（命題回歸分析的基本思想及其初步應(yīng)用）人教版高中數(shù)學(xué)選修1-2教學(xué)課件（第1.1.1課時(shí)）

1、講解人：精品課件 時(shí)間：2020.6.1PEOPLES EDUCATION PRESS HIGH SCHOOL MATHEMATICS ELECTIVE 1-21.1命題回歸分析的基本思想及其初步應(yīng)用第1章 統(tǒng)計(jì)案例人教版高中數(shù)學(xué)選修1-2第一頁(yè)，共二十七頁(yè)。通過(guò)對(duì)必修的學(xué)習(xí)，我們知道，變量之間存在關(guān)系時(shí)，有兩種關(guān)系：確 定 性 關(guān) 系非確定性關(guān)系函數(shù)關(guān)系相關(guān)關(guān)系函數(shù)關(guān)系是非常明確的關(guān)系，相關(guān)關(guān)系確實(shí)一種變化的，通過(guò)數(shù)學(xué)3的學(xué)習(xí)我們知道，回歸分析(regression analysis)是相關(guān)關(guān)系的一種分析方法，它是對(duì)具有相關(guān)關(guān)系的兩個(gè)變量進(jìn)行統(tǒng)計(jì)分析一般步驟為：課前導(dǎo)入第二頁(yè)，共二十七頁(yè)。散

2、點(diǎn)圖求回歸方程利用回歸方程預(yù)報(bào)下面我們通過(guò)實(shí)際案例。進(jìn)一步學(xué)習(xí)回歸分析的基本思想及其應(yīng)用二分法函數(shù)關(guān)系課前導(dǎo)入第三頁(yè)，共二十七頁(yè)。例1.從某大學(xué)中隨機(jī)選取8名女大學(xué)生。其身高和體重?cái)?shù)據(jù)如表所示：編號(hào)12345678身高cm165165157170175165155170體重kg4857505464614359求根據(jù)一名大學(xué)生的身高預(yù)報(bào)她的體重的回歸方程，并預(yù)報(bào)一名172cm的女大學(xué)生的體重。新知探究第四頁(yè)，共二十七頁(yè)。解利用前面的知識(shí)我們首先作身高x和體重y的散點(diǎn)圖：新知探究第五頁(yè)，共二十七頁(yè)。從圖可以看出，樣本點(diǎn)的分布有比較好的線性關(guān)系，因此可以用線性回歸來(lái)刻畫它們之間的關(guān)系.會(huì)求它們的方程

3、嗎?事實(shí)上,從散點(diǎn)圖可以看出,樣本點(diǎn)并不是分布在這條直線上,而是分布在它的兩邊,所以嚴(yán)格來(lái)說(shuō)： y=bx+a不是真正的表示它們之間的關(guān)系，這時(shí)我們把身高和體重的關(guān)系做一下調(diào)整來(lái)模擬回歸關(guān)系：Y=bx+a+e其中a和b為模型的未知參數(shù)，e稱為隨機(jī)誤差如何產(chǎn)生的？新知探究第六頁(yè)，共二十七頁(yè)。身高X(cm)體重y(kg)飲食習(xí)慣運(yùn)動(dòng)習(xí)慣質(zhì)量誤差新知探究第七頁(yè)，共二十七頁(yè)。線性回歸模型y=bx+a+e與我們了的一次函數(shù)模型不同之處在于多了一個(gè)隨機(jī)誤差e，y的值有它們一起決定解釋變量x預(yù)報(bào)變量y隨機(jī)誤差e如何估計(jì)a，b，e？新知探究第八頁(yè)，共二十七頁(yè)。1.a，b的估計(jì)：a,b的估計(jì)和最小二乘法估計(jì)一樣其

4、中稱為樣本的中心新知探究第九頁(yè)，共二十七頁(yè)。2.e的估計(jì)y=0.849x-85.712通過(guò)數(shù)學(xué)3的學(xué)習(xí)我們知道，它們之間是正相關(guān)的，我們用它們的相關(guān)系數(shù)r來(lái)衡量它們之間的相關(guān)性的強(qiáng)弱新知探究第十頁(yè)，共二十七頁(yè)。1.當(dāng)r0時(shí)，正相關(guān)2.當(dāng)r0.75是，認(rèn)為兩個(gè)變量有極強(qiáng)的線性相關(guān)關(guān)系。3.當(dāng)r0時(shí)，無(wú)相關(guān)新知探究第十一頁(yè)，共二十七頁(yè)。在上面的例子中我們假設(shè)體重與身高沒(méi)有關(guān)系即：體重都為：則，她們身高體重的散點(diǎn)圖應(yīng)該在一條水平直線上：新知探究第十二頁(yè)，共二十七頁(yè)。事實(shí)上，并非如此，它們和45.5之間存在差別，這時(shí)我們就引入隨機(jī)誤差，利用隨機(jī)誤差和解釋變量共同來(lái)預(yù)報(bào)變量y把所有的這種效應(yīng)利用總體偏差

5、平方和合并成一個(gè)數(shù)總體偏差平方和解釋變量隨機(jī)誤差？新知探究第十三頁(yè)，共二十七頁(yè)。我們現(xiàn)在要弄清楚這個(gè)總的效應(yīng)中，有多少來(lái)自解釋變量，有多少來(lái)自隨機(jī)誤差，即：哪一個(gè)效應(yīng)起決定性作用？根據(jù)我們?cè)跀?shù)學(xué)3總的知識(shí)，我們知道：每個(gè)點(diǎn)與回歸方程的差異我們可以用 來(lái)表示，記作： (殘差(residual)它剛好可以表示隨機(jī)誤差的效應(yīng)。新知探究為什么說(shuō)可以用殘差來(lái)表示隨機(jī)誤差的效應(yīng)？怎樣去刻畫每個(gè)效應(yīng)呢？第十四頁(yè)，共二十七頁(yè)。為了回歸的準(zhǔn)確和計(jì)算的方便我們引入殘差平方和(residual sum of squares)它代表隨機(jī)誤差的效應(yīng)求出了隨機(jī)誤差的效應(yīng)后，我們就比較容易得到解釋變量的效應(yīng)了。同學(xué)們知道怎

