4.3.1 一元线性回归模型(第2课时)(教学课件)高二数学人教B版选择性必修第二册

| 43页
| 19人阅读
| 0人下载
精品

内容正文:

第四章 概率与统计 4.3.1 一元线性回归模型(课时2) 4.3统计模型 【新教材】人教B版·高二选修第二册 学 习 目 标 1 2 3 了解两个变量间的线性相关系数r,记住相关系数公式,会计算相关系数r; 理解相关系数r的意义,能利用r判断两个变量线性相关程度强弱、正负相关; 理解非线性回归的概念,会通过换元转化,把非线性关系变成线性回归模型,求出回归方程并进行预测。 认知冲突 上节课我们学习了一元线性回归方程,可以画出散点图、求出回归直线。 思考两个问题: 问:① 散点看着好像在一条直线附近,但是到底有多贴近直线?怎么定量衡量相关性强弱? 问:② 如果散点明显不是沿直线分布,是曲线形态(比如指数、二次型),还能用线性回归吗?怎么办? 今天这节课,我们就解决这两个问题:用r量化线性相关程度,以及曲线型的非线性回归。 目标一:相关系数 实例 知识讲解 互动探究 新课引入 如下是某班级学生数学成绩与英语成绩的对应表. 数学 43 51 56 58 61 63 65 66 68 69 70 71 73 74 74 75 英语 81 76 67 78 65 73 71 74 76 62 64 77 80 81 68 72 数学 75 76 77 78 78 79 79 80 82 82 83 84 88 89 92 98 英语 85 69 71 70 76 62 89 69 76 84 94 84 79 81 85 68 从这些数据中,你能直接看出该班级学生的数学成绩与英语成绩之间是否存在线性相关关系吗?作出这些数据的散点图. 5 相关性强弱 知识讲解 互动探究 新课引入 两图对比,直观上可以看出,相对于数学成绩与物理成绩来说,数学成绩与英语成绩之间线性相关关系要弱一些. 由上节课所学可知,给定一组成对数据后,总能得到一个回归直线方程.不难想到,如果变量之间本身的线性相关关系很弱,那么得到的回归直线方程价值是有限的,甚至是没有价值的. 怎样来刻画两个变量之间线性相关关系的强弱呢? 6 相关系数 知识讲解 互动探究 新课引入 如图所示,在平面直角坐标系中,作出成对数据的散点图以及回归直线,并且标出点. 然后以为原点,建立新的平面直角坐标系,则回归直线在中是过原点的,而且: 如果与正相关,则回归直线过的一、三象限;如果与负相关,则回归直线过的二、四象限. 7 相关系数 知识讲解 互动探究 新课引入 从直观上可知,如果变量正相关,那么大多数点将分布在的一、三象限,对应的成对数据同号居多; 如果变量负相关,那么大多数点将分布在的二、四象限,对应的成对数据异号居多. 相应象限内的点越多,与的线性相关关系越强. 8 量化 知识讲解 互动探究 新课引入 在中的坐标为,因此可用来判定成对数据是否落在一、三象限(或二、四象限). 因此可用含有的量来判定与的线性相关性强弱. 落在一,三象限(或二,四象限)的点越多,则此量的绝对值越大,线性相关性越强. 9 应用量化 知识讲解 互动探究 新课引入 结合下列两组成对数据,判断能否直接用来衡量与的线性相关性强弱?并说明理由. (1) 1 2 3 4 5 6 7   6.1 5.2 4.5 4.7 3.8 3.4 3.1 (2) 10 20 30 40 50 60 70   61 52 45 47 38 34 31 结论: 不能直接使用 来衡量 与 的线性相关性强弱(具体原因有点复杂,略),强调的是,需要引入相关系数才能客观准确地衡量两个变量之间线性相关性的强弱。 10 相关系数 知识讲解 互动探究 新课引入 现实生活中的数据,由于度量对象和单位的不同等,数值会有大有小,为了去除这些因素的影响,统计学里一般用 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). 11 相关系数r的性质 知识讲解 互动探究 新课引入 (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. 12 对点体验 利用类似计算回归系数的方法可以算出相关系数的值. r≈0.73 r≈0.21 解读 【注意】 相关系数的绝对值越大,只能说明两个变量之间的关系用一次函数刻画时,效果越好,但这并不能保证两个变量之间存在因果关系. 