数学：1.1 回归分析基本思想和其初步应用( 二) 新人教A版选修1-2.ppt

1.1回归分析的基本思想及其初步应用（二）; 比《数学3》中“回归”增加的内容;回归分析的内容与步骤：;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;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．;探究： 身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解析一下原因吗？;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;我们可以用下面的线性回归模型来表示： y=bx+a+e， (3) 其中a和b为模型的未知参数，e称为随机误差。;思考: 产生随机误差项e的原因是什么？;函数模型与回归模型之间的差别;函数模型与回归模型之间的差别;思考： 如何刻画预报变量（体重）的变化？这个变化在多大程度上 与解析变量（身高）有关？在多大程度上与随机误差有关？;59;59; 由于解析变量和随机误差的总效应（总偏差平方和）为354，而随机误差的效应为 128.361，所以解析变量的效应为;离差平方和的分解 （三个平方和的意义）;样本决定系数 （判定系数 R2 ）;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。;1;表3-2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。;例2、在一段时间内，某中商品的价格x元和需求量Y件之间的一组数据为：;例2、在一段时间内，某中商品的价格x元和需求量Y件之间的一组数据为：;用身高预报体重时，需要注意下列问题：;一般地，建立回归模型的基本步骤为：;什么是回归分析？ （内容）;回归分析与相关分析的区别