18-19版高中数学 第一章 统计 8 最小二乘估计 .ppt

第一章 统计 §8 最小二乘估计 学习目标 1.了解用最小二乘法建立线性回归方程的思想，会用给出的公式 建立线性回归方程. 2.理解回归直线与观测数据的关系，能用线性回归方程进行估计 和预测. 题型探究 问题导学 内容索引 当堂训练 问题导学 具有线性相关关系的散点大致分布在一条直线附近.如何确定这条直线比较合理？ 思考　 知识点一　最小二乘法 答案 应该使散点整体上最接近这条直线.最小二乘法是一种求回归直线的方法，用这种方法求得的回归直线能使样本数据的点到回归直线的距离 [y1－(a＋bx1)]2＋[y2－(a＋bx2)]2＋…＋[yn－(a＋bxn)]2最小. 数学上的“回归”是什么意思？ 思考　 知识点二　线性回归方程 答案 “回归”一词最早由英国统计学家(Francils Galton)提出的，本意是子女的身高会向一般人的均值靠拢.现在这个概念引伸到随机变量有向回归线集中的趋势. 梳理　 用最小二乘法得到的直线方程称为 ，a，b是线性回归方程的系数. 线性回归方程 题型探究 例1　下表为某地近几年机动车辆数与交通事故数的统计资料. (1)请判断机动车辆数与交通事故数之间是否具有线性相关关系，如果不具有线性相关关系，请说明理由； 类型一　线性回归方程的求法 解答 机动车辆数x/千台 95 110 112 120 129 135 150 180 交通事故数y/千件 6.2 7.5 7.7 8.5 8.7 9.8 10.2 13 在平面直角坐标系中画出数据的散点图，如图. 直观判断散点在一条直线附近，故具有线性相关关系. (2)如果具有线性相关关系，求出线性回归方程. 解答 将它们代入公式计算得b≈0.077 4，a≈－1.024 9， 所以，所求线性回归方程为y＝0.077 4x－1.024 9. 即使散点图呈饼状，也可利用公式求出线性回归方程，但这种方程显然没什么价值.故应先画出散点图，看是否呈直线形，再求方程. 反思与感悟 跟踪训练1　以下是某地搜集到的新房屋的销售价格y和房屋的面积x的数据： (1)画出数据对应的散点图； 解答 房屋面积x(m2) 115 110 80 135 105 销售价格y(万元) 24.8 21.6 18.4 29.2 22 数据对应的散点图如图所示： (2)求线性回归方程，并在散点图中加上回归直线. 解答 故所求线性回归方程为y＝0.196 2x＋1.814 2. 回归直线如(1)中图所示. 类型二　线性回归方程的应用 例2　有一个同学家开了一个小卖部，他为了研究气温对热饮销售的影响，经过统计，得到一个卖出的热饮杯数与当天气温的对比表： (1)画出散点图； 解答 摄氏温度/℃ －5 0 4 7 12 15 19 23 27 31 36 热饮杯数 156 150 132 128 130 116 104 89 93 76 54 散点图如图所示： (2)从散点图中发现气温与热饮销售杯数之间有什么关系； 解答 从上图看到，各点散布在从左上角到右下角的区域里，因此，气温与热饮销售杯数之间呈负相关，即气温越高，卖出去的热饮杯数越少. (3)求线性回归方程； 解答 从散点图可以看出，这些点大致分布在一条直线的附近，因此，可用公式求出线性回归方程的系数.利用计算器容易求得线性回归方程为y＝－2.352x＋147.767. (4)如果某天的气温是2℃，预测这天卖出的热饮杯数； 解答 当x＝2时，y＝143.063.因此，某天的气温为2℃时，这天大约可以卖出143杯热饮. (5) 气温为2℃时，小卖部一定能够卖出143杯左右热饮吗？为什么？ 解答 小卖部不一定能够卖出143杯左右热饮，原因如下：①线性回归方程中的截距和斜率都是通过样本估计出来的，存在误差，这种误差可以导致预测结果的偏差. ②即使截距和斜率的估计没有误差，也不可能百分之百地保证对应于x的预报值，能够与实际值y很接近.我们不能保证点(x，y)落在回归直线上，甚至不能百分之百地保证它落在回归直线的附近. 线性回归方程主要用于预测，但这种预测类似于天气预报，不一定与实际数据完全吻合. 反思与感悟 跟踪训练2　有人统计了同一个省的6个城市某一年的人均国民生产总值(即人均GDP)和这一年各城市患白血病的儿童数，如下表： (1)画出散点图，并判定这两个变量是否具有线性相关关系； 解答 人均GDP/万元 10 8 6 4 3 1 患白血病的儿童数/人 351 312 207 175 132 180 散点图如下： 根据散点图可以看出，在6个点中，虽然第一个点离这条直线较远，