最小二乘法__北师大.pptVIP

相关关系—是指变量之间存在着不严格不确定的数量依存关系，即当一个或几个相互联系的变量取一定数值时，与之相对应的另一个变量的取值往往不确定，但它一般按某种规律在一定范围内变化。 X任何y不唯一。 若所有点看上去都在某条曲线(非直线)附近波动，这称此相关为非线性相关的 * * 1.8 最小二乘估计 商南高中 用散点图可判断两变量是否是相关关系 如果变量之间存在着某种关系时，这些点会有一个集中的大致趋势，这种趋势通常可以用一条光滑的曲线来近似，这样近似的过程称为曲线拟合。 若两个变量的散点图看上去都在一条直线附近波动，则称变量间是线性相关的，此时，我们可以用一条直线来近似。如： 如果所有点在散点图中没有显示任何关系，（均匀分布）则称变量间是不相关的 问题导入： 上一节课我们学习了人的身高与右手一拃长之间近似存在着线性关系，这种线性关系可以有多种方法来进行刻画，那么用什么样的线性关系刻画会更好？这就是本节课我们要讨论的问题。 最小二乘估计 参考课本P48---51 用什么样的线性关系刻画会更好一些？ 问题1： 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方便有效？ 设直线方程为y=a+bx，样本点A（xi，yi） 方法一、点到直线的距离公式 方法二、 显然方法二能有效地表示点A与直线y=a+bx的距离，而且比方法一更方便计算，所以我们用它来表示二者之间的接近程度 A [yi－(a+bxi)]2 问题3： 怎样刻画多个点与直线的接近程度？ 例如有n个样本点，其坐标分别为（x1，y1），（x2，y2），（x3，y3），（x4，y4），（x5，y5）………. 与直线y=a+bx的接近程度： 若有n个样本点：（x1，y1）,… ,（xn，yn），可以用下面的表达式来刻画这些点与直线y＝a+bx的接近程度: 使上式达到最小值的直线y=a+bx就是所求的直线，这种方法称为最小二乘法。 抽象概括： 这样得到的直线方程称为线性回归方程，a,b为其系数。 1、在回归直线方程中，b是回归直线方程的斜率，a是截距；b的含义容易理解成增加的单位数，而实际上，它代表x每增加一个单位，y的平均增加单位数。一般的说，当回归系数b＞0时，说明两个变量呈正相关关系，它的意义是：当x每增加一个单位时，y就平均增加b个单位；当b＜0时，说明两个变量呈负相关关系，它的意义是：当x每增加一个单位时，y就平均减少b个单位。 2、回归直线必经过点 注： 求线性回归方程的系数: 线性回归方程: yn …. y4 y3 y2 y1 y xn …. x4 x3 x2 x1 x 3. 例题1 从某大学中随机选出8名女大学生，其身高和体重数据如下表： 59 43 61 64 54 50 57 48 体重 170 155 165 175 170 157 165 165 身高 8 7 6 5 4 3 2 1 编号 求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172ｃｍ的女大学生的体重。　 分析：由于问题中要求根据身高预报体重，因此选取身高为自变量，体重为因变量． 步骤分析： 1. 散点图； 2.回归方程：