搜索
3.1回归分析的基本思想及其初步应用高二数学选修2-3.,,,,,.,的作用认识统计方法在决策中想的基本思并初步了解独立性检验其应用析方法及进一步讨论线性回归分的讨论通过对典型例案我们将在此基础上章中本归等基本知识样本估计总体、线性回用我们学习过关于抽样、在必修模块中问题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）：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x15202530354045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yx:,,,,,,,2211二乘估计公式分别为的截距和斜率的最小我们知道其回归直线关系的数据对于一组具有线性相关abxyyxyxyxnn称为其中yxyyxnxniinii,.,111样本点的中心1122211()()ˆ,()ˆˆnniiiiiinniiiixxyyxnxybxxxnxaybxy1、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。1122211()()ˆ,()ˆˆnniiiiiinniiiixxyyxnxybxxxnxaybxy1、回归直线方程2、求回归直线方程的步骤：1111(1),nniiiixxyynn求211(2),.nniiiiixxy求（3）代入公式1122211^()(),(),......(1)nniiiiiinniiiixxyyxnxybxxxnxaybxy（4）写出直线方程为y=bx+a,即为所求的回归直线方程。^3、回归分析的基本步骤:画散点图求回归方程预报、决策例题4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，并预报一名身高为172ｃｍ的女大学生的体重。172.85849.0ˆxy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．ˆ学身高172cm女大生体重y=0.849×172-85.712=60.316(kg)2.回归方程：1.散点图；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?解：散点图：从散点图还看到，样本点散布在某一条直线的附近，而不是在一条直线上，所以不能用一次函数y=bx+a简单描述它们关系。探究：身高为172cm的女大学生的体重一定是60.316kg吗？2()0,()ybxaeEeDe我们可以用下面的线性回归模型来表示：y=bx+a+e，其中a和b为模型的未知参数。其中：e是随机误差，均值E(e)=0，方差D(e)=σ20当随机误差e恒等于0时，线性回归模型就变成一次函数模型。即：一次函数模型是线性回归模型的特殊形式。由于随机误差e的均值为0，故采用方差来衡量随机误差的大小.2产生随机误差项e的原因是什么？随机误差e的来源(可以推广到一般）：1、其它因素的影响：影响体重y的因素不只是身高x，可能还包括遗传基因、饮食习惯、生长环境等因素；2、身高x的观测误差。3、所用确定性函数不恰当观测误差。线性回归模型y=bx+a+e增加了随机误差项e，因变量y的值由自变量x和随机误差项e共同确定，即自变量x只能解析部分y的变化。在统计中，我们也把自变量x称为解释变量，因变量y为预报变量。残差数据点和它在回归直线上相应位置的差异称为相应于点（xi，yi）的残差。iiieyy=例：编号为6的女大学生，计算随机误差的效应（残差）61(0.84916585.712)6.627残差平方和把每一个残差所得的值平方后加起来，用数学符号表示为：21()niiiyy称为残差平方和在例1中，残差平方和约为128.361。表1-4列出了女大学生身高和体重的原始数据以及相应的残差数据。残差分析与残差图的定义：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。12,,,neee编号12345678身高165165157170175165155170体重/kg4857505464614359残差-6.3732.6272.419-4.6181.1376.627-2.8830.382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。残差图的制作及作用。•坐标纵轴为残差变量，横轴可以有不同的选择；•若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域；•对于远离横轴的点，要特别注意。身高与体重残差图异常点•错误数据•模型问题几点说明：第一个样本点和第6个样本点的残差比较大，需要确认在采集过程中是否有人为的错误。如果数据采集有错误，就予以纠正，然后再重新利用线性回归模型拟合数据；如果数据采集没有错误，则需要寻找其他的原因。另外，残差点比较均匀地落在水平的带状区域中，说明选用的模型计较合适，这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高。显然，R2的值越大，说明残差平方和越小，也就是说模型拟合效果越好。