8.2.2一元线性回归模型参数的最小二乘估计 课件-2024-2025学年高二下学期数学人教A版（2019）选择性必修第三册.pptx

8.2一元线性回归模型及其应用（第2课时）高二人教A版选择性必修第三册第八章——STR课堂教学模式

1.能通过具体实例说明一元线性回归模型修改的依据与方法.2.通过对具体问题的进一步分析，能将某些非线性回归问题转化为线性回归问题并加以解决，提高数学运算能力.3.能通过实例说明决定系数的意义和作用，发展数据分析能力.环节一、学习目标

【学习任务一】通过P105实例和“思考”，理解“一元线性回归模型”，并能说明模型参数的统计意义.通过P106“思考”理解产生“随机误差项的原因”．【学习任务二】了解P107“探究”，体会一元线性回归模型参数的最小二乘估计原理，并能推导参数估计公式．【学习任务三】理解P110“思考”、P112“思考”，学会合理利用通过对残差和残差图的分析，能用残差判断一元线性回归模型的有效性.．环节二、自学内容（10分钟）

编号123456胸径/cm18.120.122.224.426.028.3树高/m18.819.221.021.022.122.1编号789101112胸径/cm29.632.433.735.738.340.2树高/m22.422.623.024.323.924.7例经验表明,对于同一树种,一般树的胸径(树的主干在地面以上1.3m处的直径)越大,树就越高.由于测量树高比测量胸径困难，因此研究人员希望由胸径预测树高.在研究树高与胸径之间的关系时,某林场收集了某种树的一些数据如下表所示,试根据这些数据建立树高关于胸径的经验回归方程.环节三、小组展示（1）（5分钟）

解:以胸径为横坐标,树高为纵坐标作散点图如下：散点大致分布在一条从左下角到右上角的直线附近，表明两个变量线性相关，并且是正相关，因此可以用一元线性回归模型刻画树高与胸径之间的关系2422161820树高/m354045胸径/cm26············

用d表示胸径,h表示树高,建立h关于d的线性回归模型为所以h关于d的经验回归方程为.由表中数据，得

根据经验回归方程，由胸径的数据可以计算出树高的预测值(精确到0.1)以及相应的残差，如下表所示.编号胸径/cm树高观测值/m树高预测值/m残差/m118.118.819.4-0.6220.119.219.9-0.7322.221.020.40.6424.421.020.90.1526.022.121.30.8628.322.121.90.2729.622.422.20.2832.422.622.9-0.3933.723.023.2-0.21035.724.323.70.61138.323.924.4-0.51240.224.724.9-0.2

以胸径为横坐标，残差为纵坐标，作残差图，得到下图-1.0-0.50.00.51.0·······残差/m·····354045胸径/cm观察残差表和残差图，可以看到残差的绝对值最大是0.8，残差点均匀分布在以横轴为对称轴、宽度小于2的带状区域内.可见经验回归方程较好地刻画了树高与胸径的关系，我们可以根据经验回归方程由胸径预测树高.

建立一元线性回归模型的步骤：1.利用散点图和线性相关系数r判断两个变量的相关程度；2.两个变量线性相关时，建立一元线性回归模型；3.根据最小二乘法，估计经验回归方程的参数；4.对回归方程作残差分析.【归纳总结】

编份18961912192119301936195619601968记录/s11.8010.6010.4010.3010.2010.1010.009.95问题：人们常将男子短跑100m的高水平运动员称为“百米飞人”.下表给出了1968年之前男子短跑100m世界纪录产生的年份和世界纪录的数据.试依据这些成对数据，建立男子短跑100m世界纪录关于纪录产生年份的经验回归方程.以成对数据中的世界纪录产生年份为横坐标,世界纪录为纵坐标作散点图,得到下图192019101900189011.511.09.510.010.5记录/s1950年份12.0········19601970在左图中，散点看上去大致分布在一条直线附近，似乎可用一元线性回归模型建立经验回归方程.环节四、小组展示（2）（5分钟）

将经验回归直线叠加到散点图，得到下图：用Y表示男子短跑100m的世界纪录,t表示纪录产生的年份,利用一元线性回归模型来刻画世界纪录和世界纪录产生年份之间的关系