网站大量收购独家精品文档,联系QQ:2885784924

人教版新课程标准高中数学选修-8.2 一元线性回归模型及其应用 (2)教学课件幻灯片PPT.pptxVIP

人教版新课程标准高中数学选修-8.2 一元线性回归模型及其应用 (2)教学课件幻灯片PPT.pptx

  1. 1、本文档共17页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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

一元线性回归模型参数

的最小二乘估计

(第2课)

学习目标

1.能通过具体实例说明修改一元线性回归模型的依据与方法。

2.通过对具体问题的进一步分析,能将某些非线性回归问题转

化为线性回归问题并加以解决,提高数学运算素养。

3.能通过实例说明决定系数R2的意义和作用,提高数据分析素

养。

学习重难点

重点:一元线性回归模型的修改,将非线性回归问题

转化为线性回归问题,决定系数R2的意义和作用。

难点:运用合适的变换将非线性相关问题转化为线性

相关问题,用决定系数R2判断模型的优劣程度。

问题导入

经验表明,对于同一树种,一般树的胸径(树的主干在地面以上1.3

米处的直径)越大,树就越高。由于测量树高比测量胸径困难,因

此研究人员希望由胸径预测树高。在研究树高与胸径之间的关系

时,某林场收集了某种树的一些数据如下表,试根据这些数据建

立树高关于胸径的经验回归方程。

编号123456789101112

胸径/cm18.120.122.224.426.028.329.632.433.735.738.340.2

树高/cm18.819.221.021.022.122.122.422.623.024.323.924.7

(1)散点图

从图中可看到,散点大致分布

在一条从左下角到右上角的直

线附近,表明这两个变量正线

性相关,且r≈0.9657,故可用

一元线性回归模型刻画

(2)树高h关于胸径d的一元线性回归模型

(3)残差分析

观察残差表和残差图,发现残差绝对值最大值为0.8,所有残差分布在以横轴

为对称轴、宽度小于2的带状区域,因此,经验回归方程较好地刻画了树高与

胸径的关系,可据此由胸径预测树高!

一、模型分析与优化

男子短跑100m的高水平运动员常被称为“百米飞人”。下表给出

了1968年之前男子短跑100m世界纪录产生的年份和世界纪录的数

据。试根据这些成对数据,建立男子短跑100m世界纪录关于纪录

产生年份的经验回归方程

编号12345678

时间/年18961912192119301936195619601968

纪录/s11.8010.6010.4010.3010.2010.1010.009.95

(1)散点图

从图中可看到,除一个

点外,散点大致分布在

一条从直线附近,且r≈

-0.8559,似乎可用一元

线性回归模型刻画

(2)短跑纪录Y关于年份t的

一元线性回归模型

前后两时间段中的散点都在经验回归直线的上方,且第一个散点远离经验回

观归察直线:,图中中间的时间回段归的直散线点都较在好经地验刻回归画直了线散的点下方的。变这化表趋明散势点,并但不仔是均细

观匀察分布图在形经,验你回归能直发线现的其附近中,存而在是的绕其问有题一吗定?的变化规律。整体看,成对

样本数据呈现出明显的非线性相关特征。

思考:你能对模型进行修改,使其更好地反映散点的分布特征?

前图中散点的整体分布更趋向于落在“中间下凸且递减”的某曲线附近,而函

数y=-lnx的图象具有这种特征。从而可以以函数y=c1+c2ln(t-1895),其中

c1,c2为未知参数,为基础建立如下对数回归模型

令x=ln(t-1895)

转化为线性模型

编号12345678

变换后的

x0.002.833.263.563.714.114.174.29

成对数据

Y/s11.8010.6010.4010.3010.2010.1010.009.95

(1)散点图

从图中可看到,散点呈现很强

的线性相关特征,r≈-0.999,

可用一元线性回归模型刻画变

换后的两个变量的关系

(2)短跑纪录Y关于x的

一元线性回归模型

(3)短跑纪录Y关于年份t的

一元线性回归模型

二、回归模型对比

对于通过创记录时间预报世界纪录的问题,我们建立了两个回归

模型,得到了两个回归方程,你能判断哪个拟合的精度更高吗?

直接观察法

观察发现,对

数回归

您可能关注的文档

文档评论(0)

在羡智库 + 关注
实名认证
服务提供商

教师资格证持证人

学历提升,升学规划,选科指导,生涯规划。

领域认证该用户于2024年05月20日上传了教师资格证

1亿VIP精品文档

相关文档