2018年高中数学人教A选修1-2精品学案附解析：第一章1.1　回归分析的基本思想及其初步应用.docVIP

1.1　回归分析的基本思想及其初步应用 问题导学 一、求线性回归方程 某班5名学生的数学和物理成绩如下表： (1)画出散点图； (2)求物理成绩y对数学成绩x的回归直线方程； (3)一名学生的数学成绩是96，试预测他的物理成绩． 某商场经营一批进价是30元/台的小商品，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．(方程的斜率保留一位有效数字) (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． (1)求线性回归方程的基本步骤： (2)需特别注意的是，只有在散点图大致呈直线时，求出的线性回归方程才有实际意义，否则求出的回归方程毫无意义． 二、线性回归分析 某运动员训练次数与运动成绩之间的数据关系如下： 次数(x) 30 33 35 37 39 44 46 50 成绩(y) 30 34 37 39 42 46 48 51 (1)作出散点图； (2)求出线性回归方程； (3)作出残差图，并说明模型的拟合效果； (4)计算R2，并说明其含义． 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关于x的回归直线方程，并说明拟合效果的好坏． “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，回归方程预报的精度也越高． 三、非线性回归分析 下表为收集到的一组数据： x 21 23 25 27 29 32 35 y 7 11 21 24 66 115 325 (1)作出x与y的散点图，并猜测x与y之间的关系； (2)建立x与y的关系，预报回归模型并计算残差； (3)利用所得模型，预报x＝40时y的值． 在一次抽样调查中测得样本的5个样本点，数值如下表： x 0.25 0.5 1 2 4 y 16 12 5 2 1 试建立y关于x之间的回归方程． 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． 课前·预习导学 【预习导引】 1．(1)确定性　非确定性　(2)相关 (3)　－　(，)　(4)随机误差　解释变量　预报变量 预习交流1　D 2．yi－bxi－a　yi－i　yi－xi－ 3．1－ 预习交流2　提示：散点图可以说明变量间有无线性相关关系，但只能粗略地说明两个变量之间关系的密切程度，而相关指数R2能精确地描述两个变量之间的密切程度． 预习交流3　提示：(1)回归方程只适用于所研究的样本的总体． (2)所建立的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适用范围． (4)不能期望回归方程得到的预报值就是预报变量的精确值．事实上，它是预报变量的可能取值的平均值． 课堂·合作探究 【问题导学】 活动与探究1　思路分析：先画散点图，分析物理与数学成绩是否有线性相关关系，若相关，再利用线性回归模型求解预报变量． 解：(1)散点图如图所示． (2)因为＝×(88＋76＋73＋66＋63)＝73.2， ＝×(78＋65＋71＋64＋61)＝67.8， xiyi＝88×78＋76×65＋73×71＋66×64＋63×61＝25 054， x＝882＋762＋732＋662＋632＝27 174． 所以＝＝ ≈0.625， ＝－≈67.8－0.625×73.2＝22.05． 所以y对x的回归直线方程是＝0.625x＋22.05． (3)x＝96，则＝0.625×96＋22.05≈82，即可以预测他的物理成绩是82． 迁移与应用　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． 即预测销售单价为4