高中数学线性回归方程
2025高考数学一轮复习-9.1.2-线性回归方程【课件】
(3)该企业采取订单生产模式(根据订单数量进行生产，即产品全部售出). 根据市场调研数据，若该产品单价定为100元，则签订9千件订单的概 率为0.8，签订10千件订单的概率为0.2；若单价定为90元，则签订10千 件订单的概率为0.3，签订11千件订单的概率为0.7.已知每件产品的原料 成本为10元，根据(2)的结果，企业要想获得更高利润，产品单价应选 择100元还是90元，请说明理由.
因为 y ＝3860＝45，
8
uiyi－8 u y
i＝1
所以b^ ＝
8
u2i －8 u 2
i＝1
＝1831..45－ 3－8×8×0.03.411×545＝06.611＝100，
则a^ ＝ y －b^ u ＝45－100×0.34＝11， 所以y^ ＝11＋100u， 所以 y 关于 x 的回归方程为y^＝11＋10x0.
三、非线性回归问题
知识梳理
解非线性回归分析问题的一般步骤 有些非线性回归分析问题并不给出函数，这时我们可以根据已知数据 画出散点图，与学过的各种函数(幂函数、指数函数、对数函数等)的图 象进行比较，挑选一种跟这些散点拟合得最好的函数，用适当的变量 进行变换，把问题转化为线性回归分析问题，使之得到解决.
n
v2i －n
v
2
i＝1
i＝1
解 ①当产品单价为100元，设订单数为m千件，因为签订9千件订单的 概率为0.8，签订10千件订单的概率为0.2， 所以E(m)＝9×0.8＋10×0.2＝9.2， 所以企业利润为 100×9.2－9.2×190.20＋21＝626.8(千元). ②当产品单价为90元，设订单数为n千件， 因为签订10千件订单的概率为0.3，签订11千件订单的概率为0.7， 所以E(n)＝10×0.3＋11×0.7＝10.7，
高中数学选修2-3统计案例之线性回归方程习题课
1．相关关系的分类从散点图上看，点散布在从左下角到右上角的区域内，对于两个变量的这种相关关系，我们将它称为正相关；点散布在从左上角到右下角的区域内，两个变量的这种相关关系称为负相关．2．线性相关从散点图上看，如果这些点从整体上看大致分布在一条直线附近，则称这两个变量之间具有线性相关关系，这条直线叫回归直线．3．回归方程(1)最小二乘法：使得样本数据的点到回归直线的距离平方和最小的方法叫最小二乘法．(2)回归方程：两个具有线性相关关系的变量的一组数据：(x1，y1)，(x2，y2)，…，(x n，y n)，其回归方程为y^＝b^x＋a^，则b^，a^其中，b 是回归方程的斜率，a是在y轴上的截距．4．样本相关系数r＝∑i＝1nx i－x y i－y∑i＝1nx i－x2∑i＝1ny i－y2，用它来衡量两个变量间的线性相关关系．(1)当r＞0时，表明两个变量正相关；(2)当r＜0时，表明两个变量负相关；(3)r的绝对值越接近1，表明两个变量的线性相关性越强；r的绝对值越接近于0，表明两个变量之间几乎不存在线性相关关系．通常当|r|＞0.75时，认为两个变量有很强的线性相关关系．5．线性回归模型(1)y＝bx＋a＋e中，a、b称为模型的未知参数；e称为随机误差．(2)相关指数用相关指数R2来刻画回归的效果，其计算公式是：R2＝，R2的值越大，说明残差平方和越小，也就是说模型的拟合效果越好．在线性回归模型中，R2表示解释变量对预报变量变化的贡献率，R2越接近于1，表示回归效果越好．规律(1)函数关系是一种确定的关系，相关关系是一种非确定的关系．事实上，函数关系是两个非随机变量的关系，而相关关系是非随机变量与随机变量的关系．注意(1)回归分析是对具有相关关系的两个变量进行统计分析的方法，只有在散点图大致呈线性时，求出的回归直线方程才有实际意义，否则，求出的回归直线方程毫无意义．(2)线性回归方程中的截距和斜率都是通过样本数据估计而来的，存在误差，这种误差会导致预报结果的偏差；而且回归方程只适用于我们所研究的样本总体．考向一相关关系的判断例1．下列选项中，两个变量具有相关关系的是( )A．正方形的面积与周长B．匀速行驶车辆的行驶路程与时间C．人的身高与体重D．人的身高与视力答案：C例2．对变量x、y有观测数据(x i，y i)(i ＝1,2，…，10)，得散点图1；对变量u，v 有观测数据(u i，v i)(i＝1,2，…，10)，得散点图2.由这两个散点图可以判断( )A．变量x与y正相关，u与v正相关B．变量x与y正相关，u与v负相关C.变量x与y负相关，u与v正相关D．变量x与y负相关，u与v负相关解析：选C.由题图1可知，各点整体呈递减趋势，x与y负相关，由题图2可知，各点整体呈递增趋势，u与v正相关．例3．下面哪些变量是相关关系( )．A．出租车车费与行驶的里程B．房屋面积与房屋价格C．身高与体重D．铁块的大小与质量解析A，B，D都是函数关系，其中A一般是分段函数，只有C是相关关系．答案C例4.如图所示，有5组(x，y)数据，去掉________组数据后，剩下的4组数据的线性相关性最大．解析：因为A、B、C、E四点分布在一条直线附近且贴近某一直线，D点离得远．答案：D例5．对变量x，y有观测数据(x i，y i)(i＝1,2，…，10)，得散点图(1)；对变量u，v有观测数据(u i、v i)(i＝1,2，…，10)，得散点图(2)．由这两个散点图可以判断( )．A．变量x与y正相关，u与v正相关B．变量x与y正相关，u与v负相关C．变量x与y负相关，u与v正相关D．变量x与y负相关，u与v负相关解析由题图(1)可知，各点整体呈递减趋势，x与y负相关；由题图(2)可知，各点整体呈递增趋势，u与v正相关．答案C例6．下列关系属于线性负相关的是( )A．父母的身高与子女身高的关系B．球的体积与半径之间的关系C．汽车的重量与汽车每消耗1 L汽油所行驶的平均路程D．一个家庭的收入与支出解析：选C.A、D中的两个变量属于线性正相关，B中两个变量是函数关系．例7.山东鲁洁棉业公司的科研人员在7块并排、形状大小相同的试验田上对某棉花新品种进行施化肥量x对产量y影响的试验，得到如下表所示的一组数据(单位：kg)：棉花产量y3334536540544545455(1)(2)判断是否具有相关关系．[审题视点] (1)用x轴表示化肥施用量，y轴表示棉花产量，逐一画点．(2)根据散点图，分析两个变量是否存在相关关系．解(1)散点图如图所示(2)由散点图知，各组数据对应点大致都在一条直线附近，所以施化肥量x与产量y具有线性相关关系．利用散点图判断两个变量是否有相关关系是比较简便的方法．在散点图中如果所有的样本点都落在某一函数的曲线上，就用该函数来描述变量之间的关系．即变量之间具有函数关系．如果所有的样本点落在某一函数的曲线附近，变量之间就有相关关系；如果所有的样本点都落在某一直线附近，变量之间就有线性相关关系．例8. 根据两个变量x，y之间的观测数据画成散点图如图所示，这两个变量是否具有线性相关关系________(填“是”与“否”)．解析从散点图看，散点图的分布成团状，无任何规律，所以两个变量不具有线性相关关系．答案否考向二线性回归方程例9．对有线性相关关系的两个变量建立的回归直线方程y^＝a＋bx中，回归系数b( )A．不能小于0 B．不能大于0C．不能等于0 D．只能小于0解析：选C.∵b＝0时，r＝0，这时不具有线性相关关系，但b能大于0也能小于0.例10．已知回归方程y^＝4.4x＋838.19，则可估计x与y的增长速度之比约为________．解析：x与y的增长速度之比即为回归方程的斜率的倒数14.4＝1044＝522.答案：5 22例11．某商品销售量y(件)与销售价格x(元/件)负相关，则其回归方程可能是( )．A.y^＝－10x＋200 B.y^＝10x＋200 C.y^＝－10x－200 D.y^＝10x－200解析因为销量与价格负相关，由函数关系考虑为减函数，又因为x，y不能为负数，再排除C，故选A.答案A例12.下表提供了某厂节能降耗技术改造后生产甲产品过程中记录的产量x(吨)与相应的生产能耗y(吨标准煤)的几组对照数据.(1)请画出上表数据的散点图；(2)请根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程y^＝b^x＋a^；(3)已知该厂技改前生产100吨甲产品的生产能耗为90吨标准煤．试根据(2)求出的线性回归方程．预测生产100吨甲产品的生产能耗比技改前降低多少吨标准煤？(参考数值：3×2.5＋4×3＋5×4＋6×4.5＝66.5)[审题视点] (2)问利用公式求a^、b^，即可求出线性回归方程．(3)问将x＝100代入回归直线方程即可．解(1)由题设所给数据，可得散点图如图所示．(2)由对照数据，计算得：∑i ＝14x 2i ＝86， x ＝3＋4＋5＋64＝ 4.5(吨)，y ＝2.5＋3＋4＋4.54＝3.5(吨)． 已知∑i ＝14x i y i ＝66.5，所以，由最小二乘法确定的回归方程的系数为：b^＝∑i＝14x i y i－4x·y∑i＝14x2i－4x2＝66.5－4×4.5×3.586－4×4.52＝0.7，a^＝y－b^x＝3.5－0.7×4.5＝0.35.因此，所求的线性回归方程为y^＝0.7x＋0.35.(3)由(2)的回归方程及技改前生产100吨甲产品的生产能耗，得降低的生产能耗为：90－(0.7×100＋0.35)＝19.65(吨标准煤)．在解决具体问题时，要先进行相关性检验，通过检验确认两个变量是否具有线性相关关系，若它们之间有线性相关关系，再求回归直线方程．例13.为了解儿子身高与其父亲身高的关系，随机抽取5对父子的身高数据如下：则y对x的线性回归方程为( )．A．y＝x－1 B．y＝x＋1C．y＝88＋12x D．y＝176解析由题意得x＝174＋176＋176＋176＋1785＝176(cm)，y＝175＋175＋176＋177＋1775＝176(cm)，由于(x，y)一定满足线性回归方程，经验证知选C.答案C例14.某地最近十年粮食需求量逐年上升，下表是部分统计数据：(1)回归直线方程y^＝bx＋a；(2)利用(1)中所求出的直线方程预测该地2012年的粮食需求量．解(1)由所给数据看出，年需求量与年份之间是近似直线上升，下面来配回归直线方程，为此对数据预处理如下：x＝0，y＝3.2，b＝26040＝6.5，a＝y－b x＝3.2.由上述计算结果，知所求回归直线方程为y －257＝b(x－2 006)＋a＝6.5(x－2 006)＋3.2，即y^＝6.5(x－2 006)＋260.2.①(2)利用直线方程①，可预测2012年的粮食需求量为6．