- 1、本文档共17页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
思考:相关关系与函数关系有怎样的不同? 函数关系中的两个变量间是一种确定性关系 相关关系是一种非确定性关系 * 选修1-2 (一) 必修3(第二章 统计)知识结构 收集数据 (随机抽样) 整理、分析数据估计、推断 简单随机抽样 分层抽样 系统抽样 用样本估计总体 变量间的相关关系 用样本的频率分布估计总体分布 用样本数字特征估计总体数字特征 线性回归分析 统计的基本思想 实际 样本 模 拟 抽 样 分 析 1、两个变量的关系 不相关 相关关系 函数关系 线性相关 非线性相关 问题1:现实生活中两个变量间的关系有哪些呢? 相关关系:对于两个变量,当自变量取值一定时,因变量的取值带有一定随机性的两个变量之间的关系。 函数关系是一种理想的关系模型 相关关系在现实生活中大量存在,是更一般的情况 问题2:对于线性相关的两个变量用什么方法来刻划之间的关系呢? 2、最小二乘估计 最小二乘估计下的线性回归方程: 对一作直线运动的质点的运动过程作了8次观测,得到下表,试估计x=9s时的位置y的值。 21.06 16.98 16.12 15.69 11.73 10.02 7.52 5.54 位置观测值 y/cm 8 7 6 5 4 3 2 1 时刻x/s 例如: 204 64 49 36 25 16 9 4 1 xi2 560.1 168.5 118.9 96.72 78.45 46.92 30.06 15.04 5.54 xiyi 13.08 21.06 16.98 16.12 15.69 11.73 10.02 7.52 5.54 yi 4.50 8 7 6 5 4 3 2 1 xi 8 7 6 5 4 3 2 1 i 3、回归分析的基本步骤: 画散点图 求回归方程 预报、决策 数学3——统计 画散点图 求出b,a的值。 求回归直线方程 用回归直线方程解决应用问题 4、线性回归模型 其中a+bx是确定性函数, ? 是随机误差 注:? 产生的主要原因: (1)所用确定性函数不恰当; (2)忽略了某些因素的影响; (3)观测误差。 思考:在时刻x=9s时,质点运动位置一定是22.6287cm吗? 对于线性回归模型 应注意以下两个问题: I 模型的合理性; II 在模型合理的情况下,如何估计a,b. 例1.下表给出我国从1949至1999年人口数 据资料,试根据表中数据估计我国2004年 的人口数。 1246 1177 1107 1035 975 909 807 705 672 603 542 人口数/百万 99 94 89 84 79 74 69 64 59 54 49 年份 1246 1177 1107 1035 975 909 807 705 672 603 542 人口数/百万 50 45 40 35 30 25 20 15 10 5 0 年份 分析:先画图 例题2.一个车间为了规定工时定额,需要确定加工零件所花费的时间,为此进行了10次试验,测得数据如下: 122 115 108 102 95 89 81 75 68 62 加工时间y 100 90 80 70 60 50 40 30 20 10 零件数(x)个 (1)y与x是否具有线性相关? (2)若y与x具有线性相关关系,求回归直线方程 (3)预测加工200个零件需花费多少时间? 分析:这是一个回归分析问题,应先进行线性相关检验或作散点图来判断x与y是否具有线性相关才可以求解后面的问题。 作散点图如下:不难看出x,y成线性相关。 解(1)列出下表: 12200 10350 8640 7140 5700 4450 3240 2250 1360 620 xiyi 122 115 108 102 95 89 81 75 68 62 yi 100 90 80 70 60 50 40 30 20 10 xi 10 9 8 7 6 5 4 3 2 1 i 问题:有时散点图的各点并不集中在一条直线的附近,仍然可以按照求回归直线方程的步骤求回归直线,显然这样的回归直线没有实际意义。在怎样的情况下求得的回归直线方程才有实际意义? 即建立的线性回归模型是否合理? 如何对一组数据之间的线性相关程度作出定量分析?
文档评论(0)