(教用word)第8章 8.2 一元线性回归模型及其应用(第2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2课时)
学习任务目标 |
1.会求R2,并能用R2来比较两个模型的拟合效果. 2.会利用线性回归模型解决非线性回归问题,并能用非线性回归模型解决相关问题. |
(1)观测值减去预测值称为残差.
(2)经验回归方程=x+的系数的计算公式:
==,
=-b.
知识点一 比较两个模型拟合效果的方法
(1)直接比较两个模型的残差;
(2)直接比较两个模型的残差平方和;
(3)用R2=1-来比较两个模型的拟合效果,R2越大,模型的拟合效果越好;R2越小,模型的拟合效果越差.
[微训练]
在两个变量y与x的线性回归模型中,分别选择了四个不同的模型,且它们的R2值的大小关系为R<R<R<R,则拟合效果最好的是( )
A.模型1 B.模型2 C.模型3 D.模型4
B 解析:在R2表达式中,R2越大,表示拟合效果越好.所以拟合效果最好的是模型2.故选B.
知识点二 非线性回归分析问题
对不具有线性相关关系的两个变量做统计分析,通过变量代换,转化为线性回归模型.
(1)方程y=axb可以通过c=ln a,v=ln x,u=ln y进行变换,得到线性经验回归方程u=c+bv.
(2)方程y=aebx可以通过c=ln a,u=ln y进行变换,得到线性经验回归方程u=c+bx.
(3)方程y=a+bln x可以通过v=ln x,u=y进行变换,得到线性经验回归方程u=a+bv.
[微训练]
下列数据符合函数模型( )
x | 1 | 2 | 3 | 4 | 5 |
y | 2 | 2.69 | 3 | 3.38 | 3.6 |
| |||||
x | 6 | 7 | 8 | 9 | 10 |
y | 3.8 | 4 | 4.08 | 4.2 | 4.3 |
A.y=2+x B.y=2ex C.y=e D.y=2+ln x
D 解析:分别将x的值代入解析式判断知满足y=2+ln x.
线性回归分析
某运动员训练次数与训练成绩之间的数据关系如表:
次数x | 30 | 33 | 35 | 37 | 39 | 44 | 46 | 50 |
成绩y | 30 | 34 | 37 | 39 | 42 | 46 | 48 | 51 |
探究1:作出散点图,求出经验回归方程.
提示:作出该运动员训练次数x与成绩y的散点图,如图所示.由散点图可知,它们之间具有相关关系.
=39.25,=40.875,x=12 656,xiyi=13 180,
所以=≈1.041 5,
=-=-0.003 875,
所以经验回归方程为=1.041 5x-0.003 875.
探究2:作出残差图,计算R2,并说明运动员的训练次数对成绩的影响占百分之几.
提示:残差分析:下面的表格列出了运动员训练次数和成绩的原始数据以及相应的残差数据.
x | 30 | 33 | 35 | 37 |
y | 30 | 34 | 37 | 39 |
-1.241 1 | -0.365 6 | 0.551 4 | 0.468 4 | |
| ||||
x | 39 | 44 | 46 | 50 |
y | 42 | 46 | 48 | 51 |
1.385 4 | 0.177 9 | 0.094 9 | -1.071 1 | |
作残差图如图所示.
由图可知,残差点比较均匀地分布在水平带状区域内,说明选择的模型比较合适.计算R2≈0.985 5,说明该运动员的训练次数对成绩的影响占98.55%.
【例1】 为研究质量x(单位:克)对弹簧长度y(单位:厘米)的影响,对6个不同质量的物体进行测量,数据如表所示:
x | 5 | 10 | 15 | 20 | 25 | 30 |
y | 7.25 | 8.12 | 8.95 | 9.90 | 10.9 | 11.8 |
(1)作出散点图并求经验回归方程;
(2)求出R2;
(3)进行残差分析.
解:(1)作出散点图如图所示:
=×(5+10+15+20+25+30)=17.5,
=×(7.25+8.12+8.95+9.90+10.9+11.8)≈9.487,
x=2 275,xiyi=1 076.2,
计算得≈0.183,≈6.285,
所求经验回归方程为=6.285+0.183x.
(2)列表如下:
yi-i | 0.05 | 0.005 | -0.08 | -0.045 | 0.04 | 0.025 |
yi- | -2.237 | -1.367 | -0.537 | 0.413 | 1.413 | 2.313 |
所以 (yi-i)2=0.013 175, (yi-)2≈14.678 334.
所以,R2=1-≈0.999 1.
所以线性回归模型的拟合效果较好.
