1.1回归分析的基本思想和其初步应用.[下学期]11.pptVIP

第一章 统计案例;a. 比《数学3》中“回归”增加的内容;问题1：正方形的面积y与正方形的边长x之间 的函数关系是;自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系。;2、现实生活中存在着大量的相关关系。 如：人的身高与年龄； 产品的成本与生产数量； 商品的销售额与广告费； 家庭的支出与收入。等等;10 20 30 40 50;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;思考 产生随机误差项e的原因是什么？;函数模型与回归模型之间的差别;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;制表;所以回归方程是;探究： 身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解释一下原因吗？;函数模型与回归模型之间的差别;1.用相关系数 r 来衡量;①、当 时，x与y为完全线性相关，它们之间存在确定的函数关系。 ②、当 时，表示x与y存在着一定的线性相关，r的绝对值越大，越接近于1，表示x与y直线相关程度越高，反之越低。;;相关关系的测度（相关系数取值及其意义）;对回归模型进行统计检验;如何刻画预报变量（体重）的变化？这个变化在多大程度上 与解释变量（身高）有关？在多大程度上与随机误差有关？;59;用这种方法可以对所有预报变量计算组合效应。;59;在例1中，残差平方和约为128.361。;我们可以用相关指数R2来刻画回归的效果，其计算公式是; 如果某组数据可能采取几种不同回归方程进行回归分析，则可以通过比较R2的值来做出选择，即选取R2较大的模型作为这组数据的模型。;我们可以用相关指数R2来刻画回归的效果，其计算公式是;; 在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用回归模型来拟合数据。;编号;残差图的制作及作用。 坐标纵轴为残差变量，横轴可以有不同的选择； 若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域； 对于远离横轴的点，要特别注意。;用身高预报体重时，需要注意下列问题：;一般地，建立回归模型的???本步骤为：;什么是回归分析？（内容）;回归分析与相关分析的区别;练:某种产品的广告费支出x与销售额y之间有如表所示数据:;离差平方和的分解 （三个平方和的意义）;样本决定系数 （判定系数 R2 ）;什么是回归分析：;作业:某种产品的广告费支出x与销售额y之间有如表所示数据: