合的越好；R2?0，说明回归方程拟合的越差. 在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用回归模型来拟合数据. 5、残差分析与残差图的定义： 然后，我们可以通过残差 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. 我们可以利用图形来分析残差特性，作图时纵坐标为残差，横坐标可以选为样本编号，或身高数据，或体重估计值等，这样作出的图形称为残差图