回归分析的基思想(高中数学).pptVIP

回归分析的基本思想 两个变量之间具备怎样的条件，才可以说它们之间存在函数关系？ 答：如果其中一个变量的取值确定以后，另一个变量按照一定的对应关系有唯一的值与之对应，那么这两个变量之间就具有函数关系． 人的身高与体重之间具有函数关系吗？若具有函数关系，你能说出是什么函数关系？若不具有函数关系，你能否确定他们之间是否有什么关系？ 答：身高与体重之间不具有函数关系，但它们之间具有相关关系． 你能否用数量关系刻画身高与体重这一相关关系？ （1）产生随机误差的原因是什么？ 答：不可预测的随机因素．如人的体重除受身高影响外，还受到饮食习惯、是否喜欢运动、度量误差等随机因素的影响，它们形成随机误差． 小结 线性回归方程主要用来研究相关关系；回归分析所蕴含的思想本质是用已知的回归方程（某些函数模型）来近似地预报（刻画）随机现象，并希望达到预计的精度． 作业 P90，习题3.1 第1题． 线性回归模型的好坏 1．若相关指数的值越接近1，则线性回归模型越好．2．残差点均匀分布在水平带状区域，带宽越小模型拟合精度越高，回归方程预报精度越高． 问题10 阅读P84－86． （2）我们是怎样研究随机误差的？ 答：随机误差通常不可观测，可以通过残差来估计随机误差． （3）残差图的主要作用是什么？ 答：判断数据是否适合用线性回归模型来拟合（若残差点均匀地分布在水平带状区域内，则适合）；检查数据中是否有人为数据（就整体而言，个别残差较大的数据要检查其来源是否有人为因素）． （4）用线性回归方程进行预报时要注意一些什么？ 答：①回归方程只适应于取得样本的总体；②回归方程一般有时间性；③样本取值的范围会影响回归方程的适用范围；④不能期望回归方程所得到的预报值就是预报变量的精确值． （5）建立回归模型的基本步骤是什么？ 答：①确定研究对象，解释变量与预报变量；②画出解释变量和预报变量确定的散点图；③由经验确定回归方程的类型；④按一定规则估计回归方程中的参数（如最小二乘法）；⑤分析残差图，检查数据是否有误，或模型是否合适． * * * * 问题1 问题2 从某大学中随机选取8名女大学生，其身高和体重之间的关系如下表： 身高是165 cm的女大学生，其体重一定是61 kg吗？ 答：其体重不一定是61 kg． 问题3 问题4 （1）所有身高是165 cm的女大学生所形成的总体与正态分布有什么关系？ 答：（1）设从所有身高是165 cm的女大学生所形成的总体中随机抽取一人，设其体重为Y，则Y是随机变量，且Y服从正态分布． 问题4 （2）你认为身高是165 cm的女大学生的标准体重应是多少？ 答：（2）身高是165 cm的女大学生的标准体重为随机变量Y（即总体）的数学期望EY． 问题5 一个随机变量Y的数学期望是否唯一？女大学生的标准体重EY是否是身高x的函数？若是，你能找出这一函数吗？ 答：随机变量Y的数学期望是唯一的，女大学生的标准体重EY是身高x的函数，通常这一函数很难找到． 问题6（P81，例1） 从某大学中随机选取8名女大学生，其身高和体重之间的关系如下表： 求根据女大学生的身高预报体重的回归方程，并预报一名身高是172 cm的女大学生的体重． 第一步：作散点图 发现散点均在一条直线附近 第二步：求回归直线方程 第三步：预报 问题7 最小二乘法的思想 线性回归模型 自变量的值应该是精确的值； 但由回归方程计算所得的函数值只是实际值的估计值； 回归方程的随机性与规律性． 回归方程： 散点图与变量之间的关系 完整的线性回归模型 回归方程： 散点图与变量之间的关系 问题8 指出下列式子的联系与区别 如何判断回归模型好坏？ 问题9 残差 残差平方和 残差图 相关指数