回归分析的基本思想及其初步应用(3).ppt

该【回归分析的基本思想及其初步应用(3) 】是由【相惜】上传分享，文档一共【27】页，该文档可以免费在线阅读，需要了解更多关于【回归分析的基本思想及其初步应用(3) 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。,其身高和体重数据如表1-1所示。编号12345678身高/cm165165157170175165155170体重/kg4857505464614359求根据一名女大学生的身高预报她的体重的回归方程,并预报一名身高为172cm的女大学生的体重。案例1:女大学生的身高与体重解:1、选取身高为自变量x,体重为因变量y,作散点图:2、从散点图还看到,样本点成条状分布,身高和体重有比较好的线性相关关系,因此可以用线性回归方程y=bx+a来近似的刻画它们之间的关系。精选课件由数学三的知识可知根据最小二乘法估计和就是未知参数a和b的最好估计,精选课件根据最小二乘法估计和就是未知参数a和b的最好估计,于是有b=所以回归方程是所以,对于身高为172cm的女大学生,由回归方程可以预报其体重为探究:?如果不是,你能解析一下原因吗?精选课件探究:?如果不是,你能解析一下原因吗?答:,。精选课件从散点图还看到,样本点散布在某一条直线的附近,而不是在一条直线上,所以不能用一次函数y=bx+a描述它们关系。我们可以用线性回归模型来表示:y=bx+a+e,其中a和b为模型的未知参数,e称为随机误差。,,散点图中的样本点和回归直线的相互位置说明了这一点:精选课件思考产生随机误差项e的原因是什么?随机误差e的来源(可以推广到一般〕:1、其它因素的影响:影响身高y的因素不只是体重x,可能还包括遗传基因、饮食****惯、生长环境等因素;2、用线性回归模型近似真实模型所引起的误差;3、身高y的观测误差。精选课件函数模型与回归模型之间的差异函数模型:回归模型:线性回归模型y=bx+a+e增加了随机误差项e,因变量y的值由自变量x和随机误差项e共同确定,即自变量x只能解析局部y的变化。在统计中,我们也把自变量x称为解析变量,因变量y称为预报变量。精选课件思考:如何发现数据中的错误?如何衡量模型的拟合效果?在实际应用中,我们用回归方程中的估计(1)中的bx+a,由于随机误差e=y-(bx+a),所以,对样本点而言精选课件对回归模型进行统计检验精选课件