《线性回归方程分析》由会员分享，可在线阅读，更多相关《线性回归方程分析（11页珍藏版）》请在金锄头文库上搜索。
1、环球雅思学科教师辅导讲义讲义编号： 组长签字： 签字日期： 学员编号： 年 级： 高二 课时数：3学员姓名： 辅导科目： 数学 学科教师：闫建斌课 题线性回归方程授课日期及时段2014-2-11 18:00-20:00教学目标线性回归方程基础重点、难点教 学 内 容1、本周错题讲解2、知识点梳理1线性回归方程变量之间的两类关系：函数关系与相关关系制作散点图，判断线性相关关系线性回归方程：（最小二乘法）最小二乘法：求回归直线，使得样本数据的点到它的距离的平方最小的方法 注意：线性回归直线经过定点2相关系数（判定两个变量线性相关性）：注：0时，变量正相关； 0时，变量负相关； 越接近于1，两个变量
2、的线性相关性越强； 接近于0时，两个变量之间几乎不存在线性相关关系。3线形回归模型：随机误差：我们把线性回归模型，其中为模型的未知参数，称为随机误差。 随机误差残差：我们用回归方程中的估计，随机误差，所以是的估计量，故，称为相应于点的残差。回归效果判定-相关指数(解释变量对于预报变量的贡献率) (的表达式中确定)注：得知越大，说明残差平方和越小，则模型拟合效果越好；越接近于1，则回归效果越好。4独立性检验（分类变量关系）：(1)分类变量：这种变量的不同“值”表示个体所属的不同类别的变量。(2)列联表：列出两个分类变量的频数表，称为列联表。(3)对于列联表：的观测值。(4)临界值表：0.500.
3、400.250.150.100.050.0250.0100.0050.0010.4550.7081.3232.0722.7063.8415.0246.6357.87910.828如果，就推断“有关系”，这种推断犯错误的概率不超过；否则，在样本数据中没有发现足够证据支持结论“有关系”。(5)反证法与独立性检验原理的比较：反证法原理在假设下，如果推出矛盾，就证明了不成立。独立性检验原理在假设下，如果出现一个与相矛盾的小概率事件，就推断不成立，且该推断犯错误的概率不超过这个小概率。典型例题1(2011山东)某产品的广告费用x与销售额y的统计数据如下表：广告费用x/万元4235销售额y/万元49263
4、954根据上表可得回归方程x中的为9.4，据此模型预报广告费用为6万元时销售额为 ()A63.6万元 B65.5万元C67.7万元 D72.0万元解析，42，又x必过(，)，429.4，9.1.线性回归方程为9.4x9.1.当x6时，9.469.165.5(万元)答案B2(2011江西)为了解儿子身高与其父亲身高的关系，随机抽取5对父子的身高数据如下：父亲身高x/cm174176176176178儿子身高y/cm175175176177177则y对x的线性回归方程为 ()A.x1 B.x1C.88x D.176解析因为176，176，又y对x的线性回归方程表示的直线恒过点(，)，所以将(176
5、,176)代入A、B、C、D中检验知选C.答案C3(2011陕西)设(x1，y1)，(x2，y2)，(xn，yn)是变量x和y的n个样本点，直线l是由这些样本点通过最小二乘法得到的线性回归直线(如图)，以下结论中正确的是()Ax和y的相关系数为直线l的斜率Bx和y的相关系数在0到1之间C当n为偶数时，分布在l两侧的样本点的个数一定相同D直线l过点(，)解析因为相关系数是表示两个变量是否具有线性相关关系的一个值，它的绝对值越接近1，两个变量的线性相关程度越强，所以A、B错误C中n为偶数时，分布在l两侧的样本点的个数可以不相同，所以C错误根据回归直线方程一定经过样本中心点可知D正确，所以选D.答案
6、D4(2011广东)为了解篮球爱好者小李的投篮命中率与打篮球时间之间的关系，下表记录了小李某月1号到5号每天打篮球时间x(单位：小时)与当天投篮命中率y之间的关系：时间x12345命中率y0.40.50.60.60.4小李这5天的平均投篮命中率为_；用线性回归分析的方法，预测小李该月6号打6小时篮球的投篮命中率为_解析小李这5天的平均投篮命中率0.5，可求得小李这5天的平均打篮球时间3.根据表中数据可求得0.01，0.47，故回归直线方程为0.470.01x，将x6代入得6号打6小时篮球的投篮命中率约为0.53.答案0.50.535(2011辽宁)调查了某地若干户家庭的年收入x(单位：万元)和
