高中数学选修32第三章统计案例知识点及随堂练习讲义.docx

回归分析的基本思想

回归分析(regressionanalysis)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(contingencytable)。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(testofindependence)。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