(教用word)第8章 8.2 一元线性回归模型及其应用(第1课时)-【提分教练】2022-2023学年新教材高中数学选择性必修第三册(人教A版2019)
8.2 一元线性回归模型及其应用(第1课时)
学习任务目标 |
1.明确建立回归模型的基本步骤,会求经验回归方程. 2.能利用所求经验回归方程解决实际问题. |
(1)一次函数y=bx+a单调递增的充要条件是b>0;
(2)对于一次函数y=3x+a,当x增加一个单位时,y增加三个单位.
知识点一 一元线性回归模型
(1)一元线性回归模型其中,Y称为因变量或响应变量,x称为自变量或解释变量.
(2)a,b为模型的未知参数,a称为截距参数,b称为斜率参数;e是Y与bx+a之间的随机误差.
[微训练]
1.在一元线性回归模型Y=bx+a+e中,下列说法正确的是( )
A.Y=bx+a+e是一次函数
B.因变量Y是由自变量x唯一确定的
C.因变量Y除了受自变量x的影响外,可能还受到其他因素的影响,这些因素会导致随机误差e的产生
D.随机误差e是由于计算不准确造成的,可通过精确计算避免随机误差e的产生
C 解析:在一元线性回归模型Y=bx+a+e中,方程表示的不是确定性关系,因此不是一次函数,A错误.选项B中,因变量Y不是由自变量x唯一确定的,B错误.选项D中,随机误差是不能避免的,只能将误差缩小,但是不能没有误差,因此D错误.
2.若某地财政收入x与支出y满足一元线性回归模型=x++ei(单位:亿元)(i=1,2,…),其中=0.8,=2,|ei|<0.5.如果今年该地区财政收入10亿元,年支出预计不会超过( )
A.10亿元 B.9亿元 C.10.5亿元 D.9.5亿元
C 解析:=0.8×10+2+ei=10+ei,因为|ei|<0.5,所以9.5<<10.5.
知识点二 最小二乘法与经验回归方程
(1)最小二乘法
=x+称为Y关于x的经验回归方程,也称经验回归函数或经验回归公式,其图形称为经验回归直线.这种求经验回归方程的方法叫做最小二乘法,求得的,叫做b,a的最小二乘估计.
(2)经验回归方程的系数
==,
=-b.
[微训练]
1.判断(正确的打“√”,错误的打“×”).
(1)设经验回归方程为=2-1.5x,则当变量x增加一个单位时,y平均增加1.5个单位. (×)
(2)经验回归方程=x+表示最接近y与x之间真实关系的一条直线. (√)
(3)若经验回归方程=x+是由一组样本数据(x1,y1),(x2,y2),…,(xn,yn)得到的,则直线=x+必经过点(x1,y1). (×)
(4)若经验回归方程为=x+,则当x=x0时,变量y的值一定是x0+. (×)
2.某大学的女生体重y(单位:kg)与身高x(单位:cm)具有线性相关关系.根据一组样本数据(xi,yi)(i=1,2,3,…,n),用最小二乘法建立的经验回归方程为=0.85x-85.71.下列结论中不正确的是( )
A.y与x具有正的线性相关关系
B.回归直线过样本点的中心(,)
C.若该大学某女生身高增加1 cm,则其体重平均增加0.85 kg
D.若该大学某女生身高为170 cm,则可推断其体重必为58.79 kg
D 解析:由经验回归方程为=0.85x-85.71知y随x的增大而增大,所以y与x具有正的线性相关关系;由最小二乘法建立经验回归方程的过程知=-,所以经验回归直线过样本点的中心(,);利用经验回归方程可以估计总体,所以D不正确.
知识点三 残差
对于响应变量Y,通过观测得到的数据称为观测值,通过经验回归方程得到的称为预测值,观测值减去预测值称为残差.
[微训练]
对变量x,y进行回归分析时,依据得到的4个不同的线性回归模型画出残差图,则下列模型拟合精度最高的是( )
A 解析:用残差图判断模型的拟合效果,残差点比较均匀地落在水平的带状区域中,说明这样的模型比较合适.带状区域的宽度越窄,说明模型的拟合精度越高.故选A.
一元线性回归模型参数的意义
1.(多选)某工厂某产品产量x(单位:千件)与单位成本 y(单位:元)满足经验回归方程=77.36-1.82x,则以下说法中正确的是( )
A.产品产量与单位成本正相关
B.产品产量与单位成本负相关
C.产量每增加1 000件,单位成本约下降1.82元
D.产量每增加1 000件,单位成本约增加1.82元
BC 解析:由经验回归方程的参数b的意义可知,产品产量与单位成本负相关,且产量每增加1 000件,单位成本约下降1.82元.
