【创新设计-课堂讲义】高中数学人教A版选修1-2同步课件：1.1《回归分析的基本思想及其初步应用（一）》.pptVIP

要点二　线性回归分析 例2　为研究重量x(单位：克)对弹簧长度y(单位：厘米)的影响，对不同重量的6个物体进行测量，数据如下表所示： x 5 10 15 20 25 30 y 7.25 8.12 8.95 9.90 10.9 11.8 (1)作出散点图并求线性回归方程； 解　散点图如图 (2)求出R2; 解　列表如下： 回归模型的拟合效果较好. (3)进行残差分析. 解　由残差表中的数值可以看出第3个样本点的残差比较大，需要确认在采集这个数据的时候是否有人为的错误，如果有的话，需要纠正数据，重新建立回归模型；由表中数据可以看出残差点比较均匀地落在不超过0.15的狭窄的水平带状区域中，说明选用的线性回归模型的精度较高，由以上分析可知，弹簧长度与拉力成线性关系. 规律方法　在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用线性回归模型来拟合数据.然后，通过残差 1， 2，…， n来判断模型拟合的效果，判断原始数据中是否存在可疑数据.若残差点比较均匀地分布在水平带状区域内，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. 跟踪演练2　关于x与y有如下数据： x 2 4 5 6 8 y 30 40 60 50 70 ∴甲模型的拟合效果比乙模型的拟合效果好. 要点三　非线性回归分析 例3　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； 解　作出散点图如下图，从散点图可以看出x与y不具有线性相关关系，根据已有知识可以发现样本点分布在某一条指数函数曲线y＝c1e 的周围，其中c1，c2为待定的参数. (2)建立x与y的关系，预报回归模型并计算残差； 解　对两边取对数把指数关系变为线性关系，令z＝ln y，则有变换后的样本点应分布在直线z＝bx＋a(a＝ln c1，b＝c2)的周围，这样就可以利用线性回归模型来建立y与x之间的非线性回归方程了，数据可以转化为 x 21 23 25 27 29 32 35 z 1.946 2.398 3.045 3.178 4.190 4.745 5.784 残差 (3)利用所得模型，预报x＝40时y的值. 解　当x＝40时，y＝e0.272×40－3.849≈1 131. 规律方法　解决非线性回归问题的方法及步骤 (1)确定变量：确定解释变量为x，预报变量为y； (2)画散点图：通过观察散点图并与学过的函数(幂、指数、对数函数、二次函数)作比较，选取拟合效果好的函数模型； (3)变量置换：通过变量置换把非线性回归问题转化为线性回归问题； (4)分析拟合效果：通过计算相关指数等来判断拟合效果； (5)写出非线性回归方程. 跟踪演练3　在试验中得到变量y与x的数据如下表： 试求y与x之间的回归方程，并预测x＝40时，y的值. x 19 23 27 31 35 y 4 11 24 109 325 解　作散点图如图所示， 从散点图可以看出，两个变量x，y不呈线性相关关系，根据学过的函数知识，样本点分布的曲线符合指数型函数y＝c1e ，通过对数变化把指数关系变为线性关系，令z＝ln y，则z＝bx＋a(a＝ln c1，b＝c2). 列表： x 19 23 27 31 35 z 1.386 2.398 3.178 4.691 5.784 作散点图如图所示， 从散点图可以看出，两个变量x，z呈很强的线性相关关系.由表中的数据得到线性回归方程为： ＝0.277x－3.998. 所以y关于x的指数回归方程为： ＝e0.277x－3.998. 所以，当x＝40时，y＝e0.277×40－3.998≈1 190.347. 1.下列各组变量之间具有线性相关关系的是(　　) A.出租车费与行驶的里程 B.学习成绩与学生身高 C.身高与体重 D.铁的体积与质量 C 2.若劳动生产率x(千元)与月工资y(元)之间的线性回归方程为 ＝50＋80x，则下列判断正确的是(　　) A.劳动生产率为1 000元时，月工资为130元 B.劳动生产率提高1 000元时，月工资平均提高80元 C.劳动生产率提高1 000元时，月工资平均提高130元 D.月工资为210元时，劳动生产率为2 000元 B 解析　由于销售量y与销售价格x成负相关，故排除B、D. 又当x＝10时，A中y＝100，而C中y＝－300，C不符合题意，故选A. 答案　A 4.对两个变量x，y取得4组数据(1,1)(2,1.2)，(3,1.3)，(4,1.37)，甲、乙、丙三人分别求得数学模型如下： 甲：y＝0.1x＋1，乙：y＝－0.05x2＋0.35x＋0.7，丙： y＝－0.8·0.