数学2-3-31回归分析的基本思想及其初步应用市公开课一等奖省赛课获奖课件.pptxVIP

3.1回归分析基本思想及其初步应用;比《数学必3》中“回归”增加内容;1、两个变量关系;思索：相关关系与函数关系有怎样不一样？;问题2：对于线性相关两个变量用什么方法来刻划之间关系呢？;例1从某大学中随机选出8名女大学生，其身高和体重数据以下表：;1.散点图；

2.回归方程：

;（1）由图形观察能够看出，样本点呈条状分布，身高和体重有比很好线性相关关系，所以能够用线性回归方程刻画它们之间关系。;

（2）从散点图还能够看到，样本点散布在某一条直线附近，而不是一条直线上，所以不能用一次函数ｙ＝ｂｘ＋ａ来描述它们之间关系。这时我们用下面线性回归模型来描述身高和体重关系：ｙ＝ｂｘ＋ａ+ｅ其中ａ和ｂ为模型未知参数，e是y与=bx+a之间误差,通常ｅ称为随机误差。;其中a和b为模型未知参数，e称为随机误差。;思索:

产生随机误差项e原因是什么？;函数模型与“回归模型”差异：;问题二：在线性回归模型中，e是用bx+a预报真实值y随机误差，它是一个不可观察量，那么应怎样研究随机误差呢？;表3-2列出了女大学生身高和体重原始数据以及对应残差数据。;残差图制作及作用。

坐标纵轴为残差变量，横轴能够有不一样选择；

若模型选择正确，残差图中点应该分布在以横轴为心带形区域；

对于远离横轴点，要尤其注意。;问题三：怎样发觉数据中错误？怎样衡量随机模型拟合效果？;(2)残差图制作