高中数学北师大版选修1-2第一章《统计案例》(第2课时 回归分析的应用)精品学案.pdfVIP

第2课时 回归分析的应用 1.根据线性回归方程,对相关结论进行预测. 2.理解从散点图进行非线性回归分析的意义,掌握如何将非线性回归问题转化为线性回 归问题的方法. 3.了解在解决实际问题的过程中寻找更好的模型的方法. 重点:根据线性回归方程,对相关结论进行预测,探究非线性模型通过变换转化为线性回 归模型的方法. 难点:了解常用函数的图像特点,选择不同的模型建模,并通过相关指数对不同的模型进 行比较. 有关法律规定:香烟盒上必须印上“吸烟有害健康”的警示语,那么吸烟和健康之间有因 果关系吗?每一个吸烟者的健康问题都是由吸烟引起的吗?你认为“健康问题不一定是由吸烟 引起的,所以可以吸烟”的说法对吗?要回答这个问题,我们先来一起学习本节的知识吧! 问题1:相关系数的概念及相关系数r的性质 相关系数r用来描述线性相关关系的强弱,且样本相关系数 r== =. r有如下性质: (1)|r|≤ 1 ; (2)|r|越接近于1,误差Q越小,x,y 的线性相关程度越 强 ; (3)|r|越接近于0,误差Q越大,x,y 的线性相关程度越 弱 ; (4)当r0 时,称两个变量 正相关 ;当r0 时,称两个变量 负相关 ;当r=0 时,称 两个变量线性 不相关 . 问题2:在回归分析中,通过模型计算预测变量的值时,应注意的问题. (1)回归方程只适用于我们 所研究的样本的总体 ; (2)我们所建立的回归方程一般都有 时间性 ; (3)样本取值的范围会影响回归方程的 适用范围 ; (4)不能期望回归方程得到的预测值就是预测变量的 精确值 . 问题3:几种能转化为线性回归模型的非线性回归模型 (1)幂函数曲线y=axb 作变换u=lny,v=lnx,c=lna,得线性函数 u=c+bv . (2)指数曲线y=aebx 作变换u=ln y,c=ln a,得线性函数 u=c+bx . (3)倒指数曲线y=a 作变换u=ln y,c=ln a,v=,得线性函数 u=c+bv . (4)对数曲线y=a+bln x 作变换u=y,v=ln x,得线性函数 u=a+bv . 问题4:非线性回归问题进行回归分析的方法 (1)若问题中已给出经验公式,这时可以将解释变量进行 交换(换元) ,将变量的 非 线性关系 转化为 线性 关系,将问题化为 线性回归分析 问题来解决. (2)若问题中没有给出经验公式,需要我们画出已知数据的 散点图 ,通过与各种函数 (如指数函数、对数函数、幂函数等)的图像 作比较 ,选择一种与这些散点拟合得最好的 函数,然后采用适当的 变量交换 ,将问题化为 线性回归分析 问题来解决. 从以下几个方面认识相关关系: (1)相关关系与函数关系不同.函数关系中的两个变量间是一种确定性关系;相关关系是 一种非确定性关系. (2)函数关系是一种因果关系,而相关关系不一定是因果关系,也可能是伴随关系. 相关关系在现实生活中大量存在,从某种意义上讲,函数关系是一种理想的关系模型,而 相关关系是一种更为一般的情况.因此研究相关关系,不仅可以使我们处理更为广泛的数学 应用问题,还可以使我们对函数关系的认识上升到一个新的高度. 一般情况下,在尚未断定两个变量之间是否具有线性相关关系的情况下,应先进行相关 性检验,在确认其具有线性相关关系后,再求其回归直线方程;由部分数据得到的回归直线, 可以对两个变量间的线性相关关系进行估计,这实际上是将非确定性的相关关系问题转化成 确定性的函数关系问题进行研究.由于回归直线将部分观测值所反映的规律性进行了延伸, 它在情况预测、资料补充等方面有着广泛的应用. 1.下列两个变量之间的关系不是函数关系的是( ). A.角度和它的余弦值 B.正方形的边长和面积 C.正n边形的边数和各内角度数之和 D.人的年龄和身高 【解析】函数关系就是一种变量之间的确定性的关系,A,B,C 三项都是函数关系,它们的 2 函数表达式分别为f(θ)=cos θ,g(a)=a,h(n)=nπ-2π.D 项不是函数关系,对于年龄确定的人群,仍 可以有不同的身高