5(2 012－2 006)＋260.2＝6.5×6＋260.2＝299.2(万吨)．例15．下列有关回归直线方程y^＝bx＋a 的叙述正确的是( )①反映y^与x之间的函数关系；②反映y与x之间的函数关系；③表示y^与x之间的不确定关系；④表示最接近y与x之间真实关系的一条直线．A．①② B．②③C．③④ D．①④解析：选D.y^＝bx＋a表示y^与x之间的函数关系，而不是y与x之间的函数关系；但它反映的关系最接近y与x之间的真实关系，故选D.例16．设有一个回归方程y^＝3－5x，变量x增加一个单位时( )A．y平均增加3个单位B．y平均减少5个单位C．y平均增加5个单位D．y平均减少3个单位解析：选B.∵－5是斜率的估计值，说明x每增加一个单位，y平均减少5个单位．例17．对两个变量y和x进行回归分析，得到一组样本数据：(x1，y1)，(x2，y2)，…，(x n，y n)，则下列说法中不．正确的是( ) A．由样本数据得到的回归方程y^＝b^x＋a^必过样本中心(x，y)B．残差平方和越小的模型，拟合的效果越好C．用相关指数R2来刻画回归效果，R2越小，说明模型的拟合效果越好D．若变量y和x之间的相关系数为r＝－0.9362，则变量y 和x 之间具有线性相关关系解析：选C.C 中应为R 2越大拟合效果越好．例18．已知回归方程y ^＝2x ＋1，而试验得到一组数据是(2,4.9)，(3,7.1)，(4,9.1)，则残差平方和是( )A ．0.01B ．0.02C ．0.03D ．0.04解析：选C.当x ＝2时，y ^＝5，当x ＝3时，y ^＝7，当x ＝4时，y ^＝9.∴e ^1＝4.9－5＝－0.1，e ^2＝7.1－7＝0.1， e ^3＝9.1－9＝0.1.∴ i ＝13e ^i 2＝(－0.1)2＋(0.1)2＋(0.1)2＝0.03. 例19．下列说法：①将一组数据中的每个数据都加上或减去同一个常数后，方差恒不变；②回归方程y^＝bx＋a必过点(x，y)；③曲线上的点与该点的坐标之间具有相关关系；④在一个2×2列联表中，由计算得K2＝13.079，则其两个变量间有关系的可能性是90%.其中错误的是________．解析：①正确．由回归方程的定义及最小二乘法思想，知②正确．③④不正确．答案：③④例20．在2009年十一国庆8天黄金周期间，某市物价部门，对本市五个商场销售的某商品的一天销售量及其价格进行调查，五个商场的售价x元和销售量y件之间的一组数据如下表所示：价格x 99.5110.511销售量y 1110865yx具有线性相关关系，则销售量y对商品的价格x的回归直线方程为________．解析：由数据表可得x＝10，y＝8，离差x－x：－1，－0.5,0，0.5,1；离差y－y：3,2,0，－2，－3.∴b^＝－1×3－0.5×2－0.5×2－1×3 1＋0.25＋0＋0.25＋1＝－3.2，a^＝y－b^x＝40，∴回归直线方程为y^＝－3.2x＋40.答案：y^＝－3.2x＋40例21．在某地区的12～30岁居民中随机抽取了10个人的身高和体重的统计资料如表：身高(cm)14315615917216517117716116416体重(kg)41496179686974696854的身高和体重之间是否有相关关系．解：以x轴表示身高，y轴表示体重，可得到相应的散点图如图所示：由散点图可知，两者之间具有相关关系，且为正相关．12.某农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间的关系进行分析研究，他们分别记录了12月1日至12月5日的每天昼夜温差与实验室每天每100颗种子中的发芽数，得到如下资料：日期12月1日12月2日12月3日12月4日12月5日温差x(℃)101113128发芽数y(颗)2325302616组数据中选取2组，用剩下的3组数据求线性回归方程，再对被选取的2组数据进行检验．(1)求选取的2组数据恰好是不相邻2天数据的概率；(2)若选取的是12月1日与12月5日的2组数据，请根据12月2日至12月4日的数据，求出y关于x的线性回归方程y^＝b^x ＋a^；(3)若由线性回归方程得到的估计数据与所选出的检验数据的误差均不超过2颗，则认为得到的线性回归方程是可靠的，试问(2)中所得的线性回归方程是否可靠？解：(1)设抽到不相邻2组数据为事件A，因为从5组数据中选取2组数据共有10种情况，每种情况都是等可能出现的，其中抽到相邻2组数据的情况有4种，所以P(A)＝1－410＝35.(2)由数据求得，x＝12，y＝27，由公式求得．b^＝52，a^＝y－b^x＝－3.所以y关于x的线性回归方程为y^＝52x－3.(3)当x＝10时，y^＝52×10－3＝22，|22－23|<2；当x＝8时，y^＝52×8－3＝17，|17－16|<2.所以该研究所得到的线性回归方程是可靠的．。
高中数学 2.4 线性回归方程课件 苏教版必修3
的特征． 解析： 由图可知①是一次函数关系，不是相关关系；
②中的所有点在一条直线附近波动，是线性相关的； 栏
目
③中的点杂乱无章，没有什么关系，是不相关的；④
链 接
中的所有点在某条曲线附近波动，是非线性相关的，
即两个变量(biànliàng)具有相关关系的是②④.
