高中数学选修3-2第三章统计案例知识点及随堂练习讲义.docxVIP

回归分析的基本思想 回归分析(regression analysis)是对具有相关关系的两个变量进行统计分析的一种常用方法。对于一组具有线性相关关系的数据 其中 ， ， 称为样本点的中心，回归直线过样本点的中心。 回归方程： 线性回归模型： 其中 a 和 b 为模型的未知参数，e 是 y 与 bx+a 之间的误差。通常 e 为随机变量，称为随机误差 与函数关系不同，在回归模型中，y 的值由 x 和随机因素 e 共同确定，即 x 只能解释部分 y 的变化，因此我们把 x 称为解释变量，把 y 称为预报变量。 随机误差 e 的方差越小，用 bx+a 预报真实值y 的精度越高。随机误差是引起预报值与真实值 y 之间存在误差的原因之一，其大小取决于随机误差的方差。 另一方面，和 为斜率和截距的估计值，它们与真实值a 和 b 之间也存在误差，这种误差是引起预报值与真实值 y 之间存在误差的另一个原因。 由于随机误差对于样本点 ，所以是 e 的估计量。 它们的随机误差为 其估计值为 称为相应于点的残差(residual)。 可以通过残差发现原始数据中的可疑数据，判断所建立模型的拟合效果。以样本编号为横坐标，残差为纵坐标，可作出残差图。 检查残差较大的样本点，确认采集该样本点过程中是否有人为错误，如有，应予以纠正，再重新利用 线性回归模型拟合数据；如没有，则需寻找其它原因。另外，对于已经获取的样本数据， 中 的 越好； 为确定的数。因此越大，意味着残差平方和 越小，即模型拟合效果越小，残差平方和越大，即模型拟合效果越差。 表示解释变量对于预报变量变化的贡献率， 一般地，建立回归模型的基本步骤： 越接近于 1，表示回归的效果越好。 确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； 画出解释变量和预报变量的散点图，观察它们之间的关系(如是否存在线性关系等) 有经验确定回归方程的类型(如我们观察到数据呈线性关系，则选用线性回归方程) 按一定规则(如最小二乘法)估计回归方程中的参数； 得出结果后分析残差图是否有异常(如个别数据对应残差过大，残差呈现不随机的规律性等)。若存在异常，则检查数据是否有误，或模型是否合适等。 回归模型的适用范围： 回归方程只适用于我们所研究的样本的总体； 我们所建立的回归方程一般都有时间性； 样本取值的范围会影响回归方程的适用范围； 不能期望回归方程得到的预报值就是预报变量的精确值。般地，比较两个函数模型的拟合程度的步骤如下： 分别建立对应于两个模型的回归方程 的估计值 分别计算两个模型的 R2 值 与 ，其中 和分别是参数 a 和 b 若 ，则模型 1 比模型 2 拟合效果更好；若 ，则模型 2 比模型 1 拟合效果更好。 独立性检验的基本思想 不同的“值”表示不同类别的变量叫做分类变量。列出两个分类变量的频数表称为列联表(contingency table)。常用等高条形图展示列联表数据的频率特征。 利用随机变量 K2 来判断“两个分类变量有关系”的方法称为独立性检验(test of independence)。反证法原理与独立性检验原理的比较 反证法原理 反证法原理 独立性检验原理 在假设 H 下，如果推出一个矛盾，就证明了 H 不成立 0 0 在假设 H 下，如果出现一个与 H 相矛盾的小概率事件，就推 0 0 断 H 不成立，且该推断犯错误的概率不超过这个小概率 0 1x2一般地，假设有两个分类变量 X 和 Y，它们的取值分别为{x 1 x 2 ， }和{y ， ，其样本频数列联表 称为 y} (1 2 y } ( 2×2 列联表)为： y1 y2 总计 x1 a b a+b x2 c d c+d 总计 a+c b+d a+b+c+d 假设 H ： X 与 Y 没有关系，即 X 与 Y 独立。 0 则有 P(XY)=P(X)P(Y) ； 根据频率近似于概率，故有 化简得 因此，越小，两者关系越弱；越大，两者关系越强； 基于以上分析，构造随机变量 ，其中 为样本容量 K2 的值越小则关系越小，K2 的值越大则关系越大。(实际应用中通常要求 a，b，c，d 都不小于 5) 计算 K2 的观测值 k 并与 K2 作比较。 H统计学研究发现，在 成立的情况下， H 0 H即在 成立的情况下，K2 的观测值超过 6.635 的概率非常小，近似为 0.01，是一个小概率事件。 H 0 0若观测值 k 大于 6.635，则有理由判定 H 不成立，即“X 与 Y 有关系”。但这种判断会犯错误，犯错 0 误的概率不会超过 0.01 . *(这里概率计算的前提是 H 成立，即 H  ：两个分类变量没有关系) 10 0 1 H)1若要推断的论述为 H ) 1 21 2 ：“X