例如,数学成绩与物理成绩的相关系数为0.73,不能说是以为数学成绩好,所以物理成绩好,实际上,数学成绩与物理成绩之间的相关关系可能是由这两个学科的相似性造成的. 相关性检验 知识讲解 互动探究 新课引入 相关性检验的必要性 在实际问题中,利用散点图判断线性相关关系,既快又方便。但是,若散点图中的各个点不集中在一条直线附近,我们虽然可以求出相应的回归直线方程,但这条回归直线方程已经不能反映这组数据的变化规律,这时求回归直线方程也就失去了意义。那么,到底在数据有什么特征时,求回归直线方程才有意义呢?这就需要对x和y作线性相关性检验,也就是相关性检验。 15 相关性检验 知识讲解 互动探究 新课引入 相关性检验的步骤 (2) 根据公式计算相关系数r的值; (3) 把计算所得的相关系数的绝对值与0.75进行比较,得出结论。 16 对点体验 某人工智能公司从某年起7年的利润情况如下表所示. 第 年 1 2 3 4 5 6 7 利润 亿元 2.9 3.3 3.6 4.4 4.8 5.2 5.9 (1)计算出y与x之间的相关系数(精确到0.01),并求出y关于x的回归直线方程; 解: (1)可求得. 列表计算得 , , , 因此 , , . 回归直线方程为 . 对点体验 某人工智能公司从某年起7年的利润情况如下表所示. 第 年 1 2 3 4 5 6 7 利润 亿元 2.9 3.3 3.6 4.4 4.8 5.2 5.9 (2)根据回归直线方程,预测人工智能公司第8年、第9年的利润. 解: (2)在回归方程中令得, 所以预测第8年的利润为6.3亿元. 类似地,可预测第9年的利润为6.8亿元. 对点体验 炼钢是一个氧化降碳的过程, 钢水含碳量的多少影响冶炼时间的长短, 因此必须掌握钢水含碳量和冶炼时间的关系。如果已测得炉料熔化完毕时钢水的含碳量 x (单位:0.01%)与冶炼时间 y (单位:)的一些数据, 如下表所示。 104 180 190 177 147 134 150 191 204 121 100 200 210 185 155 135 170 205 235 125 1.求 y 与 x 的相关系数 r (精确到0.01); 2.求回归直线方程 (精确到0.01); 3.当钢水含碳量为160个0.01%时, 估计冶炼多长时间(精确到1)? 参考数据: , , , , 。 。 对点体验 炼钢是一个氧化降碳的过程, 钢水含碳量的多少影响冶炼时间的长短, 因此必须掌握钢水含碳量和冶炼时间的关系。如果已测得炉料熔化完毕时钢水的含碳量 x (单位:0.01%)与冶炼时间 y (单位:)的一些数据, 如下表所示。 104 180 190 177 147 134 150 191 204 121 100 200 210 185 155 135 170 205 235 125 1.求 y 与 x 的相关系数 r (精确到0.01); 2.求回归直线方程 (精确到0.01); 3.当钢水含碳量为160个0.01%时, 估计冶炼多长时间(精确到1)? 参考数据: , , , , 。 , , 故所求的回归直线方程为 。 对点体验 炼钢是一个氧化降碳的过程, 钢水含碳量的多少影响冶炼时间的长短, 因此必须掌握钢水含碳量和冶炼时间的关系。如果已测得炉料熔化完毕时钢水的含碳量 x (单位:0.01%)与冶炼时间 y (单位:)的一些数据, 如下表所示。 104 180 190 177 147 134 150 191 204 121 100 200 210 185 155 135 170 205 235 125 1.求 y 与 x 的相关系数 r (精确到0.01); 2.求回归直线方程 (精确到0.01); 3.当钢水含碳量为160个0.01%时, 估计冶炼多长时间(精确到1)? 参考数据: , , , , 。 当 时, , 故当钢水含碳量为160个0.01%时, 估计冶炼 172 min。 目标二 :非线性回归分析 实例 知识讲解 互动探究 新课引入 设某幼苗从观察之日起,第 x 天的高度为 y,测得一些数据如下表. 第 天 1 4 9 16 25 36 49 高度 0 4 7 9 11 12 13 作出这组数的散点图,并通过散点图思考:近似描述 y 与 x 的关系,除使用一次函数外,还可以用其他函数吗?具体应该怎样操作? 从散点图中可以看出,这些数据集中在图中橙色的曲线附近. 曲线的形状与函数 y= 的图像很相似 则可用 y=b+a 的表达式来描述 y 与 x 的关系. 23 化曲为直 知识讲解 互动探究 新课引入 如何求“最好”曲线对应的未知系数? 