《概率论与数理统计》教案 第29课 一元线性回归分析.docx

PAGE2

PAGE2

PAGE7

PAGE7

课题

一元线性回归分析

课时

2课时（90min）

教学目标

知识技能目标：

理解一元线性回归模型的概念

掌握参数的估计的计算

掌握线性回归的显著性检验

（4）会应用t检验法与相关系数检验法解决实际问题

素质目标：

（1）帮助学生掌握本课程所涉及的现代数学中的重要思想方法

（2）激发学生探索与求知的欲望，培养学生自主学习与职后发展的能力

教学重难点

教学重点：一元线性回归模型的概念，参数的估计的计算

教学难点：应用t检验法与相关系数检验法解决实际问题

教学方法

讲练结合法、问答法、讨论法

教学用具

电脑、投影仪、多媒体课件、教材

教学过程

主要教学内容及步骤

课前任务

【教师】布置课前任务，和学生负责人取得联系，让其提醒同学通过APP或其他学习软件，搜集并了解一元线性回归分析的相关知识

【学生】完成课前任务

考勤

【教师】使用APP进行签到

【学生】按照老师要求签到

互动导入

【教师】提出问题：

对于具有相关关系的变量，虽然不能找到它们之间的确定表达式，但是通过大量的观测数据，可以发现它们之间存在一定的统计规律，那么这种规律如何把握呢？

【学生】思考、讨论、回答

传授新知

【教师】通过大家的发言，引入新的知识点，讲解一元线性回归分析的相关知识

在实际工作中，我们会经常碰到一些互相联系、互相制约的变量，它们之间存在着一定的关系．一般来说，变量之间的关系可分为两类：

一类是确定性的函数关系，这是大家所熟知的．例如，圆的面积S与半径R之间，存在着以公式表示的确定性关系．

另一类是非确定性的关系，称为相关关系．例如，小麦的单位面积施肥量x与单位面积产量Y的关系是不确定性的．在一定的范围内x越大，Y也越大，因而Y依赖于x；但x一定，Y并不完全相等，它是一个随机变量．这是因为单位面积产量还受到许多其他因素及一些无法控制的随机因素的影响．这里我们有两个变量x与Y．其中，x为一般变量，它的值可以精确测量或严格控制；Y是依赖于x的随机变量．Y与x之间的关系就是相关关系．我们还可以举出很多具有相关关系的例子，如人的身高x和体重Y等．

对于具有相关关系的变量，虽然不能找到它们之间的确定表达式，但是通过大量的观测数据，可以发现它们之间存在一定的统计规律，数理统计中研究变量之间相关关系的一种有效方法就是回归分析．

一、一元线性回归模型

【教师】介绍回归分析的作用，并引出一元正态线性回归分析

反映Y与X之间关系的最重要的数字特征当然是Y的数学期望与X之间的关系．我们称

为Y对x的回归函数．回归分析的一个重要内容就是估计，然后利用估计结果作预测和控制．为估计，通常是指定n各x的值，做n次独立试验，取得Y的相应观察值，再由n对数据来估计．

实际中常先用近似作图法描绘的图形．将n对观察数据看成n个点，并把它们描点在坐标平面xOy上，这种图称为散点图；然后在平面上引一条直线或曲线，使它最好地与这些散点的分布相符合．一直线或曲线就近似地描绘了的图形．当然，这是很粗糙的描述方法，回归分析为我们提供了研究回归函数的精确统计推算方法．本节将讨论最简单但经常遇到的一元正态线性回归分析．这里Y为正态变量，回归函数为x的线性函数．

【教师】通过例题，引出一元线性回归模型的概念

例1某广告公司为了研究某一类产品的广告费x与其销售额Y之间的关系，对多个厂家进行调查，获得如表9-1所示数据．

……（详见教材）

一般地，假设x与Y之间的相关关系可表示为

，（9-1）

其中为未知常数，为随机误差，是人们不可控制的，且，未知，x与Y的这种关系称为一元线性回归模型．称为回归直线，b称为回归系数，此时．对于的样本，有

如果由样本得到式（9-1）中的估计值，则称为拟合直线或经验回归直线，它可作为回归直线的估计．

一元线性回归主要解决以下问题：

（1）利用样本对未知参数进行估计；

（2）对回归模型作显著性检验；

（3）当时对Y的取值做预测，即对Y做区间估计．

二、参数的估计

【教师】讲解参数的估计

已知变量x，Y的n对试验数据，其中不全相同，作偏差平方和

．（9-2）

选择参数的估计，使得达到最小，这种方法称为最小二乘法．

为了求的最小值，分别求关于的一阶偏导数，并令它们等于零：

（9-3）

整理后得方程组

（9-4）

式（9-4）称为正规方程组．

由于不全相同，正规方程组的系数行列式

．

所以式（9-4）有唯一解，解得的估计值为

，（9-5）

，（9-6）

其中，，．

于是