1-2第一节《1.1回归分析的基本思想及其初步应用》1ppt课件9

2 2 2 2 2 ＝ 88 ＋ 76 ＋ 73 ＋ 66 ＋ 63 ＝27 174. x2 i 5
5
i＝1
所以b＝
^
i＝1
xiyi－5 x y
2 2 x － 5 x i 5
5
25 054－5×73.2×67.8 ＝ 27 174－5×73.22
i＝1
≈0.625.
a＝ y －b x ≈67.8－0.625×73.2＝22.05. 所以 y 对 x 的回归直线方程是 y＝0.625x＋22.05. (3)x＝96，则y＝0.625×96＋22.05≈82， 即可以预测他的物理成绩是 82.
n ^ 2 (yi－yi) 称为残差平方和 ^ ^ ^ ^
i＝1
利用图形来分析残差特性，作图时纵坐标为 残差 ，横 残差图 坐标可以选为 样本编号 ，或 身高数据 ，或体重估计值 等，这样作出的图形称为残差图
残差 图法
残差点比较均匀地落在水平的带状区域内，说明选 用的模型比较适合，这样的带状区域的宽度越窄， 说明模型拟合精度越高
注 1）：相关关系是一种不确定性关系； 2）：对具有相关关系的两个变量进行
统计分析的方法叫回归分析。
课前探究学习
课堂讲练互动
活页规范训练
2、现实生活中存在着大量的相关关系。
如：人的身高与年龄； 产品的成本与生产数量；
商品的销售额与广告费；
家庭的支出与收入。等等
课前探究学习
课堂讲练互动
活页规范训练
2、回归直线方程： ˆ +a 1、所求直线方程 y ˆ 叫做回归直 ˆ = bx ---线方程；其中
[思路探索] 先利用散点图分析物理成绩与数学成绩是否线性相关，
若相关再利用线性回归模型求解．
解
(1)散点图如图．
1 (2) x ＝5×(88＋76＋73＋66＋63)＝73.2， 1 y ＝ ×(78＋65＋71＋64＋61)＝67.8. 5
i＝1
xiyi＝88×78＋76×65＋73×71＋66×64＋63×61＝25 054.
必修3(第二章 统计)知识结构
收集数据
(随机抽样)
整理、分析数据 估计、推断 用样本估计总体 变量间的相关关系
简 单 随 机 抽 样
分 层 抽 样
系 统 抽 样
用样本 的频率 分布估 计总体 分布
用样本 数字特 征估计 总体数 字特征
线 性 回 归 分 析
相关系数
1.计算公式
r=
(x
i=1 n i=1

6
275， xiyi＝1 076.2
i＝1
^ ^
6
计算得，b≈0.183，a≈6.285， 所求回归直线方程为y＝0.183x＋6.285.
^
(2)列表如下：
yi－yi
^
0.05
①y＝axn(其中a，x，y均为正值)(幂函数型函数)
lg y＝lg a＋n lg x，令u＝lg y，v＝lg x，b＝lg a， 则u＝nv＋b，图象为一直线． ②y＝cax(a＞0，c＞0)(指数型函数) lg y＝x lg a＋lg c，令u＝lg y，b＝lg c，d＝lg a，
则u＝dx＋b，图象为一直线．
e为
(2)对参数 a 和 b 的估计，由《数学必修 3》可知：最小二乘法估 计a和b就是未知参数 a、b 的最好估计，其计算公式为
^ ^
b＝
^
i＝1
xi－ x yi－ y xiyi－n x y
i＝1
n
n
＝
i＝1
xi－ x
n
2
i＝1
2 － n x x2 i
n
，a＝ y －b x ，
3．建立回归模型的基本步骤 (1)确定研究对象，明确哪个变量是解释变量，哪个变量是预报 变量． (2)画出确定好的解释变量和预报变量的散点图，观察它们之间 的关系(如是否存在线性关系等)．
(3)由经验确定回归方程的类型(如我们观察到数据呈线性关系，
则选用线性回归方程)． (4)按一定规则(如最小二乘法)估计回归方程中的参数． (5)得出结果后分析残差图是否有异常(如个别数据对应残差过大 或残差呈现不随机的规律性等)．若存在异常，则检查数据是否
1．1 回归分析的基本思想及其初步应用
【课标要求】
1．了解随机误差、残差、残差分析的概念； 2．会用残差分析判断线性回归模型的拟合效果； 3．掌握建立回归模型的步骤； 4．通过对典型案例的探究，了解回归分析的基本思想方法
和初步应用．
重点：利用散点图分析两个变量是否存在相关关系，求线性回 归方程． 难点、易错点：回归模型的选择，特别是非线性回归模型．
残差平 残差平方和为 (yi－y) ，残差平方和 越小 ，模型
i＝1
n
^ 2
方和 拟合效果越好
i＝1

