一元线性回归模型参数的最小二乘估计课件2025-2026学年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八章成对数据的统计分析

复习回顾Y称为因变量或响应变量；x称为自变量或解释变量e是Y与bx＋a之间的随机误差；a称为截距参数，b称为斜率参数一元线性回归模型：各个参数分别表示什么？

新知学习与函数模型不同，回归模型的参数一般是无法精确求出的，只能通过成对样本数据估计这两个参数，相当于寻找一条适当的直线，使表示成对样本数据的这些散点在整体上与这条直线最接近.问题1为了研究两个变量之间的相关关系，我们建立了一元线性回归模型表达式刻画的是变量Y与变量x之间的线性相关关系，其中参数a和b未知，

新知学习问题2：该怎样寻找一条“最好”的直线，使得表示成对样本数据的这些散点在整体上与这条直线最“接近”？(1)(2)(3)与直线距离和最小直线两侧点数量相等求斜率、截距平均数比较难操作，需另辟蹊径.

新知学习设满足一元线性回归模型的两个变量的n对样本数据为(x1，y1)，(x2，y2)，…，(xn，yn)由yi＝bxi＋a＋ei，得|yi－(bxi＋a)|＝|ei|.显然|ei|越小，表示点(xi，yi)与点(xi，bxi＋a)的“距离”越小，即样本数据点离直线y＝bx＋a的竖直距离越小.特别地，当ei＝0时，表示点(xi，yi