回归分析的基本思想及其初步应用 课件.pptVIP

回归分析的基本思想及其初步应用1．线性回归模型(1)线性回归模型y＝____________,其中a和b是模型的未知参数,e称为___________.自变量x又称为解释变量,因变量y又称为____________．bx＋a＋e随机误差预报变量2．刻画回归效果的方式残差样本编号身高数据体重估计值越小解释预报例1题型一求线性回归方程对于x与y有如下观测数据:(1)作出散点图;(2)求出y关于x的回归直线方程．x1825303941424952y356788910【解】(1)作出散点图,如图所示:例2已知某种商品的价格x(元)与需求量y(件)之间的关系有如下一组数据:求y对x的回归直线方程,并说明回归模型拟合效果的好坏．题型二线性回归分析x(元)1416182022y(件)1210753【名师点评】在进行线性回归分析时,要按线性回归分析步骤进行．在求R2时,通常采用分步计算的方法,R2越大,模型的拟合效果越好．例3下表为收集到的一组数据:(1)作出x与y的散点图,并猜测x与y之间的关系;(2)建立x与y的关系,预报回归模型并计算残差;(3)利用所得模型,预报x＝40时y的值．题型三非线性回归分析x21232527293235y711212466115325【解】(1)作出散点图如图,从散点图可以看出x与y不具有线性相关关系,根据已有知识可以发现样本点分布在某一条指数函数曲线y＝c1ec2x的周围,其中c1、c2为待定的参数．(2)对两边取对数把指数关系变为线性关系,令z＝lny,则有变换后的样本点应分布在直线z＝bx＋a(a＝lnc1,b＝c2)的周围,这样就可以利用线性回归模型来建立非线性回归方程了,数据可以转化为:x21232527293235z1.9462.3983.0453.1784.1904.7455.784残差(3)当x＝40时,y＝e0.272×40－3.849≈1131.【名师点评】非线性回归问题有时并不给出经验公式,这时我们可以画出已知数据的散点图,把它与学过的各种函数(幂函数、指数函数、对数函数等)图象作比较,挑选一种跟这些散点拟合得最好的函数,然后像本例这样,采用适当的变量置换,把问题化为线性回归分析问题,使之得到解决．回归模型的拟定炼钢厂出钢时盛钢水的钢包在使用过程中受钢水和炉渣侵蚀,其容积不断增大．下表是钢包使用不同次数时钢包容积(由于容积不便测量,故以钢包盛满水质量表示)的一组实测数据．钢包使用次数与容积实测数据例4