高中数学第二章§2.4线性回归方程配套课件苏教版必修

合集下载

高中数学第二章统计2.4线性回归方程上课课件苏教版必修3

高中数学第二章统计2.4线性回归方程上课课件苏教版必修3

所以,我们用类似于估计平均数时的思想,考虑 离差的平方和: 2 2 Q(a, b) (26b a 20) (18b a 24)
(13b a 34) (10b a 38)
2
2
(4b a 50)2 (b a 64)2 1286b 6a 140ab 3820b 460a 10172
线性回归方程 y bx a中系数a,b 可用如下公式计算:
n n n x i yi x i yi i 1 i 1 b i 1 2 n n 2 n xi xi i 1 i 1
n

(*)
E
D
C B A
系中标出,得到如下散点图:
-5 0
15
25
35 x
答:都分布在同一条直线的附近。
选择怎样的直线才能近似地表示热茶销量 与气温之间的关系? 可以有多种思考方案: (1)选择能反映直线变化的两个点,例如取 (4,50),(18, 24) 这两点的直线; (2)取一条直线,使得位于该直线一侧和 另一侧的点的个数基本相同; (3)多取几组点,确定几条直线方程,再分 别算出各条直线斜率、截距的平均值,作为 所求直线的斜率、截距; ……………… 怎样的直线最好呢?
x x1 x2 x3
2
y y1 y2 y3
… …
2
xn
yn
2
当a,b使 Q ( y1 bx1 a) ( y2 bx2 a) ... ( yn bxn a)
取得最小值时,就称方程
ˆ bx a 为拟合 y
这n对数据的线性回归方程,该方程所表示的直 线称为回归直线.

苏教版数学必修3课件:第2章 2.4 线性回归方程

苏教版数学必修3课件:第2章 2.4 线性回归方程

填空:
(1)有一个线性回归方程为 y^ =2-1.5x,则变量x增加一个单位时,y平均 ________1.5个单位.(填“增加”或“减少”)
【解析】 ∵b=-1.5,∴x每增加一个单位时y减少1.5个单位. 【答案】 减少
上一页
返回首页
下一页
(2)过(3,10),(7,20),(11,24)三点的回归直线方程是________. 【解析】 代入系数公式得b=1.75,a=5.75. 代入直线方程.
(2)①是确定的函数关系;②中的点大都分布在一条曲线周围;③中的点大 都分布在一条直线周围;④中点的分布没有任何规律可言,x,y不具有相关关 系.故填①④.
【答案】 (1)②④ (2)①④
上一页
返回首页
下一页
1.函数关系是一种确定的关系,而相关关系是非随机变量与随机变量的 关系.函数关系是一种因果关系,而相关关系不一定是因果关系.
图2-4-2
上一页
返回首页
下一页
【解析】 去掉点(4,10)后,其余四个点大致在一条直线附近,相关性增 强.
【答案】 (4,10)
上一页
返回首页
下一页
线XX性X 回归方程的求法及应用 2017 年元旦前夕,某市统计局统计了该市 2016 年 10 户家庭的年收入和年 饮食支出的统计资料如下表:
年收入 x(万元) 2 4 4 6 6 6 7 7 8 10 年饮食支出 y(万元) 0.9 1.4 1.6 2.0 2.1 1.9 1.8 2.1 2.2 2.3 (1)画出散点图; (2)从散点图判断年饮食支出(y)与年收入(x)是否具有线性相关关系?若有线 性相关关系,求出线性回归方程;
上一页
返回首页
下一页
(2)如图 2-4-1 所示,表示两个变量不具有相关关系的有________.(填序号)

苏教数学必修三课件:第2章2.4线性回归方程

苏教数学必修三课件:第2章2.4线性回归方程

第2章统计2.4线性回归方程学习目标1•了解两个变量之间的相关关系并与函数通过对己有数量的分析、运算培养学生数据分析、数学运算的核心素养.知1^嘗L匚新盹探V1.变量之间的两类常见关系在实际问题中,变量之间的常见关系有如下两类:一类是确定性函数关系,变量之间的关系可以用函数表示.另一类是相关关系,变量之间有1定的联系,但不能完全用函数表不.2.相关关系的分类相关关系分线性相关和非线性相关两种.3.线性回归方程系数公式能用直线方程$=加+。

