4.3.1 一元线性回归模型(课件)-【学而思·PPT课件分层练习】2025-2026学年高二数学选择性必修第二册(人教B版2019)
|
25页
|
61人阅读
|
0人下载
教辅
内容正文:
4.3 统计模型
知识点 1 相关关系
知识 清单破
4.3.1 一元线性回归模型
1.相关关系:两个变量之间有一定的关系,但没有达到可以互相决定的程度,它们之间的关系
带有一定的随机性,这种关系称为相关关系.
2.散点图
将成对数据用平面直角坐标系中的点表示出来,由这些点组成的统计图称为散点图.
3.线性相关
如果由变量的成对数据、散点图或直观经验可知,变量x与变量y之间的关系可以近似地
用一次函数来刻画,则称x与y线性相关.如果一个变量增大,另一个变量大体上也增大,则称这
两个变量正相关;如果一个变量增大,另一个变量大体上减少,则称这两个变量负相关.
第四章 概率与统计
第1讲 描述运动的基本概念
知识点 2 回归直线方程
1.回归直线方程
一般地,已知变量x与y的n对成对数据(xi,yi),i=1,2,3,…,n.任意给定一个一次函数y=bx+a,对每
一个已知的xi,由直线方程可以得到一个估计值 =bxi+a,如果一次函数 = x+ 能使残差平方
和即 (yi- )2取得最小值,则 = x+ 称为y关于x的回归直线方程(对应的直线称为回归直线).
因为是使得平方和最小,所以其中涉及的方法称为最小二乘法.
在回归直线方程 = x+ 中, = = , = - ,其中, 称为回归系数,实
际上也就是回归直线的斜率.
第四章 概率与统计
第1讲 描述运动的基本概念
2.回归直线方程的性质
(1)回归直线一定过点( , ).
(2)y与x正相关的充要条件是 >0;y与x负相关的充要条件是 <0.
(3) 的实际意义:当x增大一个单位时, 增大 个单位.
第四章 概率与统计
第1讲 描述运动的基本概念
知识点 3 相关系数
1.对于变量x与y的成对数据(xi,yi),i=1,2,3,…,n,一般用r=
= 来衡量y与x的线性相关性强弱,这里的r称为线性相关系数(简称为
相关系数).
第四章 概率与统计
第1讲 描述运动的基本概念
2.相关系数r的性质
(1)|r|≤1,且y与x正相关的充要条件是r>0,y与x负相关的充要条件是r<0.
(2)|r|越小,说明两个变量之间的线性相关性越弱,也就是得出的回归直线方程越没有价值,即
方程越不能反映真实的情况;|r|越大,说明两个变量之间的线性相关性越强,也就是得出的回
归直线方程越有价值.
(3)|r|=1 的充要条件是成对数据构成的点都在回归直线上.
第四章 概率与统计
第1讲 描述运动的基本概念
如果具有相关关系的两个变量x,y不是线性相关关系,那么y与x的关系称为非线性相关关
系,所得到的方程称为非线性回归方程.
一般地,非线性回归方程的曲线类型可以通过作出散点图进行猜测,而回归方程有时可以通
过变量替换后,借助求回归直线方程的过程确定.
知识点 4 非线性回归
第四章 概率与统计
第1讲 描述运动的基本概念
知识辨析
判断正误,正确的画“√”,错误的画“✕”.
1.若两个变量线性相关,则各观测点落在一条直线上. ( )
2.回归方程中,由x的值得出的y值是准确值.( )
3.回归直线一定过某一对样本数据确定的点. ( )
4.当r=0时,成对数据间没有任何关系. ( )
若两个变量线性相关,则它们之间的关系可近似地用一次函数来刻画,各观测点不一定
全部落在一条直线上.
提示
✕
✕
✕
当r=0时,只表明成对数据间没有线性相关关系,但不排除它们之间有其他关系.
提示
✕
第四章 概率与统计
第1讲 描述运动的基本概念
5.若r1=-0.95,r2=0.85,则体现两变量相关关系较强的是r2. ( )
6.当变量x的取值依次为3,4,5,6,7时,变量y对应的值依次为4.0,2.5,-0.5,-1,-2,则可知变量x和y负
相关. ( )
7.对于散点图中的点没有均匀分布在某条直线附近或毫无规则可言的两个变量,用最小二乘
法求不出对应的回归直线方程.( )
当|r|越接近1时,成对数据的线性相关程度越强,所以体现两变量相关关系较强的是r1.
