会将非线性回归模型经过变换转化为线性回归模型，进而进行回归分析.ppt

求回归方程，应注意首先对样本点是否线性相关进行检验，因为对于任何一组样本点，都可以根据最小二乘法求得一个线性回归方程，但这条线性回归方程是否较好地反映了样本点的分布呢，显然不一定，特别是对于不呈线性相关的回归模型．可以通过散点图或求相关系数r首先作出是否线性相关的检验，然后再选择恰当的回归模型进行模拟． 课前探究学习 课堂讲练互动 会将非线性回归模型经过变换转化为线性回归模型，进 而进行回归分析． 学习本节后还应初步会将简单的非线性回归问题转化 为线性回归问题．(重点、难点) 1.3　可线性化的回归分析 【课标要求】 【核心扫描】 对不具有线性相关关系的两个变量做统计分析，通过变 量代换，转化为线性回归模型． 1．非线性回归分析 2．非线性回归方程 曲线 方程 曲线图形 变换公式 变换后的线性函数 y＝axb c＝ln a v＝ln x u＝ln y . . u＝c＋bv 曲线 方程 曲线图形 变换公式 变换后的线性函数 y＝aebx c＝ln a u＝ln y . . u＝c＋bx 续表 u＝c＋bv u＝a＋bv 想一想：作两个变量的散点图的主要目的是_____________ ___________________________________． 提示　直观了解两个变量之间的关系 当两变量y与x不具有线性相关关系时，要借助于散点 图，与已学过的函数(如指数函数、对数函数、幂函数等) 的图象相比较，找到合适的函数模型，利用变量代换转 化为线性函数关系，从而使问题得以解决． (1)确定变量：确定解释变量为x，预报变量为y； (2)画散点图：通过观察散点图并与学过的函数(幂、指 数、对数函数、二次函数)作比较，选取拟合效果好的函 数模型； 名师点睛 1．可线性化的回归分析 2．解决非线性回归问题的方法及步骤 (3)变量置换：通过变量置换把非线性问题转化为线性回 归问题； (4)分析拟合效果：通过计算相关指数或相关系数等来判 断拟合效果； (5)写出非线性回归方程． 在大量的实际问题中，研究的两个变量不一定都呈现线 性相关关系，它们之间可能呈现指数关系或对数关系等 非线性关系等．在某些情况下可以借助于线性回归模型 研究呈现非线性关系的两个变量之间的关系． 我们往往将两个非线性的变量关系转化成线性的变量 关系．例如，将幂函数曲线y＝axb转化为u＝c＋bv.其 中u＝ln y，v＝ln x，c＝ln a；将指数曲线y＝aebx转化 为u＝c＋bx.其中u＝ln y，c＝ln a. 3．非线性变量关系转化为线性变量关系 (1)画出散点图，观察它们之间的关系(如是否存在线性 关系等)． (2)由经验确定回归方程的类型(如观察到数据呈线性关 系，则选用线性回归方程y＝a＋bx)． (3)按一定规则估计回归方程中的参数(如最小二乘法)． (4)得出结果后分析是否有异常，若存在异常，则检查数 据是否有误，或模型是否合适等． 4．建立回归模型的基本步骤 有一位同学家里开了一个小卖部，他为了研究气温对 热茶销售杯数的影响，经过统计，得到一个卖出热茶杯数 与当天气温的对比表： 题型一　线性回归分析 【例1】 气温x/℃ －5 0 4 7 12 15 19 23 27 31 36 热茶销售 杯数y/杯 156 150 132 128 130 116 104 89 93 76 54 (1)求热茶销售杯数y与气温x的线性回归方程； (2)预测气温为－10 ℃时热茶的销售杯数． [思路探索] 根据样本点数据画出散点图．利用散点图直 观分析热茶销售杯数y与气温x具有线性相关关系，利 用线性回归方程中参数的计算公式可得线性回归方程． 解　(1)所给数据的散点图如下图所示． 由图可看出，这些点在一条直线附近，可以用线性回归 方程来刻画y与x之间的关系． 因为＝，＝，由公式计算得b≈－2.352， a＝－b≈147.767， 所以y对x的线性回归方程为y＝147.767－2.352x. (2)对于气温－10℃，由回归方程可以预报热茶的销售杯 数为y＝147.767－2.352×(－10)＝171.287≈171(杯)． 规律方法　进行线性回归分析的关键是画出样本点的散点 图，确定出变量具有线性相关关系，再求出回归直线方 程．如果x，y的线性相关关系具有统计意义，就可以用线 性回归方程来作预测和控制．预测是指对于x的取值范围内 任一个x0，y取相应值y0的估计；控制是指通过控制x的值把 y的值控制在指定范围内． 为了研究3月下旬的平均气温(x)与4月20日前棉花害 虫化蛹高峰日(y)的关系，某地区观