近似表示的相关关系叫做线性相关关系, 该方程叫线性回归方程・给岀一组数据馆,(助乃),…,仇,%),线性回归方程中的系数°, b满足I ni=\、/匸1、/n^Xiy— E)1//=!上式还可以表示为n n ——》(x-x)(y-y)匸初试身手二笞案i= 1 i= 1a-y-bx.1.有下列关系:①人的年龄与其拥有的财富之间的关系;②曲线上点与该点的坐标之间的关系;③苹果的产量与气候之间的关系;④森林中的同一树木,其横截面直径与高度之间的关系;⑤学生与其学号之间的关系.其中具有相关关系的是_____ ・①③④[②⑤为确定关系不是相关关系.]2. 下面四个散点图中点的分布状态,直观上判断两个变量之间具有线性相关关系的是 _____③[散点图①中的点无规律的分布,范围很广,表明两个变量之 间的相关程度很小;②中所有的点都在同一条直线上,是函数关系; ③中点的分布在一条带状区域上,即点分布在一条直线的附近,是线 性相关关系;④中的点也分布在一条带状区域内,但不是线性的,而是一条曲线附近,所以不是线性相关关系,故填④③・]3. ____________________ 工人工资y(元)依劳动生产率x(千元)变化的线性回归方程为$ =50+80%,下列判断正确的是___________________________ ・①劳动生产率为1 000元时,工资为130元;②劳动生产率提高1 000元时,工资提高80元;③劳动生产率提高1 000元时,工资提高130元;④当月工资为250元时,劳动生产率为2 000元.②[回归直线斜率为80,所以x每增加1, $增加80,即劳动生产率提高1 000元时,工资提高80元.]4.下表是广告费用与销售额之间的一组数据:销售额y(千元)与广告费用兀(千元)之间有线性相关关系,回归方程为$=2.3兀+a@为常数),现要使销售额达到6万元,估计广告费用约为_______ 千元.15 [x-1, y=41.6,则a二$-2.3;=41.6-2.3X7=25.5. 当y=6万元=60千元时,60=2.3x+25.5,解得x=15(千元).]F严严护变量间相关关系的判断【例1】在下列两个变量的关系中,具有相关关系的麴①正方形边长与面积之间的关系;②作文水平与课外阅读量之间的关系;③人的身高与年龄之间的关系;④降雪量与交通事故发生率之间的关系.②④两变量之间的关系有两种:函数关系与带有随机性的相关关系.①正方形的边长与面积之间的关系是函数关系.②作文水平与课外阅读量之间的关系不是严格的函数关系,但是具有相关性,因而是相关关系.③人的身高与年龄之间的关系既不是函数关系,也不是相关关系,因为人的年龄达到一定时期身高就不发生明显变化了,因而他们不具备相关关系.④降雪量与交通事故的发生率之间具有相关关系・]-fB律方誌-------------------------------------------1.函数关系是1种确定的关系,而相关关系是非随机变量与随机变量的关系.函数关系是一种因果关系,而相关关系不一定是因果关系,也可能是伴随关系.2.准确理解变量间的相关关系是解答本题的关键.要准确区分两个变量间的相关关系和函数关系,事实上,现实生活中相关关系是处处存在的,从某种意义上讲,函数关系可以看作一种理想的关系模型,而相关关系是一种普遍的关系.两者区别的关键点是“确定性” 还是“不确定性”.餌踪洲练.1.__________ 下列两个变量中具有相关关系的是(填写相应的序号).①正方体的棱长和体积;②单产为常数时,土地面积和总产量;③日照时间与水稻的亩产量.③[正方体的棱长X和体积y 存在着函数关系y=『;单产为常数a公斤/亩,土地面积x(亩)和总产量y(公斤)之间也存在着函数关系y二狀日照时间长,则水稻的亩产量高,这只是相关关系, 应选③.]2.下列命题:①任何两个变量都具有相关关系;②圆的周长与该圆的半径具有相关关系;③某商品的需求量与该商品的价格是-种非确定性关系;④根据散点图求得的回归直线方程可能是没有意义的;⑤两个变量间的相关关系可以通过回归直线,把非确定性问题转化为确定性问题进行研究.其中正确的命题为_____ •W2y 散点图的画法及应用③④⑤[两个变量不一定是相关关系,也可能是确定性关系,故①错误;圆的周长与该圆的半径具有函数关系,故②错误;③④⑤都正确.【例2】现有5个同学的数学和物理成绩如下表:利用散点图判断它们是否具有线性相关关系?如果有线性相关关系,是正相关还是负相关?W2y 散点图的画法及应用思路点拨:本题涉及两个变量(数学成绩与物理成绩),以兀轴表示数学成绩、y轴表示物理成绩,可得相应的散点图,再观察散点怪得岀结论.懈]把数学成绩作为横坐标,把相应的物理成绩作为纵坐标,在平面直角坐标系中描点(从刃)(匸1,2, •••, 5).从图中可以直观地看出数学成绩和物理成绩具有线性相关关系,且当数学成绩减小时, 物理成绩也由大变小,即它们正相关.72 70 68 66 64 62 60 y20 40 60 80 100 xd®律方进----------------------------------------- ・■' t w* M9 t * f V*h判断两个变量X和y之间是否具有线性相关关系,常用的简便方法就是绘制散点图,如果图上发现点的分布从整体上看大致在一条直线附近,那么这两个变量就是线性相关的,注意不要受个别点的位置的影响.如果变量的对应点分布没有规律,我们就可以认为这两个变量不具有相关关系.2.正相关、负相关正相关是指两个变量具有相同的变化趙势,即从整体上来看,一个变量会随另一个变量变大而变大.从散点图上看,因变量随自变量的增大而增大,图中的点分布在左下角到右上角的区域.负相关是指两个变量具有相反的变化趋势,即从整体上来看,一个变量会随另一个变量变大而变小.从散点图上看,因变量随自变量的增大而减小,图中的点分布在左上角到右下角的区域.提醒:画散点图时应注意合理选择单位长度,避免图形过大或偏小, 或者是点的坐标在坐标系中画不准,使图形失真,导致得岀错误结论.3.如图是两个变量统计数据的散点图,判断两个变量之间是否具有相关关系?y0.40.2 .■0.1 •• •0 2 4 6 8 10 %思路点拨:观察图中点的分布情况作出判断.从散点图上看,点的分布散乱无规律,故不具有相关关系.懈]不具有相关关系,因为散点散乱地分布在坐标平面内,不呈线形.4.有个男孩的年龄与身高的统计数据如下:画岀散点图,并判断它们是否有相关关系?如果有相关关系,是正相关还是负相关?思路点拨:描点(1,78), (2,87), (3,98), (4,108),(5,115), (6,120).观察点的分布,作岀判断.蒯作岀散点图如亂1101009080700 12 3 图可见,具有线性相关关系,线性回归方程的求法及应用4 5 6年龄且是正相关.【例3】某产品的广告支岀x(单位:万元)与销售收入y(单位: 万元)之间有下表所对应的数据.(1)11岀表中数据的散点图;(2)求出y对兀的回归直线方^y-bx+a,并解释0的意义;线性回归方程的求法及应用(3)若广告费为9万元,则销售收入约为多少万元?解]⑴散点图如图.“万元60-50-40-30-20-10-01234 〃万元(2)观察散点图可知各点大致分布在一条直线附近,列岀下列表格,以便计算回归系数a, B._ 5 - 69 4 4 4于是x=y D=30,828,》x〃i=418,/-I iT i=l4 _加一4x i=[ 代入公式得, -----------4 -川-存匸15 69 418—4X^7 ?330-4X故y对x的回归直线方程为匸殳-2,其中回归系数戶?,它的意义是:广告支岀每增加1万元,销售收入y平均增加学万元.73(3)当尸9万元时,侣§X9—2=129.4(万元),即若广告费为9万元,则销售收入约为129.4万元.规律方誌------------------------------1」求样本如据的线性回归方程,可按下列步骤进行: 第一步,计算平均数X, y;n n第二步,求和»必,彷f;i= 1 i= 1n —_ n一一X(x-xB-y) Ex^-/u yi=\ i=l _ _第三步,计算0= ---------- = ---------- , a=y~bx\n _ n —匸 1 i=l第四步,写出线性回归方程$=办+化2.对于任意一组样本数据,利用上述公式都可以求得“回归方程”,如果这组数据不具有线性相关关系,即不存在回归直线,那么所得的“回归方程”是没有实际意义的.因此,对一组样本数据,应先作散点图,在具有线性相关关系的前提下再求回归方程.提醒:⑴对一组数据进行线性回归分析时,应先画岀其散点图, 判断变量之间是否线性相关,再由系数0的计算公式,计算出a, 0,由于计算量较大,在计算时应借助计算器,仔细计算,以防岀现错误.(2)为了方便,常制表对应算岀刼门以便于求和.(3)研究变量间的相关关系,求得回归直线方程能帮助我们发现事物发展的一些规律,估计、预测某些数据,为我们的判断和决策提供依据.餌踪洲练.5.如图是我国2012年至2018年生活垃圾无害化处理量(单位:亿吨)的折线图.注:年份代码1—7分别对应年份2012-2018.⑴由折线图看岀,可用线性回归模型拟合y与/的关系,请用相关系数加以说明;⑵建立y关于t的回归方程(系数精确到0.01),预测2018年我国生活垃圾无害化处理量.7 77参考数据:E沪9.32, E切=40.17,F1 /=1后2.646.J (trt)(yry) A 参考公式:相关系数尸J J ”,回归方程:尸\ 工(y~y)2\l 1=1 1=1a + bt中斜率和截距的最小二乘估计公式分别为b =n _ _匚J ---- 2—, a=y~b t./=1--------------- 1确宗---------------- 思路点拨:(1)利用相关系数的大小y与/的线性相关程度(2)求岀回归方程一利用方程进行估计解]⑴由折线图中的数据和附注中的参考数据得_ 7 _ t =4? E ((厂()2=28, /-17 _ 7 7E (右—f )(y 厂y )二工伽—t Z j/—40.17 4X9.32—2.89,i=\ i=\ i=\因为y 与f 的相关系数近似为0.99,说明y 与f 的线性相关7 _ 力仞一川=0・55,/-I2.890.55X2X2.64~0・99・程度相当大,从而可以用线性回归模型拟合y与f的关系.-9 32(2) y— y 1.331 及⑴得7 _ _工(“一”仞一刃QOQb=------------ =^0.103.工(E 28/-Ia=y-b ^1.331-0.103X4^0.92.所以y关于t的回归方程为$=0.92+0.10t・。

高中数学 2.4 线性回归方程课件 苏教版必修3

高中数学 2.4 线性回归方程课件 苏教版必修3

的特征. 解析: 由图可知①是一次函数关系,不是相关关系;
②中的所有点在一条直线附近波动,是线性相关的; 栏

③中的点杂乱无章,没有什么关系,是不相关的;④
链 接
中的所有点在某条曲线附近波动,是非线性相关的,
即两个变量(biànliàng)具有相关关系的是②④.
答案: ②④
第二十页,共39页。
典例 剖析
规律总结: 散点图直观地描述了两个变量之间有没
有相关关系,由散点图判断相关关系有两种情况,若

所有的点看上去都在一条直线附近波动,则两个变量
目 链
是线性相关的;若所有的点看上去都在某条曲线 接
(qūxiàn)附近波动,则两个变量是非线性相关的,这
两种情况都说明两个变量间具有相关关系.
第二十一页,共39页。
栏 目 链 接
xiǎo),这种关系称为________. 负相关
3.线性回归方程是________________,其中b=
_n____________,a=_______y_^.=bx+a
iΣ=1xiyi-nx y
y-bx
iΣ=n1xi2-nx2
第六页,共39页。
自主 学习
4.线性回归方程 (jiāodiǎn)________.,
第三十一页,共39页。
典例
剖 析 题型四 用回归直线估计总体
例3高二(2)班学生(xué sheng)每周用于数学学习的
时间x(单位:h)与数学成绩y(单位:分)之间有如下数据:


x
2 4
1 5
2 3
1 9
1 6
1 1
2 0
1 6
1 7
1 3

数学第2章2.4线性回归方程课件(苏教版必修3)

数学第2章2.4线性回归方程课件(苏教版必修3)

新知初探思维启动
1.变量间常见关系
(1) 函 数 关 系 : 变 量 之 间 的 关 系 可 以 用 ______
函数
表示,是一种__________关确系定.性
(2)相关关系:变量之间有____________一__定,的联系
但不能完全用________来表函达数.
做一做 1.有下列关系: ①人的年龄与其拥有的财富之间的关系; ②曲线上的点与该点的坐标之间的关系; ③苹果的产量与气候之间的关系; ④森林中的同一树木,其横截面直径与高度 之间的关系;
叫做线性相关关系.
(2)线性回归方程 设有n对观察数据如下:
x
x1
x2
x3

xn
y
y1
y2
y3

yn
当a,b使Q=(y1-bx1-a)2+(y2-bx2-a)2+…
+(yn-bxn-a)2取得__________时,最就小称值方程 _____________^y为=拟bx合+这a n对数据的线性回归
【答案】 ③⑤ 【思维升华】 (1)两变量间主要有两种关系: 一是确定的函数关系,另一种是不确定的相关 关系.同时要注意,两变量间也可能无相关关 系,数学中只有统计部分研究不确定的相关关 系. (2)函数关系与相关关系的区别的关键是“确定 性”还是“随机性”.
变式训练
1.下列两个变量之间的关系中,①角度和它 的余弦值;②正方形的边长和面积;③正n边 形的边数和其内角度数之和;④人的年龄和 身高.不是函数关系的是________(填序号).
方程,该方程所表示的直线称为_________.回归直线
(3)用回归直线进行数据拟合的一般步骤为: ①作出散点图,判断_____是否在散__点________ 一条直线 附近. ②如果散点在一条直线附近,那么用公式

