歡迎來到裝配圖網(wǎng)! | 幫助中心 裝配圖網(wǎng)zhuangpeitu.com!
裝配圖網(wǎng)
ImageVerifierCode 換一換
首頁 裝配圖網(wǎng) > 資源分類 > PPT文檔下載  

人教版高二數(shù)學(xué)選修2-3回歸分析(-).ppt

  • 資源ID:14052535       資源大?。?span id="obon0kx" class="font-tahoma">617.55KB        全文頁數(shù):26頁
  • 資源格式: PPT        下載積分:9.9積分
快捷下載 游客一鍵下載
會(huì)員登錄下載
微信登錄下載
三方登錄下載: 微信開放平臺(tái)登錄 支付寶登錄   QQ登錄   微博登錄  
二維碼
微信掃一掃登錄
下載資源需要9.9積分
郵箱/手機(jī):
溫馨提示:
用戶名和密碼都是您填寫的郵箱或者手機(jī)號(hào),方便查詢和重復(fù)下載(系統(tǒng)自動(dòng)生成)
支付方式: 支付寶    微信支付   
驗(yàn)證碼:   換一換

 
賬號(hào):
密碼:
驗(yàn)證碼:   換一換
  忘記密碼?
    
友情提示
2、PDF文件下載后,可能會(huì)被瀏覽器默認(rèn)打開,此種情況可以點(diǎn)擊瀏覽器菜單,保存網(wǎng)頁到桌面,就可以正常下載了。
3、本站不支持迅雷下載,請(qǐng)使用電腦自帶的IE瀏覽器,或者360瀏覽器、谷歌瀏覽器下載即可。
4、本站資源下載后的文檔和圖紙-無水印,預(yù)覽文檔經(jīng)過壓縮,下載后原文更清晰。
5、試題試卷類文檔,如果標(biāo)題沒有明確說明有答案則都視為沒有答案,請(qǐng)知曉。

