回归分析的基本思想及其初步应用三课时.pptVIP

在线性回归模型y=bx+a+e中，y的值由x和随机误差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.当随机误差e恒等于0时，线性回归模型就变成一次函数模型。即：一次函数模型是线性回归模型的特殊形式。例如：编号为6的女大学生，计算随机误差的效应（残差）61－（0.849×165－85.712）=6.627思考如何发现数据中的错误？如何衡量模型的拟合效果个样本点和第.,,,.,;,,.,61,31.1越高回归方程的预报精确度拟合精度越高说明模型区域的宽度越窄均匀地落在水平的带状残差点比较另外则需要寻找其他的原因没有错误如果数据采集合数据归模型拟性回利用线然后再重新予以纠正就果数据采集有错误如是否有人为的错误点的过程中两个样本需要确认在采集这大个样本点的残差比较第出中可以看从图-3.1回归分析的基本思想及其初步应用变量之间的两种关系问题2：某水田水稻产量y与施肥量x之间是否有一个确定性的关系？y=x2问题1：正方形的面积y与正方形的边长x之间的函数关系是确定性关系自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系.注：（1）相关关系是一种不确定性关系；定义：对具有相关关系的两个变量进行统计分析的方法叫回归分析.1020304050500450400350300·······施化肥量x15202530354045水稻产量y330345365405445450455xy施化肥量水稻产量思考1：水稻产量y与施肥量x之间大致有何规律？散点图发现：图中各点，大致分布在某条直线附近.如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线叫做回归直线。02思考2：在这些点附近可画不止一条直线，哪条直线最能代表x与y之间的关系呢？01回归直线方程2其回归直线方程为3回归直线过样本点的中心。1对于一组具有线性相关的数据4称为样本点的中心.最小二乘估计求回归直线方程的步骤：logo（3）代入公式（4）写出直线方程为y=bx+a,即为所求的回归直线方程。试一试：下表是x和y之间的一组数据，则y关于x的线性回归方程必过 ().A．点(2,3)B．点(1.5,4)C．点(2.5,4)D．点(2.5,5)x1234y1357练习、观察两相关量得如下数据:求两变量间的回归方程.解：列表：x-1-2-3-4-553421y-9-7-5-3-115379i12345678910xi-1-2-3-4-553421yi-9-7-5-3-115379xiyi9141512551512149∴所求回归直线方程为第二课时3.1回归分析的基本思想及其初步应用例1从某大学中随机选出8名女大学生，其身高和体重数据如下表：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.编号12345678身高165165157170175165155170体重4857505464614359例1从某大学中随机选出8名女大学生……解：由于问题中要求根据身高预报体重，因此选取身高为自变量x，体重为因变量y.作散点图1由散点图可知，身高和体重有比较好的线性相关关系，设回归直线方程为2由系数公式得3所以回归方程为对于身高172cm的女大学生，可以预报其体重为01确定变量；02作散点图，判断相关关系；03设回归方程；04求回归方程；05根据回归方程作出预报.06解答步骤：探究身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，请解析一下原因。实际上，60.316kg是身高为172cm的女大学生的平均体重的估计值，而不一定是这位身高172cm的女大学生的真实体重。也就是说，身高为172cm的女大学生的平均