答案： ②④
第二十页，共39页。
典例 剖析
规律总结： 散点图直观地描述了两个变量之间有没
有相关关系，由散点图判断相关关系有两种情况，若
栏
所有的点看上去都在一条直线附近波动，则两个变量
目 链
是线性相关的；若所有的点看上去都在某条曲线 接
(qūxiàn)附近波动，则两个变量是非线性相关的，这
两种情况都说明两个变量间具有相关关系．
第二十一页，共39页。
栏 目 链 接
xiǎo)，这种关系称为________． 负相关
3．线性回归方程是________________，其中b＝
_n____________，a＝_______y_^．＝bx＋a
iΣ＝1xiyi－nx y
y－bx
iΣ＝n1xi2－nx2
第六页，共39页。
自主 学习
4．线性回归方程 (jiāodiǎn)________．,
第三十一页，共39页。
典例
剖 析 题型四 用回归直线估计总体
例3高二(2)班学生(xué sheng)每周用于数学学习的
时间x(单位：h)与数学成绩y(单位：分)之间有如下数据：
栏
目
x
2 4
1 5
2 3
1 9
1 6
1 1
2 0
1 6
1 7
1 3
高中数学人教A版必修3课件：2-3-2《线性回归方程》
二倍角的正弦、余弦、 正切公式
2.3 变量间的相关关系
2.3.2 线性回归方程
3.1.3
二倍角的正弦、余弦、 正切公式
本课主要学习变量间的相关关系的相关内容，具体 包括线性回归方程的求解。 本课开始回顾了上节课所学变量间的相关关系与散 点图的相关内容，紧接着引入回归直线的定义及特征， 回归直线方程的定义及求法（最小二乘法），并且通过 例题和习题进行讲解。最后通过习题进行加深巩固。
y
500 450 400 350
水稻产量
300 10
(施化肥量)
20
30
40
50
x
3.1.3
二倍角的正弦、余弦、 正切公式
3、最小二乘法 假设我们已经得到两个具有线性相关的变量的一组数 据（x1，y1），（x2,y2），…（xn,yn）.
n n ( xi x)( yi y ) xi yi nxy i 1 i 1 b n n 2 2 2 ( xi x) xi nx i 1 i 1 a y bx
注意：求回归直线方程的关键是如何用数学的方法来刻画“从整 体上看各点与此直线的距离最小”，即最贴近已知的数据点，最 能代表变量x与y之间的关系.
3.1.3
二倍角的正弦、余弦、 正切公式
在7块并排、形状大小相同的试验田上进行施化肥量对水稻产 量影响的试验，得到如下表所示的一组数据（单位：kg）：
施化肥量x 水稻产量y 15 330 20 345 25 365 30 405 35 445 40 450 45 455
第四步：写出直线方程.
