8.2一元线性回归模型及其应用 同步复习讲义-2022-2023学年高二下学期数学人教A版(2019)选择性必修第三册
|
2份
|
19页
|
493人阅读
|
5人下载
特供
内容正文:
高二数学 同步复习讲义(人教A版(2019))
15 一元线性回归模型及其应用
◇ 知 识 链 接 ◇
知识链接01 两个变量的线性相关
(1)正相关:在散点图中,点散布在从左下角到右上角的区域.对于两个变量的这种相关关系,我们将它们称为正相关;
(2)负相关:在散点图中,点散布在从左上角到右下角的区域,两个变量的这种相关关系称为负相关;
(3)线性相关关系、回归直线:如果散点图中点的分布从整体上看大致在一条直线附近,就称这两个变量之间具有线性相关关系,这条直线叫做回归直线.
知识链接02 回归方程
(1)最小二乘法:求回归直线使得样本数据的点到回归直线的距离平方和最小的方法叫做最小二乘法;
(1)回归方程:方程=x+是两个具有线性相关关系的变量的一组数据(x1,y1),(x2,y2),…,(xn,yn)的回归方程,其中,是待定参数.
知识链接03 回归分析
(1)定义:对具有相关关系的两个变量进行统计分析的一种常用方法;
(2)样本点的中心:
对于一组具有线性相关关系的数据(x1,y1),(x2,y2),…,(xn,yn),
其中(,)称为样本点的中心;经验回归直线过点(,).
(3)相关系数:
当r>0时,表明两个变量正相关;当r<0时,表明两个变量负相关.
r的绝对值越接近于1,表明两个变量的线性相关性越强.
r的绝对值越接近于0,表明两个变量之间几乎不存在线性相关关系.
通常|r|大于0.75时,认为两个变量有很强的线性相关性.
(4)残差:观测值减去预测值称为残差.
残差平方和:.
(5)决定系数R2=1-.
◇ 典 例 剖 析 ◇
典例剖析01 成对数据相关性的判断
(1)某公司2017~2022年的年利润x(单位:百万元)与年广告支出y(单位:百万元)的统计资料如表所示:
年份
2017
2018
2019
2020
2021
2022
利润x
12.2
14.6
16
18
20.4
22.3
支出y
0.62
0.74
0.81
0.89
1
1.11
根据统计资料,则利润中位数( )
A.是16,x与y有正相关关系 B.是17,x与y有正相关关系
C.是17,x与y有负相关关系 D.是18,x与y有负相关关系
(2)已知变量x和y满足=-0.1x+1,变量与z正相关.下列结论正确的是( )
A.x与正相关,x与z负相关 B.x与正相关,x与z正相关
C.x与负相关,x与z负相关 D.x与负相关,x与z正相关
(3)已知两个变量x和y之间有线性相关关系,经调查得到如下样本数据:
x
3
4
5
6
7
y
3.5
2.4
1.1
-0.2
-1.3
根据表中的数据求得经验回归方程为=x+,则下列说法中正确的是( )
A.>0,>0 B..>0,<0 C.<0,>0 D.<0,<0
(4)如图是相关变量x,y的散点图,现对这两个变量进行线性相关分析,
方案一:根据图中所有数据得到经验回归方程=1x+1,样本相关系数为r1;方案二:剔除点(10,21),根据剩下的数据得到经验回归方程=2x+2,样本相关系数为r2. 则( )
A.0<r1<r2<1
B.0<r2<r1<1
C.-1<r1<r2<0
D.-1<r2<r1<0
(5)已知相关变量x和y的散点图如图所示,若用y=b1·ln(k1x)与y=k2x+b2拟合时的样本相关系数分别为r1,r2则比较r1,r2的大小结果为( )
A.r1>r2
B.r1=r2
C.r1<r2
D.不确定
(6)下列命题中正确的为( )
A.线性相关系数r越大,两个变量的线性相关性越强
B.线性相关系数r越小,两个变量的线性相关性越弱
C.残差平方和越小的模型,模型拟合的效果越好
D.用相关指数R2来刻画回归效果,R2越小,说明模型的拟合效果越好
典例剖析02 一元线性回归模型及其应用
(1)某商业银行对存款利率与日存款总量的关系进行调研,发现存款利率每上升一定的百分点,日均存款总额就会发生一定的变化,经过统计得到下表:
利率上升百分点x
0.1
0.2
0.3
0.4
0.5
日均存款总额y(亿元)
0.2
0.35
0.5
0.65
0.8
(ⅰ)在给出的坐标系中画出上表数据的散点图;
(ⅱ)根据上表数据,用最小二乘法求出y关于x的经验回归方程=x+;
(iii)已知现行利率下的日均存款总额为0.625亿元,试根据(ⅱ)中的经验回归方程,预测日均存款总额为现行利率下的2倍时,利率需上升多少个百分点?
参考公式及数据:①=,=-,②iyi=0.9,=0.55.
(