1.1《回归分析的基本思想及其初步应用》课件.pptVIP

１、利用残差图和相关指数都能够评价回归模型的拟合效果，它们各有自己的特点： (1)、利用残差图可以直观展示拟合效果，而且还可以发现样本数据中的可疑数据。 说明： (2)、相关指数是指把对拟合的评价转化为数值大小的判断，易于量化处理并且能在数量上表现解释变量对于预报变量变化的贡献率。 精品文档 2、在使用回归方程进行预报时要注意： (1)、回归方程只适用于我们所研究的样本的总体； 说明： (4)、不能期望回归方程得到的预报值就是预报的精确值。 (2)、我们建立的回归方程一般具有时间性； (3)、样本取值的范围会影响回归方程的适用范围； 精品文档 案例３ 一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中： （1）试建立产卵数y与温度x之间的回归方程；并预测温度为28oC时产卵数目。 （2）你所建立的模型中温度在多大程度上解释了产卵数的变化？ 温度xoC 21 23 25 27 29 32 35 产卵数y/个 7 11 21 24 66 115 325 非线性回归问题 精品文档 假设线性回归方程为 ：?=bx+a 选 模 型 由计算器得：线性回归方程为y=19.87x-463.73 相关指数R2=r2≈0.8642=0.7464 估计参数 解：选取气温为解释变量x，产卵数 为预报变量y。 选变量 所以，二次函数模型中温度解释了74.64%的产卵数变化。 探索新知 画散点图 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 方案1 分析和预测 当x=28时，y =19.87×28-463.73≈ 93 一元线性模型 精品文档 1.1《回归分析的基本思想及其初步应用》 《高中数学》 选修1-2 精品文档 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 比《必修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 精品文档 １.两个变量间的相关关系 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．（正相关、负相关） 相关关系与函数关系的异同点： 相关关系 函数 相同点 不同点 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． 均是指两个变量的关系 非确定关系 确定的关系 一、复习回顾： 精品文档 复习回顾 ２.研究两个变量间的相关关系的方法和步骤 （１）、画散点图，并判断二者之间是否有线性关系； （３）、 预报和决策。 （２）、建立并求出回归直线方程　　　　　； 其中 精品文档 3.求线性回归方程　　　　　的步骤: 复习回顾 (1)计算平均数 (2)计算 与 的积,求 (3)计算 (4)将上述有关结果代入公式，求b、a， 写出回归直线方程． 精品文档 例1 从某大学中随机选取８名女大学生，其身高和体重数据如表所示： 编号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 求根据女大学生的身高预报体重的回归方程，并预报一名身高为172cm的女大学生的体重。 精品文档 （１）、画散点图，并判断二者之间是否有线性关系； （２）、建立并求出回归直线方程； （３）、 预报和决策。 精品文档 练习: 假设关于某设备的使用年限x和所支出的维修费用 y（万元），有如下的统计资料。 使用年限x 2 3 4 5 6 维修费用y 2.2 3.8 5.5 6.5 7.0 若由资料知,y对x呈线性相关关系。试求： （1）线性回归方程 ； （2）估计使用年限为10年时，维修费用是多少？ 精品文档 解： （1）由已知数据制成表格。 1 2 3 4 5 合计 2 3 4 5 6 20 2.2 3.8 5.5 6.5 7.0 25 4.4 11.4 22.0 32.5 42.0 112.3 4 9 16 25 36 90 所以有 （2）当x=10时， 精品文档 4、思考： １、身高为172cm的女大学生的体重一定是60.316kg吗？ ２、为什么根据得到的一次函数求出的结论不一定是实际值？产生误差的原因是什么