[高三数学]20090713高三理科数学回归分析的基本思想及初步应用2.pptVIP

* 第三章 统计案例 第三、四课时 3.1 回归分析的基本思想及其初步应用 问题提出 1.随机误差是什么概念？ 对具有线性相关关系的两个变量x，y，可以用线性回归模型y＝bx＋a＋e来表示，其中a，b为模型的未知参数，e是y与 之间的随机误差. 2.残差与随机误差的方差的估计值分别如何计算？ 3.残差分析是统计学中的一个基础内容，根据残差图和随机误差的方差，可以反映回归模型拟合的精度或回归方程的预报精度.此外，还有其它统计指标也能反映这种精度吗？对于不具有线性相关关系的随机变量，如何建立相应的回归方程，也是需要解决的问题. 探究（一）：相关指数 思考1：称 为 相关指数，在线性回归模型中，可以证明相关指数恰好等于相关系数的平方，即R2＝r2，那么R2的取值范围是什么？ [0，1] 思考2：相关指数与残差平方和有什么关系？相关指数的大小变化与回归模型的拟合精度有何内在联系？ R2取值越大，残差平方和越小，模型拟合的精度越高. 思考3：在线性回归模型中，R2表示解释变量对于预报变量变化的贡献率，它能说明解释变量对预报变量产生影响的百分比，对前面给出的女大学生身高与体重的样本数据，计算得R2＝0.64，这表明什么内涵？ 女大学生的体重差异有64%是由身高引起的. 思考4：建立回归模型的基本步骤是什么？ （1）确定研究对象，明确解释变量和预报变量； （2）画出散点图，观察两个变量之间的关系； （3）由经验确定回归方程的类型； （4）按一定规则估计回归方程中的参数； （5）分析残差图是否有异常，并作适当处理. 思考5：利用回归模型进行预报时需要注意些什么问题？ （1）回归方程只适用于所研究的样本的总体； （2）所得回归方程一般都有时间性； （3）样本取值的范围会影响回归方程的取值范围； （4）由回归方程得到的预报值是预报变量的可能取值的平均值. 探究（二）：非线性回归方程 【背景资料】一只红铃虫的产卵数y和温度x有关，现收集了7组观测数据如下表： 325 115 66 24 21 11 7 产卵数y/个 35 32 29 27 25 23 21 温度x/°C 思考1：作这组样本数据的散点图，变量x，y是否呈线性相关关系？ 呈非线性相关关系 思考2：从散点图来看，可认为这些样本点大致分布在一条指数函数曲线的周围，那么这个指数函数的解析式可设为哪种形式？ 思考3：如何将 函数转化为一次线性函数？ 两边取自然对数，可将函数变换为 z＝bx＋a的形式. 思考4：变换后的样本数据如下表： 作这组样本数据的散点图，变量x，z是否呈线性相关关系？ 5.784 4.745 4.190 3.178 3.045 2.398 1.946 z 35 32 29 27 25 23 21 x 思考5：由计算可得这组样本数据的线性回归方程为 ＝0.272x－3.849，退回原变量，红铃虫的产卵数y对温度x非线性回归方程是什么？ 0 1 2 3 4 5 6 7 0 5 10 15 20 25 30 35 40 z=0.272x-3.849 思考6：对原样本数据的散点图，也可认为这些样本点大致分布在一条二次函数曲线的周围，那么这个二次函数的解析式可设为哪种形式？ 思考7：如何将函数 转化为一次线性函数？ 令t＝x2，可将函数变换为y＝c3t＋c4 思考8：变换后的样本数据如下表： 作这组样本数据的散点图，变量z，y是否呈线性相关关系？ 325 115 66 24 21 11 7 y 1225 1024 841 729 625 529 441 t -100 -50 0 50 100 150 200 250 300 350 0 200 400 600 800 1000 1200 1400 这组样本数据不具有线性相关关系，即不宜用二次曲线 来拟合y和x之间的关系. 思考9：由上述样本数据也可以得到y关于t的线性回归方程 ＝0.367t－202.543，退回原变量，红铃虫的产卵数y对温度x非线性回归方程是什么？ -100 -50 0 50 100 150 200 250 300 350 0 200 400 600 800 1000 1200 1400 ＝0.367t－202.543 思考10：我们可以通过残差来比较指数回归方程和二次回归方程的拟合程度，计算得两个模型的残差如下表： 比较这些残差的大小可以说明什么问题？ 77.968 -58.265 -40.101 -41 -5.832 19.4 47.696 34.675 -13.381 9.23 -8.95