2017学年高中数学人教A版选修2-3课堂探究：3.1　回归分析的基本思想及其初步应用 Word版含解析.docVIP

课堂探究 探究一 求线性回归直线方程 (1)散点图是定义在具有相关关系的两个变量基础上的，对于性质不明确的两组数据，可先作散点图，在图上看它们有无关系，关系的密切程度，然后再进行相关回归分析． (2)求回归直线方程，首先应注意到，只有在散点图大致呈线性时，求出的回归直线方程才有实际意义，否则，求出的回归直线方程毫无意义． 【典型例题1】某商场经营一批进价是30元/件的小商品，在市场试验中发现，此商品的销售单价x(x取整数)元与日销售量y台之间有如下关系 x 35 40 45 50 y 56 41 28 11 (1)y与x是否具有线性相关关系？如果具有线性相关关系，求出回归直线方程．(方程的斜率保留一个有效数字) (2)设经营此商品的日销售利润为P元，根据(1)写出P关于x的函数关系式，并预测当销售单价x为多少元时，才能获得最大日销售利润． 解：(1)散点图如图所示，从图中可以看出这些点大致分布在一条直线附近，因此两个变量线性相关． 设回归直线为＝x＋，由题知＝42.5，＝34， 则求得 ＝ ＝≈－3. ＝－ ＝34－(－3)×42.5＝161.5. ＝－3x＋161.5. (2)依题意有 P＝(－3x＋161.5)(x－30) ＝－3x2＋251.5x－4 845 ＝－32＋－4 845. 当x＝≈42时，P有最大值，约为426. 即预测当销售单价为42元时，才能获得最大日销售利润． 规律总结 先根据所给数据画出散点图，判断y与x是否具有线性相关关系，在此基础上利用回归方程系数的有关公式，求出相应的系数，然后结合函数知识求出日销售利润最大时的销售单价． 探究二 线性回归分析 解答本类题目应先通过散点图来分析两变量间的关系是否线性相关，然后再利用求回归方程的公式求解回归方程，并利用残差图或相关指数R2来分析函数模型的拟合效果，在此基础上，借助回归方程对实际问题进行分析． 【典型例题2】在一段时间内，某种商品的价格x元和需求量y件之间的一组数据为： x(元) 14 16 18 20 22 y(件) 12 10 7 5 3 且知x与y具有线性相关关系，求出y对x的回归直线方程，并说明拟合效果的好坏． 解：＝×(14＋16＋18＋20＋22)＝18， ＝×(12＋10＋7＋5＋3)＝7.4， ＝142＋162＋182＋202＋222＝1 660， ＝122＋102＋72＋52＋32＝327， iyi＝14×12＋16×10＋18×7＋20×5＋22×3＝620， ＝＝＝＝－1.15. ＝7.4＋1.15×18＝28.1， 回归直线方程为＝－1.15x＋28.1. 列出残差表为 yi－i 0 0.3 －0.4 －0.1 0.2 yi－ 4.6 2.6 －0.4 －2.4 －4.4 (yi－)2＝0.3，(yi－)2＝53.2， R2＝1－≈0.994. 故R2≈0.994，说明拟合效果较好． 规律总结 “相关指数R2、残差图”在回归分析中的作用： (1)相关指数R2是用来刻画回归效果的，由R2＝1－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，带状区域越窄，说明模型拟合精度越高， 回归方程预报精度越高． 探究三 求非线性回归方程 非线性回归问题有时并不给出经验公式，这时我们可以画出已知数据的散点图．把它与必修模块数学1中学过的各种函数(幂函数、指数函数、对数函数等)图象作比较，挑选一种跟这些散点拟合得最好的函数，然后采用适当的变量置换，把问题化为线性回归分析问题，使之得到解决． 【典型例题3】假设关于某设备的使用年限x和支出的维修费用y(万元)，有如下表的统计资料： 使用年限x 2 3 4 5 6 维修费用y 2.2 3.8 5.5 6.5 7.0 若由资料知y与x具有线性相关关系，试求： (1)线性回归方程＝x＋. (2)估计使用年限为10年时，维修费用是多少？ (3)计算总偏差平方和、残差平方和及回归平方和． (4)求R2并说明模型的拟合效果． 解：(1)将已知条件制成下表 i 1 2 3 4 5 合计 xi 2 3 4 5 6 20 yi 2.2 3.8 5.5 6.5 7.0 25 xiyi 4.4 11.4 22.0 32.5 42.0 112.3 x 4 9 16 25 36 90 ＝4；＝5；＝90；iyi＝112.3 设回归方程为＝x＋， 于是有＝＝＝1.23，＝－ ＝5－1.23×4＝0.08， 所以线性回归方程是＝1.23x＋0.08. (2)当x＝10时，＝1.23×10＋0.08＝12.38， 即估计使用10年时维修费用是12.38万元． (3)总偏差平方和：(yi－)