课件回归分析的基本思想及其初步应用二.pptVIP

2019/3/2 郑平正 制作 3.1 回归分析的基 本思想及其初步 应用（二） 高二数学 选修 2-3 2019/3/2 郑平正 制作 比《数学 3 》中“回归”增加的内 容 数学３ —— 统计 1. 画散点图 2. 了解最小二乘法 的思想 3. 求回归直线方程 y ＝ bx ＋ a 4. 用回归直线方程 解决应用问题 选修１ - ２ —— 统计案例 5. 引入线性回归模型 y ＝ bx ＋ a ＋ e 6. 了解模型中随机误差项 e 产 生的原因 7. 了解相关指数 R 2 和模型拟 合的效果之间的关系 8. 了解残差图的作用 9. 利用线性回归模型解决一类 非线性回归问题 10. 正确理解分析方法与结果 2019/3/2 郑平正 制作 回归分析的内容与步骤： 统计检验通过后，最后是 利用回归模型，根据自变量去估计、 预测因变量 。 回归分析通过一个变量或一些变量的变化解释 另一变量的变化。 其主要内容和步骤是： 首先根据理论和对问题的分析判断， 将变量分为自变量和因变 量 ； 其次，设法 找出合适的数学方程式（即回归模型） 描述变量间 的关系； 由于涉及到的变量具有不确定性，接着还要 对回归模型进行 统计检验 ； 2019/3/2 郑平正 制作 例 1 从某大学中随机选取 8 名女大学生，其身高和体重数据如表 1-1 所示。 编号 1 2 3 4 5 6 7 8 身高 /cm 165 165 157 170 175 165 155 170 体重 /kg 48 57 50 54 64 61 43 59 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。 案例 1 ：女大学生的身高与体重 解： 1 、选取身高为自变量 x ，体重为因变量 y ，作散点图： 2 、由散点图知道身高和体重有比较 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。 2019/3/2 郑平正 制作 172 . 85 849 . 0 ? ? ? x y 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． ? 学 身高172cm女大 生体重 y = 0.849× 172 - 85.712 = 60.316(kg) 2. 回归方程： 1. 散点图； 本例中 , r=0.7980.75 ．这表明体重与身高有很强的线性相关关 系，从而也表明我们建立的回归模型是有意义的。 2019/3/2 郑平正 制作 探究： 身高为 172cm 的女大学生的体重一定是 60.316kg 吗？如果不是，你能解析一下原因吗？ 答：身高为 172cm 的女大学生的体重不一定是 60.316kg ，但一般可以认为她的体重接近于 60.316kg 。 即，用这个回归方程不能给出每个身高为 172cm 的女大学生的体重的预测值，只能给出她们平均 体重的值。 2019/3/2 郑平正 制作 例 1 从某大学中随机选取 8 名女大学生，其身高和体重数据如表 1-1 所示。 编号 1 2 3 4 5 6 7 8 身高 /cm 165 165 157 170 175 165 155 170 体重 /kg 48 57 50 54 64 61 43 59 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。 案例 1 ：女大学生的身高与体重 解： 1 、选取身高为自变量 x ，体重为因变量 y ，作散点图： 2 、由散点图知道身高和体重有比较 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。 3 、从散点图还看到，样本点散布在 某一条直线的附近，而不是在一条 直线上，所以不能用一次函数 y=bx+a 描述它们关系。 2019/3/2 郑平正 制作 我们可以用下面的 线性回归模型 来表示： y=bx+a+e ， (3) 其中 a 和 b 为模型的未知参数， e 称为随机误差 。 ? y=bx+a+e ， E(e)=0,D(e)= (4) 2 . ? 在线性回归模型 (4) 中，随机误差 e 的方差 越小，通过 回归直线