人教版2017高中数学选修1-2第一章-统计案例《回归分析》课件PPT.pptVIP

3.1　回归分析的基本思想及其初步应用 （第二课时）; 1．通过典型案例的探究，进一步了解回归分析的基本思想、方法及其初步应用． 2．让学生经历数据处理的过程，培养他们对数据的直观感觉，体会统计方法的特点，认识统计方法的应用，通过使用转化后的数据，求相关指数，运用相关指数进行数据分析、处理的方法． 3．从实际问题中发现已有知识的不足，激发好奇心，求知欲，通过寻求有效的数据处理方法，开拓学生的思路，培养学生的探索精神和转化能力，通过案例的分析使学生了解回归分析在实际生活中的应用，增强数学取之生活，用于生活的意识，提高学习兴趣．; 本节课通过例题线性相关关系知识，通过实际问题中发现已有知识的不足，引导学生寻找解决非线性回归问题思想与方法，培养学生化归数学思想。通过知识的整理，通过例题讲解掌握解决非线性回归问题。 本节内容学生内容不易掌握，通过知识整理与比较引导学生进行区分、理解。通过对典型案例的探究，练习进行巩固解决非线性回归基本思想方法及初步应用．;建立回归模型的基本步骤 (1)确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量． (2)画出确定好的解释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)． (4)按一定规则(如最小二乘法)估计回归方程中的参数． (5)得出结果后分析残差图是否有异常(如个别数据对应残差过大，或残差呈现不随机的规律性等)．若存在异常，则检查数据是否有误，或模型是否合适等．;(6)参数R2与相关系数r 提示:它们都是刻画两个变量之间的的相关关系的,区别是R2表示解释变量对预报变量变化的贡献率,其表达式为R2=1- ; 相关系数r是检验两个变量相关性的强弱程度, 其表达式为 ;（7）相关系数r与R2 (1)R2是相关系数的平方,其变化范围为[0,1],而相关系数的变化范围为[-1,1]. (2)相关系数可较好地反映变量的相关性及正相关或负相关,而R2反映了回归模型拟合数据的效果. (3)当|r|接近于1时说明两变量的相关性较强,当|r|接近于0时说明两变量的相关性较弱,而当R2接近于1时,说明线性回归方程的拟合效果较好.;;画出确定好的解释变量和预报变量的散点图，观察它们之间的关系．;c;;;;(;非线性回归问题的处理方法 (1)两个变量不呈线性关系,不能直接利用线性回归方程建立两个变量的关系,可以通过变换的方法转化为线性回归模型,如y= ,我们可以通过对数变换把指数关系变为线性关系.令z=lny,则变换后样本点应该分布在直线z=bx+a(a=lnc1,b=c2)的周围.;(2)非线性回归方程的求法 ①根据原始数据(x,y)作出散点图; ②根据散点图,选择恰当的拟合函数; ③作恰当的变换,将其转化成线性函数,求线性回归方程; ④在③的基础上通过相应的变换,即可得非线性回归方程.;(3)非线性相关问题中常见的几种线性变换 在实际问题中,常常要根据一批实验数据绘出曲线,当曲线类型不具备线性相关关系时,可以根据散点分布的形状与已知函数的图象进行比较,确定曲线的类型,再作变量替换,将曲线改为直线.下面是几种容易通过变量替换转化为直线的函数模型:;①y=a+ ,令t= ，则有y=a+bt； ②y=axb，令z=ln y，t=ln x，m=ln a，则有z=m+bt； ③y=aebx，令z=ln y，m=ln a,则有z=m+bt； ④y= ,令z=ln y,t= ，m=ln a，则有z=m+bt； ⑤y=a+bln x，令t=ln x，则有z=a+bt； ⑥y=bx2+a,令t=x2，则有y=bt+a.;例 某种食品每公斤的生产成本y(元)与该食品生产的重量x(公斤)有关，经生产统计得到以下数据：; ;X ;2.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: 则y关于x的线性回归方程为(　　). A.y=x-1 B.y=x+1 C.y=88+12x D.y=176;x;x; 非线性回归问题有时并不给出经验公式,这时我们可以画出已知数据的散点图,把它与学过的各种函数(幂函数、指数函数、对数函数)等图象作比较,挑选一种跟这些散点拟合得最好的函数,然后采用适当的变量置换,把问题化为线性回归分析问题,使之得到解决.;再 见