线性回归方程(课件)高二数学(苏教版2019选择性必修第二册)

线性回归方程(课件)高二数学(苏教版2019选择性必修第二册)
i=1
i=1
0.013 18
≈0.999
1,回归模型的拟合效果较好.
14.678 4
探究新知
(3)由残差表中的数值可以看出第 3个样本点的残差比较大,需要确认在采集这个数据的时
候是否有人为的错误,如果有的话,需要纠正数据,重新建立回归模型;由表中数据可以看
出残差点比较均匀地落在不超过0.15的狭窄的水平带状区域中,说明选用的线性回归模型的
编号
1 2 3 4 5 6 7 8 9 10 11 12 13 14
父 亲 身 高1 7 1 7 1 7 1 6 1 8 1 7 1 8 1 7 1 6 1 6 1 8 1 7 1 6
/cm
4
0
3
9
2
2
0
2
8
6
2
3
4
儿 子 身 高1 7 1 7 1 7 1 7 1 8 1 7 1 7 1 7 1 7 1 6 1 7 1 7 1 6
(3)R2 法:R2=1-
越接近 1,则表明模型的拟合效果越好.
n
2
y

y

i
i=1
探究新知
1.已知某种商品的价格 x(单位:元/件)与需求量 y(单位:件)之间的
关系有如下一组数据:
x
14
16
18
20
22
y
12
10
7
5
3
求 y 对 x 的经验回归直线方程,并借助残差平方和与 R2 说明回归模
ҧ ).

探究新知

(3)求经验回归方程的关键在于求得,
ො 的值,可通过





高中数学2.4线性回归方程 PPT课件 图文

高中数学2.4线性回归方程 PPT课件 图文

i=1
∴回归直线方程为y^=1.143x+0.571.
课前探究学习
课堂讲练互动
活页规范训练
题型三 利用回归直线对总体进行估计 【例3】 (14分)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 组对照数据.
(1)请画出上表数据的散点图;
(2)请根据上表提供的数据,用最小平方法求出y关于x的线
即最贴近已知的数据点,最能代表变量x与y之间的关系.
课前探究学习
课堂讲练互动
活页规范训练
(2)利用回归直线对总体进行估计 利用回归直线,我们可以进行预测,若回归直线方程为:y^= bx+a,则 x=x0 处的估计值为:y^=bx0+a.
课前探究学习
课堂讲练互动
活页规范训练
题型一 相关关系的判断 【例1】 下列两个变量之间的关系中,①角度和它的余弦 值;②正方形的边长和面积;③正n边形的边数和其内角度数之 和;④人的年龄和身高.不是函数关系的是________.(填序号) [思路探索] 函数关系是一种变量之间确定性的关系.而相 关关系是非确定性关系. 解析 选项①②③都是函数关系,可以写出它们的函数表 达式:f(θ)=cos θ,g(a)=a2,h(n)=nπ-2π,④不是函数关系, 对于相同年龄的人群中,仍可以有不同身高的人. 答案 ④
xi2-n x 2
n
xi- x 2

i=1
i=1

a= y -b x .
想一想:1.相关关系是不是都为线性关系? 提示 不是.有些变量间的相关关系是非线性相关的. 2.散点图只描述具有相关关系的两个变量所对应点的图形吗? 提示 不是.两个变量统计数据所对应的点的图形都是散点图.

高中数学:2.4《线性回归方程课件》课件(苏教版必修三)

高中数学:2.4《线性回归方程课件》课件(苏教版必修三)

Part
02
线性回归方程的建立与求解
线性回归方程的建立方法
STEP 01
散点图观察
STEP 02
确定回归系数
通过绘制散点图,观察自 变量与因变量之间的关系 ,初步判断是否具有线性 关系。
STEP 03
检验残差
通过观察残差图或计算残 差平方和,检验模型的拟 合效果,判断是否需要进 一步调整模型。
根据最小二乘法原理,通 过计算得到回归系数,从 而确定线性回归方程的斜 率和截距。
以是( )
习题
A. ŷ = 1.23x + 4 B. ŷ = 1.23x + 5
C. ŷ = 1.23x + 4.5 D. ŷ = 1.23x + 3
3、题目:已知回归直线的斜率的估计值是1.23,且样本点的中心为(4,5),则回归直线的方 程可以是( )
习题
01
A. ŷ = 1.23x + 4 B. ŷ = 1.23x +5
预测性
利用线性回归方程可以对 未知数据进行预测。
线性回归方程的应用场景
经济预测
科学实验
通过对历史数据的分析,利用线性回 归方程预测未来经济指标的变化趋势 。
在科学实验中,通过控制变量法来研 究自变量和因变量之间的线性关系, 并利用线性回归方程进行数据分析。
销售预测
根据历史销售数据和市场调查,利用 线性回归方程预测未来产品的销售情 况。
增加自变量
增加自变量可以更好地解释因变 量的变化,从而优化线性回归方 程。
调整模型形式
根据实际情况调整模型形式,可 以更好地拟合数据,从而优化线 性回归方程。
Part
04
线性回归方程的实例分析

高中数学第2章统计2.4线性回归方程课件

高中数学第2章统计2.4线性回归方程课件

判断两个变量是否具有相关关系,主要有两种方法: 一是根据相关关系的定义进行判断,看这两个变量是否具 有不确定性.二是利用散点图,看散点图中的点是否都落 在某一函数曲线附近.
[活学活用]
关于人体的脂肪含量(百分比)与年龄关系的研究中,得到 如下一组数据:
年龄
23
27
39
41
45
49
50
53
脂肪
9.5
2.散点图 (1)概念:将样本中n个数据点(xi,yi)(i=1,2,…,n)描在 平面直角坐标系中,用来表示两个变量的一组数据的图形叫做 散点图. (2)作法:建立平面直角坐标系,用横坐标表示一个变量, 用纵坐标表示另一个变量,将给出的数据所表示的点在坐标系 内描出,即可得到散点图.
[点睛] 对于散点图要注意以下几点. ①若所有的样本点都落在某一函数曲线上,则变量间具有 函数关系. ②若所有的样本点都落在某一函数曲线附近,则变量间就 具有相关关系. ③若散点图中的点的分布没有什么规律,则这两变量之间 不具有相关关系,它们之间是相互独立的.
5

5
975, xiyi=12 952.
i=1
5
i=1
x- y xiyi-5- -2 x2 i -5 x
5
b=
12 952-5× 109× 23.2 154 = = ≈0.196 2, 785 60 975-5× 1092
a=- y - b- x =23.2-0.196 2×109≈1.814 2. ∴回归直线方程为^ y =0.196 2x+1.814 2. (3)当x=96时,^ y ≈20.6. 2 因此,96 m 的新房屋大约为20.6万元.
(3)当x=10时,^ y =1.23× 10+0.08=12.38, 所以估计使用10年时维修费用是12.38万元. (4)由线性回归方程知,使用年限每增加一年维修费用就 提高1.23万元.

高中数学:2.4《线性回归方程(2)》课件(苏教版必修三)

高中数学:2.4《线性回归方程(2)》课件(苏教版必修三)

因此,所求线性回归方程为
精选课件ppt
8
y b x a 0 .6 6 8 x 5 4 .9 6
例2.已知10只狗的血球体积及红血球数的 测量值如下:
x 4444435435
5268258090
y 6. 6. 9. 7. 6. 5. 9. 6. 6. 8. 5355994257
y x (3血0球2体0积9 , 0m l9),0 9(2红血球数,百万)
线性回归方程是
( D)
A .y ˆ5.751.75x
B .y ˆ1.755.75x
C .y ˆ1.755.75x
D .y ˆ5.751.75x
精选课件ppt
4
我们考虑两个表示变量x与y之间的关系
的模型, 为误差项,模型如下:
模型1:y=6+4x;模型2:y=6+4x+e.
(1)如果x=3,e=1,分别求两个模型中 y的值; (2)分别说明以上两个模型是确定性 模型还是随机模型.
(1)画出上表的散点图; (2)求出回归直线度且画出图形.
精选课件ppt
9
解:(1)图略 (2)x 1 ( 4 5 4 2 4 6 4 8 4 2 3 5 5 8 4 0 3 9 5 0 ) 4 4 .5 0
1 0
y 1 ( 6 . 5 3 6 . 3 0 9 . 5 2 7 . 5 0 6 . 9 9 5 . 9 0 9 . 4 9 6 . 2 0 6 . 5 5 8 . 7 2 ) 1 0
时y, 的估计 1_1._6值 9_._为 __
3.用 最 小 二 乘 法 求 数 回 归 系
n
n
i1
xi
yi
n i1
xi