2.在一组数据为(x1,y1),(x2,y2),…,(xn,yn)(x1,x2,…,xn不全相等)的散点图中,若这组样本数据的相关系数为-1,则所有的样本点(xi,yi)(i=1,2,…,n)满足的经验回归方程可以是( )
A.y=-x+1 B.y=x-1
C.y=x+1 D.y=-x2
A 解析:因为这组样本数据的相关系数为-1,所以这一组数据(x1,y1),(x2,y2),…,(xn,yn)线性相关,且是负相关,所以经验回归方程的系数b<0,可排除B,C,D.故选A.
【类题通法】
经验回归方程=x+中,斜率可以解释为观测值x每增加一个单位,预测值平均增加个单位,且当>0时,变量x与变量y正相关,当<0时,变量x与变量y负相关.
经验回归方程的求法及应用
某研究机构对高三学生的记忆力x和判断力y进行统计分析,得下表数据:
x | 6 | 8 | 10 | 12 |
y | 2 | 3 | 5 | 6 |
探究1:画出上表数据的散点图,判断两个变量是否线性相关.
提示:画出散点图(如下图),可判断两个变量线性相关.
探究2:请根据上表提供的数据,用最小二乘法求出y关于x的经验回归方程=x+,并预测记忆力为9的同学的判断力.
提示:==9,
==4,
x=62+82+102+122=344,
xiyi=6×2+8×3+10×5+12×6=158,
===0.7,
=-=4-0.7×9=-2.3,
故经验回归方程为=0.7x-2.3.
当x=9时,=0.7×9-2.3=4,
即预测记忆力为9的同学的判断力为4.
【例1】 在某种产品表面进行腐蚀刻线试验,得到腐蚀深度y与腐蚀时间x之间的一组观察值如下表.
x(s) | 5 | 10 | 15 | 20 | 30 | 40 |
y(μm) | 6 | 10 | 10 | 13 | 16 | 17 |
| ||||||
x(s) | 50 | 60 | 70 | 90 | 120 |
|
y(μm) | 19 | 23 | 25 | 29 | 46 |
|
(1)画出散点图;
(2)求腐蚀深度对腐蚀时间的经验回归方程;
(3)利用经验回归方程预测时间为100 s时腐蚀深度为多少.
解:(1)画出散点图如图所示.
(2)从散点图中,我们可以看出y对x的样本点分布在一条直线附近,因而求经验回归方程有意义.
=(5+10+15+…+120)=,
=(6+10+10+…+46)=,
xiyi=5×6+10×10+15×10+…+120×46=13 910,
x=52+102+152+…+1202=36 750,
所以=≈0.304,
=-≈-0.304×=5.36.
故腐蚀深度对腐蚀时间的经验回归方程为=0.304x+5.36.
(3)根据(2)求得的经验回归方程,当腐蚀时间为100 s时,=5.36+0.304×100=35.76(μm),
即腐蚀时间为100 s时腐蚀深度大约为35.76 μm.
【类题通法】
求经验回归方程的步骤
(1)画散点图:由样本点是否呈条状分布来判断两个量是否具有线性相关关系.
(2)求回归系数:若存在线性相关关系,则求回归系数.
(3)写方程:写出经验回归方程,并利用经验回归方程进行预测说明.
提醒:只有在散点图大致呈直线时,求出经验回归方程才有实际意义,否则求出的回归方程毫无意义.
1.观察两个变量(存在线性相关关系)的数据:
x | -10 | -6.99 | -5.01 | -2.98 | 3.98 | 5 | 7.99 | 8.01 |
y | -9 | -7 | -5 | -3 | 4.01 | 4.99 | 7 | 8 |
则两变量间的经验回归方程为( )
A.=x+1 B.=x C.=2x+ D.=x+1
B 解析:由于经验回归直线一定经过样本点的中心(,),由表中数据可得,=0,=0,只有B项中的方程对应的直线过点(0,0).故选B.
2.某种产品的广告费用支出x(单位:万元)与销售额y(单位:万元)之间有如下的对应数据:
x/万元 | 2 | 4 | 5 | 6 | 8 |
y/万元 | 30 | 40 | 60 | 50 | 70 |
(1)画出散点图;
(2)求经验回归方程;
(3)试预测广告费用支出为10万元时的销售额.
解:(1)画出散点图如图所示:
(2)列出下表,并用科学计算器进行有关计算:
i | 1 | 2 | 3 | 4 | 5 | 合计 |
xi | 2 | 4 | 5 | 6 | 8 | 25 |
yi | 30 | 40 | 60 | 50 | 70 | 250 |
xiyi | 60 | 160 | 300 | 300 | 560 | 1 380 |
x | 4 | 16 | 25 | 36 | 64 | 145 |
所以,==5,==50,x=145,xiyi=1 380.
于是可得==6.5,
=-=50-6.5×5=17.5.
所以所求的经验回归方程为=6.5x+17.5.
