高中数学32回归分析课件2苏教版选修.pptxVIP

线性回归分析知识结构整理、分析数据估计、推断 收集数据 (随机抽样)用样本估计总体变量间的相关关系简单随机抽样分层抽样系统抽样 用样本的频率分布估计总体分布 用样本数字特征估计总体数字特征线性回归分析统计的基本思想样本实际抽 样模 拟分 析确定性关系y = x2施化肥量x 15 20 25 30 35 40 45水稻产量y 330 345 365 405 445 450 455复习、变量之间的两种关系问题1：正方形的面积y与正方形的边长x之间 的函数关系是问题2：某水田水稻产量y与施肥量x之间是否-------有一个确定性的关系？例如：在 7 块并排、形状大小相同的试验田上 进行施肥量对水稻产量影响的试验，得到如下所示的一组数据：2）：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。1、定义：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。注 1）：相关关系是一种不确定性关系；2、现实生活中存在着大量的相关关系。 如：人的身高与年龄； 产品的成本与生产数量； 商品的销售额与广告费； 家庭的支出与收入。等等探索：水稻产量y与施肥量x之间大致有何规律？yx施化肥量x 15 20 25 30 35 40 45水稻产量y 330 345 365 405 445 450 455散点图水稻产量500450400350300·······施化肥量10 20 30 40 50探索2：在这些点附近可画直线不止一条， 哪条直线最能代表x与y之间的关系呢？发现：图中各点，大致分布在某条直线附近。yx水稻产量500450400350300·······施化肥量10 20 30 40 50最小二乘法：称为样本点的中心。1、所求直线方程 叫做回归直 ---线方程；其中2、回归直线方程：2.相应的直线叫做回归直线。3、对两个变量进行的线性分析叫做线性回归分析。相关系数 1.计算公式2．相关系数的性质(1)|r|≤1．(2)|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小．问题：达到怎样程度，x、y线性相关呢？它们的相关程度怎样呢？负相关正相关相关系数ｒ＞０正相关；ｒ＜０负相关．通常， r∈[-1,-0.75]--负相关很强; r∈[0.75,1]—正相关很强; r∈[-0.75,-0.3]--负相关一般;r∈[0.3, 0.75]—正相关一般; r∈[-0.25, 0.25]--相关性较弱;y水稻产量500450400350300·······施化肥量x10 20 30 40 50施化肥量x 15 20 25 30 35 40 45水稻产量y 330 345 365 405 445 450 4552.求出4.计算相关系数3.写出回归方程解: 1.画出散点图例题1 从某大学中随机选出8名女大学生，其身高和体重数据如下表：编高165165157170175165155170体重4857505464614359求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172ｃｍ的女大学生的体重。　分析：由于问题中要求根据身高预报体重，因此选取身高为自变量，体重为因变量．3.通过探究栏目引入“线性回归模型”。此处可以引导学生们体会函数模型与回归模型之间的差别。（2）从散点图还可以看到，样本点散布在某一条直线的附近，而不是一条直线上，所以不能用一次函数ｙ＝ｂｘ＋ａ来描述它们之间的关系。这时我们用下面的线性回归模型来描述身高和体重的关系：ｙ＝ｂｘ＋ａ+ｅ其中ａ和ｂ为模型的未知参数，e是y与 之间的误差,通常ｅ称为随机误差。（1）由图形观察可以看出，样本点呈条状分布，身高和体重有比较好的线性相关关系，因此可以用线性回归方程刻画它们之间的关系。线性回归模型 ｙ＝ｂｘ＋ａ+ｅｙ＝ｂｘ＋ａ+ｅ其中ａ和ｂ为模型的未知参数，e是y与 之间的误差,通常ｅ称为随机误差。为了衡量预报的精度,需要估计的σ2值?（1）根据散点图来粗略判断它们是否线性相关。（2）是否可以用线性回归模型来拟合数据（3）通过残差 来判断模型拟合的效 果这种分析工作称为残差分析身高与体重残差图异常点 错误数据 模型问题 使学生了解残差图的制作及作用。P98坐标纵轴为残差变量，横轴可以有不同的选择；若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域；对于远离横轴的点，要特别注意。