(3)由残差表中的数值可以看出第3个样本的残差比较大,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,重新建立线性回归模型;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精度较高,由以上分析可知,弹簧长度与质量具有线性关系.
【类题通法】
刻画回归效果的三个方式
(1)残差图法:残差点比较均匀地落在水平的带状区域内说明选用的模型比较合适.
(2)残差平方和法:残差平方和(yi-i)2越小,模型的拟合效果越好.
(3)R2法:R2=1-越接近1,表明回归的效果越好.
已知x与y之间的数据如下:
x | 2 | 3 | 4 | 5 | 6 |
y | 2.2 | 3.8 | 5.5 | 6.5 | 7.0 |
(1)求y关于x的经验回归方程;
(2)完成下面的残差表并判断(1)中经验回归方程的拟合效果是否良好.(若R2>0.9,则认为拟合效果良好)
x | 2 | 3 | 4 | 5 | 6 |
yi-i |
|
|
|
|
|
解:(1)由已知图表可知=4,=5,x=90,
xiyi=112.3,
则==1.23,=-=0.08,
故=1.23x+0.08.
(2)因为i=yi-i,所以1=-0.34,2=0.03,3=0.5,4=0.27,5=-0.46,则残差表为
x | 2 | 3 | 4 | 5 | 6 |
yi-i | -0.34 | 0.03 | 0.5 | 0.27 | -0.46 |
因为(yi-)2=(2.2-5)2+(3.8-5)2+(5.5-5)2+(6.5-5)2+(7-5)2=15.78,(yi-i)2=0.651.
所以R2=1-≈0.96>0.9,
所以该经验回归方程的拟合效果良好.
非线性回归分析
【例2】 某工厂生产一种产品x(x≥1)吨,每日生产的产品当日销售完毕,日销售额为y万元,产品价格随着产量变化而有所变化,经过一段时间的产销,得到了x,y的一组统计数据如下表:
日产量x | 1 | 2 | 3 | 4 | 5 |
日销售额y | 5 | 12 | 16 | 19 | 21 |
(1)请判断=x+与=ln x+中,哪个模型更适合刻画x,y之间的关系,可从函数增长趋势方面给出简单的理由.
(2)根据你的判断及下面的数据,求出y关于x的经验回归方程,并估计当日产量x=6时,日销售额是多少.(结果保留整数)
参考数据:≈0.96,5ln 1+12ln 2+16ln 3+19ln 4+21ln 5≈86,ln 6≈1.8,(ln 1)2+(ln 2)2+(ln 3)2+(ln 4)2+(ln 5)2≈6.2.
解:(1)=ln x+更适合刻画x,y之间的关系.理由如下:
x值每增加1,函数值的增加量分别为7,4,3,2,增加得越来越缓慢,适合对数型函数的增长规律,与直线型函数的均匀增长存在较大差异,故=ln x+更适合刻画x,y之间的关系.
(2)令zi=ln xi,
则=≈0.96,
z=(ln 1)2+(ln 2)2+(ln 3)2+(ln 4)2+(ln 5)2≈6.2,
ziyi=5ln 1+12ln 2+16ln 3+19ln 4+21ln 5≈86.
又计算知===14.6,所以≈=10,
=-·≈14.6-10×0.96=5,
所以所求的经验回归方程为=10ln x+5.
当x=6时,销售额为=10ln 6+5≈23(万元).
【类题通法】
非线性回归问题的处理方法
一般地,有些非线性回归模型通过变换可以转化为线性回归模型,即借助于线性回归模型研究呈非线性回归关系的两个变量之间的关系.
(1)如果散点图中的点分布在一个直线状带形区域,可以选用线性回归模型来建模.
(2)如果散点图中的点分布在一个曲线状带形区域,要先对变量作适当的变换,再利用线性回归模型来建模.
(3)非线性经验回归方程的求法:
①根据原始数据(x,y)作出散点图;
②根据散点图,选择恰当的拟合函数;
③作恰当的变换,将其转化成线性函数,求线性经验回归方程.
某地区六年来轻工业产品利润总额y(单位:亿元)与年次x的试验数据如表所示:
年次x | 1 | 2 | 3 | 4 | 5 | 6 |
利润总额y | 11.35 | 11.85 | 12.44 | 13.07 | 13.59 | 14.41 |
由经验知,年次x与利润总额y有近似的关系:y=abxe0.其中a,b均为正数,求y关于x的经验回归方程.
