第八章　§8.2　第3课时　指数函数模型与幂函数模型.docxVIP

第3课时指数函数模型与幂函数模型

学习目标1.进一步掌握一元线性回归模型参数的统计意义.2.了解非线性回归模型，掌握指数型函数模型和幂函数模型的求解过程．

一、指数函数模型y＝αeβx(α＞0)

例1某景区的各景点从2010年取消门票实行免费开放后，旅游的人数不断地增加，不仅带动了该市淡季的旅游，而且优化了旅游产业的结构，促进了该市旅游向“观光、休闲、会展”三轮驱动的理想结构快速转变．下表是从2011年至2020年，该景点的旅游人数y(万人)与年份x的数据：

第x年

1

2

3

4

5

旅游人数y(万人)

300

283

321

345

372

第x年

6

7

8

9

10

旅游人数y(万人)

435

486

527

622

800

该景点为了预测2023年的旅游人数，建立了y与x的两个回归模型：

模型①：由最小二乘法求得y与x的经验回归方程eq\o(y,\s\up6(^))＝50.8x＋169.7；

模型②：由散点图的样本点分布，可以认为样本点集中在曲线y＝aebx的附近．

(1)根据表中数据，求模型②的经验回归方程eq\o(y,\s\up6(^))＝aebx(a精确到个位，b精确到0.01)；

(2)根据下列表中的数据，比较两种模型的决定系数R2，并选择拟合精度更高、更可靠的模型，预测2023年该景区的旅游人数(单位：万人，精确到个位)．

经验回归方程

①eq\o(y,\s\up6(^))＝50.8x＋169.7

②eq\o(y,\s\up6(^))＝aebx

eq\i\su(i＝1,10,)(yi－eq\o(yi,\s\up6(^)))2

30407

14607

参考公式、参考数据及说明：

①对于一组数据(v1，w1)，(v2，w2)，…，(vn，wn)，其经验回归直线eq\o(w,\s\up6(^))＝eq\o(α,\s\up6(^))＋eq\o(β,\s\up6(^))v的斜率和截距的最小二乘估计分别为eq\o(β,\s\up6(^))＝eq\f(\i\su(i＝1,n,)?wi－\x\to(w)??vi－\x\to(v)?,\i\su(i＝1,n,)?vi－\x\to(v)?2)，eq\o(α,\s\up6(^))＝eq\x\to(w)－eq\o(β,\s\up6(^))eq\x\to(v).

②刻画回归效果的决定系数R2＝1－eq\f(\i\su(i＝1,n,)?yi－\o(yi,\s\up6(^))?2,\i\su(i＝1,n,)?yi－\x\to(y)?2).

③参考数据：e5.46≈235，e1.43≈4.2.

eq\x\to(x)

eq\x\to(y)

eq\x\to(u)

eq\i\su(i＝1,10,)(xi－eq\x\to(x))2

eq\i\su(i＝1,10,)(xi－eq\x\to(x))·(yi－eq\x\to(y))

eq\i\su(i＝1,10,)(xi－eq\x\to(x))·(ui－eq\x\to(u))

5.5

449

6.05

83

4195

9.00

表中ui＝lnyi，eq\x\to(u)＝eq\f(1,10)eq\i\su(i＝1,10,u)i.

解(1)对y＝aebx取对数，得lny＝bx＋lna，设u＝lny，c＝lna，先建立u关于x的经验回归方程为eq\o(u,\s\up6(^))＝eq\o(b,\s\up6(^))x＋eq\o(c,\s\up6(^)).

eq\o(b,\s\up6(^))＝eq\f(\i\su(i＝1,10,)(xi－\x\to(x))(ui－\x\to(u)),\i\su(i＝1,10,)?xi－\x\to(x)?2)＝eq\f(9.00,83)≈0.108,

eq\o(c,\s\up6(^))＝eq\x\to(u)－eq\o(b,\s\up6(^))eq\x\to(x)≈6.05－0.108×5.5＝5.456≈5.46，

eq\o(a,\s\up6(^))＝≈e5.46≈235，

∴模型②的经验回归方程为eq\o(y,\s\up6(^))＝235e0.11x.

(2)由表格中的数据，有3040714607，即eq\f(30407,\i\su(i＝1,10,)?yi－\x\to(y)?2)eq\f(14607,\i\su(i＝1,10,)?yi－\x\to(y)?2)，

即1－eq\f(30407,\i\su(i＝1,10,)?yi－\x\to(y)?2)1－eq\f(14607,\i\su(i＝1,10,)?yi－\x\to(y)?2)，Req\o\al(2,1)Req\o\a