二倍角的正弦、余弦、 正切公式 解：1、列表
3.1.3
2、代入公式计算
高一数学必修三课件第章线性回归方程
01
02
03
变量
在某一过程中可以取不同 数值的量。
自变量
能够影响其它变量，而又 不受其它变量影响的变量 。
因变量
依赖于其它变量，而又不 能影响其它变量的变量。
散点图及其特点
散点图
用点的密度和变化趋势表示两指 标之间的直线和曲线关系的图。
特点
能直观表现出影响因素和预测对 象之间的总体关系趋势。
线性回归方程定义
通过绘制自变量和因变量的散点图，观察数据点 分布形态，若呈现非线性形态，则可能存在非线 性关系。
曲线拟合
根据散点图形态，选择合适的曲线类型进行拟合 ，如二次曲线、指数曲线、对数曲线等。
3
变换自变量或因变量
通过对自变量或因变量进行变换，如取对数、平 方、开方等，将非线性关系转化为线性关系。
可化为线性关系非线性模型
一致性
随着样本量的增加，线性回归方程 的系数估计值会逐渐接近真实值。
预测值与置信区间估计
预测值
根据回归方程和给定的自 变量值，可以计算出因变 量的预测值。
置信区间
通过构造置信区间，可以 对预测值进行区间估计， 表示预测值的可靠程度。
置信水平
置信水平表示了置信区间 包含真实值的概率，常用 的置信水平有95%和99% 。
在数据采集过程中，可能存在某些自变量 被重复测量或高度相关的情况。
变量设计问题
样本量问题
在变量设计时，可能存在某些自变量之间 存在固有的高度相关性。
当样本量较小而自变量较多时，也容易出 现多重共线性问题。
识别和处理多重共线性方法
观察自变量间的相关系数
如果两个自变量间的相关系数很高，则可能存在多重共线性 。
案例二
高中数学 2.4《线性回归方程》素材 苏教版必修3
线性回归方程导学一、学法指导利用样本数据的情况估计总体数据的情况，这是统计的基本思想．线性回归方程是从样本中各个数据之间的相关关系入手，来分析验证样本中各个数据的特点规律，进而对总体数据的相关关系作出估计．因此学好线性回归方程，要在进一步体会统计的基本思想和方法的基础上，还要回忆我们已学过的两个变量之间存在的函数关系（即确定性关系）．学习本节时，首先要知道变量相互关系有两种：一类是确定性的函数关系，如正方形的边长与面积的关系；另一类是变量确实存在关系，但又不具备函数关系所要求的确定性，它们的关系是带有随机性的．例如，某位同学的“物理成绩”与“数学成绩”之间的关系，我 们称它们为相关关系；其次是如何判断和分析具有相关关系的两个或多个变量，也就是如何寻找具有相关关系的两个变量中非确定性关系的某种确定性．本节的难点问题是建立回归直线方程的思想方法，其关键是如何用数学的方法来刻画“从整体上看各点与直线的距离最小”，即最贴近已知的数据点，最能代表变量x 与y 之间的关系，这就是“最小二乘法”的思想．另外还要注意，进行回归分析，通常先进行相关性检验，若能确定两个变量具有线性相关性，再去求其线性回归方程，否则所求方程毫无意义． 二、知识点概要 1．相关关系所谓相关关系是自变量取值一定时，因变量的取值带有一定的随机性． 对相关关系的理解应注意以下几点：（1）相关关系与函数关系不同．因为函数关系是一种非常确定的关系，而相关关系是一种非确定性关系，即相关关系是非随机变量与随机变量之间的关系．而函数关系可以看成是两个非随机变量之间的关系．因此，不能把相关关系等同于函数关系．（2）函数关系是一种因果关系，而相关关系不一定是因果关系，它也可能是伴随关系． （3）在现实生活中存在着大量的相关关系，如何判断和描述相关关系，统计学发挥着非常重要的作用．变量之间的相关关系带有不确定性，这需要通过收集大量的数据，对数据进行统计分析，发现规律，才能作出科学的判断． 2．回归分析对具有相关关系的两个变量进行统计分析的方法叫做回归分析．通俗地讲，回归分析就是寻找相关关系中非确定性关系的某种确定性． 3．散点图我们把一组具有相关关系的两个变量的数据()(123)i i x y i n ，，，，，对应的点（即样本点）画在坐标系内，得到的图形叫做散点图．利用散点图可以判断变量之间有无相关关系，所以判断两个变量之间是否存在某种关系时，必须从散点图入手．画出散点图，可以作出如下判断：（1）如果所有的样本点都落在某一函数曲线上，就用该函数来描述变量之间的关系，即说明变量之间具有函数关系；（2）如果所有的样本点都落在某一函数曲线附近，则说明变量之间具有相关关系；（3）如果所有的样本点都落在某一直线附近，则变量之间具有线性相关关系．4．正相关、负相关线性相关关系又分为正相关和负相关．正相关是指两个变量具有相同的变化趋势，即从整体上来看一个变量会随另一个变量变大而变大．从散点图可以看出因变量随自变量的增大而增大，图中的点分布在左下角到右上角的区域．负相关是指两个变量具有相反的变化趋势，即从整体上来看一个变量会随另一个变量变大而变小．负相关的散点图中的点分布在左上角到右下角的区域．由此，我们得出判断两个变量之间到底是不是具有线性相关关系，可以用“数据”说话，画出散点图更具有说服力．5．回归直线和回归直线方程如果散点图中的点的分布从整体上看大致在一条直线附近，就称这两变量之间具有线性相关关系．这条直线叫做这两个变量的回归直线，回归直线的方程叫做回归方程．这里注意，只有散点图中的点呈条状集中在某一直线周围的时候，才可以说两个变量之间具有线性相关关系，才有两个变量的正线性相关和负线性相关的概念，才可以用回归直线来描述这两个变量之间的关系．（1）求回归直线方程的思想方法观察散点图的特征，发现各点大致分布在一条直线的附近．类似图中的直线可画出不止一条，比如可以连接最左侧点和最右侧点得到一条直线，也可以让画出的直线上方的点和下方的点数目相等，……，但这些能保证各点与此直线在整体上是最接近的吗？