苏教必修3最新资料2.4线性回归方程.ppt1

苏教必修3最新资料2.4线性回归方程.ppt1
达到最小值.这种方法叫做“最小二乘法”。
所以,问题的解答是:
先把 a 看作常数,那么 Q 是关于 b 的二次函数.易知,当
b 140a 3820 时, Q 取得最小值.同理, 把 b 看作常数,
2 1286
那么 Q 是关于 a 的二次函数.当 a 140b 460 时, Q 取得
7
7
性 回 归 方 程 为 y 18 x 30 ( Ⅲ ) 当 x 10 时 , y 150 ,
77
7
| 150 22 | 2 ; 同 样 , 当 x 6 时 , y 78 ,
7
7
| 78 14 | 2 所以,该小组所得线性回归方程是理想的. 7
解:在直角坐标系中画出数据的散点图,直观判断散 点在一条直线附近,故具有线性相关关系.计算相应的数 据之和:
8
8
xi 1031, yi 71.6,
i 1
i 1

8
8
xi2 137835, xi yi 9611.7
i 1
i 1
将它们代入( )式计算得 b 0.0774, a 1.0241 ,
接近。那么,怎样衡量直线 yˆ bx a 与图
中六个点的接近程度呢?
26b a,18b a,13b a,10b a, 4b a, b a . 这
六个值与表中相应的实际值应该越接近越好.所以,我们 用类似于估计平均数时的思想,考虑离差的平方和
Q(a,b) (26b a 20)2 (18b a 24)2 (13b a 34)2 (
(Ⅰ)求选取的 2 组数据恰好是相邻两个月的概率; (5 分)
(Ⅱ)若选取的是 1 月与 6 月的两组数据,请根据 2 至 5 月份的数据,求出 y 关于 x 的线性回归方程

苏教版高中数学必修三第二章-统计2.4ppt课件

苏教版高中数学必修三第二章-统计2.4ppt课件
【提示】 不是,是相关关系.
1.函数关系:变量之间的关系可以用 函数 表示,是一 种 确定性函数 关系. 2.相关关系:变量之间有 一定的联系 用 函数 来表达. ,但不能完全
散点图与线性回归方程
【问题导思】 在研究两个变量的相关关系时通常采用哪些方法?
【提示】 散点图与线性回归方程.
1.散点图 从一个统计数表中,为了更清楚地看出 x 与 y 是否有相 关关系,常将 x 的取值作为 横坐标 ,将 y 的相应取值作 为 纵坐标 ,在直角坐标系中描点(x ,y )(i=1,2,3,„),这
求线性回归方程
一个车间为了规定工时定额,需要确定加工零 件所花费的时间, 为此进行了 10 次实验, 测得的数据如下表.
零件数x(个) 10 20 30 40 50 60 70 10 加工时间y( 62 68 75 81 89 95 2 分)
80 10 8
90 11 5
10 0 12 2
(1)y 与 x 是否具有线性相关关系? (2)如果 y 与 x 具有线性相关关系,求: ①y 关于 x 的线性回归方程; ②x 关于 y 的线性回归方程.
§2.4 线性回归方程
教师用书独具演示
●三维目标 1.知识与技能 通过收集现实问题中两个有关联变量的数据认识变量间 的相关关系.
2.过程与方法 认识现实生活中变量间除了存在确定的关系外,仍存在 大量的非确定性的相关关系,并利用散点图直观体会这种相 关关系. 3.情感态度与价值观 知道可用线性回归方程近似地表示两个具有相关关系的 改变量之间的关系.
x 10 15 17 20 25 28 32 y 1 1.3 1.8 2 2.6 2.7 3.3
(1)画出散点图; (2)判断 y 与 x 是否具有线性相关关系.

