- 1、本文档共30页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
高中数学第1部分第一章§8最小二乘估计配套课件北师大版必修
返回 第一章 统计 §8 最小二乘估计 理解教材新知 应用创新演练 考点一 把握热点考向 考点二 某科研单位研制出一种新的高科技户外健身器材,为了不 因天气等外界因素的变化而影响使用效果,在此种产品表面进行腐蚀刻线试验,得到腐蚀深度y与腐蚀时间x之间相应的一组观察值如下表: x/s 5 10 15 20 30 40 50 60 70 90 120 y/μm 6 10 10 13 16 17 19 23 25 29 46 根据表中数据,可作散点图如下图所示: 问题1:腐蚀深度y与腐蚀时间x之间是否具有相关关系? 提示:由散点图可知,变量y与x之间具有相关关系. 问题2:如何预测腐蚀时间x=100 s时的腐蚀深度? 提示:可以根据散点图作出一条直线,使直线两侧的点分布均匀,求出直线方程,利用方程预测. 1.最小二乘法 (1)定义:如果有n个点:(x1,y1),(x2,y2),…,(xn,yn),可以用下面的表达式来刻画这些点与直线y=a+bx的接近程度:[y1-(a+bx1)]2+[y2-(a+bx2)]2+…+[yn-(a+bxn)]2.使得上式达到最小值的直线y=a+bx就是我们所要求的直线,这种方法称为最小二乘法. (2)应用:利用最小二乘法估计时,要先作出数据的图.如果 呈现出线性关系,可以用最小二乘法估计出线性回归方程;如果 呈现出其他的曲线关系,我们就要利用其他的工具进行拟合. 散点 散点图 散点图 系数 1.线性回归方程的应用 (1)描述两变量之间的依存关系;利用线性回归方程即可定量描述两个变量间依存的数量关系. (2)利用回归方程进行统计控制规定y值的变化,通过控制x的范围来实现统计控制的目标. (3)注意作回归分析要有实际意义,回归分析前,最好先作出散点图,回归直线不要外延. [例1] 关于人体的脂肪含量(百分比)和年龄关系的研究中,得到如下一组数: 年龄x 23 27 39 41 45 49 50 53 脂肪y 9.5 17.8 21.2 25.9 27.5 26.3 28.2 29.6 (1)判断它们是否有相关关系,若有相关关系,请作一条拟合直线; (2)用最小二乘法求出年龄关于脂肪的线性回归方程. [思路点拨] (1)作出散点图,通过散点图判断它们是否具有相关关系,并作出拟合直线;(2)利用公式求出线性回归方程的系数a,b即可. [精解详析](1)以x轴表示年龄,y轴表示脂肪含量(万分比),画出散点图,如下图. [一点通] 1.最小二乘法的适用条件: 每个变量必须具有线性相关性,若题目没有说明相关性,必须对两个变量进行相关性检验. 2.注意事项: (1)利用求回归方程的步骤求线性回归方程的方法实质是一种待定系数法. (2)计算a,b的值时,用列表法理清计算思路,减少计算失误.同时,计算时,尽量使用计算机或科学计算器. 1.(2011·江西高考)为了解儿子身高与其父亲身高的关系,随 机抽取5对父子的身高数据如下: 父亲身高x(cm) 174 176 176 176 178 儿子身高y(cm) 175 175 176 177 177 答案:C 2.某医院用光电比色计检验尿汞时,得尿汞含量(毫克/升) 与消化系数如下表: 尿汞含量(x) 2 4 6 7 10 消化系数(y) 64 138 205 285 360 由此得回归直线的斜率是________(精确到0.01). 答案:38.14 [例2] (2011·安徽高考)某地最近十年粮食需求量逐年上升,下表是部分统计数据: 年份 2002 2004 2006 2008 2010 需求量(万吨) 236 246 257 276 286 (1)利用所给数据求年需求量与年份之间的回归直线方程y=bx+a; (2)利用(1)中所求出的直线方程预测该地2012年的粮食需求量. [思路点拨] 通过公式计算回归直线方程的系数a与b,利用回归直线方程预测该地2012年的粮食需求量. [精解详析] (1)由所给数据可以看出,年需求量与年份之间是近似直线上升,下面求回归直线方程.为此对数据预处理如下: 年份-2006 -4 -2 0
文档评论(0)