1.1回归分析1.ppt

回归分析的基本思想及其初步应用 ;两个变量的关系;表示有一组具体的数据估计得到的截距和斜率;;这种方法称为回归分析.;某大学中随机选取8名女大学生，其身高和体重数据如下表所示.;解：取身高为自变量x，体重为因变量y，作散点图：;由;练习1：某种产品的广告支出x与销售额y（单位：百万元）之间 有如下的对应关系： ;练习2：线性回归方程： 必过定点( );5.已知回归直线的斜率的估计值为1.23，样本点的中心为（4,5） 则回归直线方程为（ ） ;因为所有的样本点不共线，所以线性函数模型只能近似地刻画身高和体重之间的关系，即：体重不仅受身高的影响，还受其他因素的影响，把这种影响的结果用e来表示，从而把线性函数模型修改为线性回归模型：y=bx+a+e.其中，e包含体重不能由身高的线性函数解释的所有部分.;线性回归模型;随机误差是引起预报值 与真实值y之间的误差的原因之一，其大小取决于随机误差的方差.;随机误差e的主要来源：;随机误差;残差分析;0.382;由图可知，第1个样本点和第6个样本点的残差比较大，需要确认在采集这两个样本点的过程中是否有人为的错误.如果数据采集有错误，就予以纠正，然后重新利用线性回归模型拟合数据;如果数据采集没有错误，则需要寻找其他原因.;如何刻画模型拟合的精度？;建立回归模型的基本步骤：;一只红铃虫的产卵数y和温度x有关，现收集了7组观测数据列于下表，试建立y与x之间的回归方程.;在散点图中，样本点没有分布在某个带状区域内，因此两个变量不呈现线性相关关系，所以不能直接利用线性回归方程来建立两个变量之间的关系.;5.784;若看成样本点集中在某二次曲线y=c3x2+c4的附近.;325;利用残差计算公式：;给定样本点：