选修2-3第三章《回归分析的基本思想及其初步应用》.docVIP

PAGE

精锐教育学科教师辅导讲义

讲义编号

学员编号：年级：课时数：3

学员姓名：辅导科目：数学学科教师：

课题

回归分析的基本思想及其初步应用

授课日期及时段

教学目的

1、掌握线性回归模型的建立和线性回归系数的最佳估计值的探求方法；

2、掌握相关系数的性质及其显著性检验的基本思想、操作步骤。

教学内容

一、日校的问题解决

二、知识梳理

第一部分

（一）．问题情境

1．情境：对一作直线运动的质点的运动过程观测了次，得到如下表所示的数据，试估计当x=９时的位置y的值．

时刻/s

位置观测值/cm

根据《数学（必修）》中的有关内容，解决这个问题的方法是：

先作散点图，如下图所示：

从散点图中可以看出，样本点呈直线趋势，时间与位置观测值y之间有着较好的线性关系．因此可以用线性回归方程来刻画它们之间的关系．根据线性回归的系数公式，

可以得到线性回归方为，所以当时，由线性回归方程可以估计其位置值为

2．问题：在时刻时，质点的运动位置一定是吗？

（二）．学生活动

思考，讨论：这些点并不都在同一条直线上，上述直线并不能精确地反映与之间的关系，的值不能由完全确定，它们之间是统计相关关系，的实际值与估计值之间存在着误差．

（三）．建构数学

1．线性回归模型的定义：

我们将用于估计值的线性函数作为确定性函数；

的实际值与估计值之间的误差记为，称之为随机误差；

将称为线性回归模型．

说明：（1）产生随机误差的主要原因有：

①所用的确定性函数不恰当引起的误差；

②忽略了某些因素的影响；

③存在观测误差．

（2）对于线性回归模型，我们应该考虑下面两个问题：

①模型是否合理（这个问题在下一节课解决）；

②在模型合理的情况下，如何估计，？

2．探求线性回归系数的最佳估计值：

对于问题②，设有对观测数据，根据线性回归模型，对于每一个，对应的随机误差项，我们希望总误差越小越好，即要使越小越好．所以，只要求出使取得最小值时的，值作为，的估计值，记为，．

注：这里的就是拟合直线上的点到点的距离．

用什么方法求，？

回忆《数学3（必修）》“2．4线性回归方程”P71“热茶问题”中求，的方法：最小二乘法．

利用最小二乘法可以得到，的计算公式为

，

其中，

由此得到的直线就称为这对数据的回归直线，此直线方程即为线性回归方程．其中，分别为，的估计值，称为回归截距，称为回归系数，称为回归值．

在前面质点运动的线性回归方程中，，．

3．线性回归方程中，的意义是：以为基数，每增加1个单位，相应地平均增加个单位；

4．化归思想（转化思想）

在实际问题中，有时两个变量之间的关系并不是线性关系，这就需要我们根据专业知识或散点图，对某些特殊的非线性关系，选择适当的变量代换，把非线性方程转化为线性回归方程，从而确定未知参数．下面列举出一些常见的曲线方程，并给出相应的化为线性回归方程的换元公式．

（1），令，，则有．

（2），令，，，则有．

（3），令，，，则有．

（4），令，，，则有．

（5），令，，则有．

第二部分

（一）．问题情境

1．情境：下面是一组数据的散点图，若求出相应的线性回归方程，求出的线性回归方程可以用作预测和估计吗？

2．问题：思考、讨论：求得的线性回归方程是否有实际意义．

（二）．学生活动

对任意给定的样本数据，由计算公式都可以求出相应的线性回归方程，但求得的线性回归方程未必有实际意义．左图中的散点明显不在一条直线附近，不能进行线性拟合，求得的线性回归方程是没有实际意义的；右图中的散点基本上在一条直线附近，我们可以粗略地估计两个变量间有线性相关关系，但它们线性相关的程度如何，如何较为精确地刻画线性相关关系呢？

这就是上节课提到的问题①，即模型的合理性问题．为了回答这个问题，我们需要对变量与的线性相关性进行检验（简称相关性检验）．

（三）．建构数学

1．相关系数的计算公式：

对于，随机取到的对数据，样本相关系数的计算公式为

．

2．相关系数的性质：

（1）；

（2）越接近与1，，的线性相关程度越强；

（3）越接近与0，，的线性相关程度越弱．

可见，一条回归直线有多大的预测功能，和变量间的相关系数密切相关．

3．对相关系数进行显著性检验的步骤：

相关系数的绝对值与1接近到什么程度才表明利用线性回归模型比较合理呢？这需要对相关系数进行显著性检验．对此，在统计上有明确的检验方法，基本步骤是：

（1）提出统计假设：变量，不具有线性相关关系；

（2）如果以的把握作出推断，那么可以根据与（是样本容量）在附录（