2017-2018学年高二数学新人教A版选修2-3课件：第3章 统计案例 3.1 回归分析的基本思想及其初步应用.pptVIP

* * * * * * * * * * * * * * * * * * * * 题型一 题型二 题型三 题型四 (5)作出预报. 由上述分析可知,我们可用回归方程 =1.041 48x-0.003 09作为该运动员成绩的预报值. 将x=47和x=55分别代入该方程可得y≈49和y≈57. 故预测该运动员训练47次和55次的成绩分别为49和57. 反思“R2、残差图”在回归分析中的作用: (1)R2是用来刻画回归效果的,由 可知R2越大,意味着残差平方和越小,也就是说模型的拟合效果就越好. (2)残差图也是用来刻画回归效果的,判断依据是:残差点比较均匀地分布在水平带状区域中,带状区域的宽度越窄,说明模型拟合精度越高,回归方程预报精度越高. 题型一 题型二 题型三 题型四 【变式训练2】 某农科所对冬季昼夜温差大小与某反季节大豆新品种发芽数为多少之间的关系进行分析研究,他们分别记录了12月1日至12月5日的每天昼夜温差与实验室每天每100颗种子中的发芽数,得到如下资料: 该农科所确定的研究方案是:先从这五组数据中选取2组,用剩下的3组数据求线性回归方程,再对被选取的2组数据进行检验. (1)求选取的2组数据恰好是不相邻2天数据的概率; (2)若选取的是12月1日与12月5日的两组数据,请根据12月2日至12月4日的数据,求出y关于x的线性回归方程 题型一 题型二 题型三 题型四 题型一 题型二 题型三 题型四 题型一 题型二 题型三 题型四 题型一 题型二 题型三 题型四 可以求得:r≈0.998. 由于|r|≈0.9980.75,可知u和v具有很强的线性相关性.再求出b≈-0.146,a≈0.548. 题型一 题型二 题型三 题型四 【变式训练3】 在一化学反应过程中,某化学物质的反应速率y(单位:g/min)与一种催化剂的量x(单位:g)有关,现收集了如下表所示的8组数据,试建立y与x之间的回归方程. 题型一 题型二 题型三 题型四 解:根据收集的数据作散点图,如图. 根据样本点的分布情况,可选用两种曲线模型来拟合. ①可认为样本点集中在某二次曲线y=c1x2+c2的附近. 令t=x2,则变换后样本点应该分布在直线y=bt+a(b=c1,a=c2)的周围. 题型一 题型二 题型三 题型四 由题意得变换后t与y的样本数据如下表: y与t的散点图如图. 由y与t的散点图可以观察到样本数据点并不分布在一条直线的周围,因此不宜用线性回归方程y=bt+a来拟合,即不宜用二次曲线y=c1x2+c2来拟合y与x之间的关系. 题型一 题型二 题型三 题型四 题型一 题型二 题型三 题型四 z与x的散点图如图. 因为根据散点图可以观察到样本数据点大致分布在一条直线的周围,所以可以用线性回归方程来拟合. 题型一 题型二 题型三 题型四 题型一 题型二 题型三 题型四 错解:B 错因分析对残差平方和和R2理解错误. 正解:R2的值越大,说明残差平方和越小,也就是说模型的拟合效果越好. 答案:C 反思把握好R2的回归意义. * * * * * * * * * * * * * * * * * * * 3.1　回归分析的基本思想及其初步应用 1.了解回归分析的基本思想,会对两个变量进行回归分析,会求两个具有线性相关关系的变量的回归直线方程,并用回归直线方程进行预报. 2.了解最小二乘法的思想方法,理解回归方程与一般函数的区别与联系. 3.通过典型案例的分析,了解回归分析的初步应用——相关检验. 1 2 3 4 1 2 3 4 知识拓展1.当r0时,表明两个变量正相关; 当r0时,表明两个变量负相关. 2.|r|越接近于1,表明两个变量的线性相关性越强; |r|越接近于0,表明两个变量之间几乎不存在线性相关关系. 通常,当|r|不小于0.75时,我们认为两个变量存在着很强的线性相关关系. 1 2 3 4 1 2 3 4 【做一做1-1】 下表是x与y之间的一组数据,则y关于x的线性回归直线必过点(　　) A.(2,2) B.(1.5,2) C.(1,2) D.(1.5,4) 解析: ∴样本点的中心为(1.5,4),而回归直线过样本点的中心,故选D. 答案:D 1 2 3 4 【做一做1-2】 若分别计算具有线性相关关系的甲组数据和乙组数据,得相关系数r甲=0.8,r乙=-0.9,则相关关系较强的是(　　) A.甲组数据 B.乙组数据 C.甲、乙两组数据一样强 D.不确定 解析:∵|r乙|=0.9|r甲|=0.8更接近于1,∴乙组数据相关性强. 答案:B 1 2 3 4 2.随机误差 (1)随机误差的均值E(e)=0,方差D(e)=σ2. (2)线性回归模型的