数学：1.1《回归分析的基本思想及其初步应用》课件(新人教A版选修1-2)概要.ppt

回归分析的基本思想;一、复习回顾：;例1:从某大学中随机选取8名女大学生,其身高和体重数据如下表,求根据女大学生的身高预报体重的回归方程,并预报一名身高为172cm的女大学生的体重.;身高、随机误差对体重有没有影响？;二、新概念引入：;作用：表示随机误差的效应;3.回归平方和：相应回归值与样本均值差的平方和，即：;注：当总偏差平方和相对固定时，残差平方和越小，则回归平方和越大，此时模型的拟合效果越好 .;4.有没有其他方法来刻划模型的拟合程度？;例1 相关指数R2=0.64,说明了什么？;问：有些时候，样本数据中难免混有错误数据，通过何种方法把它剔除？;残差比较均匀地落在带状区域内，说明选用的模型比较合适。;-2;例1用身高预测体重要注意的问题：;;建立回归模型的步骤：;例2 关于x与y有如下数据： ;1）总偏差平方和=回归平方和+残差平方和;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;思考P3 产生随机误差项e的原因是什么？;函数模型与回归模型之间的差别;函数模型与回归模型之间的差别;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;探究P4： 身高为172cm的女大学生的体重一定是60.316kg吗？ 如果不是，你能解析一下原因吗？;如何描述两个变量之间线性相关关系的强弱？;相关关系的测度（相关系数取值及其意义）;对回归模型进行统计检验;思考P6： 如何刻画预报变量（体重）的变化？这个变化在多大程度上 与解析变量（身高）有关？在多大程度上与随机误差有关？;59;59; 由于解析变量和随机误差的总效应（总偏差平方和）为354，而随机误差的效应为 128.361，所以解析变量的效应为;离差平方和的分解 （三个平方和的意义）;样本决定系数 （判定系数 r2 ）;我们可以用相关指数R2来刻画回归的效果，其计算公式是;我们可以用相关指数R2来刻画回归的效果，其计算公式是;表1-4列出了女大学生身高和体重的原始数据以及相应的残差数据。;残差图的制作及作用。 ??标纵轴为残差变量，横轴可以有不同的选择； 若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域； 对于远离横轴的点，要特别注意。;小结;用身高预报体重时，需要注意下列问题：;一般地，建立回归模型的基本步骤为：;什么是回归分析？（内容）;结束