人教版高二數(shù)學(xué)選修2-3回歸分析(-).ppt

2020/7/1,鄭平正 制作鄭平正 制作,去“數(shù)學(xué)廣角”嘍!,2020/7/1,鄭平正 制作鄭平正 制作,3.1回歸分析的基本思想及其初步應(yīng)用(三),高二數(shù)學(xué) 選修2-3 第三章 統(tǒng)計(jì)案例,2020/7/1,鄭平正 制作,比數(shù)學(xué)3中“回歸”增加的內(nèi)容,數(shù)學(xué)統(tǒng)計(jì) 畫散點(diǎn)圖 了解最小二乘法的思想 求回歸直線方程 ybxa 用回歸直線方程解決應(yīng)用問題,選修2-3統(tǒng)計(jì)案例 引入線性回歸模型 ybxae 了解模型中隨機(jī)誤差項(xiàng)e產(chǎn)生的原因 了解相關(guān)指數(shù) R2 和模型擬合的效果之間的關(guān)系 了解殘差圖的作用 利用線性回歸模型解決一類非線性回歸問題 正確理解分析方法與結(jié)果,2020/7/1,鄭平正 制作,復(fù)習(xí)回顧,2、數(shù)據(jù)點(diǎn)和它在回歸直線上相應(yīng)位置的差異 是隨機(jī)誤差的效應(yīng),稱 為殘差。,3、對(duì)每名女大學(xué)生計(jì)算這個(gè)差異,然后分別將所得的值平方后加起來,用數(shù)學(xué)符號(hào)表示為: 稱為殘差平方和,它代表了隨機(jī)誤差的效應(yīng)。,2020/7/1,鄭平正 制作,4、兩個(gè)指標(biāo): (1)類比樣本方差估計(jì)總體方差的思想,可以用作 為 的估計(jì)量, 越小,預(yù)報(bào)精度越高。,(2)我們可以用相關(guān)指數(shù)R2來刻畫回歸的效果,其 計(jì)算公式是:,R2 1,說明回歸方程擬合的越好;R20,說明回歸方程擬合的越差。,2020/7/1,鄭平正 制作,表3-2列出了女大學(xué)生身高和體重的原始數(shù)據(jù)以及相應(yīng)的殘差數(shù)據(jù)。,在研究?jī)蓚€(gè)變量間的關(guān)系時(shí),首先要根據(jù)散點(diǎn)圖來粗略判斷它們是否線性相關(guān),是否可以用回歸模型來擬合數(shù)據(jù)。,5、殘差分析與殘差圖的定義:,然后,我們可以通過殘差 來判斷模型擬合的效果,判斷原始數(shù)據(jù)中是否存在可疑數(shù)據(jù),這方面的分析工作稱為殘差分析。,我們可以利用圖形來分析殘差特性,作圖時(shí)縱坐標(biāo)為殘差,橫坐標(biāo)可以選為樣本編號(hào),或身高數(shù)據(jù),或體重估計(jì)值等,這樣作出的圖形稱為殘差圖。,2020/7/1,鄭平正 制作,殘差圖的制作及作用 1、坐標(biāo)縱軸為殘差變量,橫軸可以有不同的選擇; 2、若模型選擇的正確,殘差圖中的點(diǎn)應(yīng)該分布在以橫軸為心的帶形區(qū)域; 3、對(duì)于遠(yuǎn)離橫軸的點(diǎn),要特別注意。,身高與體重殘差圖,幾點(diǎn)說明: 第一個(gè)樣本點(diǎn)和第6個(gè)樣本點(diǎn)的殘差比較大,需要確認(rèn)在采集過程中是否有人為的錯(cuò)誤。如果數(shù)據(jù)采集有錯(cuò)誤,就予以糾正,然后再重新利用線性回歸模型擬合數(shù)據(jù);如果數(shù)據(jù)采集沒有錯(cuò)誤,則需要尋找其他的原因。 另外,殘差點(diǎn)比較均勻地落在水平的帶狀區(qū)域中,說明選用的模型計(jì)較合適,這樣的帶狀區(qū)域的寬度越窄,說明模型擬合精度越高,回歸方程的預(yù)報(bào)精度越高。,2020/7/1,鄭平正 制作,例1 在一段時(shí)間內(nèi),某中商品的價(jià)格x元和需求量Y件之間的一組數(shù)據(jù)為:,求出Y對(duì)的回歸直線方程,并說明擬合效果的好壞。,解:,2020/7/1,鄭平正 制作,例1 在一段時(shí)間內(nèi),某中商品的價(jià)格x元和需求量Y件之間的一組數(shù)據(jù)為:,求出Y對(duì)的回歸直線方程,并說明擬合效果的好壞。,列出殘差表為,0.994,因而,擬合效果較好。,0,0.3,-0.4,-0.1,0.2,4.6,2.6,-0.4,-2.4,-4.4,2020/7/1,鄭平正 制作,例2 關(guān)于x與y有如下數(shù)據(jù): 有如下的兩個(gè)線性模型: (1) ;(2) 試比較哪一個(gè)擬合效果更好。,2020/7/1,鄭平正 制作,6、注意回歸模型的適用范圍:,(1)回歸方程只適用于我們所研究的樣本的總體。樣本數(shù)據(jù)來自哪個(gè)總體的,預(yù)報(bào)時(shí)也僅適用于這個(gè)總體。 (2)模型的時(shí)效性。利用不同時(shí)間段的樣本數(shù)據(jù)建立的模型,只有用來對(duì)那段時(shí)間范圍的數(shù)據(jù)進(jìn)行預(yù)報(bào)。 (3)建立模型時(shí)自變量的取值范圍決定了預(yù)報(bào)時(shí)模型的適用范圍,通常不能超出太多。 (4)在回歸模型中,因變量的值不能由自變量的值完全確定。正如前面已經(jīng)指出的,某個(gè)女大學(xué)生的身高為172cm,我們不能利用所建立的模型預(yù)測(cè)她的體重,只能給出身高為172cm的女大學(xué)生的平均體重的預(yù)測(cè)值。,2020/7/1,鄭平正 制作,7、一般地,建立回歸模型的基本步驟為:,2020/7/1,鄭平正 制作,案例2 一只紅鈴蟲的產(chǎn)卵數(shù)y和溫度x有關(guān)?,F(xiàn)收集了7組觀測(cè)數(shù)據(jù)列于表中:,(1)試建立產(chǎn)卵數(shù)y與溫度x之間的回歸方程;并預(yù)測(cè)溫度為28oC時(shí)產(chǎn)卵數(shù)目。 (2)你所建立的模型中溫度在多大程度上解釋了產(chǎn)卵數(shù)的變化?,2020/7/1,鄭平正 制作,畫散點(diǎn)圖,假設(shè)線性回歸方程為 :=bx+a,選 模 型,所以,二次函數(shù)模型中溫度解釋了74.64%的產(chǎn)卵數(shù)變化。,探索新知,方案1,當(dāng)x=28時(shí),y =19.8728-463.73 93,一元線性模型,2020/7/1,鄭平正 制作,奇怪?,93>66 ? 模型不好?,2020/7/1,鄭平正 制作,方案2,問題3,合作探究,t=x2,二次函數(shù)模型,2020/7/1,鄭平正 制作,方案2解答,平方變換:令t=x2,產(chǎn)卵數(shù)y和溫度x之間二次函數(shù)模型y=bx2+a就轉(zhuǎn)化為產(chǎn)卵數(shù)y和溫度的平方t之間線性回歸模型y=bt+a,作散點(diǎn)圖,并由計(jì)算器得:y和t之間的線性回歸方程為y=0.367t-202.54,相關(guān)指數(shù)R2=r20.8962=0.802,將t=x2代入線性回歸方程得: y=0.367x2 -202.54 當(dāng)x=28時(shí),y=0.367282-202.5485,且R2=0.802, 所以,二次函數(shù)模型中溫度解 釋了80.2%的產(chǎn)卵數(shù)變化。,2020/7/1,鄭平正 制作,產(chǎn)卵數(shù),氣溫,指數(shù)函數(shù)模型,方案3,合作探究,對(duì)數(shù),2020/7/1,鄭平正 制作,方案3解答,當(dāng)x=28oC 時(shí),y 44 ,指數(shù)回歸模型中溫度解釋了98.5%的產(chǎn)卵數(shù)的變化,由計(jì)算器得:z關(guān)于x的線性回歸方程 為z=0.118x-1.665 , 相關(guān)指數(shù)R2=r20.99252=0.985,2020/7/1,鄭平正 制作,最好的模型是哪個(gè)?,線性模型,二次函數(shù)模型,指數(shù)函數(shù)模型,2020/7/1,鄭平正 制作,比一比,最好的模型是哪個(gè)?,2020/7/1,鄭平正 制作,這些問題也使用于其他問題。,涉及到統(tǒng)計(jì)的一些思想: 模型適用的總體; 模型的時(shí)間性; 樣本的取值范圍對(duì)模型的影響; 模型預(yù)報(bào)結(jié)果的正確理解。,小結(jié),2020/7/1,鄭平正 制作,什么是回歸分析? (內(nèi)容),從一組樣本數(shù)據(jù)出發(fā),確定變量之間的數(shù)學(xué)關(guān)系式 對(duì)這些關(guān)系式的可信程度進(jìn)行各種統(tǒng)計(jì)檢驗(yàn),并從影響某一特定變量的諸多變量中找出哪些變量的影響顯著,哪些不顯著 利用所求的關(guān)系式,根據(jù)一個(gè)或幾個(gè)變量的取值來預(yù)測(cè)或控制另一個(gè)特定變量的取值,并給出這種預(yù)測(cè)或控制的精確程度,2020/7/1,鄭平正 制作,回歸分析與相關(guān)分析的區(qū)別,相關(guān)分析中,變量 x 變量 y 處于平等的地位;回歸分析中,變量 y 稱為因變量,處在被解釋的地位,x 稱為自變量,用于預(yù)測(cè)因變量的變化 相關(guān)分析中所涉及的變量 x 和 y 都是隨機(jī)變量;回歸分析中,因變量 y 是隨機(jī)變量,自變量 x 可以是隨機(jī)變量,也可以是非隨機(jī)的確定變量 相關(guān)分析主要是描述兩個(gè)變量之間線性關(guān)系的密切程度;回歸分析不僅可以揭示變量 x 對(duì)變量 y 的影響大小,還可以由回歸方程進(jìn)行預(yù)測(cè)和控制,2020/7/1,鄭平正 制作,練習(xí) 假設(shè)關(guān)于某設(shè)備的使用年限x和所支出的維修費(fèi)用 y(萬元),有如下的統(tǒng)計(jì)資料。,若由資料知,y對(duì)x呈線性相關(guān)關(guān)系。試求: (1)線性回歸方程 的回歸系數(shù) ; (2)求殘差平方和; (3)求相關(guān)系數(shù) ; (4)估計(jì)使用年限為10年時(shí),維修費(fèi)用是多少?,2020/7/1,鄭平正 制作,解:,(1)由已知數(shù)據(jù)制成表格。,所以有,

