高中数学第一章统计案例1.1回归分析的基本思想及其初步应用课件新人教A版选修1_2.pptVIP

探究一 探究二 探究三 回归模型的误差分析 【例2】已知x,y的取值如表所示: (1)求y与x之间的回归方程; (2)计算残差平方和; (3)判断该回归模型的好坏. 思路分析:首先画出散点图,通过散点图确定y与x之间的线性相关关系,套用公式求得回归直线方程;然后根据公式计算残差平方和;最后可求出相关指数R2,进行模型好坏的评判. 探究一 探究二 探究三 解:(1)画出散点图如下: 由图可以看出,样本点呈条状分布,有较好的线性相关关系,因此可用线性回归方程刻画它们之间的关系. 探究一 探究二 探究三 探究一 探究二 探究三 探究一 探究二 探究三 变式训练2关于x与y有如下数据: 探究一 探究二 探究三 非线性回归分析 【例3】 在某一化学反应过程中,其化学物质的反应速度y(单位:g/min)与一种催化剂的量x(单位:g)有关,现收集了8组测验数据列于下表中,试建立y与x之间的回归方程. 思路分析:先画出散点图,由此确定拟合曲线的类型,再进行非线性回归分析. 探究一 探究二 探究三 解:根据测验数据可以作出散点图,如图所示: 根据y与x的散点图,可以认为样本点集中在某一条指数函数曲线 (c1,c2为待定参数)的附近,令z=ln y,则z=ln y=c2x+ln c1,即变换变量后样本点应该分布在直线z=bx+a(a=ln c1,b=c2)的附近.z与x的数据如下表所示: 探究一 探究二 探究三 画出z与x的散点图,如图所示. 观察散点图可知,样本点近似地分布在一条直线附近,因此,可以用线性回归模型来拟合它. 探究一 探究二 探究三 反思感悟求非线性回归方程的步骤 (1)确定变量,作出散点图. (2)根据散点图,选择恰当的拟合函数. (3)关系变换,通过关系变换把非线性回归问题转化为线性回归问题,并求出线性回归方程. (4)分析拟合效果:通过计算相关指数或画残差图来判断拟合效果. (5)根据相应的变换,写出非线性回归方程. 探究一 探究二 探究三 1.在回归分析中,代表了数据点和它在回归直线上相应位置的差异的是(　　) A.总偏差平方和 B.残差平方和 C.回归平方和 D.相关指数R2 解析:由残差平方和的定义及计算公式可知. 答案:B 2.甲、乙、丙、丁四名同学在建立变量x,y的回归模型时,分别选择了4种不同模型,计算可得它们的相关指数R2分别如下表: 建立的回归模型拟合效果最好的同学是(　　) A.甲 B.乙 C.丙 D.丁 解析:相关指数R2越大,表示回归模型的效果越好. 答案:A 3.已知回归直线方程中斜率的估计值为5.43,样本点的中心为(1,2),则回归直线在y轴上截距为(　　) A.-3.43 B.3.43 C.1 D.2 解析:回归直线方程过样本点的中心,把点(1,2)代入求得y轴上截距为-3.43. 答案:A 4.已知工厂加工零件的个数x与花费时间y(单位:h)之间的线性回归方程为 =0.01x+0.5,则加工200个零件大约需要　　　　　 h.? 解析:将200代入线性回归方程 =0.01x+0.5,得y=2.5. 答案:2.5 5.某个服装店经营某种服装,在某周内获纯利y(单位:元),与该周每天销售这种服装件数x之间的一组数据关系见表: (2)已知纯利y与每天销售件数x之间线性相关,求出y关于x的回归直线方程; (3)求残差平方和、相关指数. -*- 首页 1.1　回归分析的基本思想及其初步应用 1.回归分析 (1)回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法. (2)回归分析的基本步骤是:①画出两个变量的散点图, ②求回归直线方程,③用回归直线方程进行预报. (3)求线性回归方程的步骤: ①确定两个变量具有相关关系; 【做一做1】 如图四个散点图中,适合用线性回归模型拟合其中两个变量的是(　　) ? 　　　　 　　　　　　　　　　　　 A.①② B.①③ C.②③ D.③④ 解析:图①,③中的点大致在一条直线附近,适合用线性回归模型拟合. 答案:B 2.线性回归模型 (1)线性回归模型为y=bx+a+e,其中a和b为模型的未知参数,e称为随机误差,自变量x称为解释变量,因变量y称为预报变量. (2)随机误差产生的原因 (3)刻画回归分析效果的参数 名师点拨在线性回归模型中,R2的取值范围为[0,1],R2表示解释变量对于预报变量变化的贡献率,1-R2表示随机误差对于预报变量变化的贡献率.R2越接近于1,表示回归的效果越好. 【做一做2】 已知回归直线方程为 ,而试验得到的一组数据是(2,4.9),(3,7.1),(4,9.1),则残差平方和是(　　) A.0.01 B.0.02 C.0.03 D.0.04 解