最小二乘估计(张妍).ppt

郑平正 制作 §8 最小二乘估计 2、现实生活中存在着大量的相关关系。 如：人的身高与年龄； 产品的成本与生产数量； 商品的销售额与广告费； 家庭的支出与收入。等等 探索：水稻产量y与施肥量x之间大致有何规律？ 10 20 30 40 50 500 450 400 350 300 · · · · · · · 探索2：在这些点附近可画直线不止一条，哪条直线最能代表x与y之间的关系呢？ 施化肥量x 15 20 25 30 35 40 45 水稻产量y 330 345 365 405 445 450 455 x y 散点图 施化肥量 水稻产量 相应的直线叫做回归直线 对两个变量进行的线性分析叫做线性回归分析。 假设我们已经得到两个具有相关关系的变量的一组数据 且回归方程是：y=bx+a, 其中，a,b是待定参数。当变量x取 时 它与实际收集到的 之间的偏差是 o x y 用同样的方法我们可以推导出n个点的线性回归方程的系数： 例1 在上一节练习中，从散点图可以看出，某小卖部6天卖出热茶的杯数（y）与当天气温（x）之间是线性相关的.数据如下表 气温（xi）／ ℃ 26 18 13 10 4 -1 杯数（yi）／杯 20 24 34 38 50 64 (1)用散点图表示上面数据 (2)试用最小二乘法求出线性回归方程. (3)如果某天的气温是－3℃，请预测当天小卖部可能会卖出热茶多少杯. 解：（1）先画出其散点图可以求得 则线性回归方式为 （2）当某天的气温是－3℃时，当天卖出热茶的杯数估计 为： 1.利用最小二乘估计时，首先要作出数据的散点图，利用散点图观察数据是否具有线性关系 2.散点图呈现线性关系时，利用最小二乘公式求出方程 3.直线拟合只是拟合的方式之一，散点图呈现其他的规律时，我们也可以利用其他的曲线进行拟合 x 0 1 2 3 y 1 3 5 7 1、 已知x，y之间的一组数据如下表，则y与x的线性回归方 程y=a+bx必经过点 ( )（A）（2，2） （B）（1.5，0）（C）（1，2） （D）（1.5，4） D 商店名称 A B C D E 销售额（x）/千万元 3 5 6 7 9 利润额（y）/百万元 2 3 3 4 5 2、某连锁经营公司所属5个零售店某月的销售额和利润额资料如下表： （1）画出销售额和利润额的散点图； （2）若销售额和利润额具有相关关系，计算利润额y对销售额x的线性回归方程. i xi yi xi2 xiyi 1 3 2 9 6 2 5 3 25 15 3 6 3 36 18 4 7 4 49 28 5 9 5 81 45 合计 30 17 200 112 解：（1） （2）数据如下表：可以求得b=0.5，a=0.4 线性回归方程为： /百万元 /千万元 小结归纳 1.求样本数据的线性回归方程，可按下列步骤进行： 第一步，计算平均数 , 第二步，求和 , 第三步，计算 第四步，写出回归方程 利用试验数据进行拟合时，所用数据越多，拟合效果越好.但即使选取相同的样本数，得到的直线方程也可能是不相同的，这是由样本的随机性造成的,样本量越大，所估计的直线方程越能更好地反映变量之间的关系. 3.下面是两个变量的一组数据： x 1 2 3 4 5 6 7 8 y 1 4 9 16 25 36 47 64 请用最小二乘法求出这两个变量之间的线性回归方程 思考：哪一个对呢？ y=-15+9x. 所以，利用最小二乘法估计时，要先作出数据的散点图.如果散点图呈现一定的规律性,我们再根据这个规律性进行拟合.如果散点图呈现出线性关系,我们可以用最小二乘法估计出线性回归方程;如果散点图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. 2、线性回归方程的系数： 1、最小二乘法的思想 * 郑平正 制作 *