高中数学 第一章 统计案例 1.1 回归分析的基本思想及初步应用（3） 新人教A版选修1-2.ppt

例1 在一段时间内，某中商品的价格x元和需求量Y件之间的一组数据为： 求出Y对的回归直线方程，并说明拟合效果的好坏。 价格x 14 16 18 20 22 需求量Y 12 10 7 5 3 解： 例1 在一段时间内，某中商品的价格x元和需求量Y件之间的一组数据为： 求出Y对的回归直线方程，并说明拟合效果的好坏。 价格x 14 16 18 20 22 需求量Y 12 10 7 5 3 解：列出残差表为 0.994 因而，拟合效果较好。 0 0.3 -0.4 -0.1 0.2 4.6 2.6 -0.4 -2.4 -4.4 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 的回归系数 ； （2）求残差平方和； （3）求相关系数 ； （4）估计使用年限为10年时，维修费用是多少？ 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 回归分析基本思想及其初步应用 基本思想 实际应用 回归分析 相关性方法分析 回归优劣分析 总偏差平方和 残差平方和 回归平方和 * * * * * 1.1 回归分析的基本思想 及其初步应用（三） ——非线性回归模型 复习回顾 1、线性回归模型：y=bx+a+e (其中a和b为模型的未知参数，e称为随机误差)。 2、数据点和它在回归直线上相应位置的差异 是随机误差的效应，称 为残差。 3、对每名女大学生计算这个差异，然后分别将所得 的值平方后加起来，用数学符号表示为： 称为残差平方和，它代表了随机误差的效应。 4 、我们可以用相关指数R2来刻画回归的效果，其计算公式是： 注：R2 ?1，说明回归方程拟合的越好； R2?0，说明回归方程拟合的越差。 6.建立回归模型的基本步骤 1)确定解释变量x和预报变量y; 2)画出散点图; 3)确定回归方程类型; 4)求出回归方程; 5)利用相关指数或残差进行分析. 5.回归分析的一般方法： 1）.利用散点图观察两个变量是否线性相关 2）.利用残差来判断模型拟合的效果(残差分析) 利用残差图来分析数据，对可疑数据(残差较大的数据)进行重新调查，有错误就更正，然后重新利用回归模型拟合，如果没有错误，则需要找其他原因。 练习；关于x与y有如下数据： 有如下的两个线性模型： （1） ；（2） 试比较哪一个拟合效果更好。 x 2 4 5 6 8 y 30 40 60 50 70 例2：一只红铃虫的产卵数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 问题四：若两个变量呈现非线性回归关系，如何解决？（分析例2） 例2：一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中，试建立y与x之间的回归方程 解:作散点图; 从散点图中可以看出产卵数和温度之间的关系并不能用 线性回归模型来很好地近似。 这些散点更像是集中在一条指数曲线或二次曲线的附近。 问题四：若两个变量呈现非线性回归关系，如何解决？（分析例2） 选变量 解：选取气温为解释变量x，产卵数 为预报变量y。 画散点图 假设线性回归方程为 ：?=bx+a 选 模 型 分析和预测 当x=28时，y =19.87×28-463.73≈ 93 估计参数 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 所以，一次函数模型中温度解释了74.64%的产卵数变化。 0 5