7、年饮食支出y(单位：万元)，调查显示年收入x与年饮食支出y具有线性相关关系，并由调查数据得到y对x的回归直线方程：0.254x0.321.由回归直线方程可知，家庭年收入每增加1万元，年饮食支出平均增加_万元解析由题意知0.254(x1)0.321(0.254x0.321)0.254.答案0.2546(2011安徽)某地最近十年粮食需求量逐年上升，下表是部分统计数据：年份20022004200620082010需求量(万吨)236246257276286(1)利用所给数据求年需求量与年份之间的回归直线方程x；(2)利用(1)中所求出的直线方程预测该地2012年的粮食需求量解(1)由所给数据看出，
8、年需求量与年份之间是近似直线上升的，下面求回归直线方程为此对数据预处理如下：年份200642024需求量257211101929对预处理后的数据，容易算得0，3.2.6.5，b3.由上述计算结果，知所求回归直线方程为257(x2 006)6.5(x2 006)3.2，即6.5(x2 006)260.2.(2)利用直线方程，可预测2012年的粮食需求量为65(20122006)260.26.56260.2299.2(万吨)课堂练习1实验测得四组(x，y)的值为(1,2)，(2,3)，(3,4)，(4,5)，则y与x之间的回归直线方程为()A.x1B.x2 C.2x1 D.x12在比较两个模型的拟
9、合效果时，甲、乙两个模型的相关指数R2的值分别约为0.96和0.85，则拟合效果好的模型是()A甲 B乙 C甲、乙相同 D不确定3某化工厂为预测产品的回收率y，需要研究它和原料有效成分含量x之间的相关关系，现取8对观测值，计算，得xi52，yi228，x478，xiyi1849，则其线性回归方程为()A.11.472.62x B.11.472.62xC.2.6211.47x D.11.472.62x4下表是某厂14月份用水量(单位：百吨)的一组数据：月份x1234用水量y4.5432.5由散点图可知，用水量y与月份x之间有较好的线性相关关系，其线性回归直线方程是0.7xa，则a等于_5某车间为
10、了规定工时定额，需要确定加工零件所花费的时间，为此作了四次试验，得到的数据如下：零件的个数x(个)2345加工的时间y(小时)2.5344.5(1)在给定的坐标系中画出表中数据的散点图；(2)求出y关于x的线性回归方程bxa，并在坐标系中画出回归直线；(3)试预测加工10个零件需要多少小时？课后练习一、选择题1实验测得四组(x，y)的值为(1,2)，(2,3)，(3,4)，(4,5)，则y与x之间的回归直线方程为()A.x1B.x2C.2x1 D.x1答案A解析画出散点图，四点都在直线x1.2下列有关样本相关系数的说法不正确的是()A相关系数用来衡量变量x与y之间的线性相关程度B|r|1，且|
11、r|越接近于1，相关程度越大C|r|1，且|r|越接近0，相关程度越小D|r|1，且|r|越接近1，相关程度越小答案D3由一组样本(x1，y1)，(x2，y2)，(xn，yn)得到的回归直线方程abx，下面有四种关于回归直线方程的论述：(1)直线abx至少经过点(x1，y1)，(x2，y2)，(xn，yn)中的一个点；(2)直线abx的斜率是；(3)直线abx必过(，)点；(4)直线abx和各点(x1，y1)，(x2，y2)，(xn，yn)的偏差 (yiabxi)2是该坐标平面上所有的直线与这些点的偏差中最小的直线其中正确的论述有()A0个 B1个C2个 D3个答案D解析线性回归直线不一定过点
12、(x1，y1)，(x2，y2)，(xn，yn)中的任何一点；b就是线性回归直线的斜率，也就是回归系数；线性回归直线过点(，)；线性回归直线是平面上所有直线中偏差 (yiabxi)2取得最小的那一条故有三种论述是正确的，选D.4设两个变量x和y之间具有线性相关关系，它们的相关系数是r，y关于x的回归直线的斜率是b，纵截距是a，那么必有()Ab与r的符号相同 Ba与r的符号相同Cb与r的符号相反 Da与r的符号相反答案A5在比较两个模型的拟合效果时，甲、乙两个模型的相关指数R2的值分别约为0.96和0.85，则拟合效果好的模型是()A甲 B乙C甲、乙相同 D不确定答案A6某化工厂为预测产品的回收率y，需要研究它和原料有效成分含量x之间的相关关系，现取8对观测值，计算，得xi52，yi228，x478，xiyi1849，则其线性回归方程为()A.11.472.62x B.11.472.62xC.2.6211.47x D.11.472.62x答案A解析利用回归系数公式计算可得a11.47，b2.62，故11.472.62x.二、填空题7下表是某厂14月份用
