人教版新课标A选修1-21.1回归分析的基本思想及其初步应用教学课件ppt

这是一份人教版新课标A选修1-21.1回归分析的基本思想及其初步应用教学课件ppt，共22页。PPT课件主要包含了复习回顾等内容，欢迎下载使用。

通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用.教学重点：通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型，了解在解决实际问题的过程中寻找更好的模型的方法，了解可用残差分析的方法，比较两种模型的拟合效果.教学难点：了解常用函数的图象特点，选择不同的模型建模，并通过比较相关指数对不同的模型进行比较.
比《数学3》中“回归”增加的内容
数学３——统计画散点图了解最小二乘法的思想求回归直线方程y＝bx＋a用回归直线方程解决应用问题
选修2-3——统计案例引入线性回归模型y＝bx＋a＋e了解模型中随机误差项e产生的原因了解相关指数 R2 和模型拟合的效果之间的关系了解残差图的作用利用线性回归模型解决一类非线性回归问题正确理解分析方法与结果
R2 1，说明回归方程拟合的越好；R20，说明回归方程拟合的越差。
在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用回归模型来拟合数据。
5、残差分析与残差图的定义：
然后，我们可以通过残差 来判断模型拟合的效果，判断原始数据中是否存在可疑数据，这方面的分析工作称为残差分析。
我们可以利用图形来分析残差特性，作图时纵坐标为残差，横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。
案例2 一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中：
（1）试建立产卵数y与温度x之间的回归方程；并预测温度为28C时产卵数目。（2）你所建立的模型中温度在多大程度上解释了产卵数的变化？
假设线性回归方程为 ：ŷ=bx+a
由计算器得：线性回归方程为y=19.87x-463.73 相关指数R2=r2≈0.8642=0.7464
解：选取气温为解释变量x，产卵数 为预报变量y。
所以，二次函数模型中温度解释了74.64%的产卵数变化。
当x=28时，y =19.87×28-463.73≈ 93
93>66 ?模型不好？
平方变换：令t=x2，产卵数y和温度x之间二次函数模型y=bx2+a就转化为产卵数y和温度的平方t之间线性回归模型y=bt+a
作散点图，并由计算器得：y和t之间的线性回归方程为y=0.367t-202.543，相关指数R2=0.802
将t=x2代入线性回归方程得： y=0.367x2 -202.543当x=28时，y=0.367×282-202.54≈85，且R2=0.802，所以，二次函数模型中温度解释了80.2%的产卵数变化。
当x=28C 时，y ≈44 ，指数回归模型中温度解释了98.5%的产卵数的变化
由计算器得：z关于x的线性回归方程为
相关指数R2=0.98
则回归方程的残差计算公式分别为：
因此模型（1）的拟合效果远远优于模型（2）。
练习：为了研究某种细菌随时间x变化，繁殖的个数，收集数据如下：
（1）用天数作解释变量，繁殖个数作预报变量，作出这些 数据的散点图； （2） 描述解释变量与预报变量 之间的关系； （3） 计算残差、相关指数R2.
解：（1）散点图如右所示
即解释变量天数对预报变量繁殖细菌得个数解释了99.99%.
练习 假设关于某设备的使用年限x和所支出的维修费用 y（万元），有如下的统计资料。
（1）由已知数据制成表格。