1.1回归分析的基本思想及其初步应用.docxVIP

解读“回归分析的基本思想及其初步应用”

人教A版选修1一2选修2-3“1.13.1回归分析的基本思想及其初步应用”一节的内容，是必修3“2.3变量间的相关关系”一节的延伸与深化.公式繁杂是本节课的特色，学生往往感觉比拟混乱.解决这一问题的的方法是在理解统计思想的基础上，从整体把握本节内容.

—.知识要点：

1、理解图1所示的知识结构/事件\

回归方程的本质是用函数（确定）关系拟合相关选取代切\反映本质（不确定）关系.这很自然地引出三个问题，一是用怎/抽样预测\

的样的函数关系拟合？二是如何拟合为函数关系…/\--回归方程？三是如何定量地给出这种拟合的准确程度？样本数据决正.回归方程前二者在必修3,后者就是本节所研究的回归分析.囱1

2、如何确定拟合函数：

（1）通过“散点图”观察，结合原有函数知识确定拟合函数.显然，图2所示数据散落在一条直线附近，数据具有较强的线性相关关系，故宜用线性回归，即用回归直线y=bx+a拟合；对于图3,通过观察发现是一个非线性的问题，根据已有的函数知识，可以发现样本点分布在某一条指数函数曲线尸Gc的周围（其中q,C?是待定的参数），故可用指数函数模型来拟合这两个变量.在上式两边取对数，得ln），=qx+lnq,再令z=lny,那么z=C2X+lnq,而z与x间的关系为线性关系.

图勿

图勿

（2）用相关系数,来衡量两个变量间线性相关关系的强弱.

￡（?E-力

i=l

￡d）2￡d）2

/=1i=\

假设通过样本数据求得|r|0.75,那么说明两个变量间具有很强的线性相关关系，用线性同归方程5=济+。；0.25|/j0.75那么要用非线性函数拟合；|r|0.25那么说明两个变量间的相关性非常弱.

3、关于回归方程：

（I）线性回归：

对于一组具有较强线性相关关系的数据（如下表）我们得到其回归直线方程y=bx+a

X

X

X2

???

与

???

y

力

???

???

片T

*

XX

X

X2

???

与

???

y

力

???

???

片T

*

中求系数/;《估计值的最小二乘法（在古汉语中“平方”称为“二乘，就是使￡（月-S，）最小，公式分别为：

/=!

Z(也-好)(x-y)X也凹庆顼

b=上七=号与a=y-bx.

￡(xf-X)2Z妒一n^2i=\i=l

（2）非线性回归：

此类问题要根据已有的函数知识，可以发现样本点分布规律.下面以?实例来说明：一只红铃虫的产卵数），和温度x有关，现收集了7组观测数据列于下表中，试建立），与x之间的回归方程.

温度X/C

21

23

25

27

29

32

35

产卵数），/个

7

11

2]

24

66

115

325

画出散点图图4,通过观察图4中的散点图，发现样本点并没有分布在某个带状区域内，即两个变量不呈线性相关关系，所以不能直接用线性I口I归方程来建立两个变量之间的关系.

根据己有的函数知识，可以发现样本点分布在某一条指数函数曲线y=C,eC2X的周围（其中q,C2是待定的参数），故可用指数函数模型来拟合这两个变量.

（3）在上式两边取对数，Iny=c2x+Inc}?再令z=】ny,贝0z=c2x+\nc},而z与x间的关系如下：

X

21

23

25

27

29

32

35

Z

1.946

2.398

3.045

3.178

4.190

4.745

5.784

观察z与x的散点图5,可以发现变换后样本点分布在一条直线的附近，因此可?以用线性回归方程来拟合.

利用计算器算得。=-3.843,3=0.272,z与x间的线性回归方程为；=（）.272x-3.843,因此红铃虫的产卵数对温度的非线性回归方程为5=沼刀2、-3.心.

4、关于回归分析：

所谓回归分析就是定量地给出上述拟合的准确程度，即回归效果.有两种途径：

（1）利用残差：

①残差分析：分析每个可以借助残差图，寻找异常点.具体做法：以样本编号为横坐标，以残差为纵坐标作出残差图.观察残差图，如果残差点比拟均匀地落在水平的带状区域中，说明选用的模型比拟合适，这样的带状区域的宽度越窄，模型拟合精度越高，回归方程的预报精度越高.

②残差平方和：其表达式为?＞：=￡（月一5），从整体上分析这种差异的大小.假设残差J=li=!

平方和相对样本数据来说是很小的，就说明拟合效果很好.

（2）利用相关指数：相关指数A?也是一种刻划拟合效果的统计量.具体公式如下r2=\

4=1这里我们需要注意如下的儿点:

首先，应该明确，表达式￡（凹-￡）2是线性回归的一个核心概念，回归方程中的系数i=\80确实定依据就