n
n
^ 2 yi－yi
相关指 R2＝1－ 数R
2
Байду номын сангаас
， R2 表示 解释 变量对 预报 变量变
i＝1
2 y － y i
化的贡献率，R2 越接近于 1，表示回归的效果越好
想一想：回归分析中，利用线性回归方程求出的函数值一定是真实 值吗？为什么？ 提示 不一定是真实值，利用线性回归方程求的值，在很多时候是
【变式1】 以下是某地搜集到的新房屋的销售价格y和房屋的面积x
的数据：
房屋面积/m2
115 110
80
135 105
销售价格/万元 24.8 21.6 18.4 29.2 22 (1)画出数据对应的散点图；
(2)求线性回归方程，并在散点图中加上回归直线； (3)据(2)的结果估计当房屋面积为150 m2时的销售价格．
解 (1)数据对应的散点图如下图所示：
5 15 (2) x ＝ xi＝109， (xi－ x )2＝1 570， 5i＝1 i＝1
y ＝23.2， (xi－ x )(yi－ y )＝308.
i＝1
5
设所求回归直线方程为y＝bx＋a，
^
^
^
则b＝
^
i＝1
xi－ x yi－ y xi－ x 2
个预报值，例如，人的体重与身高存在一定的线性关系，但体重除
了受身高的影响外，还受其他因素的影响，如饮食，是否喜欢运动 等．
4．非线性回归分析
(1)非线性相关关系：样本点分布在某一条曲线的周围，而不是 一条直线附近．我们就称这两个变量之间不具有线性相关关系 而是非线性相关关系． (2)非线性回归方程线性化

ˆ= b
(x
i=1
n
i
- x)(yi - y) = - x)
2 i
x y - nxy
i i=1 n i
n
(x
i=1
n
x
i=1
2 i
- nx
2
,
ˆ ˆ = y - bx a
2.相应的直线叫做回归直线。 3、对两个变量进行的线性分析叫做线性 回归分析。
课前探究学习 课堂讲练互动 活页规范训练
^ ^
题型二 线性回归分析 【例2】 为研究重量x(单位：克)对弹簧长度y(单位：厘米)的影响，
对不同重量的6个物体进行测量，数据如下表所示：
x 5 10 15 20 25 30
y 7.25 8.12 8.95 9.90 10.9 11.8
(1)作出散点图并求线性回归方程；
(2)求出R2； (3)进行残差分析．
名师点睛 1．线性回归方程 (1)在分析两个变量的相关关系时， 可根据样本数据散点图确定 两个变量之间是否存在相关关系， 然后利用最小二乘法求出回 归直线方程． ^ x＋ a ^的关键是求未知参数a ^ 和b ^ ，其中b ^ (2)求线性回归方程^ y ＝b ^ ＝ y －b ^ x ，即 y ＝b ^ x ＋a ^，所以点 可借助于计算器求出，因为a ( x ， y )一定满足线性回归方程，即回归直线一定过点( x ， y )．
自学导引 1．回归分析
回归分析是对具有 相关关系 的两个变量进行统计分析的一种常
用方法． 2．线性回归模型 (1)由散点图易发现，样本点散布在某一条直线附近，而不是一 条直线上，不能用一次函数y＝bx＋a描述它们之间的关系，因 随机误差 ．
此用线性回归模型 y ＝bx ＋a ＋e 来表示，其中 a、 b 为未知参数，
试一试：下表是x和y之间的一组数据，则y关于x的线性回归方程必
过(
).
x 1 2 3 4
y 1 3 5 7
A．点(2,3)
C．点(2.5,4)
提示
B．点(1.5,4)
D．点(2.5,5)
选 C.线性回归方程必过样本点的中心( x ， y )，即(2.5,4)．
3．刻画回归效果的方式
数据点和它在回归直线上相应位置的差异(yi－yi)是随机 残差 误差．称ei＝yi－yi 为残差，ei 称为相应于点(xi，yi)的残 差.
n
i
- x)(yi - y)
n
2 2 (x x) (y y) i i
2．相关系数的性质 (1)|r|≤1．
i=1
(2)|r|越接近于1，相关程度越大；|r|越接近于0，相关程度
越小．
问题：达到怎样程度，x、y线性相关呢？它们的相关程度怎
样呢？
课前探究学习 课堂讲练互动 活页规范训练
n (xi -x)(yi -y) i=1 r= n n 2× (y -y)2 (x -x) i i i=1 i=1 ｒ＞０正相关；ｒ＜０负相关．通常，
有误，或模型是否合适等．
题型一 求线性回归方程
【例1】 某班5名学生的数学和物理成绩如下表：