R2越接近1，表示回归的效果越好（因为R2越接近1，表示解析变量和预报变量的线性相关性越强）。如果某组数据可能采取几种不同回归方程进行回归分析，则可以通过比较R2的值来做出选择，即选取R2较大的模型作为这组数据的模型。总的来说：相关指数R2是度量模型拟合效果的一种指标。在线性模型中，它代表解释刻画预报变量的能力。我们可以用相关指数R2来刻画回归的效果，其计算公式是22121ˆ()11()niiiniiyyRyy残差平方和。总偏差平方和用身高预报体重时，需要注意下列问题：1、回归方程只适用于我们所研究的样本的总体；2、我们所建立的回归方程一般都有时间性；3、样本采集的范围会影响回归方程的适用范围；4、不能期望回归方程得到的预报值就是预报变量的精确值。事实上，它是预报变量的可能取值的平均值。一般地，建立回归模型的基本步骤为：（1）确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量。（2）画出确定好的解析变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等）。（3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程y=bx+a）.（4）按一定规则估计回归方程中的参数（如最小二乘法）。（5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性，等等），若存在异常，则检查数据是否有误，或模型是否合适等。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：温度xoC21232527293235产卵数y/个711212466115325（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28oC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？y=c1x2+c2变换y=c1t+c2非线性关系线性关系问题１选用y=c1x2+c2，还是y=c1x2+cx+c2？问题3-200-1000100200300400-40-30-20-10010203040产卵数气温问题2如何求c1、c2？t=x2方法一，二元函数模型平方变换：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温度21232527293235温度的平方t44152962572984110241225产卵数y/个711212466115325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-202.54，相关指数R2=r2≈0.8962=0.802将t=x2代入线性回归方程得：y=0.367x2-202.54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。产卵数y/个0501001502002503003500150300450600750900105012001350t产卵数气温变换y=bx+a非线性关系线性关系43cxyce-50050100150200250300350400450-10-50510152025303540对数方法二：指数函数模型xccexccecyxc43433lnlnlnlnlnln4abxzzybcac则有令,ln,,ln43温度x/21232527Z=lny1.9462.3983.4053.178产卵数y/个71121242932354.1904.7455.78466115325c由计算器得：z关于x的线性回归方程相关指数因此y关于x的非线性回归方程为98.02R489.3272.0^xz当x=28时，y≈44，指数回归模型中温度解释了98%的产卵数的变化C489.3272.0^xey43cxyce函数模型相关指数R2二次函数模型0.802指数函数模型0.98最好的模型是哪个?显然，指数函数模型最好！在散点图中，样本点没有分布在某个带状区域内，因此两个变量不呈现线性相关关系，所以不能直接利用线性回归方程来建立两个变量之间的关系.令z=lny，则变换后样本点应该分布在直线z=bx+a（a=lnc1，b=c2）的周围.利用线性回归模型建立y和x之间的非线性回归方程.当回归方程不是形如y=bx+a时，我们称之为非线性回归方程.根据已有的函数知识，可以发现样本点分布在某一条指数函数曲线的周围，其中c1和c2是待定参数.xcecy21回归分析的基本思想及其初步应用探索无止境探索无止境探索无止境探索无止境课堂知识延伸刑警如果能在案发现场提取到罪犯的脚印，即将获得一条重要的破案线索，其原因之一是人类的脚掌长度和身高存在着相关关系，可以根据一个人的脚掌长度来来预测他的身高……在统计史上，很早就有人收集过人们的身高、前臂长度等数据，试图寻找这些数据之间的规律……作业：已知两个变量x和y之间有线性相关性，４次实验得到样本如下：6.13.920y3210x（１）则y对x的线性回归方程是＿＿＿＿＿＿＿＿＿＿＿（２）相应于各样本点的残差（i=1,2,3,4)分别是＿＿，＿＿＿，＿＿＿，＿＿＿．残差平方和是＿＿＿＿＿＿＿＿＿＿＿ie