- 1、本文档共50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)。
查看更多
11回归分析的基本思想及其初步应用(用三课时)PPT
1.1回归分析的基本思想及其初步应用(一)
——回归直线方程;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叫做相关关系。;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;10 20 30 40 50;10 20 30 40 50;练习1:下表提供了某厂节油降耗技术发行后生产甲产品过程中记录的产量x(吨)与相应的生产能耗y(吨标准煤)的几组对应数据.
(1)请画出上表数据的散点图;
(2)请根据上表提供的数据,用最小二乘法求出y关于x的线性回归方程;例1、某大学中随机选取8名女大学生,其身高和体重数据如下表所示.;解:1.确定变量:
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x,体重为因变量y.;因此,对于身高172cm的女大学生,由线性回归方程可以预报其体重为:;思考1:如何描述两个变量之间线性相关关系的强弱?;相关关系的测度(相关系数取值及其意义);练习2:某种产品的零件数x与加工时间y之间有如表所示数据:;;思考3:产生随机误差项e的原因是什么?;函数模型:;1.确定变量;
2.作散点图,判断相关关系;
3.设回归方程;
4.求回归方程;
5.根据回归方程作出预报.;1.1回归分析的基本思想及其初步应用(二)
——随机误差与线性回归模型;一.复习回顾;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。;思考:有些时候,样本数据中难免混有错误数据,通过何
种方法把它剔除?;下表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。;2.用相关指数R2来刻画回归的效果:;练习:关于x与y有如下数据: ;一.用身高预报体重时,需要注意下列问题:;三.回归分析的一般方法:
1).利用散点图观察两个变量是否线性相关
2).利用残差来判断模型拟合的效果(残差分析)
利用残差图来分析数据,对可疑数据(残差较大的数据)进行重新调查,有错误就更正,然后重新利用回归模型拟合,如果没有错误,则需要找其他原因。;1.1回归分析的基本思想及其初步应用(三)
——非线性回归模型;复习回顾;6.建立回归模型的基本步骤
1)确定解释变量x和预报变量y;
2)画出散点图;
3)确定回归方程类型;
4)求出回归方程;
5)利用相关指数或残差进行分析.;练习;关于x与y有如下数据:
有如下的两个线性模型:
(1) ;(2)
试比较哪一个拟合效果更好。;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:;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,试建立y与x之间的回归方程;;奇怪?;;;问题2;;;则回归方程的残差计算公式分别为:;解: 令
则z=bx+a,(a=lnc1,b=c2),列出变换后数据表并画 出x与z 的散点图 ; 注:应用统计方法解决实际问题需要注意的问题:
对于同样的数据,有不同的统计方法进行分析,
我们要用最有效的方法分析数据。——可以利用直观(散点
图和残差图)、相关指数来确定哪一个模型的拟合效果更好。;小结:;2.在散点图中,若样本点没有分布在某个带状区域内,则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.所以需要设非线??回归方程,进而通过一系列转化,将其转化为线性回归模型区解决。用线性回归模型解决非线性相关问题思路:
(1)对数型非线性模型通过两边取对数可以转化为线性模型。
(2)二次函数型非线性模型通过两边设元法可以转化为线性模型。;例1 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1 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:;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。;解:;小结
文档评论(0)