312回归分析的基本思想及其初步应用.pptxVIP

选修2-3之第三章《统计案例》3.1 回归分析的基本思想 及其初步应用(二)1、求回归直线方程(最小二乘法)：为样本点的中心温故知新温故知新2、我们通常用相关系数r来描述两个变量之间线性相关关系的强弱。★其中：(1)|r|≤1； (2)|r|越接近于1，相关程度越强， |r|越接近于0，相关程度越弱； (3) b 与 r 同号。温故知新3、线性回归模型：其中：e是随机误差，均值E(e)=0，方差D(e)=σ20 当随机误差e恒等于0时，线性回归模型就变成一次函数模型。即：一次函数模型是线性回归模型的特殊形式。4、相关系数r与随机误差e一般有什么关系？样本点：随机误差e的估计量相应的随机误差为：相应的随机误差估计值为：称为相应于点 的残差为的估计量称为残差平方和。实际上即为具体到某点的随机误差估计值。在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否是线性相关，是否可以用线性回归模型来拟合数据.然后，可以通过残差 来判断模型拟合的效果，判断原始数据中是否存在可疑数据.这方面的分析工作称为残差分析。残差分析下表为女大学生身高和体重的原始数据以及相应的残差数据：编高/cm165165157170175165155170体重/kg4857505464614359残差-6.3732.627