令 ,则 可变为 ,即 与 的关系可看成线性相关关系. 因此,我们可借助线性相关的内容来求出“最好”的曲线. 令 u=,构造新的成对数据,如下表所示. 1 4 9 16 25 36 49 1 2 3 4 5 6 7 0 4 7 9 11 12 13 算得: . 通过列表计算得 , , . 因此 , , . 故 关于 的回归直线方程为 ,代入 ,则 . 24 非线性回归方程 知识讲解 互动探究 新课引入 这里的 y 与 x 的关系,因为不再是线性相关关系,所以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,就像上面的实例一样,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,借助求回归直线的过程确定,当然,确定了非线性回归方程之后,也可以利用它进行预测. 例如,如果要预测尝试与发现中幼苗第64天的高度,可以直接将 代入,从而预测高度为 25 ❶ 非线性回归分析的思想 研究两个变量的关系时,依据样本点画出散点图,从整体上看,如果样本点没有分布在某个带状区域内,就称这两个变量之间不具有线性相关关系,此时不能直接利用回归直线方程来建立两个变量之间的关系。 知识讲解 互动探究 新课引入 拓展 ❷ 非线性回归方程 当回归方程不是形如 y=bx+a (a,b∈R) 时,称之为非线性相关关系,所得的方程称为非线性回归方程(也简称为回归方程)。当两个变量不呈线性相关关系时,依据样本点的分布选择合适的曲线方程来拟合数据,可通过变量代换,利用线性回归模型建立两个变量间的非线性回归方程。 常见非线性回归方程的转换方式如下: 26 非线性回归方程转换表 知识讲解 互动探究 新课引入 曲线方程 曲线(曲线的一部分) 变换公式 变换后的线性函数 27 对点体验 某地区的女性在不同年龄段的身高平均值 x (单位:cm)和体重平均值 y (单位:kg)的数据如下表: 身高 60 70 80 90 100 110 体重 6.13 7.90 9.99 12.15 15.02 17.50 身高 120 130 140 150 160 170 体重 20.92 26.86 31.11 38.85 47.25 55.05 (1)试建立 y 与 x 之间的回归方程; (2)若体重超过相同身高的女性体重平均值的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的女性的体重是否正常? (1) 根据题表中的数据画出散点图,由图可看出,样本点分布在某条类似指数函数曲线 的周围,其中 是待定的系数, 对点体验 令 z=lny,变换后的样本数据表如下: 60 70 80 90 100 110 1.81 2.07 2.30 2.50 2.71 2.86 120 130 140 150 160 170 3.04 3.29 3.44 3.66 3.86 4.01 作出散点图如图 设 z 与 x 之间的回归直线方程为 z=a+bx (a=ln,b= ), 则由表中数据得 , , 所以 与 之间的回归直线方程为 , 所以 与 之间的回归方程为 。 对点体验 令 z=lny,变换后的样本数据表如下: 60 70 80 90 100 110 1.81 2.07 2.30 2.50 2.71 2.86 120 130 140 150 160 170 3.04 3.29 3.44 3.66 3.86 4.01 作出散点图如图 设 z 与 x 之间的回归直线方程为 z=a+bx (a=ln,b= ), 当 时, 预测平均体重 , 由于 ,所以这位女性偏胖。 目标三 :针对训练 举一反三 1. 对变量 有观测数据 , 对变量 有观测数据 , 表示变量 之间的线性相关系数, 表示变量 之间的线性相关系数,则( ) A.   B.   C.   D. 解析: 由条件可知:第一组中的数据负相关,相关系数小于零;第二组中的数据正相关,相关系数大于零。所以有 r_1<0<。故选 C. 举一反三 2.关于样本相关系数,下列说法正确的是( ) A. 样本相关系数 r∈[-1,1] B. 当样本相关系数 r<0 时,称成对数据成正相关 C. 两个随机变量线性相关越弱,则相关系数越接近 -1 D. 