高中数学第2章统计2.4线性回归方程(1)教案苏教版必修3

高中数学第2章统计2.4线性回归方程(1)教案苏教版必修3

2.4 线性回归方程 1整体设计教材分析在实际问题中,变量之间的关系有两类:一类是确定性关系,变量之间的关系可以用函数表示.例如,正方形的面积S与边长a 之间就是确定性关系,可以用函数s=a2表示.还有一类是非确定性关系,例如“学生数学成绩与物理成绩之间的关系”“粮食的产量与施肥量之间的关系”“商品的销售额与广告费支出之间的关系”“人体的脂肪百分比和年龄之间的关系”等贴近学生的实际问题,它不能由一个变量的数值精确地确定另一个变量的数值.像这种自变量取一定值时,因变量的取值带有一定随机性,这样的两个变量之间的关系,我们称之为相关关系.“线性回归方程”这一节是为了帮助我们了解变量之间的相关关系,使学生学会区别变量之间的函数关系与变量相关关系,从而达到正确判断实际生活中两个变量之间的相关关系并会作出变量相关关系的散点图;通过散点图的直观性,看各点是否在某条直线附近摆动来为判断两个变量之间的相关关系打下坚实的基础.通过对人体脂肪百分比和年龄之间的关系散点图的分析,引入描述两个变量之间关系的线性回归方程(模型),使学生通过探索用多种方法确定线性回归直线,学会类比寻求新的突破方法,体会最小二乘法的思想,掌握计算回归方程的斜率与截距的方法,求出回归直线方程.通过典型的求解,强化回归思想的建立,理解回归直线与观测数据的关系. 通过引导学生感受生活中实际问题转化为数学问题,学会类比寻求新的突破方法,体会最小二乘法的思想,培养学生的创新精神,不断收取信息,学会用统计知识对实际问题进行数学分析.通过课堂目标检测达到强化所学知识点,提高学生对现代化教学工具的应用能力.三维目标1.通过实例,使学生感受到现实世界中变量之间除了函数关系外,还存在着虽无确定的函数关系,但却有一定的关联性的相关关系,相关关系是一种非确定性关系.2.通过收集实际问题中两个有关联变量的数据作出散点图,直观认识变量间的相关关系.3.经历用不同估算方法描述两个变量线性相关的过程,运用最小二乘法的思想,发现可用线性回归方程近似地表示两个具有相关关系的变量之间的关系,并能根据给出的线性回归方程系数公式建立线性回归方程.重点难点教学重点:1.会区别变量之间的函数关系与变量相关关系;会举例说明现实生活中变量之间的相关关系.2.会作散点图,并由此对变量间的关系作出直观的判断,会求回归直线.教学难点:1.对变量之间的相关关系的理解;变量之间的函数关系与变量相关关系的区别.2.了解最小二乘法的思想,能根据给出的线性回归方程的系数公式建立回归方程.课时安排2课时教学过程第1课时导入新课(多媒体播放四个问题,组织学生分析、思考)问题1:将汽油以均匀的速度注入桶里,注入的时间t与注入的油量y如下表:从表里数据得出油量y与时间t之间的函数关系式为________________.问题2:圆的面积S与半径r之间的函数关系式为________________.问题3:小麦的产量y千克每亩与施肥量x千克每亩之间的关系如下表:从表里数据能得出小麦的产量y与施肥量x之间的函数关系式吗?问题4:人的体重y与身高x之间有什么关系呢?分析问题1:因为是以均匀的速度注入桶里,所以注入的油量y与注入的时间t成正比例关系,由表格数据知,注入的油量y与注入的时间t之间的函数关系式为y=2x(x≥0).因为是实际问题,所以要特别注意自变量的取值范围要有实际意义.分析问题2:这是大家熟悉的面积公式,所以圆的面积S与半径r之间的函数关系式为S=πr2(r>0).第1、2两个问题中的变量间的函数关系是确定的,在我们的现实生活,两个变量之间存在确定性的关系是极少的,而两个变量之间存在不确定性的关系是很普遍的,那么问题3中两个变量之间是确定性的函数关系,还是不确定性的关系呢?学生甲分析问题3:此问中两个变量之间是确定性的函数关系,设为y=kx+b,当x=10时,函数值y为420;当x=20时,函数值y为440,代入可得函数关系式为y=2x+400(x≥0).学生乙:学生甲的回答是错误的,若函数关系式为y=20x+400(x≥0),当x=30时,函数值为460,而不是470.但是可以感觉到施肥量越大,小麦的产量就越高.教师分析:从表格里容易发现施肥量越大,小麦的产量就越高.但是,施肥量并不是影响小麦产量的唯一因素,小麦的产量还与土壤的质量、降雨量、田间管理等诸多因素的影响有关,更何况当施肥量超出一定范围时,还会造成小麦的倒塌,以致颗粒无收.这时两个变量之间就不是确定性的函数关系,那么这两个变量之间究竟是什么关系呢?这就是我们本节课所要研究的问题——变量之间的相关关系.(引入新课,书写课题)推进新课新知探究由学生举出现实生活中的相关关系的例子,教师归纳概念!1.变量之间有一定的联系,但不能完全用函数来表达,即当自变量一定时,因变量的取值带有一定的随机性的两个变量之间的关系称为相关关系.相关关系是非随机变量与随机变量之间的关系,函数关系是两个非随机变量之间的关系,是一种因果关系,而相关关系不一定是因果关系,所以相关关系与函数关系不同,其变量具有随机性,因此相关关系是一种非确定性关系(有因果关系,也有伴随关系).通过上述三个问题请学生思考相关关系与函数关系有什么区别与联系?相关关系与函数关系的异同点如下:相同点:均是指两个变量的关系.不同点:函数关系是一种确定的关系;而相关关系是一种非确定关系;函数关系是自变量与因变量之间的关系,这种关系是两个非随机变量的关系;而相关关系是非随机变量与随机变量的关系.注意:问题3中小麦的产量是在土壤的质量、降雨量、田间管理等诸多变量共同作用下的结果,本节课只研究其中两个主要变量之间的相关关系.我们只能得出经验性的结论:施肥量越大,小麦的产量就越高.但是经验再丰富,也容易犯经验性的错误.施肥量过大,反而容易造成粮食的减产.由学生解决问题4, 人的体重y与身高x之间是一种非确定关系的相关关系,因为,一般说来,身高越高,体重就越重,而无法写出具体的函数关系.应用示例例1 某班学生在一次数学测验和物理测验中,学号1到20的学生的成绩如下表:从表里数据你能得出什么样的经验性结论呢?分析:即是考虑两门学科成绩之间是否具有一定的相关关系.解:数学成绩好的同学则物理成绩就好,反之,数学成绩差的同学则物理成绩就差.点评:注意,只是问的“得出什么样的经验性结论”,并不完全绝对.例2 下面提供四个问题,让各组同学共同探究:第一小组探究的问题是:调查一下本组所有成员的视力与各自的学习成绩关系.第二小组探究的问题是:商品的销售额与广告费支出之间的关系.第三小组探究的问题是:调查一下本组所有成员的身高与各自的体重之间的关系.第四小组探究的问题是:气温的高低与空调的销售量间的关系.分析:根据变量的相关关系讨论.解:第一小组:通过对本组所有成员的调查我们得到结论是:学习成绩好的同学的视力都不太好,都佩带了近视眼镜,但是,我们发现这个结论对我们全班来说就不成立,例如,我们班第一名同学的视力却是很棒,所以我们只能说学习成绩好的同学的视力一般都不太好,人的视力还与用眼卫生习惯、遗传因素等有密切关系.第二小组:通过本组所有成员的共同探讨,我们得到结论是:商品的销售额与广告费支出之间有密切的关系,但商品的销售额不仅与广告费支出多少有关,还与商品的质量、居民收入以及售后服务的质量等诸多因素有关.第三小组:通过对本组所有成员的调查我们得到结论是:身材高的同学的体重一般来说大多都比较大,但是,人的体重还与饮食习惯、遗传因素等有密切关系.第四小组:通过本组所有成员的共同探讨,我们得到结论是:气温的高低与空调的销售量之间有密切的关系,但空调的销售量不仅与气温的高低有关,还与空调的质量、居民收入以及售后服务的质量等诸多因素有关.点评:通过此例使学生养成考虑问题要多方面思考的习惯.例3 下列两个变量之间的关系哪个不是函数关系()A.角度和它的余弦值B.正方形边长和面积C.正n边形的边数和它的内角和D.人的年龄和身高解析:利用变量的函数关系与相关关系解决问题.角度和它的余弦值是一个确定的函数关系y=cosx;正方形边长和面积:s=a2;正n边形的边数和它的内角和:s=(n-2)×180°,而人的年龄和身高具有相关关系.答案:D点评:函数关系是一种确定的关系,而相关关系是一种非确定关系;函数关系是自变量与因变量之间的关系,这种关系是两个非随机变量的关系,而相关关系是非随机变量与随机变量的关系.例 4 “强将手下无弱兵”可以理解为将军的本事越高,他手下的士兵的本事也越高.那么,将军的本事与士兵的本事成什么相关关系?你能举出更多的描述生活中两个变量的相关关系的成语吗?分析:这是与生活、生产、工作、学习息息相关的相关关系,语言功底好的同学更显优势.解:此题与“名师出高徒”相对应.另外举例有:水涨船高.点评:此题加强了与其他学科的联系,学生会对数学很有亲切感.知能训练1.在一次对人体脂肪含量和年龄关系的研究中,研究人员获得了一组样本数据:根据上述数据,人体脂肪含量和年龄之间有怎样的关系?2.某小卖部为了了解热茶销售量与气温之间的关系,随机统计并制作了某6天卖出热茶的杯数与当天气温的对比表:根据上述数据,气温与热茶销售量之间有怎样的关系?解答:1.观察表中的数据,大体上来看,随着年龄的增加,人体中脂肪的百分比也在增加.2.观察表中的数据,大体上来看,气温越高,卖出去的热饮杯数越少.点评:使学生学会全面考察现实生活中变量之间的相关关系,并为下一节课作铺垫.课堂小结(让学生进行小结,帮助他们回顾反思、归纳概括.)1.变量之间的相关关系;2.变量之间的函数关系与变量相关关系的区别;3.学会全面考察现实生活中变量之间的相关关系.作业阅读、预习课本中本节下一部分内容.举出生活中具有相关关系的例子.设计感想通过生活中存在相关关系的一些典型事例,如“学生数学成绩与物理成绩之间的关系”“粮食的产量与施肥量之间的关系”“商品的销售额与广告费支出之间的关系”等贴近学生的实际问题,介绍与函数关系不同的两个变量之间的相关关系,在教学设计时,通过复习变量之间的函数关系引出变量相关关系,由熟悉到生疏的过程便于学生理解,同时分成四个小组同学共同探究以下四个问题:(1)调查一下本组所有成员的视力与各自的学习成绩关系;(2)商品的销售额与广告费支出之间的关系;(3)调查一下本组所有成员的身高与各自的体重之间的关系;(4)气温的高低与空调的销售量间的关系.通过讨论来强化学生对所学内容的理解.。

苏教版高中数学高二必修3课件 2.4 线性回归方程

苏教版高中数学高二必修3课件 2.4 线性回归方程

跟踪训练2 下面四个散点图中点的分布状态,直观上判断两个变量之间 具有线性相关关系的是___③_____.
解析 答案
类型三 线性回归方程的求法及应用 例3 下表为某地近几年机动车辆数与交通事故数的统计资料,请判断机 动车辆数与交通事故数之间是否具有线性相关关系.如果具有线性相关关 系,求出线性回归方程;如果不具有线性相关关系,说明理由.
归方程为
^
y
=0.85x-85.71,则下列结论中不正确的是__①__④____.
①体重y与身高x具有函数间的关系;
②回归直线过 ( x , y )点;
③若该大学某女生身高增加1 cm,则其体重约增加0.85 kg;
④若该大学某女生身高为170 cm,则可判定其体重必为58.79 kg.
解析 体重与身高的关系不确定,不是函数关系.当 x=170 时,y^ = 0.85×170-85.71=58.79,体重的估计值为 58.79 kg.
例2 5名学生的数学和物理成绩(单位:分)如下:
学生 成绩
数学成绩 物理成绩
ABCDE
80 75 70 65 60 70 66 68 64 62
判断它们是否具有线性相关关系.
解答
反思与感悟 (1)判断两个变量x和y间是否具有线性相关关系,常用的简 便方法就是绘制散点图,如果图上发现点的分布从整体上看大致在一条 直线附近,那么这两个变量就是线性相关的,注意不要受个别点的位置 的影响. (2)画散点图时应注意合理选择单位长度,避免真,导致得出错误结论.
12345
解析 答案
3.已知x与y之间的一组数据:
x
0
1
2
3
y
1
3
5
7

2017-2018学年高中数学苏教版必修三课件:第2章 2.4 线性回归方程

2017-2018学年高中数学苏教版必修三课件:第2章 2.4 线性回归方程
(3)画出的一条直线如上图. [一点通] 判断变量间有无线性相关关系,一种常用的简便可行的 方法就是绘制散点图,如果发现点的分布从整体上看大致在 一条直线附近,那么这两个变量是线性相关的.
1.根据两个变量 x,y 之间的观测数据画成散点图如图所示, 这两个变量是否具有线性相关关系________.(填“是”或 “否”)
i=1
i=1
5
b=i=15xiyi-5 i=1x2i -5
x xy2=12690529-755-×51×091×09223.2=175845
≈0.196 2,
a= y -b x =23.2-175845×109≈1.816 6.
∴回归直线方程为^y=0.196 2x+1.816 6.
(3)当 x=96 时,^y≈20.7.
气温/℃ 26 18 13 10 4 -1 杯数 20 24 34 38 50 64
问题 1:判断气温与杯数是否有相关关系? 提示:作散点图可知具有相关关系. 问题 2:若某天的气温是-5℃,能否根据这些数据预测 小卖部卖出热茶的大体杯数? 提示:可以.根据散点图作出一条直线,求出直线方 程后可预测.
(1)将上表中的数据制成散点图; (2)你能从散点图中发现年龄与脂肪含量近似成什么关系 吗? (3)若成线性相关关系,请你画一条直线近似地表示这种 线性关系. [思路点拨] 作出散点图判断相关关系.
[精解详析] (1)以年龄作为 x 轴,脂肪含量为 y 轴,可得相 应散点图,如图所示.
(2)从散点图可以发现,年龄与脂肪含量之间具有线性相 关关系,且是正相关的.
解析:从散点图看,形状呈团状,无任何规律,故不具有 线性相关关系. 答案:否
2.5 名学生的数学成绩和化学成绩如下表:

