8.2.2 一元线性回归模型参数的最小二乘估计(2)课件-2022-2023学年高二下学期数学人教A版(2019)选择性必修第三册
|
27页
|
3152人阅读
|
28人下载
普通
内容正文:
8.2.2 一元线性回归模型参数的最小二乘估计(2)
8.2 一元线性回归模型及其应用
1. 经验回归方程:
我们将称为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.
2. 最小二乘估计:
经验回归方程中的参数计算公式为:
复习回顾
3. 分析模型的回归效果方法:
利用残差图直观判断模型是否满足一元线性回归模型的假设。残差散点图应均匀地分布在横轴两侧,呈带状,宽度越窄,说明模型拟合精度越高。也可以利用决定系数R2判断回归模型的拟合效果。
编号 1 2 3 4 5 6 7 8
年份 1896 1912 1921 1930 1936 1956 1960 1968
记录/s 11.80 10.60 10.40 10.30 10.20 10.10 10.00 9.95
问题情境 人们常将男子短跑100m的高水平运动员称为“百米飞人”.下表给出了1968年之前男子短跑100m世界纪录产生的年份和世界纪录的数据.试依据这些成对数据,建立男子短跑100m世界纪录关于纪录产生年份的经验回归方程
解:以成对数据中的世界纪录产生年份为横坐标 , 世界纪录为纵坐标作散点图 , 得到散点图.
图中,散点看上去大致分布在一条直线附近,似乎可用一元线性回归模型建立经验回归方程.
相关系数r=-0.86
编号 1 2 3 4 5 6 7 8
年份 1896 1912 1921 1930 1936 1956 1960 1968
记录/s 11.80 10.60 10.40 10.30 10.20 10.10 10.00 9.95
问题情境 人们常将男子短跑100m的高水平运动员称为“百米飞人”.下表给出了1968年之前男子短跑100m世界纪录产生的年份和世界纪录的数据.试依据这些成对数据,建立男子短跑100m世界纪录关于纪录产生年份的经验回归方程
解:
用Y表示男子短跑100m的世界纪录 ,t表示纪录产生的年份
根据最小二乘法 , 由表中的数据得到经验回归方程为:
将经验回归直线叠加到散点图上。
观察: 从图中可以看到 , 经验回归方程较好地刻画了散点的变化趋 , 请再仔细观察图形 , 你能看出其中存在的问题吗?
例如,第一个世界纪录所对应的散点远离经验回归直线,并且前后两时间段中的散点都在经验回归直线的上方,中间时间段的散点都在经验回归直线的下方.
答案:散点并不是随机分布在经验回归直线的周围,而是围绕着经验回归直线有一定的变化规律,即成对样本数据呈现出明显的非线性相关的特征.
修正模型,以使其更好地反映散点的分布特征:
仔细观察右图, 可以发现散点更趋向于落在中间下凸且递减的某条曲线附近.
函数y=-lnx的图象具有类似的形状特征.
由于到100m短跑的第一个世界纪录产生于1896年 ,
因此可设非线性回归方程为:
y=f(t)=c1+c2ln(t-1895) (其中c1、c2为未知参数,且c2<0).
如何利用成对数据估计参数c1和c2?
引进一个中间变量x,令x=ln(t-1895),, 则Y=c2 x+c1 .
编号 1 2 3 4 5 6 7 8
年份/t 1896 1912 1921 1930 1936 1956 1960 1968
x 0.00 2.83 3.26 3.56 3.71 4.11 4.17 4.29
记录/s 11.80 10.60 10.40 10.30 10.20 10.10 10.00 9.95
借助一元线性回归模型和新的成对数据,对参数c1 和 c2作出估计
画出上表中成对数据的散点图,
散点分布呈现出很强的线性相关特征.
通过x=ln(t-1895) ,将年份变量数据进行变换,得到新的成对数据,如下表.
引进一个中间变量x,令x=ln(t-1895),, 则Y=c2 x+c1 .
编号 1 2 3 4 5 6 7 8
年份/t 1896 1912 1921 1930 1936 1956 1960 1968
x 0.00 2.83 3.26 3.56 3.71 4.11 4.17 4.29
记录/s 11.80 10.60 10.40 10.30 10.20 10.10 10.00 9.95
画出上表中成对数据的散点图,
通过x=ln(t-1895) ,将年份变量数据进行变换,得到新的成对数据,如下表.
根据最小二乘法 , 由表中的数据得到经验回归方程为:
在上图中画出经验回归直线,如图所示.
将x=ln(t-1895)代入