线性回归方程分析报告.docVIP

实用标准文案 精彩文档 环球雅思学科教师辅导讲义 讲义编号： 组长签字： 签字日期： 学员编号： 年 级： 高二 课时数：3 学员姓名： 辅导科目： 数学 学科教师：闫建斌 课 题 线性回归方程 授课日期及时段 2014-2-11 18:00-20:00 教学目标 线性回归方程基础 重点、难点 教 学 内 容 1、本周错题讲解 2、知识点梳理 1．线性回归方程 ①变量之间的两类关系：函数关系与相关关系 ②制作散点图，判断线性相关关系 ③线性回归方程：（最小二乘法） 最小二乘法：求回归直线，使得样本数据的点到它的距离的平方最小的方法 注意：线性回归直线经过定点 2．相关系数（判定两个变量线性相关性）： 注：⑴0时，变量正相关； 0时，变量负相关； ⑵① 越接近于1，两个变量的线性相关性越强； ② 接近于0时，两个变量之间几乎不存在线性相关关系。 3．线形回归模型： ⑴随机误差：我们把线性回归模型，其中为模型的未知参数，称为随机误差。 随机误差 ⑵残差：我们用回归方程中的估计，随机误差，所以是的估计量，故，称为相应于点的残差。 ⑶回归效果判定-----相关指数(解释变量对于预报变量的贡献率) (的表达式中确定) 注：①得知越大，说明残差平方和越小，则模型拟合效果越好； ②越接近于1，，则回归效果越好。 4．独立性检验（分类变量关系）： (1)分类变量：这种变量的不同“值”表示个体所属的不同类别的变量。 (2)列联表：列出两个分类变量的频数表，称为列联表。 (3)对于列联表：的观测值。 (4)临界值表： 0.50 0.40 0.25 0.15 0.10 0.05 0.025 0.010 0.005 0.001 0.455 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.828 如果，就推断“有关系”，这种推断犯错误的概率不超过；否则，在样本数据中没有发现足够证据支持结论“有关系”。 (5)反证法与独立性检验原理的比较： 反证法原理 在假设下，如果推出矛盾，就证明了不成立。 独立性检 验原理 在假设下，如果出现一个与相矛盾的小概率事件，就推断不成立，且该推断犯错误的概率不超过这个小概率。 典型例题 1．(2011·山东)某产品的广告费用x与销售额y的统计数据如下表： 广告费用x/万元 4 2 3 5 销售额y/万元 49 26 39 54 根据上表可得回归方程eq \o(y,\s\up6(^))＝eq \o(b,\s\up6(^))x＋eq \o(a,\s\up6(^))中的eq \o(b,\s\up6(^))为9.4，据此模型预报广告费用为6万元时销售额为 (　　)． A．63.6万元 B．65.5万元 C．67.7万元 D．72.0万元 解析　∵eq \o(x,\s\up6(－))＝eq \f(4＋2＋3＋5,4)＝eq \f(7,2)，eq \o(y,\s\up6(－))＝eq \f(49＋26＋39＋54,4)＝42， 又eq \o(y,\s\up6(^))＝eq \o(b,\s\up6(^))x＋eq \o(a,\s\up6(^))必过(eq \o(x,\s\up6(－))，eq \o(y,\s\up6(－)))，∴42＝eq \f(7,2)×9.4＋eq \o(a,\s\up6(^))，∴eq \o(a,\s\up6(^))＝9.1. ∴线性回归方程为eq \o(y,\s\up6(^))＝9.4x＋9.1. ∴当x＝6时，eq \o(y,\s\up6(^))＝9.4×6＋9.1＝65.5(万元)． 答案　B 2．(2011·江西)为了解儿子身高与其父亲身高的关系，随机抽取5对父子的身高数据如下： 父亲身高x/cm 174 176 176 176 178 儿子身高y/cm 175 175 176 177 177 则y对x的线性回归方程为 (　　)． A.eq \o(y,\s\up6(^))＝x－1 B.eq \o(y,\s\up6(^))＝x＋1 C.eq \o(y,\s\up6(^))＝88＋eq \f(