教案《最小二乘法》

教案《最小二乘法》

ID:28033487

大小:84.03 KB

页数:5页

时间:2018-12-07

教案《最小二乘法》_第1页
教案《最小二乘法》_第2页
教案《最小二乘法》_第3页
教案《最小二乘法》_第4页
教案《最小二乘法》_第5页
资源描述:

《教案《最小二乘法》》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、8最小二乘法一、教学分析最小二乘法的思想是使&-的和达到最小。对于最小二乘法本身,任何一组数据,不论它们之间是否存在线性相关关系,都可以用最小二乘法佔计出一个线性方程来。所以,通过散点图判断两个变量是否存在线性相关系就显得很重耍。二、教学建议关于最小二乘法不要求学生掌握推导过程,但要理解其思想。三、教学S标1、知识与技能了解最小法的思想,能根据给出的线性回归方程的系数公式建立线性回归方程。2、过程与方法经历用不同的估算方法来描述两个变量线性相关的过程,体会研究两个变量间依赖关系的一般方法。3、情感态度价值观通过利用散点图直观认

2、识变量间的相关关系,培养学生用普遍联系的观点思考和解决生活屮的数学现象,进一步培养学生的创新意识与创新能力。四、教学重点、难点教学重点:利用最小二乘法求线性回归方程。教学难点:线性回归方程的推导。(一)课题引入在上一节的讨论我们知道,人的身高与右手一拃长之间的总体趋势是成一条直线,也就说,它们之间是线性相关的。这种线性关系可以用多种方法来刻画,那么用什么样的线性关系刻画会更好呢?一个好的线性关系要保证这条直线与所有点都接近。(二)探求新知假设一条直线的方程为:y=a+bx,任意给定一个样本点:即有一个估计值+与之对应,那么估计

3、值与真实值之间存在误差[X.-(6Z4-^.)],为了避免误差相互抵消,可以考虑用+来刻画彼此之间的“误差”。如果有n个样本点,艽坐标分别为k,yKx2,y2;),一,k,x,;),则所有误差的和-(6T+/?%,)]"+[%-(0+加2)丁+…+[X,-(<3+fex,,)]_越小,对应的直线方程就越理想。使得上式达到最小值的直线y=G+就是所要求的直线,我们把这种方法称为最小二乘法。记:;=W...+”2+...+凡,贝。nn22~12=na+{bx--n{bx-4-^2(};-/?xz)2,戶斤以当tz=)’一/)%时,

4、_h式取得一/=1最小值。将这个关系式代入上式,整理成关于未知数b的一元二次多项式的形式:22Z(^-^)2=z?2Z(x/-x)-2Z(x-y)(^-^)+Z(x-v)/=1,=

5、/=

6、/=1”—_^x^-nx-y所以当气了时,点k,x.)与直线最接近。这样得到的2-nxi=方程称为线性冋归方程,仏/7称为线性冋归方程的系数。(三)知识应用例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。数据如下表所示:气温(x)rc261813104-1杯数202434385064

7、(1)试用最小二乘法求出线性回归方程。(2)如果某天气温是-5°C,请预测大约能卖出热茶多少杯。杯数♦An□uAn20♦♦on♦▲1n0iiiiii-5051015202530气温解:(1)从散点图可以看出,两个变量是线性相关的。可求得33例2、下面是两个变量的一组数据:进而求得/7=-1.648,u=57.557。于是,线性回归方程为y=57.557-1.648%。(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-5°C时,卖出热茶的倍数估计为57.557-1.648x(-5)=65.797-66oXl234

8、5678y1491625364964(1)请用最小二乘法求出这两个变量之间的线性回归方程;(2)观察散点图,你发现线性冋归方程能否反映两变量之间的相关关系吗?解:线性冋归方程为y=-15+9%。但是,从表中数据很容易看出:y=此时,最小二乘法得到的线性回归方程已经失去丫意义。所以,利用最小二乘法进行估计时,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。(三)课堂练习

9、1、设^^乂),^^,}^),…,(x3,y3)是变量和y的/I个样本点,直线Z是由这些样本点通过最小二乘法得到的线性回归方程(如图),以下结论中正确的是()八.冋归直线是经过散点图上最多点的直线B.若回归方程为;v=-0.5x+l,则当x=10时,>,一定等于6C.当Z7为偶数时,分布在Z两侧的样本点的个数一定相同D.直线/过点(三丁)解析:根据最小二乘法的有关概念:样木点的中心,相关系数线,性回归方程的意义等进行判断。选D2、(2011年广东卷)为了解篮球爱好者小李的投篮命中率与打篮球时间之间的关系,下表记录了小李某月1号

10、到5号每天打篮球时间x(单位:小时)与当天投篮命中率y之间的关系:时间I12345命中率0.40.50.60.60.4小李这5天的平均投篮命中率为:用线性回归分析的方法,预测小李每月6号打篮球6小时的投篮命屮率为。0.5,0.533、课本57页练习(1)线性冋归方程为.v=-

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。