高中数学选择性必修第三册：数学建模 建立统计模型进行预测-教学课件 (2).pptx

建立统计模型进行预测册别：选择性必修第三册学科：高中数学（人教A版）

背景

背景PM2.5是指一种悬浮于大气中的直径小于等于2.5μm的细颗粒物。颗粒物的成分很复杂，主要取决于其来源，主要有自然源和人为源两种。其浓度的高低直接影响空气质量和气候环境，过高浓度甚至危害人类健康。近年来，由PM2.5引起的空气污染受到了各级政府、部门及社会各界的关注。问题：影响PM2.5浓度的因素有哪些？

因素分析汽车尾气风速风速较大时，可以降低PM2.5浓度；反之，PM2.5容易积聚。湿度湿度高有利于水汽凝结，形成云雾和降水，从而降低PM2.5浓度；削弱部分太阳辐射，影响气温。气温近地面气温较高时，大气对流作用加剧，可以降低PM2.5浓度；反之，大气出现逆温层时，PM2.5不易扩散。背景汽车尾气排放量增加，会使PM2.5浓度提升。

背景为了定量研究PM2.5是否收到汽车流量、气候状况等因素的影响。我们选择了24个社会经济发展水平相近的城市，在每个城市选择一个交通点建立监测点，统计每个监测点24h内过往的汽车流量（单位：千辆），同时在低空相同的高度测定每个监测点该时间段的平均气温（单位：℃）、风速（单位：m/s）、空气湿度（绝对湿度，单位：g/m3）以及空气中PM2.5的平均浓度（单位：μg/m3），得到的数据如下表所示。

背景城市编号汽车流量平均气温空气湿度风速PM2.5浓度城市编号汽车流量平均气温空气湿度风速PM2.5浓度11.320800.4566130.9482244423570.576141.4421.5792.45830.78626.5641.521151.0842865223840.4170161.8442673114051.75629.5720.9156171843618120181456971.222.5691.87219158781.521.8770.6120200.9624.8671.54591.227581.7100211.78423.3830.92221016512922165145111.8222830.4135231.0626581.8334121.4362868299241.43628682105

提出问题影响PM2.5浓度的因素很多，原因也比较复杂。本课先考虑PM2.5浓度与汽车流量的关系。我们可以以汽车流量为自变量，PM2.5浓度为因变量，采用回归分析的方法进行研究。

提出问题（1）浓度与汽车流量之间是否存在线性相关关系?如何来推断？（2）如果浓度与汽车流量之间存在线性相关关系，如何建立线性回归方程来刻画这种关系？（3）所建立的线性回归方程是否有效？它的可靠性如何？用什么方法来判断？（4）如何利用建立的数学模型帮助决策，以达成研究的目标？回归结果分析建立回归模型绘制散点图模型的应用

绘制散点图

建立线性回归方程一元线性回归模型根据样本数据，利用最小二乘法对模型参数a,b进行估计，得到经验回归模型.

建立线性回归方程

回归结果分析（1）回归系数估计由，说明PM2.5浓度随着汽车流量的增加而增加，汽车流量每增加100辆，空气中的PM2.5浓度平均可能增加13.86μg/m3.

回归结果分析（1）回归系数估计汽车流量对应的t值（tvalue）是检验回归系数b是否为0的指标.由和可知，汽车流量是影响PM2.5浓度的一个显著性因素.

回归结果分析（2）线性关系显著性检验F统计量（F-statistic）是检验两变量相关关系显著性的指标.p值，表明PM2.5浓度与汽车流量的线性关系是显著的.可以认为PM2.5浓度与汽车流量之间的回归方程具有统计学意义.

回归结果分析（3）决定系数和调整的决定系数R2数值的大小反映了自变量对回归的贡献，也就是在因变量的总变异中回归关系所能解释的百分比.决定系数也反映了回归模型的拟合效果.调整的决定系数，说明PM2.5浓度总变异的65.76%与汽车流量有关.

模型的应用我国规定空气中PM2.5浓度的安全标准为24h平均浓度75μg/m3.当汽车流量为1300辆，即x=1.3时，，说明PM2.5浓度在安全标准附近；当汽车流量为2300辆，即x=2.3时，，说明PM2