1.1回归分析的基本思想及其初步应用 统计案例.pptVIP

11．关于x与y有如下数据： 有如下两个线性模型：① ＝6.5x＋17.5；② ＝7x＋17.试比较哪个拟合效果好？ 70 50 60 40 30 y 8 6 5 4 2 x 20 0 10 －10 －20 0.5 －6.5 10 －3.5 －0.5 20 0 10 －10 －20 －3 －9 8 －5 －1 12．为了研究某种细菌随时间x变化，繁殖的个数收集数据如下： 190 95 49 25 12 6 繁殖个数y/个 6 5 4 3 2 1 天数x/天 (1)用天数作解释变量，繁殖个数作预报变量，作出这些数据的散点图； (2)求y与x之间的回归方程； (3)计算残差、相关指数R2.并描述解释变量与预报变量之间的关系. 解析：(1)所求散点图如下： 根据表格作出残差图，如图 注：横坐标为零件个数，纵坐标为残差． 由R2＝0.999 62非常接近于1，可知回归直线模型拟合效果较好，由残差图中的残差点比较均匀地落在水平的带状区域中，也说明选用的线性回归模型较为合适，带状区域的宽度，比较狭窄，说明了模型拟合精度较高． 点评：解决本题的关键在于公式的运用． 跟踪训练 2．已知某种商品的价格x(元)与需求量y(件)之间的关系有如下一组数据： 3 5 7 10 12 y 22 20 18 16 14 x 求y对x的回归直线方程，并说明回归模型拟合效果的好坏． 列出残差表如下： 点评：数据运算繁杂，通常采用分步计算的方法．由相关指数R2可以看出回归的拟合效果很好．可以计算相关系数r，看两个变量的线性相关关系是否很强． 非线性回归分析 在化学反应过程中某化学物质的反应速度y g/min与一种催化剂的量x g有关，现收集了8组数据列于表中，试建立y与x之间的回归方程. 350 65 205 70 27 30 8 6 y /g·min－1 36 33 30 27 24 21 18 15 x/g 解析：根据收集的数据作散点图如下页所示： 根据样本点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． 由题意得变换后t与y样本数据表： 350 65 205 70 27 30 8 6 y 1 296 1 089 900 729 576 441 324 225 t 作y与t的散点图如下： 由y与t的散点图可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(b＝c1，a＝c2)来拟合，也不宜用二次曲线y＝c1x2＋c2来拟合y与x之间的关系． (2)根据x与y散点图也可以认为样本点集中在某一条指数型函数y＝c1ec2x的周围． 令z＝ln y，则z＝c2x＋ln c1. 即变换后样本点应该分布在直线z＝bx＋a(a＝ln c1，b＝c2)的周围．由y与x的数据表可得z与x的数据表： 5.858 4.174 5.323 4.248 3.296 3.401 2.079 1.792 z 36 33 30 27 24 21 18 15 x 作出z与x的散点图如下： 由散点图可观察到大致在一条直线上，所以可用线性回归方程来拟合． 由z与x数据表，得到线性回归方程， ＝0.181 2x－0.848 5， 所以非线性回归方程为 ＝e0.181 2x－0.848 5. 因此，该化学物质反应速度对催化剂的量的非线性回归方程为 ＝e0.181 2x－0.848 5. 点评：非线性回归分析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的最好的函数，然后像本例这样，采用适当的变量置换，把非线性回归问题转化为线性回归问题． 跟踪训练 3．某种书每册的成本费y(元)与印刷册数x(千册)有关，经统计得到数据如下： 1.15 1.21 1.30 1.41 1.62 2.11 2.85 4.08 5.52 10.15 y 200 100 50 30 20 10 5 3 2 1 x 检验每册书的成本费y与印刷册数的倒数 之间是否具有线性相关关系，如有，求出y对x的回归方程． 解析：首先作变量置换u＝ ，题目所给数据变成如下表所示的10对数据： 1.15 1.21 1.30 1.41 1.62 2.11 2.85 4.08 5.52 10.15 y 0.005 0.01 0.02 0.03 0.05 0.1 0.2 0.33 0.5 1 u 这就是题目要求的y对x的回归曲线方程，回归曲线的图形如下图所示，它是经过平移的反比例函数图象的一个分支． 1．建立回归模型的基本步骤为： (