注意事項(xiàng)

本文(人教版高二數(shù)學(xué)選修2-3回歸分析(-).ppt)為本站會(huì)員(za****8)主動(dòng)上傳,裝配圖網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)上載內(nèi)容本身不做任何修改或編輯。 若此文所含內(nèi)容侵犯了您的版權(quán)或隱私,請(qǐng)立即通知裝配圖網(wǎng)(點(diǎn)擊聯(lián)系客服),我們立即給予刪除!

溫馨提示:如果因?yàn)榫W(wǎng)速或其他原因下載失敗請(qǐng)重新下載,重復(fù)下載不扣分。




關(guān)于我們 - 網(wǎng)站聲明 - 網(wǎng)站地圖 - 資源地圖 - 友情鏈接 - 網(wǎng)站客服 - 聯(lián)系我們

copyright@ 2023-2025  zhuangpeitu.com 裝配圖網(wǎng)版權(quán)所有   聯(lián)系電話:18123376007

備案號(hào):ICP2024067431號(hào)-1 川公網(wǎng)安備51140202000466號(hào)


本站為文檔C2C交易模式,即用戶上傳的文檔直接被用戶下載,本站只是中間服務(wù)平臺(tái),本站所有文檔下載所得的收益歸上傳人(含作者)所有。裝配圖網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)上載內(nèi)容本身不做任何修改或編輯。若文檔所含內(nèi)容侵犯了您的版權(quán)或隱私,請(qǐng)立即通知裝配圖網(wǎng),我們立即給予刪除!