高中数学选修2-3统计案例导学案级课后作业加答案.docVIP

回归分析的根本思想及其初步应用〔一〕

【学习要求】

1．了解随机误差、残差、残差图的概念．

2．会通过分析残差判断线性回归模型的拟合效果．

3．掌握建立线性回归模型的步骤．

【学法指导】

通过对典型案例的讨论，了解回归分析的根本思路、方法及其初步应用．回归分析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．学习中应该通过生活中详实事例理解回归分析的方法，其步骤为通过散点图，直观地了解两个变量的关系，然后，通过最小二乘法建立回归模型，最后通过分析残差、相关指数等，评价模型的好坏．重点是了解回归分析的思想方法，对其理论根底不做要求，防止单纯记忆和机械套用公式进行计算.

【知识要点】

1．线性回归模型

〔1〕函数关系是一种关系，而相关关系是一种关系．

〔2〕回归分析是对具有关系的两个变量进行统计分析的一种常用方法．

〔3〕对于一组具有线性相关关系的数据(x1，y1)，(x2，y2)，…，(xn，yn)，回归直线的斜率和截距的最小二乘估计公式分别为eq\o(b,\s\up6(^))＝＝eq\f(\o(∑,\s\up14(n),\s\do14(i＝1))xiyi－n\x\to(x)\x\to(y),\o(∑,\s\up14(n),\s\do14(i＝1))x\o\al(2,i)－n\x\to(x)2)，eq\o(a,\s\up6(^))＝，其中称为样本点的中心．

〔4〕线性回归模型y＝bx＋a＋e，其中a和b是模型的未知参数，e称为，自变量x称为，因变量y称为．

2．残差的概念

对于样本点(x1，y1)，(x2，y2)，…，(xn，yn)而言，它们的随机误差为ei＝，i＝1,2，…，n，

其估计值为eq\o(e,\s\up6(^))i＝＝，i＝1,2，…，n，eq\o(e,\s\up6(^))i称为相应于点(xi，yi)的．

3．刻画回归效果的方式

〔1〕残差图法

作图时为残差，可以选为的样本编号，或身高数据，或体重的估计值等，这样作出的图形称为残差图．在残差图中，残差点地落在水平的带状区域中，说明选用的模型比拟适宜，这样的带状区域的宽度，说明模型拟合精度越高．

〔2〕残差平方和法

残差平方和eq\o(∑,\s\up14(n),\s\do14(i＝1))(yi－eq\o(y,\s\up6(^))i)2，残差平方和，模型拟合效果越好．

〔3〕利用R2刻画回归效果

R2＝；R2表示变量对于变量变化的奉献率．R2越接近于，表示回归的效果越好.

【问题探究】

[课堂导入]“名师出高徒”这句谚语的意思是什么？有名气的老师就一定能教出厉害的学生吗？这两者之间是否有关？

探究点一线性回归方程

问题1两个变量之间的关系分几类？

问题2什么叫回归分析？

问题3对具有线性相关关系的两个变量进行回归分析有哪几个步骤？

例1假设从某大学中随机选取8名女大学生，其身高和体重数据如下表所示：

编号

1

2

3

4

5

6

7

8

身高/cm

165

165

157

170

175

165

155

170

体重/kg

48

57

50

54

64

61

43

59

求根据女大学生的身高预报体重的回归方程，并预报一名身高为172cm的女大学生的体重．

思考根据前面得到的回归方程，能否预测一名美国女大学生的体重？建立回归模型后能否一劳永逸，在假设干年后还可以使用，或者适用于多年以前的女大学生体重预测？

小结在使用回归方程进行预报时要注意：

〔1〕回归方程只适用于我们所研究的样本的总体；

〔2〕我们建立的回归方程一般都有时间性；

〔3〕样本取值的范围会影响回归方程的适用范围；

〔4〕不能期望回归方程得到的预报值就是预报变量的精确值．

跟踪训练1某班5名学生的数学和物理成绩如表：

eq\o(\s\up14(学生),\s\do14(学科))

A

B

C

D

E

数学成绩(x)

88

76

73

66

63

物理成绩(y)

78

65

71

64

61

〔1〕画出散点图；

〔2〕求物理成绩y对数学成绩x的回归方程；

〔3〕一名学生的数学成绩是96，试预测他的物理成绩．

探究点二线性回归分析

问题1利用求得的回归方程进行预报，为什么得到的预报值和实际值并不相同？

问题2给出两个变量的回归方程，怎样判断拟合效果的好坏？

问题3如果R2≈0.64，表示什么意义？

例2