人教版选修1-2第一章：统计案例1.1回归分析基本思想及初步应用.pptVIP

思考：相关关系与函数关系有怎样的不同？ 函数关系中的两个变量间是一种确定性关系 相关关系是一种非确定性关系 产生随机误差ｅ的原因是什么？ 独立性检验的基本思想： 教材P14思考题： 练习： 作业：习题1.2 选变量 解：选取气温为解释变量x，产卵数 为预报变量y。 画散点图 假设线性回归方程为 ：?=bx+a 选 模 型 分析和预测 当x=28时，y =19.87×28-463.73≈ 93 估计参数 由计算器得：线性回归方程为y=19.87x-463.73 所以，一次函数模型拟合效果不太好。 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 当x=28时，y =19.87×28-463.73≈ 93 方法一：一元函数模型 y= c1 x2+c2 变换 y= c1 t+c2 非线性关系 线性关系 问题１ 选用y=c1x2+c2 ，还是y=c1x2+cx+c2 ？ 问题3 产卵数 气温 问题2 如何求c1、c2？ t=x2 方法二，二元函数模型 平方变换：令t=x2，产卵数y和温度x之间二次函数模型y=bx2+a就转化为产卵数y和温度的平方t之间线性回归模型y=bt+a 温度 21 23 25 27 29 32 35 温度的平方t 441 529 625 729 841 1024 1225 产卵数y/个 7 11 21 24 66 115 325 作散点图，并由计算器得：y和t之间的线性回归方程为y=0.367t-202.54 将t=x2代入线性回归方程得： y=0.367x2 -202.54 当x=28时，y=0.367×282-202.54≈85， 所以，二次函数模型比一次函数模型较好。 t 产卵数 气温 变换 y=bx+a 非线性关系 线性关系 对数 方法三：指数函数模型 24 21 11 7 产卵数y/个 3.178 3.405 2.398 1.946 Z=lny 27 25 23 21 温度x/ 325 115 66 5.784 4.745 4.190 35 32 29 由计算器得：z关于x的线性回归方程 因此y关于x的非线性回归方程为 当x=28 时，y ≈44 ，指数回归模型比二次函数模型更好 1)确定解释变量和预报变量; 2)画出散点图; 3)确定回归方程类型; 4)求出回归方程; 5)利用相关指数或残差进行分析. 建立回归模型的基本步骤 题型三 残差分析 通过对残差图的分析，得出模型的拟合效果. 在7块形状、大小相同的并排试验田上进行施肥量对水稻产量影响的试验，得到如下表所示的一组数据（单位：kg）: 例3 施肥量x/kg 15 20 25 30 35 40 45 水稻产量y/kg 330 345 365 405 445 450 455 (1)以施肥量x为解释变量，水稻产量y为预报变量，作出散点图； (2)求y与x之间的回归方程，并求施肥量为28 kg时水稻产量的预报值； (3)计算残差，并计算残差平方和； (4)求R2，并说明其含义． 【解】（1）散点图如图所示： （2）由散点图可以看出，样本点呈条状分布，施肥量和水稻产量有较好的线性相关关系，因此可以用线性回归方程近似刻画它们之间的关系。 变式训练 次数(x) 30 33 35 37 39 44 46 50 成绩(y) 30 34 37 39 42 46 48 51 某运动员训练次数与运动成绩之间的数据关系如下: （1）作出散点图； （2）求出线性回归方程； （3）作出残差图； （4）计算R2，并作出解释； （5）试预测该运动员训练47次及55次的成绩. 解：(1)作出该运动员训练次数(x)与成绩(y)之间的散点图,如图所示： 由散点图可知,它们 之间具有线性相关 关系. (4)计算相关指数R2 计算相关指数R2＝0.9855.说明了该运动的成绩的差异有98.55%是由训练次数引起的． (5)作出预报 由上述分析可知，我们可用回归方程＝1.0415x－0.0038