《3.1回归分析的基本思想及其初步应用》课件4

《《3.1回归分析的基本思想及其初步应用》课件4》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、3.1回归分析的基本思想及初步应用问题1：正方形的面积y与正方形的边长x之间的函数关系是y=x2确定性关系问题2：某水田水稻产量y与施肥量x之间是否有一个确定性的关系？例如：在7块并排、形状大小相同的试验田上进行施肥量对水稻产量影响的试验，得到如下所示的一组数据：施化肥量x15202530354045水稻产量y330345365405445450455复习、变量之间的两种关系1020304050500450400350300·······施化肥量x15202530354045水稻产量y330345365405445450455xy施化肥量水稻产量自

2、变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系.1、定义：1)：相关关系是一种不确定性关系；注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.2)：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.等等探索：水稻产量y与施肥量x之间大致有何规律？1020304050500450400350300·······发现：图中各点，大致分布在某条直线附近.探索2：在这些点附近可画直线不止一条，哪条直线最能代表x与y之间的关系呢？施化肥量x152025303

3、54045水稻产量y330345365405445450455xy散点图施化肥量水稻产量1020304050500450400350300·······xy施化肥量水稻产量1、所求直线方程叫做回归直线方程；相应的直线叫做回归直线.2、对两个变量进行的线性分析叫做线性回归分析.2、回归直线方程：最小二乘法：称为样本点的中心.例题1从某大学中随机选出8名女大学生，其身高和体重数据如下表：编号12345678身高165165157170175165155170体重4857505464614359求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身

4、高为172cm的女大学生的体重.1.散点图；2.回归方程：3.通过探究栏目引入“线性回归模型”.此处可以引导学生们体会函数模型与回归模型之间的差别.分析：由于问题中要求根据身高预报体重，因此选取身高为自变量，体重为因变量．相关系数r＞0正相关；r＜0负相关．通常，r>0.75，认为两个变量有很强的相关性．本例中，由上面公式r=0.798>0.75．探究？身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，其原因是什么？(1)由图形观察可以看出，样本点呈条状分布，身高和体重有比较好的线性相关关系，因此可以用线性回归方程刻画它们之间的关

5、系.(2)从散点图还可以看到，样本点散布在某一条直线的附近，而不是一条直线上，所以不能用一次函数y＝bx＋a来描述它们之间的关系.这时我们用下面的线性回归模型来描述身高和体重的关系：y＝bx＋a+e其中a和b为模型的未知参数，e是y与之间的误差，通常e称为随机误差.线性回归模型y＝bx＋a+ey＝bx＋a+e其中a和b为模型的未知参数，e是y与之间的误差，通常e称为随机误差.思考？产生随机误差e的原因是什么？p96探究？为了衡量预报的精度，需要估计的σ2值？(1)根据散点图来粗略判断它们是否线性相关.(2)是否可以用线性回归模型来拟合数据(3)通过

6、残差来判断模型拟合的效果这种分析工作称为残差分析