它们虽然都有一定的道理，却总让人感到可靠性不强．那么，其中的哪一条直线最能代表变量x与y之间的关系呢？实际上求回归直线方程的关键是如何用数学的方法来刻画“从整体上看各点与此直线的距离最小”，即最贴近已知的数据点，最能代表变量x与y之间的关系．最能代表变量x与y之间关系的直线的特征是直线与这n个点的离差的平方和最小．（2）回归直线方程的求法根据最小二乘法的思想和公式，利用计算器或计算机，可以方便地求出回归方程．利用计算机求回归方程（Excel软件）：在Excel的工作表中添加“图表”得到散点图后，用鼠标选中散点，单击鼠标右键，单击“添加趋势线”，在出现的对话框中单击类型标签，选择“线性”，单击“选项”标签，选中“显示公式”单选框，最后点击“确定”即可．利用科学计算器求回归方程：大多科学计算器都有回归计算（REG模式），但不同的计算器参数可能不同，这里不作详细介绍．一般在输入数据后按相应按键可直接得到a和b，这样就可以写出回归方程y bx a=+，非常简便，同学们在使用前一定要看懂计算器的使用说明书．回归直线方程在现实生活与生产中有广泛的应用．应用回归直线方程可以把非确定性问题转化成确定性问题，把“无序”变为“有序”，并且可根据情况进行估测、补充．因此，学过回归直线方程以后，应能积极应用回归直线方程解决一些相关的实际问题，并进一步体会回归直线的应用价值． （3）相关系数与相关性检验给定()(123)i i x y i n =，，，，，，只要123n x x x x ，，，，不全相等，就能求出一条回归直线，但它有无意义可是一个大问题．由于根据散点图看数据点是否大致在一直线附近主观性太强，为此可以利用样本相关系数来衡量两个变量之间线性关系的强弱． 样本相关系数：()()nii xx y y r --=∑叫做变量y 与x 之间的样本相关系数，简称相关系数，用它来衡量它们之间的线性相关程度．1r ≤，且|r|越接近于1，相关程度越高；r 越接近于0，相关程度越低．统计学认为，相关变量的相关系数： [10.75]r ∈--，时，两变量负相关很强； [0.751]r ∈，时，两变量正相关很强；(]0.750.3r ∈--，或[)0.30.75，时，两变量相关性一般；[0.250.25]r ∈-，时，两变量相关程度很弱．三、特别提示1．相关关系的理解．借助实例（如数学成绩与物理成绩之间的关系，粮食产量与施肥量之间的关系，吸烟与健康之间的关系，父母身高与子女身高之间的关系等）明确相关关系与函数关系不同，它是一种非确定性的关系，即一个变量取值一定时，另一个变量的取值带有一定的随机性．相关关系包括正相关和负相关．2．相关关系的研究方法：散点图法和写出回归直线方程y bx a =+，其中11112222111n n n n i i i i i i i i i i n n ni i i i i i n x y x y x y nx y b x nx n x x a y bx =======⎧⎛⎫⎛⎫--⎪ ⎪⎪⎝⎭⎝⎭⎪==⎪⎛⎫⎨-- ⎪⎪⎝⎭⎪⎪=-⎩∑∑∑∑∑∑∑，．3．线性回归思想：把相关关系（不确定性关系）转化为函数关系（确定性关系）．当两个具有相关关系的变量近似满足一次函数关系时，所进行的回归分析又叫线性回归分析，所求的函数关系y bx a =+就是线性回归方程．4．求线性回归直线方程前应对数据进行线性相关分析，其关键是求a b ，，由于计算量大，因此计算过程要注意分层次、按步骤进行． 线性回归中的相关系数线性回归问题在生活中应用广泛，求解回归直线方程时，应该先判断两个变量是否是线性相关，若相关再求其直线方程，判断两个变量有无相关关系的一种常用的简便方法是绘制散点图；另外一种方法是量化的检验法，即相关系数法．下面为同学们介绍相关系数法． 一、关于相关系数法统计中常用相关系数r 来衡量两个变量之间的线性相关的强弱，当i x 不全为零，y i 也不全为零时，则两个变量的相关系数的计算公式是：()()nnii i ixx y y x ynx yr ---==∑∑r 就叫做变量y 与x 的相关系数（简称相关系数）．说明：（1）对于相关系数r ，首先值得注意的是它的符号，当r 为正数时，表示变量x ，y 正相关；当r 为负数时，表示两个变量x ，y 负相关；（2）另外注意r 的大小，如果[]0.751r ∈，，那么正相关很强；如果[]10.75r ∈--，，那么负相关很强；如果(]0.750.30r ∈--，或[)0.300.75r ∈，，那么相关性一般；如果[]0.250.25r ∈-，，那么相关性较弱．下面我们就用相关系数法来分析身边的问题，确定两个变量是否相关，并且求出两个变量间的回归直线． 二、典型例题剖析77（1）对变量y 与x 进行相关性检验；（2）如果y 与x 之间具有线性相关关系，求回归直线方程； （3）如果父亲的身高为73英寸，估计儿子身高．解：（1）66.8x =，67y =，102144794i i x ==∑，102144929.22i i y ==∑，4475.6x y =，24462.24x =，24489y =，10144836.4i i i x y ==∑，所以10i ix ynx yr -=∑44836.4104475.6(4479444622.4)(44929.2244890)-⨯=--80.40.9882.04=≈≈， 所以y 与x 之间具有线性相关关系． （2）设回归直线方程为y a bx =+，则101102211010i ii i i x yxyb x x==-=-∑∑44836.4447560.46854479444622.4-=≈-，670.468566.835.7042a y bx =-=-⨯=．故所求的回归直线方程为0.468535.7042y x =+．