解:对y=abxe0两边取自然对数,
得ln y=ln ae0+xln b,令z=ln y,
则z与x的数据如表:
x | 1 | 2 | 3 | 4 | 5 | 6 |
z | 2.43 | 2.47 | 2.52 | 2.57 | 2.61 | 2.67 |
由z=ln ae0+xln b及最小二乘法公式,得
ln b=≈0.047 7,
ln ae0≈2.545-0.047 7×3.5≈2.378,
即≈2.378+0.047 7x,故=e≈e2.378+0.047 7x.
回归分析的综合应用
【例3】某商场经营一批进价是30元/台的小商品,在市场试销中发现,此商品的销售单价x(x取整数)(单位:元)与日销售量y(单位:台)之间有如下关系:
x | 35 | 40 | 45 | 50 |
y | 56 | 41 | 28 | 11 |
(1)画出散点图,并判断y与x是否具有线性相关关系;
(2)求日销售量y对销售单价x的经验回归方程(方程的斜率保留一个有效数字);
(3)设经营此商品的日销售利润为P元,根据(2)写出P关于x的函数关系式,并预测当销售单价x为多少元时,才能获得最大日销售利润.
解:(1)散点图如图所示,从图中可以看出这些点大致分布在一条直线附近,因此两个变量具有线性相关关系.
(2)因为=×(35+40+45+50)=42.5,
=×(56+41+28+11)=34,
iyi=35×56+40×41+45×28+50×11=5 410,
=352+402+452+502=7 350,
所以===≈-3.
所以=- =34-(-3)×42.5=161.5.
所以=-3x+161.5.
(3)依题意有P=(-3x+161.5)(x-30)
=-3x2+251.5x-4 845
=-3+-4 845.
所以当x=≈42时,P有最大值,约为426.
即销售单价为42元时,能获得最大日销售利润.
【类题通法】
回归分析的步骤
(1)确定变量,作出散点图.
(2)根据散点图,选择恰当的拟合函数.
(3)变量置换,通过变量置换把非线性回归问题转化为线性回归问题,并求出线性经验回归方程.
(4)分析拟合效果:通过计算相关指数或画残差图来判断拟合效果.
(5)根据相应的变换,写出非线性经验回归方程.
某地区不同身高的未成年男性的体重平均值如表所示:
身高x(cm) | 60 | 70 | 80 | 90 | 100 | 110 |
体重y(kg) | 6.13 | 7.90 | 9.99 | 12.15 | 15.02 | 17.50 |
| ||||||
身高x(cm) | 120 | 130 | 140 | 150 | 160 | 170 |
体重y(kg) | 20.92 | 26.86 | 31.11 | 38.85 | 47.25 | 55.05 |
(1)试建立y与x之间的经验回归方程;
(2)如果体重超过相同身高男性体重平均值的1.2倍为偏胖,低于0.8倍为偏瘦,那么这个地区一名身高175 cm、体重82 kg的在校男生体重是否正常?
解:(1)根据题表中的数据画出散点图如图所示.
由图可看出,样本点分布在某条指数函数曲线y=c1e的周围,
于是令z=ln y,得下表:
x | 60 | 70 | 80 | 90 | 100 | 110 |
z | 1.81 | 2.07 | 2.30 | 2.50 | 2.71 | 2.86 |
| ||||||
x | 120 | 130 | 140 | 150 | 160 | 170 |
z | 3.04 | 3.29 | 3.44 | 3.66 | 3.86 | 4.01 |
作出散点图如图所示:
由表中数据可得z与x之间的经验回归方程为
=0.662 5+0.020x,
则有=e0.662 5+0.020x.
(2)当x=175时,预报平均体重为=e0.662 5+0.020×175≈64.23.
因为64.23×1.2≈77.08<82,所以这个男生偏胖.
一元线性回归模型与经验回归方程
(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)=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.这种使随机误差平方和最小的求经验回归方程的方法叫做最小二乘法,计算公式为==,=-b.
·说明:
(1)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,否则求出的经验回归方程毫无意义.
(2)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.
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变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.
残差、残差平方和与决定系数R2
(1)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.
(2)残差平方和 (yi-i)2,决定系数R2=1-.
·说明:
(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)残差图中残差点比较均匀地落在水平的带状区域内说明选用的模型比较合适.
刻画回归效果的三种方法
(1)残差图法:残差点比较均匀地落在水平的带状区域内说明选用的模型比较合适.
(2)残差平方和法:残差平方和 (yi-i)2越小,模型的拟合效果越好.
(3)R2法:R2=1-越接近1,表明模型的拟合效果越好.
1/13
学科网(北京)股份有限公司