提示
✕
✕
√
第四章 概率与统计
第1讲 描述运动的基本概念
判断两个变量相关性的方法
(1)利用散点图判断:通过散点图观察点的分布是否存在一定的规律,若点大致在一条直线附
近摆动,则对应变量线性相关,否则不具有线性相关关系.
一般地,如果变量x和y正相关,那么关于均值平移后的大多数散点将分布在第一、第三象限,
对应的成对数据同号的居多;如果变量x和y负相关,那么关于均值平移后的大多数散点将分
布在第二、第四象限,对应的成对数据异号的居多.
(2)利用相关系数判断:相关系数r是从数值上来判断变量间的线性相关程度的量,是定量分析
法.|r|刻画了样本点集中于某条直线的程度.
|r|越接近1,散点图中样本点的分布越接近一条直线,两个变量的线性相关程度越强.
讲解分析
疑难 1 两个变量相关性的判断
疑难 情境破
第四章 概率与统计
第1讲 描述运动的基本概念
典例 某农科所对冬季昼夜温差(最高温度与最低温度的差)大小与某反季节大豆新品种一天
内发芽数之间的关系进行了分析研究,他们分别记录了12月1日至12月6日每天昼夜的最高、
最低温度(如图甲),以及实验室每天每100颗种子中的发芽数情况(如图乙).
图甲 图乙
第四章 概率与统计
第1讲 描述运动的基本概念
(1)请画出发芽数y与温差x的散点图;
(2)判断(1)中的两个变量是否线性相关,计算相关系数,并刻画它们的相关程度.
参考数据:
参考公式:相关系数r= (当|r|>0.75时,认为两个变量的线性相关程度较强).
第四章 概率与统计
第1讲 描述运动的基本概念
解析 (1)散点图如图所示.
(2)r= ≈ ≈0.952.
第四章 概率与统计
第1讲 描述运动的基本概念
由相关系数r≈0.952>0.75,可以推断发芽数与温差这两个变量正相关,且线性相关程度较强.
规律总结
判断两个变量之间的线性相关程度一般用散点图,但在作图中,由于存在误差,有时很难判断
这些点是否分布在一条直线附近,此时可以利用相关系数r来判断.
第四章 概率与统计
第1讲 描述运动的基本概念
讲解分析
疑难 2 回归直线方程的求解与应用
1.求回归直线方程中系数的方法
(1)公式法:利用公式,求出 , .
(2)待定系数法:利用回归直线过样本点的中心( , )求系数.
2.回归直线方程的应用
(1)利用回归直线方程进行预测:把回归直线方程看作一次函数的解析式,求函数值.
(2)利用回归直线判断正、负相关性:决定正相关还是负相关的是回归系数 .
第四章 概率与统计
第1讲 描述运动的基本概念
典例 COMS温度传感器(集成温度传感器)是一种采用大规模数字集成电路技术的温度传感
器,集成了温度传感电路和信号处理电路,可检测芯片温度和环境温度,具有低成本、低功
耗、高精度和线性度强的优点.下表是通过对某型号COMS高精度温度传感器IC的芯片温度
与输出电压进行初步统计得出的相关数据:
芯片温度t/℃ -20 20 40 80 100
输出电压
测量值U/V 2.49 2.07 1.88 1.45 1.31
第四章 概率与统计
第1讲 描述运动的基本概念
(1)已知输出电压U与芯片温度t之间存在线性相关关系,求出其回归直线方程;(精确到小数点
后两位)
(2)已知输出电压实际观测值为Ui,估计值(预测值)为 ,σ= .以上述数据和(1)中
的回归直线方程为依据,若满足|Ui- |<3σ,则可判断该COMS高精度温度传感器IC工作正常;
若不满足,则可判断其工作不正常.现某该型号温度传感器在芯片温度为60 ℃时,输出电压为
1.60 V,判断该温度传感器工作是否正常.
参考数据: , =18 800.
参考公式:对于一组数据(t1,U1),(t2,U2),…,(tn,Un),其回归直线U=a+bt的斜率和截距的最小二乘
估计分别为 = , = - .
第四章 概率与统计
第1讲 描述运动的基本概念
解析 (1)由题表得 = =44, = =1.84,
∴ = = ≈-0.01, ≈1.84-(-0.01)×44=2.28,
∴输出电压U关于芯片温度t的回归直线方程为 =-0.01t+2.28.
