线性回归方程的求法.ppt

1.1线性回归方程的求法,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,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,现实生活中两个变量间的关系有哪些呢？,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,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,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,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？,10 20 30 40 50,500 450 400 350 300,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,水稻产量,散点图,10 20 30 40 50,500 450 400 350 300,施化肥量,水稻产量,怎样求回归直线？,最小二乘法：,称为样本点的中心。,（3）对两个变量进行的线性分析叫做线性回归分析。,2、回归直线方程：,（2）相应的直线叫做回归直线。,（1）所求直线方程 叫做回归直线方程； 其中,（注意回归直线一定经过样本点的中心）,例1 假设关于某设备的使用年限x和所有支出的维修费用y(万元)有如下的统计数据：,若由此资料所知y对x呈线性相关关系，试求： 回归直线方程 估计使用年限为10年时，维修费用是多少？,解题步骤：,作散点图,2.把数据列表，计算相应的值，求出回归系数,3.写出回归方程,并按要求进行预测说明。,例2 （2007年广东）下表提供了某厂节能降耗技术改造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。,请画出上表数据的散点图 请根据上表提供的数据，用最小二乘法求出y关于x的 性回归方程,(3)已知该厂技改前100吨甲产品的生产能耗为90吨标准 煤，试根据（2）求出的线性回归方程，预测生产100 吨甲产品的生产能耗比技改前降低多少吨标准煤？,（参考数值：,）,小结：求回归直线方程的步骤,（2）所求直线方程 叫做回归直线方程； 其中,（1）作散点图，通过图看出样本点是否呈条状分 布，进而判断两个量是否具有线性相关关系。,（3）根据回归方程，并按要求进行预测说明。,相关系数,1.计算公式 2相关系数的性质 (1)|r|1 (2)|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小 问题：达到怎样程度，x、y线性相关呢？它们的相关程度怎样呢？,负相关,正相关,相关系数,正相关；负相关通常， r-1,-0.75-负相关很强; r0.75,1正相关很强; r-0.75,-0.3-负相关一般; r0.3, 0.75正相关一般; r-0.25, 0.25-相关性较弱;,第一章 统计案例,1.1回归分析的基本思想及其初步应用,（第二课时）,a. 比数学3中“回归”增加的内容,数学统计 画散点图 了解最小二乘法的思想 求回归直线方程 ybxa 用回归直线方程解决应用问题,选修-统计案例 引入线性回归模型 ybxae 了解模型中随机误差项e产生的原因 了解相关指数 R2 和模型拟合的效果之间的关系 了解残差图的作用 利用线性回归模型解决一类非线性回归问题 正确理解分析方法与结果,什么是回归分析：,“回归”一词是由英国生物学家F.Galton在研究人体身高的遗传问题时首先提出的。,根据遗传学的观点，子辈的身高受父辈影响，以X记父辈身高，Y记子辈身高。 虽然子辈身高一般受父辈影响，但同样身高的父亲，其子身高并不一致，因此， X和Y之间存在一种相关关系。,一般而言，父辈身高者，其子辈身高也高，依此推论，祖祖辈辈遗传下来，身 高必然向两极分化，而事实上并非如此，显然有一种力量将身高拉向中心，即子辈 的身高有向中心回归的特点。“回归”一词即源于此。,虽然这种向中心回归的现象只是特定领域里的结论，并不具有普遍性，但从它 所描述的关于X为自变量，Y为不确定的因变量这种变量间的关系看，和我们现在的 回归含义是相同的。,不过，现代回归分析虽然沿用了“回归”一词，但内容已有很大变化，它是一种应用 于许多领域的广泛的分析研究方法，在经济理论研究和实证研究中也发挥着重要作用。,回归分析的内容与步骤：,统计检验通过后，最后是利用回归模型，根据自变量去估计、预测因变量。,回归分析通过一个变量或一些变量的变化解释另一变量的变化。,其主要内容和步骤是， 首先根据理论和对问题的分析判断，将变量分为自变量和因变量；,其次，设法找出合适的数学方程式（即回归模型）描述变量间的关系；,由于涉及到的变量具有不确定性，接着还要对回归模型进行统计检验；,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。,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。,案例1：女大学生的身高与体重,解：1、选取身高为自变量x，体重为因变量y，作散点图：,2、由散点图知道身高和体重有比较好的 线性相关关系，因此可以用线性回归方程 刻画它们之间的关系。,3、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描述它们关系。,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， e称为随机误差。,思考P3 产生随机误差项e 的原因是什么？,思考P4 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：影响身高 y 的因素不只是体重 x，可能 还包括遗传基因、饮食习惯、生长环境等因素； 2、用线性回归模型近似真实模型所引起的误差； 3、身高 y 的观测误差。,函数模型与回归模型之间的差别,函数模型：,回归模型：,可以提供 选择模型的准则,函数模型与回归模型之间的差别,函数模型：,回归模型：,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称为解析变量，因变量y称为预报变量。