（3）当73x =英寸时，0.46857335.704269.9047y =⨯+=， 所以当父亲身高为73英寸时，估计儿子的身高约为69.9英寸．点评：回归直线是对两个变量线性相关关系的定量描述，利用回归直线，可以对一些实际问题进行分析、预测，由一个变量的变化可以推测出另一个变量的变化．这是此类问题常见题型．例2 10其中x 为高一数学成绩，y 为高二数学成绩． （1）y 与x 是否具有相关关系；（2）如果y 与x 是相关关系，求回归直线方程． 解：（1）由已知表格中的数据，利用计算器进行计算得101710ii x==∑，101723i i y ==∑，71x =，72.3y =，10151467i i i x y ==∑．102150520ii x==∑，102152541i i y ==∑．1010i ix yx yr -=∑0.78=≈．由于0.78r ≈，由0.780.75>知，有很大的把握认为x 与y 之间具有线性相关关系． （2）y 与x 具有线性相关关系，设回归直线方程为y a bx =+，则1011022211051467107172.31.2250520107110i ii i i x yx yb x x==--⨯⨯==≈-⨯-∑∑， 72.3 1.227114.32a y bx =-=-⨯=-．所以y 关于x 的回归直线方程为 1.2214.32y x =-．点评：通过以上两例可以看出，回归方程在生活中应用广泛，要明确这类问题的计算公式、解题步骤，并会通过计算确定两个变量是否具有相关关系．方方面面评说回归直线方程一、回归分析对于线性回归分析，我们要注意以下几个方面：（1）回归分析是对具有相关关系的两个变量进行统计分析的方法．两个变量具有相关关系是回归分析的前提．（2）对于关系不明确的两组数据，可先作散点图，在图上看它们有无关系，关系的密切程度，然后再进行回归分析．（3）通过散点图的观察，一般地，若图中数据大致分布在一条直线附近，那么这两个变量近似成线性相关关系．（4）求回归直线方程，首先应注意到，只有在散点图大至呈线性时，求出的回归直线方程才有实际意义，否则，求出的回归直线方程毫无意义． 二、回归直线方程一般地，设x 与y 是具有相关关系的两个变量，且对应于n 组观测值的n 个点(()12)i i x y i n =，，，，，大致分布在一条直线的附近，求在整体上与这n 个点最接近的一条直线，记此直线方程为y a bx =+ （1）这里在y 的上方加记号“＾”，是为了区分Y 的实际值y ，表示当x 取值(12)i x i n =，，，时，Y 相应的观察值为i y ，而直线上对应于i x 的纵坐标是i y a bx =+．（1）式叫做Y 对x 的回归直线方程，a ，b 叫做回归系数． 三、求回归直线方程的思想方法 在观察散点图特征时，我们会发现有时各点大致分布在一条直线的附近，且画出不止一条类似的直线，而最能代表变量x 与y 之间关系的直线的特征，即为n 个离差的平方和最小．设所求直线方程为y a bx =+，其中a ，b 是待定系数，则(12)i i y a bx i n =+=，，，． 于是得到各个离差()(12)i i i i y y y bx a i n -=-+=，，，． 显然，离差i i y y -的符号有正有负，若将它们相加会造成相互抵消，故采用n 个离差的平方和21()ni i i Q y bx a ==--∑，采用最小二乘法可求出使Q 为最小值时的a 和b ．1122211()()()nnii i ii i nniii i xx y y x ynxyb xx xnx====---==--∑∑∑∑， a y bx =-，其中11n i i x x n ==∑，11ni i y y n ==∑．四、求回归直线方程的一般步骤（1）作出散点图，判断散点是否在一条直线附近；（2）如果散点在一条直线附近，用公式求出a ，b ，并写出回归直线方程．注：计算a ，b 时由于计算量较大,所以在计算时应借助技术手段（如计算器或计算机），认真细致，谨防计算中产生错误．例 在10年期间，某城市居民收入与某种商品的销售额之间的关系见下表．（1）画出散点图；（2）如果散点图中各点大致分布在一条直线的附近，求x 与y 之间的回归直线方程； （3）试预测居民年收入50亿元时这种商品的销售额．解题指导：只有散点图大致表现为线性时，求回归直线方程才有实际意义． 解：（1）散点图如图所示：（2）通过观察散点图可知各点大致分布在一条直线的附近．列出下表，利用计算器进行计算．序号 xy2x2yxy1 32.2 25.0 1036.84 625 805 2 31.1 30.0967.21900 933 3 32.9 34.0 1082.41 1156 1118.6 4 35.8 37.0 1281.64 1369 1324.6 5 37.1 39.0 1376.41 1521 1446.9 6 38.0 41.0 1444 1681 1558 7 39.0 42.0 1521 17645 1638 8 43.0 44.0 1849 1936 1892 9 44.6 48.0 1989.162304 2140.8 1046.0 51.0211626012346∑379.7 391 14663.67 15857 15202.91011022211015202.9379.739.1 1.447379.71014663.671010i ii ii x yx y b xx==--⨯==≈⎛⎫--⨯ ⎪⎝⎭∑∑。
苏教版高中数学高二必修3课件 2.4 线性回归方程
跟踪训练2 下面四个散点图中点的分布状态，直观上判断两个变量之间 具有线性相关关系的是___③_____.