(2)由(1)及题表中数据可得,
当t=-20时, =2.48,U1- =0.01;
当t=20时, =2.08,U2- =-0.01;
当t=40时, =1.88,U3- =0;
当t=80时, =1.48,U4- =-0.03;
当t=100时, =1.28,U5- =0.03.
第四章 概率与统计
第1讲 描述运动的基本概念
∴σ=
=
=0.02.
当t=60时, =-0.01×60+2.28=1.68,|U- |=|1.60-1.68|=0.08>3×0.02=0.06,
∴该温度传感器工作不正常.
第四章 概率与统计
第1讲 描述运动的基本概念
讲解分析
疑难 3 非线性回归
1.建立非线性回归模型的基本步骤
(1)确定研究对象,明确涉及的变量;
(2)画出确定好的变量间的散点图,观察它们之间的关系(是否存在非线性关系);
(3)由经验确定非线性回归方程的类型(如我们观察到数据呈非线性关系,一般选用反比例函
数模型、指数函数模型、对数函数模型等);
(4)通过换元,将非线性回归方程模型转化为线性回归方程模型;
(5)按照公式计算回归直线方程中的参数,得到回归直线方程;
(6)消去新元,得到非线性回归方程.
第四章 概率与统计
第1讲 描述运动的基本概念
2.常见的非线性回归方程的转换
曲线方程 曲线(曲线的一部分) 变换公式 变换后的线性函数
y=axb c=ln a, u=c+bv
y=aebx c=ln a, u=c+bx
y=a c=ln a, u=c+bv
第四章 概率与统计
第1讲 描述运动的基本概念
曲线方程 曲线(曲线的一部分) 变换公式 变换后的线性函数
y=a+bln x v=ln x y=a+bv
第四章 概率与统计
第1讲 描述运动的基本概念
典例 混凝土具有原材料丰富、抗压强度高、耐久性好等特点,是目前使用量最大的土木建
筑材料.抗压强度是混凝土质量控制的重要技术参数,也是实际工程对混凝土要求的基本指
标.为了解某型号某批次混凝土的抗压强度(单位:MPa)随龄期(单位:天)的发展规律,质检部门
在标准试验条件下记录了10组混凝土试件在龄期xi(i=1,2,…,10)分别为2,3,4,5,7,9,12,14,17,21
时的抗压强度yi的值,并对数据进行了初步处理,得到散点图及一些统计量的值.
第四章 概率与统计
第1讲 描述运动的基本概念
(xi- )2 (wi- )2
9.4 29.7 2 370.4 5.5
(xi- )(yi- ) (wi- )(yi- )
439.2 55
表中wi=ln xi, = wi.
(1)根据散点图判断y=a+bx与y=c+dln x哪一个适宜作为抗压强度y关于龄期x的回归方程类型,
根据判断结果和表中数据,建立y关于x的回归方程;
(2)工程中常把龄期为28天的混凝土试件的抗压强度f28视作混凝土抗压强度标准值.已知该型
号混凝土设置的最低抗压强度标准值为40 MPa.
第四章 概率与统计
第1讲 描述运动的基本概念
①试预测该批次混凝土是否达标;
②由于抗压强度标准值需要较长时间才能评定,早期预测在工程质量控制中具有重要的意
义.经验表明,该型号混凝土第7天的抗压强度f7与第28天的抗压强度f28具有线性相关关系f28=
1.2f7+7,试估计在早期质量控制中,龄期为7天的混凝土试件需达到的抗压强度.
参考数据:ln 2≈0.69,ln 7≈1.95.
第四章 概率与统计
第1讲 描述运动的基本概念
解析 (1)由题中散点图可以判断,y=c+dln x适宜作为抗压强度y关于龄期x的回归方程类型.
令w=ln x,建立y关于w的回归直线方程.
由于 = = =10,
= - =29.7-10×2=9.7,
所以y关于w的回归直线方程为 =9.7+10w,
因此y关于x的回归方程为 =9.7+10ln x.
(2)①由(1)知,当龄期为28天,即x=28时,抗压强度y的估计值 =9.7+10ln 28=9.7+10×(2ln 2+ln 7)
≈43.因为43>40,所以预测该批次混凝土达标.
②令f28=1.2f7+7≥40,得f7≥27.5.
所以估计在早期质量控制中,龄期为7天的混凝土试件需达到的抗压强度为27.5 MPa.
第四章 概率与统计
第1讲 描述运动的基本概念
$$