,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。,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。,案例1：女大学生的身高与体重,解：1、选取身高为自变量x，体重为因变量y，作散点图：,2、由散点图知道身高和体重有比较好的 线性相关关系，因此可以用线性回归方程 刻画它们之间的关系。,3、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描述它们关系。,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， e称为随机误差。,根据最小二乘法估计 和 就是未知参数a和b的最好估计，,根据最小二乘法估计 和 就是未知参数a和b的最好估计，,于是有b=,所以回归方程是,所以，对于身高为172cm的女大学生，由回归方程可以预报其体重为,探究P4： 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？,探究P4： 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？,答：身高为172cm的女大学生的体重不一定是60.316kg， 但一般可以认为她的体重在60.316kg左右。,对回归模型进行统计检验,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。,在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关， 是否可以用回归模型来拟合数据。,残差分析与残差图的定义：,然后，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。,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,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。,样本决定系数 （判定系数 R2 ）,1.回归平方和占总偏差平方和的比例,反映回归直线的拟合程度 取值范围在 0 , 1 之间 R2 1，说明回归方程拟合的越好；R20，说明回归方程拟合的越差 判定系数等于相关系数的平方，即R2(r)2,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。,在线性回归模型中，R2表示解析变量对预报变量变化的贡献率。,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，它代表自变量刻画预报变量的能力。,从表3-1中可以看出，解析变量对总效应约贡献了64%，即R2 0.64，可以叙述为 “身高解析了64%的体重变化”，而随机误差贡献了剩余的36%。 所以，身高对体重的效应比随机误差的效应大得多。,这些问题也使用于其他问题。,涉及到统计的一些思想： 模型适用的总体； 模型的时间性； 样本的取值范围对模型的影响； 模型预报结果的正确理解。,小结：,一般地，建立回归模型的基本步骤为：,（1）确定研究对象，明确哪个变量是解析变量，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），过存在异常，则检查数据是否有误，或模型是 否合适等。,建构数学模型,我们将y=bx+a+e 称为线性回归模型其中a, b为模型的未知参数，解释变量x，预报变量y，e称为随机误差。 思考1：e产生的主要原因是什么？ (1)所用确定函数模型不恰当； (2)忽略了某些因素的影响； (3)观测误差。,思考2：如何检查拟合效果的好坏？,（1）散点图,（2）相关系数,（3）残差分析,（4）回归效果的相关系数,被害棉花,红铃 虫喜高温高湿，适宜各虫态发育的温度为 25一32C，相对湿度为80一100，低于 20C和高于35C卵不能孵化，相对湿度60 以下成虫不产卵。冬季月平均气温低于一48 时，红铃虫就不能越冬而被冻死。,问题情景,1953年，18省发生红铃虫大灾害，受灾面积300万公顷，损失皮棉约二十万吨。,例2、现收集了一只红铃虫的产卵数y和温度x之间的7组观测数据列于下表：,（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？,问题呈现：,假设线性回归方程为 ：=bx+a,由计算器得：线性回归方程为y=19.87x-463.73 相关指数R2=r20.8642=0.7464,所以，一次函数模型中温度解释了74.64%的产卵数变化。,问题探究,方案1,当x=28时，y =19.8728-463.73 93,教法,9366！? 模型不好？,奇怪？,方案2,问题3,合作探究,方案2解答,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,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=r20.8962=0.802,将t=x2代入线性回归方程得： y=0.367x2 -202.54 当x=28时，y=0.367282-202.5485，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。,教法,0.367,-202.54,R2=r20.8962=0.802,y=0.367x2 -202.54,产卵数,气温,指数函数模型,方案3,合作探究,教法,对数,方案3解答,由计算器得：z关于x的线性回归方程 为z=0.118x-1.665 ， 相关指数R2=r20.99252=0.985,当x=28oC 时，y 44 ，指数回归模型中温度解释了98.5%的产卵数的变化,最好的模型是哪个?,线性模型,二次函数模型,指数函数模型,教法,最好的模型是哪个?,教法,比一比,选修1-2：P13-3,练习,小结:,（1）如何发现两个变量的关系？ （2）如何选用、建立适当的非线性回归模型 ？ （3）如何比较不同模型的拟合效果？,归纳小结,