§8最小二乘估计1.pptVIP

§8 最小二乘估计 1、经历用不同估算方法描述两个变量线性相关的过程； 2、知道最小二乘法的思想，能根据给出的线性回归方程系数公式建立线性回归方程. 上节课我们讨论了人的身高与右手一柞长之间的线性关系，用了很多种方法来刻画这种线性关系，但是这些方法都缺少数学思想依据. 问题1、用什么样的线性关系刻画会更好一些？ 想法：保证这条直线与所有点都近（也就是距离最小）. 最小二乘法就是基于这种想法. 问题2、用什么样的方法刻画点与直线的距离会更方便有效？ 方法一:点到直线的距离公式 方法二: 问题3、怎样刻画多个点与直线的接近程度？ …………………① 先来讨论3个样本点的情况 利用配方法可得 同样使用配方法可以得到，当 从而得到直线y=ɑ+bx的系数ɑ，b，且称直线y=ɑ+bx为这3个样本点的线性回归方程. 用同样的方法我们可以推导出n个点的线性回归方程的系数： 思考:如果样本点只有两个，用最小二乘法得到的直线与两点式求出的直线一致吗？ 解:是一致的. 与两点式相同. 例1 在上一节练习中，从散点图可以看出，某小卖部6天卖出热茶的杯数（y）与当天气温（x）之间是线性相关的.数据如下表 气温（xi）／ ℃ 26 18 13 10 4 -1 杯数（yi）／杯 20 24 34 38 50 64 (1)试用最小二乘法求出线性回归方程. (2)如果某天的气温是－3℃，请预测当天小卖部可能会卖出热茶多少杯. 解：（1）先画出其散点图可以求得 则线性回归方式为 （2）当某天的气温是－3℃时，当天卖出热茶的杯数估计 为： x 0 1 2 3 y 1 3 5 7 1、 已知x，y之间的一组数据如下表，则y与x的线性回归方 程y=a+bx必经过点 ( )（A）（2，2） （B）（1.5，0）（C）（1，2） （D）（1.5，4） D 商店名称 A B C D E 销售额（x）/千万元 3 5 6 7 9 利润额（y）/百万元 2 3 3 4 5 2、某连锁经营公司所属5个零售店某月的销售额和利润额资料如下表： （1）画出销售额和利润额的散点图； （2）若销售额和利润额具有相关关系，计算利润额y对销售额x的线性回归方程. i xi yi xi2 xiyi 1 3 2 9 6 2 5 3 25 15 3 6 3 36 18 4 7 4 49 28 5 9 5 81 45 合计 30 17 200 112 解：（1） （2）数据如下表：可以求得b=0.5，a=0.4 线性回归方程为： /百万元 /千万元 1.列表、计算. 2.代入公式求a,b. 3.写出直线方程. 求线性回归方程的步骤: 利用试验数据进行拟合时，所用数据越多，拟合效果越好.但即使选取相同的样本数，得到的直线方程也可能是不相同的，这是由样本的随机性造成的,样本量越大，所估计的直线方程越能更好地反映变量之间的关系. 3.下面是两个变量的一组数据： x 1 2 3 4 5 6 7 8 y 1 4 9 16 25 36 47 64 请用最小二乘法求出这两个变量之间的线性回归方程 思考：哪一个对呢？ y=-15+9x. 所以，利用最小二乘法估计时，要先作出数据的散点图.如果散点图呈现一定的规律性,我们再根据这个规律性进行拟合.如果散点图呈现出线性关系,我们可以用最小二乘法估计出线性回归方程;如果散点图呈现出其他的曲线关系,我们就要利用其他的工具进行拟合. 2、线性回归方程的系数： 1、最小二乘法的思想 一切澎湃于心，让我们真正能够在心里有所酝酿的东西，都值得我们去努力. *