线性回归方程 说课课件——高二下学期数学苏教版(2019)选择性必修第二册

线性回归方程 说课课件——高二下学期数学苏教版(2019)选择性必修第二册
问题驱动
02
OPTION
合作交流
03
OPTION
技术辅助
本课明暗线
4.从特殊到一般,获 概念的获得 得线性回归方程概念
3.探究“恰当”标准, 给典型案例定“数”
2.基于已有经验, 以“形”定“数”
1.选择模型类 别,完成定“形”
数据分析的 6.获得结论 过程与方法 5.进行推断
1.收集数据 2.整理数据 3.提取信息
获取数据
分析
两个数值变量
获取数据
分析
描述性分析
统计推断
• 作图
(如直方图)
• 方差 ……
估检 计验
描述性分析
• 作图
(如散点图)
• 样本相 关系数 ……
统计推断
线 性 回 归 方 程
••••••
两个分类变量 ••••••
教学重点
重点
通过典型案例,经历对两个数值变 量的数据分析,利用线性回归模型 研究变量之间的关系并进行预测.
推理论证 构建概念
回归情境 解决问题
总结反思 深化认知
小结 1、今天我们研究了什么? 2、我们是怎么研究的? 3、我们还能研究什么?
实习作业 请选择适当课题,进行变量 的相关性研究.
01 发现并提出新问题 完善暗线,形成数据分析的
02 统摄性“大观念” 开放性作业,突出实践操作,发展
03 数学学科核心素养
1 真实情境,凸显数学的应用价值 2 组织活动,提升学生的核心素养 3 教学设计,大观念下的数学教学
Senior High School Affiliated To Nanjing University Of Aeronautics And Astronautics

