《3.1回归分析的基本思想及其初步应用（二）》课件.pptVIP

比《数学3》中“回归”增加的内容 数学3——统计 画散点图 了解最小二乘法的思想 求回归直线方程 y＝bx＋a 用回归直线方程解决应用问题 选修1-2——统计案例 引入线性回归模型 y＝bx＋a＋e 了解模型中随机误差项e产生的原因 了解相关指数 R2 和模型拟合的效果之间的关系 了解残差图的作用 利用线性回归模型解决一类非线性回归问题 正确理解分析方法与结果 用身高预报体重时，需要注意下列问题： 1、回归方程只适用于我们所研究的样本的总体； 2、我们所建立的回归方程一般都有时间性； 3、样本采集的范围会影响回归方程的适用范围； 4、不能期望回归方程得到的预报值就是预报变量的精确值. 事实上，它是预报变量的可能取值的平均值. ——这些问题也使用于其他问题. 涉及到统计的一些思想： 模型适用的总体； 模型的时间性； 样本的取值范围对模型的影响； 模型预报结果的正确理解. 小结 一般地，建立回归模型的基本步骤为： (1)确定研究对象，明确哪个变量是解析变量，哪个变量是预报变量. (2)画出确定好的解析变量和预报变量的散点图，观察它们之间的关系 (如是否存在线性关系等). (3)由经验确定回归方程的类型(如我们观察到数据呈线性关系，则选用线性回归方程y=bx+a). (4)按一定规则估计回归方程中的参数(如最小二乘法). (5)得出结果后分析残差图是否有异常