一元线性回归模型参数的最小二乘估计高二下学期数学人教A版选择性必修第三册.pptxVIP

8.2.2一元线性回归模型参数的最小二乘估计(第二课时）;对于一组具有线性相关关系的数据;典型例题;解:以胸径为横坐标,树高为纵坐标作散点图如下：;编号;编号;将经验回归直线叠加到散点图，得到下图：;回顾已有的函数知识，可以发现函数y=-lnx的图象具有类似的形状特征;令x=ln(t-1895)，则Y=c2x+c1;;对于通过创纪录时间预报世界纪录的问题，我们建立了两个回归模型，得到了两个回归方程，你能判断哪个回归方程拟合的精度更好吗？;?;(4)用新的观测数据来检验模型的拟合效果,事实上,我们还有1968年之后的男子短跑100m世界纪录数据,如表所示;思考：在上述问题情境中,男子短跑100m世界纪录和纪录创建年份之间呈现出对数关系,能借助于样本相关系数刻画这种关系的强弱吗?;一只药用昆虫的产卵数y与一定范围内的温度x有关，现收集了6组观测数据列于表中：;?;所以回归方程是;探究P4：

身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解析一下原因吗？;思考P6：

如何刻画预报变量（体重）的变化？这个变化在多大程度上

与解析变量（身高）有关？在多大程度上与随机误差有关？;59;用这种方法可以对所有预报变量计算组合效应。;59;在例3中，残差平方和约为128.361。;显然，R2的值越大，说明残差平方和越小，也就是说模型拟