高中数学第2章统计2.4线性回归方程2教案苏教版必修

高中数学第2章统计2.4线性回归方程2教案苏教版必修

2.4 线性回归方程第2课时导入新课在上一节课中问题1:将汽油以均匀的速度注入桶里,注入的时间t与注入的油量y如下表:从表里数据得出油量y与时间t之间的函数关系式为y=2x(x≥0).并且在直角坐标系里很容易作出它们的图象,我们知道各点在同一条直线上.再看下面的问题(即上一节课的练习2):某小卖部为了了解热茶销售量与气温之间的关系,随机统计并制作了某6天卖出热茶的杯数与当天气温的对比表:请大家动手作出热茶销售量与气温的坐标图,说说它的特点,能得到什么规律?分析:该图中所有点不像第一个问题中函数关系的图象对应的点在同一条直线上,但是分布也是很有规律,它们散布在从左上角到右下角的区域,因此,可以得到规律是随着气温的增加,热茶卖出的杯数在减少.但究竟以什么样的方式在减少呢?这就是今天要继续学习的内容——线性回归方程.推进新课新知探究以横坐标x表示气温,纵坐标y表示热茶销量,建立平面直角坐标系,将表中数据构成的6个数对所表示的点在坐标系内标出,得到上图,今后我们称这样的图为散点图.1.散点图(scatterplot):表示具有相关关系的两个变量的一组数据的图形叫做散点图.散点图形象地反映了各对数据的密切程度.粗略地看,散点分布具有一定的规律.在本图中这些点散布的位置也是值得注意的,它们散布在从左上角到右下角的区域,对于这种相关关系,我们称它为负相关.如果点散布在从左下角到右上角的区域.对于这种相关关系,我们称它为正相关.请学生举例:两个变量之间是正相关的关系.例如:某小卖部卖的冷饮销售量与气温之间的关系.再看上节课的练习 1.在一次对人体脂肪含量和年龄关系的研究中,研究人员获得了一组样本数据:如果作出散点图如右图,它是散布在从左下角到右上角的区域,也是正相关的关系.回到解热茶销售量与气温之间的关系的散点图来,从图中可以得到规律是随着气温的增加,热饮的销售量在减少,究竟以什么样的方式减少呢?分析:分布情况是在从左上角到右下角的区域的某条直线附近摆动.能画出这条直线吗?请大家一起想一想,该怎么办,才能作出这条直线呢?请大家设计方案,可以互相讨论.方案1:采用测量的方法:先画一条直线,测量出各点到它的距离,然后移动直线,达到一个使距离之和最小的位置,测量出此时直线的斜率和截距,就得到回归方程.分析:这个想法很好,但是操作起来有一定难度,因为我们画符合条件的直线不能直接画出.还有什么新的办法能解决这个问题?方案2:在图中选取两点画直线,使得直线两侧的点的个数基本相同.分析:画直线时使得直线两侧的点的个数基本相同的直线能画无数多条,这样符合条件的直线就不唯一了,再仔细考虑一下,我们究竟应当怎样作出.方案 3:在散点图中多取几组点,确定几条直线的方程,分别求出各条直线的斜率和截距,将这两个平均数作为回归直线方程的斜率和截距.分析:如果有6个散点,按照方案3的办法,将要作15条直线,这样计算15条直线的斜率和截距分别求出的计算量是一个很大的工程,由此可见,该方案不具有可行性,那么怎样才能作出 “从整体上看各点与此直线距离最小”的直线呢?用方程y ˆ=bx+a 的直线拟合散点图中的点,应使得该直线与散点图中的点最接近,那么,怎样衡量yˆ=bx+a 与图中的点最接近程度呢? 我们将表中给出的自变量x 的六个值代入直线方程,得到相应的六个yˆ的值: 26b+a,18b+a,13b+a,10b+a,4b+a,-b+a.这六个数值与表中相应的六个yˆ的实际值应该越接近越好.所以,我们用类似于估计总体平均数时的思想,考虑离差平方和Q(a,b)=(26b+a-20)2+(18b+a-24)2+(13b+a-34)2+(10b+a-38)2+(4b+a-50)2+(-b+a-64)2=1 286b 2+6a 2+140ab-3 280b-460a+10 172.Q(a,b)是直线yˆ=bx+a 与各个散点在垂直方向(纵轴方向)上的距离的平方和,可以用来衡量直线yˆ=bx+a 与图中6个点的接近程度,所以,设法取a ,b 的值,使Q(a,b)达到最小值.先把a 看作是常数,那么Q 是关于b 的二次函数.用配方法可得,当b=-128623820140⨯-a 时,Q 取得最小值.同理,把b 看作是常数,那么Q 是关于a 的二次函数.用配方法可得,当a=-12460140-b 时,Q 取得最小值. 因此,当b=-128623820140⨯-a ,a=-12460140-b 时, Q 取得最小值,由此解得b≈-1.647 7,a≈57.556 8.所以所求的直线方程为yˆ=-1.647 7x+57.556 8.像这样能用直线方程yˆ=bx+a 近似表示的相关关系叫做线性相关关系. 人们经过长期的实践与研究,已经得出了从数量关系的角度来计算回归直线方程的斜率与截距的一般公式为: ⎪⎪⎪⎩⎪⎪⎪⎨⎧-=---=∑∑==xb y a x x y y x x b n i i n i i i 11)())((, 从而得到回归直线方程为y ˆ=bx+a. 下面我们一起来探究一下这个公式. 设已经得到具有线性相关关系的变量的一组数据:(x 1,y 1),(x 2,y 2),…,(x n ,y n ),设所求的回归直线方程为yˆ=bx+a ,其中a ,b 是待定的系数,当变量x 取x 1,x 2,…,x n 时,可以得到i yˆ=bx i +a(i=1,2,…,n).它与实际收集到的y i 之间的偏差是y i -i yˆ=y i -(bx i +a)(i=1,2,3,4,…,n).这样用这n 个偏差的和来刻画“各点与此直线的整体偏差”是比较合适的.但是,由于y i -i yˆ=y i -(bx i +a)(i=1,2,3,4,…,n)的值可正可负,可以相互抵消,而且若取其绝对值,考虑用∑=n i 1=|y i -Y i |来代替,但是,由于它含有绝对值运算不太方便,因此我们可以模仿方差的计算方法取其偏差的平方最小值. 表示n 个点与相应直线在整体上的接近程度.即Q=(y 1-bx 1-a)2+(y 2-bx 2-a)2+…+(y n -bx n -a)2来刻画n 个点与回归直线在整体上的偏差.这样,问题,就归结为:当a ,b 取什么值时,Q 的取值最小,即总体偏差最小?上述式子展开后,是一个关于a 、b 的二次三项式,应用配方法,可求出使Q 为最小值时的a 、b 的值.即Q=na 2+∑=n i 1=1x i 2b 2+∑=n i 1=1y i 2-2∑=n i 1=1bx i y i +2∑=n i 1=1abx i -2∑=n i 1=1ay i . (*)上述式子展开后,是一个关于a 、b 的二次三项式,我们可以把(*)式看成以a 为变量的二次三项式,应用配方法可得,当 (1)时,Q 取得最大值;因为(1)式中还含有变量a ,我们无法求出b 的数值,那么我们如何求出斜率b 与截距a 的一般公式为: 从而得到回归直线方程为yˆ=bx+a 呢? 我们还可以把(*)式看成以b 为变量的二次三项式,应用配方法可得,当a= (2) 时,Q 取得最大值.观察(1)、(2)两个式子,因为(1)、(2)两个式子中都是含有a 、b 的二元一次方程,我们可以由(1)(2)解得:从而得到相应的直线叫做回归直线yˆ=bx+a,对两个变量所进行的上述统计分析叫做回归分析.这种求出斜率b与截距a的方法叫做最小平方法(method of least square)(又称最小二乘法).说明:一元线性回归分析也是研究两个变量的线性相关性,但比相关分析的应用更为广泛,它不仅可以说明两个变量是否一起变化,还可以计算出预测方程以预计这两个变量是如何一起变化的.预测方程的形式为:yˆ=bx+a ,通常叫作回归方程.y 叫做因变量,x 叫做自变量,其中a 是常数项,b 叫一元回归系数.1.对回归直线方程只要求会运用它进行具体计算a、b,求出回归直线方程即可.不要求掌握回归直线方程的推导过程.2.求回归直线方程,首先应注意到,只有在散点图大致呈线性时,求出的回归直线方程才有实际意义,否则,求出的回归直线方程毫无意义.因此,对一组数据作线性回归分析时,应先看其散点图是否成线性.3.求回归直线方程,关键在于正确地求出系数a、b,由于求a、b的计算量较大,计算时仔细谨慎、分层进行,避免因计算产生失误.4.回归直线方程在现实生活与生产中有广泛的应用.应用回归直线方程可以把非确定性问题转化成确定性问题,把“无序”变为“有序”,并对情况进行估测、补充.因此,学过回归直线方程以后,应增强学生应用回归直线方程解决相关实际问题的意识.应用示例例1 在一次对人体脂肪含量和年龄关系的研究中,研究人员获得了一组样本数据:根据上述数据,人体脂肪含量和年龄之间有怎样的关系?分析:上节课已给出此问题,并作了回答但没有说明理由,这次补充完整.解:观察表中的数据,大体上来看,随着年龄的增加,人体中脂肪的百分比也在增加.为了确定这一关系的细节,我们需要进行数据分析.我们假设人的年龄影响体内脂肪含量,于是,按照习惯,以x轴表示年龄,以y轴表示脂肪含量,得到相应的散点图.从散点图我们可以看出,年龄越大,体内脂肪含量越高,图中点的趋势表明两个变量之间确实存在一定的关系,这个图支持了我们从数据表中得出的结论.经计算可得到回归直线的回归方程为yˆ=0.577x-0.448. 点评:使前后产生较强的联系性,使学生意识到学数学等于师生在共同编导连续剧,每节课都应参与,不然会掉队.例 2 下表为某地近几年机动车辆数与交通事故数的统计资料,请判断机动车辆数与交通事故数之间是否具有线性相关关系,如果具有线性相关关系,求出线性回归方程;如果不具有线性相关关系,请说明理由.分析:一般地,用回归直线进行拟合的一般步骤为:(1)作出散点图,判断散点是否在一条直线附近;(2)如果散点在一条直线附近,用公式求出a,b.解:在直角坐标系中作出所给数据的散点图,并写出线性回归方程.从散点图我们可以直观判断散点在某条直线附近,这说明两个变量是相关关系.计算相应的数据之和为:∑=n i i x1=95+110+112+120+129+135+150+180=1 031, ∑=n i i x1=6.2+7.5+7.7+8.5+8.7+9.8+10.2+13=71.6, ∑=n i i x12=137 835, ∑=n i i x1x i y i =9 611.7,代入公式(*)计算得b≈0.077 4,a=-1.024 1,所以,所求的线性回归方程为yˆ=0.774x-1.024 1.点评:要知道:在并不具有相关关系的情况下,对应的线性回归方程虽然也可以求出,但它并无实际意义,同时也要注意,在散点图中显示线性相关的一组数据不一定具有相关关系.这部分内容会在选修1-2中再次有所体现.例3 一般地,(x,y)的n组观察数据:若它的回归直线方程为yˆ=a+bx,则直线yˆ=a+bx恒过的定点是什么?分析:如果没有前面的推导背景,此题有点困难,但由于黑板上的板书还在,所以有学生能发现结论.解:由线性回归方程的推导,可知方程的系数a,b满足条件:,a=y-b x.由此不难发现,点(x,y)的坐标满足直线yˆ=a+bx的方程.所以,由点与直线的位置关系可得点(x,y)在直线yˆ=a+bx上,即直线yˆ=a+bx恒过点(x,y).这里x=, y=.点评:刚推导过线性回归方程,所以此题比较适合趁热打铁,可提前做例1;此结论在以后的解题中经常出现,因此可以让学生记忆.例4 工人工资(元)以劳动生产率(千元)变化的回归方程yˆ=50+80x,下列判断正确的是()A.劳动生产率为1 000元时,工资为130元B.劳动生产率提高1 000元时,工资大约提高80元C.劳动生产率提高1 000元时,工资提高大约130元D.当月工资250元时,劳动生产率为2 000元分析:满足回归方程是指:工人工资(元)以劳动生产率(千元)之间具有相关关系,但不是确定的函数关系,所以选项A用的肯定语气是错的,其他的选项通过函数关系式的代入发现,只有选项B是正确的.答案:B点评:体会回归方程的应用.知能训练1.线性回归方程yˆ=kx+a所表示的直线使得()A.散点图中的点到直线的距离之和最小B.散点图中的点到直线的距离的平方和最小C.散点图中的点与直线相同横坐标处对应的纵坐标的距离之和最小D.散点图中的点与直线相同横坐标处对应的纵坐标的距离的平方和最小2.如果有一组成对数据,求出回归直线的方程是y=2.0x+10,那么()A.这条回归直线总是有意义的B.这条回归直线总是可以用来预测y值C.在散点图中的点都在这条直线附近时,这条回归直线才有意义D.x=10时,y的预测值为20,说明在x=10时,y的值一定等于20解答:1.D 2.C课堂小结(让学生进行小结,谈谈体会,帮助他们回顾反思、归纳概括.)1. 变量间相关关系的散点图以及正相关和负相关;2. 如何利用“最小二乘法”思想求直线的回归方程;3. 学会用回归思想考察现实生活中变量之间的相关关系.作业课本习题2.4 1、2、3.设计感想通过对气温和热饮销量的关系散点图的分析,引入描述两个变量之间关系的线性回归方程(模型),使学生通过探索用多种方法确定线性回归直线,学会类比寻求新的突破方法,体会最小二乘法的思想,掌握计算回归方程的斜率与截距的方法,求出回归直线方程.通过典型的求解,强化回归思想的建立,理解回归直线与观测数据的关系. 通过引导学生感受生活中实际问题转化为数学问题,学会类比寻求新的突破方法,体会最小二乘法的思想,培养学生的创新精神,不断收取信息,学会用统计知识对实际问题进行数学分析.本节课在理解最小二乘法的时候所用时间较多,在推导线性回归方程时,计算量特别大,所以费时也较多,建议分一点内容到上一节课协调一下.习题详解习题2.41.(1)散点图如下:(2)线性回归方程为yˆ=5.2x+24.2.(1)散点图如下:(2)根据散点图,这些点在一条直线的附近,x与y具有线性相关关系,线性回归方程为yˆ=0.305 21x+9.990 32.3.(1)散点图如下:(2)x与y之间的线性回归方程为yˆ=14.090 91x-13.227 27.4.略.。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

答 都不是函数关系.因为当其中一个变量变化时,另一个变量 的变化还受其它因素的影响.
研一研பைடு நூலகம்问题探究、课堂更高效
问题3 “名师出高徒”可以解释为教师的水平越高,学生的水平就 越高,那么学生的学业成绩与教师的教学水平之间的关系是函数 关系吗?为什么?