解析 答案
类型三 线性回归方程的求法及应用 例3 下表为某地近几年机动车辆数与交通事故数的统计资料，请判断机 动车辆数与交通事故数之间是否具有线性相关关系.如果具有线性相关关 系，求出线性回归方程；如果不具有线性相关关系，说明理由.
归方程为
^
y
＝0.85x－85.71，则下列结论中不正确的是__①__④____.
①体重y与身高x具有函数间的关系；
②回归直线过 ( x ， y )点；
③若该大学某女生身高增加1 cm，则其体重约增加0.85 kg；
④若该大学某女生身高为170 cm，则可判定其体重必为58.79 kg.
解析 体重与身高的关系不确定，不是函数关系.当 x＝170 时，y^ ＝ 0.85×170－85.71＝58.79，体重的估计值为 58.79 kg.
例2 5名学生的数学和物理成绩(单位：分)如下：
学生 成绩
数学成绩 物理成绩
ABCDE
80 75 70 65 60 70 66 68 64 62
判断它们是否具有线性相关关系.
解答
反思与感悟 (1)判断两个变量x和y间是否具有线性相关关系，常用的简 便方法就是绘制散点图，如果图上发现点的分布从整体上看大致在一条 直线附近，那么这两个变量就是线性相关的，注意不要受个别点的位置 的影响. (2)画散点图时应注意合理选择单位长度，避免真，导致得出错误结论.
12345
解析 答案
3.已知x与y之间的一组数据：
x
0
1
2
3
y
1
3
5
7
线性回归方程系数公式
线性回归方程系数公式回归系数（regression coefficient）在回归方程中表示自变量x 对因变量y 影响大小的参数。
回归系数越大表示x 对y 影响越大，正回归系数表示y 随x 增大而增大，负回归系数表示y 随x增大而减小。
例如回归方程式Y=bX+a中，斜率b称为回归系数，表示X每变动一单位，平均而言，Y将变动b单位。
1、回归系数：对于回归系数的解释，需要从线性回归模型当中来定义。
线性回归模型是一种特殊的线性模型。
若变量y与变量的关系表示为，且称f(x)为y对x的回归，f(x)称为回归函数。
通常在正态分布情形，若f(x)是x的线性函数，此时称为线性回归，称为回归常数，称为回归系数（regression coefficient）。
取y为n个观测，得观测值向量，表示为如下模型：其中1是坐标全为1的向量，为n阶单位阵，记，且假定这个矩阵的秩为p+1，而记这里β，σ2为未知参数，e（n×1）是随机向量。
2、最小二乘估计：回归系数的最小二乘估计（least square estimator of regression coefficient）简称LS估计。
参数估计的一种方法。
线性回归模型中，未知参数β的最小二乘估计为满足的β。
可知β是方程的解。
此方程称为正规方程。
由于线性回归模型中，X矩阵列满秩，故β可解除。
3、显著性检验：回归系数显著性检验（significant test of regression coefficient）是检验某些回归系数是否为零的假设检验。
考虑线性回归模型。
不失一般性，可假定要检验后k个（1≤k≤p）回归系数是否为零，即。
一般用F统计量。
去检验，这里是上述模型的残差平方和，为假定后k个系数为零时（即少了k个自变量）的模型的残差平方和。
用F检验有许多优良性，在这方面，中国统计学家许宝騄早期做了许多工作，后来美籍罗马尼亚数学家瓦尔德（Wald，A.）发展了他的工作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
高中数学线性回归方程
线性回归方程的分析方法
分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
线性回归方程的例题求解
用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零，得方程组解得。
其中，且为观测值的样本方差.线性方程称为关于的线性回归方程,称为回归系数,对
应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差。
先求x,y的平均值。
利用公式求解：b=把x,y的平均数带入a=y-bx。
求出a=是总的公式y=bx+a线性回归方程y=bx+a过定点。
x为xi的平均数，y为yi的平均数
线性回归方程两个重要公式
感谢您的阅读，祝您生活愉快。