(北师大版)数学必修三：1.8《最小二乘估计》ppt课件.ppt

《(北师大版)数学必修三：1.8《最小二乘估计》ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、§8最小二乘估计在上节课的讨论中，我们知道，人体脂肪含量和年龄之间近似存在着线性关系，这种线性关系可以有多种方法来进行刻画.但是这些方法都缺少数学思想依据.问题1.用什么样的线性关系刻画会更好一些？想法：保证这条直线与所有点都接近（也就是距离最小）.最小二乘法就是基于这种想法.本节课我们来进行详细学习！1.了解最小二乘法的思想.2.能根据给出的线性回归方程系数公式建立线性回归方程.(重点)3.会用线性回归方程对总体进行估计.(难点）思考1.用什么样的方法刻画点与直线的距离会更方便有效？设直线方程为y=a+bx，样本点A（xi，yi）方法一:点到直线的距离公式方法二:

2、A0显然方法二能有效地表示点A与直线y=a+bx的距离，而且比方法一计算更方便，所以我们用它来表示二者之间的接近程度.思考2.怎样刻画多个点与直线的接近程度？例如有5个样本点，其坐标分别为（x1，y1），（x2，y2），（x3，y3），（x4，y4），（x5，y5），与直线y=a+bx的接近程度：提示：若有n个样本点：（x1，y1）,…,（xn，yn），可以用下面的表达式来刻画这些点与直线y＝a+bx的接近程度:使上式达到最小值的直线y=a+bx就是所要求的直线，这种方法称为最小二乘法.…………………①先来讨论3个样本点的情况思考3：怎样使达到最小值？利用配方法可得

3、同样使用配方法可以得到，当从而得到直线y=ɑ+bx的系数ɑ，b，且称直线y=ɑ+bx为这3个样本点的线性回归方程.用同样的方法我们可以推导出n个点的线性回归方程的系数：牢记公式特别提醒：在回归直线方程中，b是回归直线方程的斜率，a是截距；b的含义容易理解成增加的单位数，而实际上，它代表x每增加一个单位，y的平均增加单位数.一般地说，当回归系数b＞0时，说明两个变量呈正相关关系，它的意义是：当x每增加一个单位时，y就增加b个单位；当b＜0时，说明两个变量呈负相关关系，它的意义是：当x每增加一个单位时，y就减少b个单位.思考4:如果样本点只有两个，用最小二乘法得到的直线

4、与用两点式求出的直线一致吗？提示:是一致的.与用两点式相同.例1在上一节练习中，从散点图可以看出，某小卖部6天卖出热茶的杯数（y）与当天气温（x）之间是线性相关的.数据如下表:气温（xi）／℃261813104-1杯数（yi）／杯202434385064(1)试用最小二乘法求出线性回归方程.(2)如果某天的气温是－3℃，请预测这天可能会卖出热茶多少杯.解：（1）由散点图可以看出，两个变量是线性相关的.（2）由上面的最小二乘法估计得出的线性回归方程知，当某天的气温是－3℃时，卖出热茶的杯数估计为：57.557-1.648×(-3)≈63(杯）.1.利用最小二乘法估计时

5、，首先要作出数据的散点图，利用散点图观察数据是否具有线性关系.2.散点图呈现线性关系时，利用最小二乘法公式求出方程.3.直线拟合只是拟合的方式之一，散点图呈现其他的规律时，我们也可以利用其他的曲线进行拟合.【说明】例2下面是两个变量的一组数据：x12345678y1491625364964请用最小二乘法求出这两个变量之间的线性回归方程.解根据上表数据，可以计算出：其他数据如下表i111112244833992744161664552525125663636216774949343886464512合计362042041296，思考：哪一个对呢？y=-15+9x.所以

6、，利用最小二乘法估计时，要先作出数据的散点图.如果散点图呈现一定的规律性,我们再根据这个规律性进行拟合.如果散点图呈现出线性关系,我们可以用最小二乘法估计出线性回归方程;如果散点图呈现出其他的曲线关系,我们就要利用其他的工具进行拟合.x0123y1357D1.已知x，y之间的一组数据如下表，则y与x的线性回归方程y=a+bx必经过点()A.（2，2）B.（1.5，0）C.（1，2）D.（1.5，4）AA4.某连锁经营公司所属5个零售店某月的销售额和利润额资料如下表：（1）画出销售额和利润额的散点图.（2）若销售额和利润额具有相关关系，计算利润额y对销售额x的线性回归

7、方程.商店名称ABCDE销售额（x）/千万元35679利润额（y）/百万元23345ixiyixi2xiyi132962532515363361847449285958145合计3017200112（2）数据如下表：可以求得b=0.5,a=0.4线性回归方程为：/千万元解：（1）/百万元（1）散点图如图所示：2.线性回归方程的系数：1.最小二乘法的思想.一切澎湃于心，让我们真正能够在心里有所酝酿的东西，都值得我们去努力.