配套新教材-高中数学选择性必修第三册RJ·A-第八章-8.2 一元线性回归模型及其应用.pptxVIP

第八章8.2一元线性回归模型及其应用

学习目标1.结合具体实例，了解一元线性回归模型的含义，了解模型参数的统计意义，了解最小二乘原理，掌握一元线性回归模型参数的最小二乘估计方法，会使用相关的统计软件.2.针对实际问题，会用一元线性回归模型进行预测.核心素养：数据分析、数学建模、数学运算、逻辑推理、数学抽象.

新知学习生活经验告诉我们，儿子的身高与父亲的身高不仅线性相关，而且还是正相关，即父亲的身高较高时，儿子的身高通常也较高.为了进一步研究两者之间的关系，有人调查了某所高校14名男大学生的身高及其父亲的身高，得到的数据如表8.2-1所示.编号1234567891011121314父亲身高/cm174170173169182172180172168166182173164180儿子身高/cm176176170170185176178174170168178172165182利用前面表示数据的方法，以横轴表示父亲身高、纵轴表示儿子身高建立直角坐标系，再将表8.2-1中的成对样本数据表示为散点图，如图8.2-1所示.图8.2-1?表明儿子身高和父亲身高正线性相关，且相关程度较高.

思考：根据表8.2-1中的数据，儿子身高和父亲身高这两个变量之间的关系可以用函数模型刻画吗？编号1234567891011121314父亲身高/cm174170173169182172180172168166182173164180儿子身高/cm176176170170185176178174170168178172165182在表8.2-1的数据中，存在父亲身高相同，而儿子身高不同的情况.例如，第6个和第8个观测的父亲身高均为172cm，而对应的儿子身高分别为176cm和174cm；同样，第3，4两个观测中，儿子身高都是170cm，而父亲身高分别为173cm和169cm.可见儿子身高和父亲身高之间不是函数关系，也就不能用函数模型刻画.

图8.2-1中的散点大致分布在一条直线附近，表明儿子身高和父亲身高这两个变量之间有较强的线性相关关系，因此我们可以用一次函数来刻画父亲身高对儿子身高的影响，而把影响儿子身高的其他因素，如母亲身高、生活环境、饮食习惯等作为随机误差，得到刻画两个变量之间关系的线性回归模型.其中，随机误差是一个随机变量.图8.2-1

??

思考：你能结合具体实例解释产生模型（1）中随机误差项的原因吗？?

?

探究：利用散点图8.2-1找出一条直线，使各散点在整体上与此直线尽可能接近.图8.2-1有的同学可能会想，可以采用测量的方法，先画出一条直线，测量出各点与它的距离，然后移动直线，到达一个使距离的和最小的位置.测量出此时的斜率和截距，就可得到一条直线，如图8.2-2所示.图8.2-2

探究：利用散点图8.2-1找出一条直线，使各散点在整体上与此直线尽可能接近.图8.2-1有的同学可能会想，可以在图中选择这样的两点画直线，使得直线两侧的点的个数基本相同，把这条直线作为所求直线，如图8.2-3所示.图8.2-3

探究：利用散点图8.2-1找出一条直线，使各散点在整体上与此直线尽可能接近.图8.2-1还有的同学会想，在散点图中多取几对点，确定出几条直线的方程，再分别求出这些直线的斜率、截距的平均数，将这两个平均数作为所求直线的斜率和截距如图8.2-4所示.图8.2-4上面这些方法虽然有一定的道理，但比较难操作，我们需要另辟蹊径.

???图8.2-5

?

??

??编号1234567891011121314父亲身高/cm174170173169182172180172168166182173164180儿子身高/cm176176170170185176178174170168178172165182表8.2-1图8.2-6

??

?

类似地，可以得到其他的残差，如表8.2-2所示.编号父亲身高/cm儿子身高观测值/cm儿子身高预测值/cm残差/cm1174176174.9431.0572170176171.5874.4133173170174.1044169170170.7485182185181.6553.3456172176173.2652.7357180178179.9778172174173.2650.7359168170169.9090.09110166168168.23111182178181.65512173172174.10413164165166.55314180182179.9772.023

为了使数据更加直观，用父亲身高作为横坐标，残差作为纵坐标，可以画出残差图，如图8.2-7所示.图8.2-7

表8.2-2编号