7.1.2 一元线性回归方程 课件（17页） 北师大版（2019）高中数学选择性必修第一册.pptxVIP

第七章统计案例

7.1.2一元线性回归方程;

学习目标

1.了解线性回归的基本思想，会求一元线性回归方程并能根据线性回归方程进行预测.

2.体会用向量解决数学问题的作用.;

情景导入

情境：同学们，一到夏天，最离不开的家电就是“空调”!空调能帮我们

对抗炎热，但随之而来的还有一项“夏日支出”——电费.最近老师收集了某家庭7、8月份每周的“周平均气温”和“周电费”数据，大家一起看看这组生活数据里藏着什么规律：;

对于给定的两个变量X和Y(如气温和电费),假设有n对观测值

(x?,y?),(x?,y?),(x?,y?),…,(xn,yn).

我们可以拟合的出一条直线Y=a+bX,直线上的任意一点，要尽

可能的接近所有观测点，则样本点与这条直线的距离可表示为：

[v?-(a+bx)]2+[y?-(a+bx?)2+…+[yn-(a+bx)2

使得a,b的取值能使上式达到最小的方法称为最小二乘法.;

先研究简单的情形，考虑3对数据(x?,y?),(x?,y?),(x?,y?),即：

求a,b的值，使得偏差y;-(a+bx;)(i=1,2,3)的平方和最小，

[v?-(a+bx?)]2+[y?-(a+bx?)]2+[y?-(a+bx?)]2达到最小.

下面用向量的方法解决这个问题(用向量的语言描述问题)

“求a,b的值，使得偏差y-(a+bx;)(i=1,2,3)的平方和最小”

等价于“求a,b的值，使得向量(y?-(a+bx?),y?-(a+bx?),y?-(a+bx?))的长度最小”;

(y?-(a+bx?),y?-(a+bx?),y?-(a+bx?))

=(y?,y?,y?)-(a+bx?,a+bx?,a+bx?)

=(y?,y2,y?)-[(a,a,a)+(bx?,bx?,bx?)]

=(y?,y?,y?)-[a(1,1,1)+b(x?,X?,x?)]

=OY-(aOi+bOX).

其中，OY=(y?,y?,y?),OI=(1,1,1),OX=(x,x?,x?),均为已知向量.

问题转化为：求a,b的值，使OY-(aoi+bOX)的长度最小.;

用向量的方法思考问题.

如图，Oi和OX成确定一个平面，记作αa.

由平面向量基本定理可知，对任意的a,b,aOI+bOX都在平面α内；

反之，平面α内的任意向量都可以用aOI+bOX来表示.

当a,b变化时，aOI+bOX=OM的端点M是平面α内的一个动点.

如图，OY-(aOI+bOX)=MY,其中，点Y是平面a外的一个定点.;

问题探究

要使|oY-(aoi+bX)最小，即MY|最小，由点到平面距离的定义，

当MYLα时，线段MY的长度最短，;

用向量的方法解决问题.

求|0Y-(aoi+bOX)最小时的a,b的值，就是求OY-(aoi+bOX)与Oi和OX

的数量积分别为0时的a,b的值，即;

a=y-bx.②

①,②两式推广到n对数据(x?,y?),(x?,y?),…,(xn,yn)仍然成立，

即：[y?-(a+bx)]2+[y?-(a+bx?)2+…+[y,-(a+bx。)]2达到最小的a,b取值为;

直线方程Y=a+bX称作Y关于X的线性回归方程，相应的直线称作Y

关于X的回归直线(如图),a,b是这个线性回归方程的系数.

Y=a+bX

OX;

根据表中气温、电费的数据，利用上述方法得到气温和电费满足的线

性回归方程为Y=1.83X-20.79.

由此可知，气温为30℃时，电费大约为34.11元；同理，假设9月份

第1周的平均气温为36℃,则本周电费大约为45.09元.

注意：气温和电费之间并没有函数关系，得到的线性回归方程只是对

其变化趋势的一种近似描述.对给定的一个周平均温度，人们可以用这个方程来估计这周的平均电费；但模型需要根据数据实际数据进行一定修正.;

(1)试用最小二乘法求出Y关于X的线性回归方程；

(2)如果某天的气温是-3℃,请预测这天可能会卖出热茶多少杯?

(1)画出散点图中可以看出，

表中的两个变量有近似的线性关系.;

i;

(2)如果某天的气温是-3℃,请预测这天可能会卖出热茶多少杯?

(2)由最小二乘法得出的线性回归方程可知，当某天的气温是-3℃时，卖出热