高二数学上册模块综合练习19.docVIP

1．1　回归分析的基本思想及其初步应用 1．相关关系是一种非确定性关系回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法函数关系是一种确定性关系．2．在线性回归模型y＝bx＋a＋e中最小二乘法估计和就是未知参数a和b的最好估计其计算公式如下：＝＝其中＝＝另外称为样本点的中心回归直线一定过样本点中心．3．衡量模型拟合效果．(1)残差：对于样本点(x)，(x2，y2)，…，(xn，yn)而言它们的随机误差为e＝y－bx－a＝1其估计值为＝y－＝y－－＝1i称为相应于点(x)的残差．(2)残差图：我们可以利用图形来分析残差特性作图时纵坐标为残差横坐标可以选为样本编号、身高数据或体重估计值等这样作出的图形称为残差图．残差点比较均匀地落在水平的带状区域中说明选用的模型比较合适．这样的带状区域的宽度越窄说明模型拟合精度越高．(3)残差分析：可以通过残差发现原始数据中的可疑数据判断所建立模型的拟合效果．(4)相关指数：计算公式是R＝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的值表示解释变量对预报变贡献率的值越接近于1表示回归的效果越好．,　　　　　　　　　　1．下列结论正确的是() ①函数关系是一种确定性关系；②相关关系是一种非确定性关系；③回归分析是对具有　 B．①②③　 C．①②④　 D．①②③④解析：根据函数关系、相关关系、回归分析的概念可知选下列有关回归直线方程＝＋的叙述：反映与x之间的函数关系；②反映y与x之间的函数关系；③表示与x之间不确定关系；④表示最接近y与x之间真实关系的一条直线．其中正确的是() A．①② B．②③ C．③④ D．①④ 解析：＝bx＋表示与x之间的函数关系而y与x之间的函数关系但它反映的关系最接近y与x之间的真实关系．故选已知回归方程＝2x＋1而试验得到一组数据是(2)，(3，7.1)，(4，9.1)，则残差平方和是() A．0.01 B．0.02 C．0.03 D．0.04 解析：(4.9－5)＋(7.1－7)＋(9.1－9)＝故选有下列数据： x 1 2 3 y 3 5.99 12.01 下列四个函数中模拟效果最好的为() A．y＝3×2－1＝＝3x ．＝x解析：当x＝12，3时分别y值离y最近的值模拟效果最好知模拟效果最好．故选 通过实际操作进一步理解建立两相关变量的线性回归模型的思想求线性回归方程判断回归模型拟合的好坏． 残差变量的解释与分析及指标R2的理解． (1)求回归直线方程的一般方法．作出散点图将问题所给的数据在平面直角坐标系中描点这样表示出的具有相关关系的两个变量的一组数据的图形就是散点图从散点图中我们可以看出样本点是否呈条状分布从而判断两个变量是否线性相关．②求回归系，，其中称为残差平方和残差平方和在一定程度上反映了所选回归模型的拟合效果．残差平方和越小说明模型的拟合效果越好；残差平方和越大说明拟合效果越差．通过残差分析判断模型拟合效果：先计i＝－＝y－－＝1然后横坐标选取为样本编号、解释变量或预报变量纵坐标为残差作出残差图．通过图形分析如果样本点的残差较大就要分析样本数据的采集是否有错误；另一方面可以通过残差点分布的水平带状区域的宽窄说明模型拟合效果反映回归方程的预报精度．带状区域的宽(3)相关指数R相关指数的计算公式是R＝为残差相关指数用来刻画回归模型拟合的效果的值越大说明模型的拟合效果越好；R的值越小说明拟合效果越差．如果某组样本数据可以采取几种不同的回归模型进行回归分析则可以通过比较R的值来作出选择即选择R值大的模型作为这组数据的回归模型．在线性回归模型中R是刻画回归效果的量即表示回归模型的拟合效果也表示解释变量和预报变量的线性相关关系．R表示解释变量对预报变量变化的贡献率． 1建立回归模型的基本步骤为：(1)确定研究对象明确哪个变量是解释变量哪个变量是预报变量．(2)画出解释变量和预报变量的散点图观察它们之间的关系(如是否存在线性关系等)．(3)由经验确定回归方程的类型(如观察到数据呈线性关系则选用线性回归方程)．(4)按一定规则(如最小二乘法)估计回归方程中的参数．(5)得出结果后分析残差图是否有异常(如个别数据对应残差过大残差呈现不随机的规律性等)．若存在异常则检查数据是否有误或模型是否合适等．分析两个变量相关关系的常用方法有：(1)利用散点图进行判断：把样本数据表示的点在平面直角坐标系中作出从而得到散点图如果这些点大致分布在通过散点图中心的一条直线附近那么就说这两个变量之间具有线性相关关系．(2)利用相关指数R进行判断．对具有相关关系的两个变量进行统计分析时首先进行相关性检验在确认具有线性相关关系后对于非线性回归问题可以转化为线性回归问题去解决． 　　　　　 　　　　　 　　 　　　　1．在回归分析中代表了数据点和它在回归直线上相应位