6、樣求嗎？解釋變量的效應(yīng)總體偏差平方和殘差平方和回歸平方和(regression sun of squares)新知探究第十五頁(yè)，共二十七頁(yè)。你會(huì)計(jì)算上面的總體偏差平方和、殘差平方和、回歸平方和嗎？354128.361225.639新知探究第十六頁(yè)，共二十七頁(yè)。有了這些評(píng)估效應(yīng)的方法，我們就可以利用它們來(lái)刻畫總體效應(yīng)，事實(shí)上，為了將我們的計(jì)算簡(jiǎn)化，我們又引入相關(guān)指數(shù)R2來(lái)刻畫回歸的效果：殘差平方和總體偏差平方和顯然，當(dāng)R2的值越大，說(shuō)明殘差所占的比例越小，回歸效果約好；反之,回歸效果越差。一般的，當(dāng)R2越接近于1,說(shuō)明解釋變量和預(yù)報(bào)變量之間的相關(guān)性越強(qiáng),如果同一個(gè)問(wèn)題,采用不同的回歸方法分析,我

7、們可以通過(guò)選擇R2大的來(lái)作為回歸模型新知探究第十七頁(yè)，共二十七頁(yè)。一般方法：1.利用散點(diǎn)圖觀察兩個(gè)變量是否線性相關(guān)2.利用殘差來(lái)判斷模型擬合的效果(殘差分析)利用殘差圖來(lái)分析數(shù)據(jù)，對(duì)可疑數(shù)據(jù)(殘差較大的數(shù)據(jù))進(jìn)行重新調(diào)查，有錯(cuò)誤就更正，然后重新利用回歸模型擬合，如果沒(méi)有錯(cuò)誤，則需要找其他原因。新知探究第十八頁(yè)，共二十七頁(yè)。殘差圖：編號(hào)12345678身高cm165165157170175165155170體重kg4857505464614359殘差-6.3732.6272.419-4.6181.1376.627-2.8830.382問(wèn)題數(shù)據(jù)越窄越好新知探究第十九頁(yè)，共二十七頁(yè)。1.回歸方程只適

8、合對(duì)所研究總體的估計(jì)2.回歸方程是對(duì)數(shù)據(jù)的模擬，數(shù)據(jù)的改變，可能會(huì)導(dǎo)致回歸方程的變化3.不同的回歸樣本數(shù)據(jù)，有不同的回歸方程，也適合不同的回歸總體，4.回歸方程是預(yù)報(bào)變量的平均值，而不是精確值5.回歸的好壞可以由相關(guān)指數(shù)來(lái)評(píng)價(jià)新知探究說(shuō)明第二十頁(yè)，共二十七頁(yè)。建立回歸方程的一般步驟：1.確定變量2.制作散點(diǎn)圖，觀察是否相關(guān)3.確定回歸方程的類型(線性回歸、指數(shù)回歸、對(duì)數(shù)回歸等)4.利用公式確定回歸參數(shù)5.利用殘差分析回歸是否合理或模型是否合適新知探究第二十一頁(yè)，共二十七頁(yè)。例2一只紅蛉蟲(chóng)的產(chǎn)卵數(shù)y與溫度x有關(guān)，現(xiàn)收集了7組數(shù)據(jù)，請(qǐng)建立y與x建德回歸方程溫度x21232527293235產(chǎn)卵數(shù)y

9、/個(gè)711212466115325解 1.制作散點(diǎn)圖新知探究第二十二頁(yè)，共二十七頁(yè)。2.觀察模擬樣本點(diǎn)不能直接利用線性回歸,根據(jù)我們的函數(shù)知識(shí),它應(yīng)該是一個(gè)指數(shù)模型:y=c1ec2x其中c1c2為參數(shù)或二次函數(shù)模型,根據(jù)對(duì)數(shù)回歸知識(shí)我們知道:令z=lny將其變換到樣本點(diǎn)的分布直線z=a+bxx21232527293235z1.9462.3983.0453.1784.1904.7455.784z=0272x-3.843會(huì)求著條直線嗎?則:y=e0.272x-3.843新知探究第二十三頁(yè)，共二十七頁(yè)。2.我們認(rèn)為樣本點(diǎn)集中在某二次函數(shù)y=c3x2+c4附近，c3c4為參數(shù)，則，令tx2則：y=c5

10、t+c6其中c5c6為參數(shù)t44152962572984110241225y711212466115325y=0.367t-202.54不適合利用線性回歸為什么這樣說(shuō)？新知探究第二十四頁(yè)，共二十七頁(yè)。4.殘差分析：X21232527293235合計(jì)(殘差平方和)R2Y711212466115329e(1)0.518-0.1671.760-9.1498.889-14.15332.9281450.6730.98e(2)47.69319.397-5.835-41.003-40.107-58.26877.96515448.4320.80由圖的對(duì)比可以看出，指數(shù)模擬優(yōu)于線性模擬新知探究第二十五頁(yè)，共二十七頁(yè)?；貧w分析基本思想及其初步應(yīng)用基本思想實(shí)際應(yīng)用回歸分析相關(guān)