不是函数关系.因为学生的成绩提高的原因是多个因素
^ ^
的距离的平方和,可以用来衡量直线 y =bx+a与图中六个点的接 近程度,所以,设法取a,b的值,使Q(a,b)达到最小值.这种方 法叫做最小平方法(又称最小二乘法).经研究知:当a,b分别为 下面的值时,Q(a,b)达到最小值.
^
研一研·问题探究、课堂更高效
n n n n xiyi- xi yi i=1 i=1 i=1 , b= n n 2 n xi - xi2 i=1 i=1 a= y - b x . 像这样能用直线方程y=bx+a近似表示的相关关系叫做线性相 关关系,一般地,设有n对观察数据如下:
答 在平面直角坐标系中,表示两个变量的一组数据图形, 称为散点图.
研一研·问题探究、课堂更高效
探究点三 最小平方法
问题1 在各种各样的散点图中,有些散点图中的点是杂乱 分布的,有些散点图中的点的分布有一定的规律性,上 述问题中卖出热茶的杯数与当天气温的散点图中的点的 分布有什么特点?
答 这些点大致分布在一条直线附近.
【学习要求】 1.理解线性回归的基本思想和方法,体会变量之间的相关关系; 2.会画出一组数据的散点图,并会通过散点图判断出这组数据是 否具有线性关系; 3.会求数据的线性回归方程,并根据线性回归方程做出合理的 判断. 【学法指导】 通过现实问题认识现实生活中变量间除了存在确定的关系外,仍 存在大量的非确定性的相关关系,并利用散点图直观体会这种相 关关系;经历用不同估算方法描述两个变量线性相关的过程.知 道最小二乘法的思想,能根据给出的线性回归方程的系数公式建 立线性回归方程.
研一研·问题探究、课堂更高效
探究点一 变量之间的相关关系
问题1 当一个变量的取值一定时,另一个变量的取值被唯一确 定,则这两个变量之间是怎样的关系?
答 这两个变量是一个函数关系.
问题2 考察下列问题中两个变量之间的关系,想一想它们的关系是 函数关系吗?为什么? (1)商品销售收入与广告支出经费; (2)粮食产量与施肥量; (3)人体内的脂肪含量与年龄.
Q(a,b)=(26b+a-20)2+(18b+a-24)2+(13b+a-34)2+ (10b+a-38)2+(4b+a-50)2+(-b+a-64)2=1 286b2+6a2+ 140ab-3 820b-460a+10 172,
研一研·问题探究、课堂更高效
先把a看作常数,那么Q是关于 b的二次函数.易知,当 b= 140a- 3 820 - 时, Q取得最小值.同理,把 b看作常数,那么 Q 2×1 286 140b- 460 是关于 a的二次函数.当 a=- 时, Q取得最小值.因 12 此,由此解得 b≈- 1.647 7, a≈ 57.556 8.所求直线方程为 y= - 1.647 7x+ 57.556 8. 当 x=- 5时, y ≈ 66,故当气温为- 5℃ 时,热茶销量约为 66杯. ^ 小结 Q(a,b)是直线 y =bx+a与各散点在垂直方向(纵轴方向)上
(1)选择能反映直线变化的两个点,例如取(4,50),(18,24)这两点 的直线; (2)取一条直线,使得位于该直线一侧和另一侧的点的个数基本 相同; (3)多取几组点,确定几条直线方程,再分别算出各条直线斜率、 截距的平均值,作为所求直线的斜率、截距. 问题4 用怎样的标准确定直线来近似地表示热茶销量与气温之间的 关系呢? ^ 答 用方程为y=bx+a的直线拟合散点图中的点,应使得该直线
的共同结果,并不由老师这一个因素唯一确定.况且一个老 师教几十个学生,也有成绩差的.
小结 问题2、问题3中两个变量之间的关系是一种非确定性关 系,称之为相关关系.
研一研·问题探究、课堂更高效
问题4 函数关系与相关关系之间的区别与联系是怎样的?

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.函数关系是一种因果关系而相关关系不一 定是因果关系,也可能是伴随关系,函数关系与相关关系之间 有着密切联系,在一定条件下可以互相转化.
机动车辆数x/千台 交通事故数y/千件
95
110 112 120 129 135 150 180 8.5 8.7 9.8 10.2 13
6.2 7.5 7.7
解 在直角坐标系中画出数据的散点图,如下图.
直观判断散点在一条直线附近,故具有线性相关关系.
研一研·问题探究、课堂更高效
从而计算相应的数据之和:
与散点图中的点最接近.
研一研·问题探究、课堂更高效
问题5 怎样衡量直线y=bx+a与图中六个点的接近程度呢?
答 将表中给出的自变量x的6个值带入直线方程,得到相应
^
^
的六个 y 的值,26b+a,18b+a,13b+a,10b+a,4b+a,-b+a. 这六个值与表中相应的实际值应该越接近越好.所以,我们 用类似于估计平均数时的思想考虑离差的平方和;
^
x y
x1 y1
x2 y2
x3 y3
„ „
xn yn
研一研·问题探究、课堂更高效
当a,b使Q=(y1-bx1-a)2+(y2-bx2-a)2+„+(yn-bxn-a)2 取得最小值时,就称 y =bx+a为拟合这n对数据的线性回归方 程,该方程所表示的直线称为回归直线. 线性回归方程y=bx+a中的系数a,b可以用下面公式计算,
解 从已经掌握的知识来看,吸烟会损害身体的健康,但是除了
吸烟之外,还有许多其他的随机因素影响身体健康,人体健康是 很多因素共同作用的结果.我们可以找到长寿的吸烟者,也更容 易发现由于吸烟而引发的患病者,所以吸烟不一定引起健康问 题.但吸烟引起健康问题的可能性大.因此“健康问题不一定是 由吸烟引起的,所以可以吸烟”的说法是不对的.
研一研·问题探究、课堂更高效
例1 在下列两个变量的关系中,哪些是相关关系?
①正方形边长与面积之间的关系; ②作文水平与课外阅读量之间的关系; ③人的身高与年龄之间的关系; ④降雪量与交通事故的发生率之间的关系.
解 两变量之间的关系有两种:函数关系与带有随机性的相关 关系.①正方形的边长与面积之间的关系是函数关系.②水稻 产量与施肥量之间的关系不是严格的函数关系,但是具有相关 性,因而是相关关系.③人的身高与年龄之间的关系既不是函 数关系,也不是相关关系,因为人的年龄达到一定时期身高就 不发生明显变化了,因而他们不具备相关关系.④降雪量与交 通事故的发生率之间具有相关关系.
解 (1)散点图如下.
研一研·问题探究、课堂更高效
(2)由散点图可以看出样本点分布在一条直线的附近,可见y与x 线性相关.
(3)列出下表并用科学计算器进行有关计算.
i xi yi xiyi x2i 1 40 12 2 50 20 3 55 27 4 60 36 5 67 46 6 70 56
300 400 500 600 700 800
问题2 探究点二导引中卖出热茶的杯数与当天气温的关系 可用怎样的函数近似地表示出来?为什么? 答 可用一次函数近似地表示,因为卖出热茶的杯数与当 天气温的散点图中的点大致分布在一条直线附近.
研一研·问题探究、课堂更高效
问题3 选择怎样的直线近似地表示热茶销量与气温之间的关系?
答 可能有多种思考方案:
问题1 观察上表中的数据,随着气温的降低,卖出热茶的杯数 发生了怎样变化? 答 随着气温的降低,卖出热茶的杯数逐渐增加.
研一研·问题探究、课堂更高效
问题2 以x轴表示气温,y轴表示热茶销量,你能将表中数据 构成的6个数对所表示的点在坐标系内标出吗?

研一研·问题探究、课堂更高效
问题3 问题2画出的坐标系叫做散点图,你能给散点图下个 定义吗?
a= y -b x =57-0.058 86×550=24.627.
因此所求的线性回归方程为y =0.058 86x+24.627. (4)将x=1 000代入回归方程得 y=0.058 86×1 000+24.627=83.487, 即退水温度是1 000℃时, 黄酮延长性大约是83.487%.
^
a,b满足
上式还可以表示为
研一研·问题探究、课堂更高效
[问题情境]
在学校里,老师对学生经常这样说:“如果你的数
学成绩好,那么你的物理学习就不会有什么大问题.”按照 这种说法,似乎学生的物理成绩与数学成绩之间存在着某种 关系,显然,这种关系不能用我们熟悉的函数关系来描述, 那么这究竟是一种什么关系?下面我们共同来研究.
研一研·问题探究、课堂更高效
探究点二 散点图
导引 某小卖部为了了解热茶销售量与气温之间的关系,随机 统计并制作了某6天卖出热茶的杯数与当天气温的对照表:
气温/℃ 杯数
26 20
18 13 10 24 34 38
4 50
-1 64
如果某天的气温是-5℃,那么你能根据这些数据预测这天 小卖部卖出热茶的杯数吗?
填一填·知识要点、记下疑难点
1.与函数关系不同,相关关系是一种有一定的关系,但不 是确定性的关系.
填一填·知识要点、记下疑难点
2.能用直线方程 y =bx+a 近似表示的相关关系叫做线性相 关关系,该方程叫
^
线性回归方程
,给出一组数据
(x1,y1),(x2,y2),„,(xn,yn),线性回归方程中的系数
000 000 500 000 900 000 90 160 250 360 490 640 000 000 000 000 000 000 x =550, y =57
相关文档
最新文档