资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,例1,复习引入,本课小结,随机误差的研究,1,回归直线过样本点的中心 .,1)画散点图；,2)求回归直线方程,3)用回归直线方程进行预报.,注:求回归方程的方法：,2,答案,问题,例题1,从某大学中随机选出8名女大学生，其身高和体重数据如下表：,编号,1,2,3,4,5,6,7,8,身高,165,165,157,170,175,165,155,170,体重,48,57,50,54,64,61,43,59,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172,cm,的女大学生的体重.,3,解: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,4,例题1,从某大学中随机选出8名女大学生，其身高和体重数据如下表：,编号,1,2,3,4,5,6,7,8,身高,165,165,157,170,175,165,155,170,体重,48,57,50,54,64,61,43,59,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172,cm,的女大学生的体重.,得出回归方程：,预报身高172cm女生体重：,问题：身高为172cm的女大学生的体重一定是,60.316？如果不是，其原因是什么？,5,继续,修正模型,相关系数,r,正相关；,r,负相关通常，,r,0.75，认为两个变量有很强的相关性,本例中,由上面公式,r,= 0.7980.75,为什么相关系数能检验两个随机变量之间具有相关关系呢?见随堂通第122页，当然是残差平方和越小越相关.,6,继续探究：,身高为172cm的女大学生的体重一定是60.316？,如果不是，其原因是什么？,由图形观察可以看出，样本点呈条状分布，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.,但还可以看到，样本点散布在某一条直线的附近，而不是一条直线上，所以不能用一次函数,y,bx,a,来描述它们之间的关系。体重还受许多其他因素影响.,7,其中,a,和,b,为模型的,未知参数,，,e,是,y,与 之间的误差,通常,e,称为,随机误差,。,线性回归模型的完整表达式:,思考？,产生随机误差,e,的原因是什么？p96,8,1答案,2答案,为了衡量预报的精度,需要估计的,2,值?,9,
展开阅读全文