两个随机变量线性相关越强,则相关系数越接近 1 解析: 根据相关系数 ,可知 A 正确; 时,数据成负相关, 时,数据成正相关,故 B 错误; 越接近 1,线性相关性越强, 越接近 0,相关性越弱,故 C 错误; 对于 D,两个随机变量线性相关越强,相关系数也可能接近 -1,故 D 错误。 故选:A. 举一反三 3.已知蝗虫的产卵量 y 与温度 x 的关系可以用模型 拟合,设 z=lny,其变换后得到一组数据: 解析: 由已知可得 , ,将 代入 , 得 , 所以 ,则 ,即 。故选 B. 20 23 25 27 30 2 2.4 3 3 4.6 由上表可得回归直线方程 ,则 ( ) A. -2    B.    C. 3    D. 举一反三 4. 关于相关系数 ,下面说法正确的是( )(多选) A. B. 若 ,则两个变量线性不相关 C. 若 ,则一个变量增加,另一个变量有减少的趋势 D. 越小,变量之间的线性相关程度越高 解析: ,故 A 正确; 若 ,则两个变量线性不相关,故 B 正确; 若 ,则一个变量增加,另一个变量有减少的趋势,C 正确; 越大,变量之间的线性相关程度越高,故 D 错误。故选 ABC. 举一反三 5.已知随机变量 x,y 的五组观测数据如下表: 解析: 令 , 则 ,, 因为 ,所以 , 所以 ,解得 1 2 3 4 5 由表中数据通过模型 得到经验回归方程为 ,则实数 的值为 . 举一反三 6. 高质量发展是全面建设社会主义现代化国家的首要任务,创新研发是高质量发展的重要前提. 某公司研发新产品的投入 (单位:百万元)与该产品的收益 (单位:百万元)的 5 组统计数据如下表所示,且经验回归方程为 . 5 6 8 9 12 16 20 25 28 (1)求 m 的值; (1) 由题设 ,, 所以 ,可得 ; 举一反三 6. 高质量发展是全面建设社会主义现代化国家的首要任务,创新研发是高质量发展的重要前提. 某公司研发新产品的投入 (单位:百万元)与该产品的收益 (单位:百万元)的 5 组统计数据如下表所示,且经验回归方程为 . 5 6 8 9 12 16 20 25 28 (2)若将图表中的点 (8,25) 去掉,判断样本相关系数 r 是否改变,并说明你的理由 样本相关系数 由 (1) 知 ,,故去掉点 后样本中心仍然是 , 去掉点 前, 举一反三 6. 高质量发展是全面建设社会主义现代化国家的首要任务,创新研发是高质量发展的重要前提. 某公司研发新产品的投入 (单位:百万元)与该产品的收益 (单位:百万元)的 5 组统计数据如下表所示,且经验回归方程为 . 5 6 8 9 12 16 20 25 28 (2)若将图表中的点 (8,25) 去掉,判断样本相关系数 r 是否改变,并说明你的理由 去掉点 后 , 显然前后数值没有改变,同理 , 的值都没有变化。 所以相关系数 不变. 目标四:小结 学海拾贝 相关系数r: 范围:r∈[-1,1] r>0 :正相关; r<0 :负相关; |r|越接近1,线性相关性越强;|r|越接近0,线性相关程度越弱;一般|r|>0.75,认为线性相关程度较强。 学海拾贝 非线性回归核心思想:换元转化,把非线性关系,设新变量,转化为线性回归模型,先求新变量的回归直线,再代回得到原来的非线性回归方程; 流程总结:画散点图 → 判断模型类型(线性/曲线)→ 线性:算r判断相关强弱;非线性:换元→线性回归→还原模型→预测。 易错提醒:相关系数只衡量线性相关;就算r接近1,也只是线性相关强,不等于因果关系。 【新教材】人教B版·高二选修第二册 感谢聆听! $

资源预览图

4.3.1 一元线性回归模型(第2课时)(教学课件)高二数学人教B版选择性必修第二册-第1页
1
4.3.1 一元线性回归模型(第2课时)(教学课件)高二数学人教B版选择性必修第二册-第2页
2
4.3.1 一元线性回归模型(第2课时)(教学课件)高二数学人教B版选择性必修第二册-第3页
3
4.3.1 一元线性回归模型(第2课时)(教学课件)高二数学人教B版选择性必修第二册-第4页
4
4.3.1 一元线性回归模型(第2课时)(教学课件)高二数学人教B版选择性必修第二册-第5页
5
4.3.1 一元线性回归模型(第2课时)(教学课件)高二数学人教B版选择性必修第二册-第6页
6

由于学科网是一个信息分享及获取的平台,不确保部分用户上传资料的 来源及知识产权归属。如您发现相关资料侵犯您的合法权益,请联系学科网,我们核实后将及时进行处理。