(3)根据上面求得的经验回归方程,
当广告费用支出为10万元时,
=6.5×10+17.5=82.5(万元),
即广告费用支出为10万元时,销售额大约为82.5万元.
残差计算
【例2】现代物流成为继劳动力、自然资源外影响企业生产成本及利润的重要因素.某企业去年前8个月的物流成本和企业利润的数据(单位:万元)如表所示:
月份 | 物流成本x | 利润y | 残差i=yi-i |
1 | 83 | 114 | 0.2 |
2 | 83.5 | 116 | 0.6 |
3 | 80 | 106 | 1.8 |
4 | 86.5 | 122 | -3 |
5 | 89 | 132 | -1 |
6 | 84.5 | 114 | -4.6 |
7 | 79 | m | -1 |
8 | 86.5 | 132 |
|
根据最小二乘法公式求得经验回归方程为=3.2x-151.8.求m的值,并利用已知的经验回归方程求出8月份对应的残差值8.
解:因为=3.2x-151.8,=84,
所以=3.2×84-151.8=117,
所以114+116+106+122+132+114+m+132=117×8,解得m=100,
故8月份对应的残差值8=132-3.2×86.5+151.8=7.
【例3】耐盐碱水稻俗称“海水稻”,是一种可以长在滩涂和盐碱地的水稻.海水稻的灌溉是将海水稀释后进行灌溉.某实验基地为了研究海水浓度x(‰)对亩产量y(单位:吨)的影响,通过在试验田的种植实验,测得了某种海水稻的亩产量与海水浓度的数据如下表:
海水浓度xi | 3 | 4 | 5 | 6 | 7 |
亩产量yi | 0.62 | 0.58 | 0.49 | 0.4 | 0.31 |
绘制散点图发现,可用线性回归模型拟合亩产量y与海水浓度x之间的相关关系,用最小二乘法计算得y与x之间的经验回归方程为=x+0.88.
(1)求出b的值,并估算当浇灌海水浓度为8‰时该品种的亩产量;
(2)完成下列残差表,并计算残差平方和(yi-i)2.
海水浓度xi | 3 | 4 | 5 | 6 | 7 |
亩产量yi | 0.62 | 0.58 | 0.49 | 0.4 | 0.31 |
i |
|
|
|
|
|
残差i |
|
|
|
|
|
解:(1)经计算=5,=0.48.
由0.48=5+0.88可得=-0.08.
当x=8时,y=-0.08×8+0.88=0.24,
所以当海水浓度为8‰时,该品种的亩产量为0.24吨.
(2)由(1)知=-0.08x+0.88,从而有残差表如下:
海水浓度xi | 3 | 4 | 5 | 6 | 7 |
亩产量yi | 0.62 | 0.58 | 0.49 | 0.4 | 0.31 |
i | 0.64 | 0.56 | 0.48 | 0.4 | 0.32 |
残差i | -0.02 | 0.02 | 0.01 | 0 | -0.01 |
残差平方和 (yi-i)2=(-0.02)2+0.022+0.012+0+(-0.01)2=0.001.
【类题通法】
1.利用残差分析可以判断模型刻画数据的效果,以及判断数据中是否存在可疑数据.
2.当残差的散点图比较均匀地分布在横轴的两边时,说明模型的拟合效果较好.
1.关于残差图的描述错误的是( )
A.残差图的横坐标可以是样本编号
B.残差图的横坐标也可以是解释变量或预报变量
C.残差点分布的带状区域的宽度越窄残差平方和越大
D.残差点分布的带状区域的宽度越窄残差平方和越小
C 解析:残差点分布的带状区域的宽度越窄,说明模型拟合精度越高,则残差平方和越小.
2.假定小麦基本苗数x与成熟期有效穗y之间存在相关关系,今测得5组数据如下:
x | 15.0 | 25.58 | 30.0 | 36.6 | 44.4 |
y | 39.4 | 42.9 | 42.9 | 43.1 | 49.2 |
(1)以x为解释变量,y为响应变量,作出散点图;
(2)求y与x之间的经验回归方程,对于基本苗数56.7预测其有效穗;
(3)计算各组残差,并计算残差平方和.
解:(1)如图所示:
(2)由图看出,样本点呈条状分布,有比较好的线性相关关系,因此可以用经验回归方程刻画它们之间的关系.
设经验回归方程为=x+,=30.316,=43.5,
x=5 090.256 4,
=1 318.746,2=1 892.25,2≈919.059 9,
xiyi=6 737.322,
则=≈0.29,=-≈34.708.
故所求经验回归方程为=0.29x+34.708.
当x=56.7时,=0.29×56.7+34.708=51.151,
估计成熟期有效穗51.151.
(3)由于=x+a+,i=yi-i,可以算得1=0.342,2=0.773 8,3=-0.508,4=-2.222,5=1.616.残差平方和 (yi-i)2≈8.522 53.
1/12
学科网(北京)股份有限公司