11回归分析的基本思想及其初步应用.pptx

选修1-2——统计案例 引入线性回归模型 y＝bx＋a＋e 了解模型中随机误差项e产生的原因 了解相关指数 R2 和模型拟合的效果之间的关系 了解残差图的作用 利用线性回归模型解决一类非线性回归问题 正确理解分析方法与结果; １.两个变量间的相关关系;复习回顾; 3.求线性回归方程　　　　　的步骤:;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所示：;（１）、画散点图，并判断二者之间是否有线性关系； ;练习: 假设关于某设备的使用年限x和所支出的维修费用 y（万元），有如下的统计资料。;解：;4、思考：;二、新课：; ２、函数模型y=bx+a与线性回归模型y=bx+a+e的关系：; ３、在实际应用中，我们用回归方程　　　　　　　 中的 来估计线性回归模型 中的 ，由于 　　　，所以 也是一个估计值。; ４、当我们求出回归直线方程后，可以通过残差来判断模型拟合程度的效果，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。从两个方面说明：;　　根据表格中的数据，以样本编号为横坐标，残差值为纵坐标，做出散点图（这样的散点图称作残差图）;(2)、相关指数; ５、建立回归模型的基本步骤：;例１ 一个车间为了规定工时定额，需确定加工零件所花费的时间，为此进行了10次试验，测得的数据列于表中：;（１）、画散点图； ;编号;例２ 在一段时间内，某种商品的价格x(元)和需求量y(件)之间的一组数据为：;（１）、画散点图； ;对于y对x的回归直线方程； ;练习: 关于x和y ，有如下的统计资料。;１、利用残差图和相关指数都能够评价回归模型的拟合效果，它们各有自己的特点：;2、在使用回归方程进行预报时要注意：;案例３ 一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中：;假设线性回归方程为 ：?=bx+a;奇怪？;编号; y=bx2+a 变换 y=bt+a 非线性关系 线性关系; ;问题２; ;;比一比;练习：为了研究某种细菌随时间x变化，繁殖的个数，收集数据如下：;x ;再见;谢谢您的观看！