11回归分析的基本思想及其初步应用-(精品课件).pptVIP

1．1回归分析的基本思想及其初步应用（共计4课时 第1课时） 人民教育出版社A版选修1-2 2007年5月，中共中央国务院关于加强青少年体育、增强青少年体质的意见指出城市超重和肥胖青少年的比例明显增加.“身高标准体重”该指标对于学生形成正确的身体形态观具有非常直观的教育作用。 我们回忆一下 编号 1 2 3 4 5 身高/cm 165 165 157 170 175 体重/kg 49 58 51 53 65 随机抽样 我们回忆一下 画散点图 我们回忆一下 最小二乘法: 样本点的中心: 回归方程: MODE SHIFT CLR = 1 1 3 ， DT 165 49 ， DT 175 65 ， DT 165 58 ， DT 157 51 ， DT 170 53 SHIFT CLR SHIFT CLR 2 = = 1 (进入回归计算模式) (清除统计存储器) (输入五组数据) 所以回归方程为 y=0.673x-56.79 (计算参数a) (计算参数b) EXCEL 怎样使用函数计算器求线性回归方程？ 请求出你自己的回归方程吧 你的工作： 1、抽样（事先采用随机抽样） 2、样本数据（请参阅电脑数据，抄写在练习本上） 3、画散点图（每四人小组要画出一幅散点图） 4、计算结果（样本中心、线性回归方程） 5、预测身高为172cm的女生的体重 EXCEL 结果比较 1、比较散点图分布形态 2、比较样本点中心及它和回归方程的关系 3、比较回归方程系数 4、比较散点图与回归直线的关系 5、比较四个172cm女生体重的预测值 EXCEL 结果的分析 1、为什么回归直线过样本点中心？ 最小二乘法: 回归方程: 样本点的中心: 结果的分析 2、都是高二女生为什么所求回归方程不同？ 最小二乘法估计回归方程已经是最好估计，但还是会受采样的影响形成一些差异. 受样本点的不同而影响， 不同事件，则统计结果自然不同； 同一事件，采样不同结果也不同 ． 结果的分析 EXCEL 3、样本点为什么不都落在我们求得回归方程上？ e 产生的主要原因： (1)所用确定性函数模拟不恰当； (2)忽略了某些因素的影响； (3)观测误差，如使用的测量工具不同等． 函数模型与回归模型之间的差别 一次函数模型： y=bx+a 线性回归模型y=bx+a+e增加了随机误差项e，因变量y 的值由自变量x和随机误差项e 共同确定，即自变量x 只能解析部分y 的变化. 在统计中，我们也把自变量x称为解析变量， 因变量y称为预报变量. 线性回归模型： y=bx+a+e 结果的分析 4、预测出的体重都不同，那么它还有参考价值吗？ 启发① 我们希望高中组的三个值接近点好还是区别大点好？ 启发② 怎样就能更接近？ 启发③ 为什么随着数据的增多，三组预测值有可能会越接近？ 有参考价值，它们的值越接近，就说明随机误差越小，当然就拟合的越好. 所以，当数据足够多，使用科学的方法，是能够制作出一份值得参考的“身高标准体重”的． 解释变量（身高）x 随机变量 e 预报变量（体重） y EXCEL 读一读 找一找 1、若通过一条回归方程预测，是不是身高172cm的所有女生体重都一样呢？ 不是，因为预测出的不是真实体重，而是体重的平均值． 2、怎样知道自己模拟的回归方程中随机误差有多大？ 可以使用相关指数 R２来解释． 小结 1、函数模型与线性回归模型之间有何异同？ 2、在本节课中，我们运用了哪些数学思想和方法？ 3、多个模型，怎样知道哪个效果更好？ 函数模型：y=bx+a 线性回归模型：y=bx+a+e 当理想化，使所有人的遗传因素都一样、所有人的生活方式都一样、所有测量都没有误差等等，e=0 线性回归模型就变成函数模型了. 结论：一次函数模型是线性回归模型的特殊形式，线性回归模型是一次函数模型的一般形式. 作业 1、阅读相关材料，对以上问题有所认识. 2、试做：课本P11（习题1.1 ）第1题 课外知识补充 谢谢大家 课外阅读 回归分析的内容与步骤： 自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系。对具有相关关系的两个变量进行统计分析的方法叫回归分析。 其主要内容和步骤是： 首先根据理论和对问题的分析判断，将变量分为自变量和因变量； 其次，设法找出合适的数学方程式（即回归模型）描述变量间的关系； 由于涉及