1.3可线性化的回归分析

1.3可线性化的回归分析Tag内容描述：<p>1、1.2相关系数1.3可线性化的回归分析学习目标1.了解线性相关系数r的求解公式，并会初步应用.2.理解回归分析的基本思想.3.通过可线性化的回归分析，判断几种不同模型的拟合程度知识点一相关系数1相关系数r的计算假设两个随机变量的数据分别为(x1，y1)，(x2，y2)，(xn，yn)，则变量间线性相关系数r.2相关系数r的性质(1)r的取值范围为1,1(2)|r|值越大，误差Q越小，变量之间的线性相关程度越高(3)|r|值越接近0，误差Q越大，变量之间的线性相关程度越低3相关性的分类(1)当r0时，两个变量正相关(2)当r<0时，两个变量负相关(3)当r0时，两个变量线性。</p><p>2、1.2相关系数1.3可线性化的回归分析学习目标1.了解线性相关系数r的求解公式，并会初步应用.2.理解回归分析的基本思想.3.通过可线性化的回归分析，判断几种不同模型的拟合程度知识点一相关系数1相关系数r的计算假设两个随机变量的数据分别为(x1，y1)，(x2，y2)，(xn，yn)，则变量间线性相关系数r.2相关系数r的性质(1)r的取值范围为1,1(2)|r|值越大，误差Q越小，变量之间的线性相关程度越高(3)|r|值越接近0，误差Q越大，变量之间的线性相关程度越低3相关性的分类(1)当r0时，两个变量正相关(2)当r<0时，两个变量负相关(3)当r0时，两个变量线性。</p><p>3、1.2 相关系数 1.3 可线性化的回归分析,第一章 1 回归分析,1.了解线性相关系数r的求解公式，并会初步应用. 2.理解回归分析的基本思想. 3.通过可线性化的回归分析，判断几种不同模型的拟合程度.,学习目标,问题导学,达标检测,题型探究,内容索引,问题导学,1.相关系数r的计算 假设两个随机变量的数据分别为(x1，y1)，(x2，y2)，(xn，yn)，,知识点一 相关系数,2.相关系数r的性质 (1)r的取值范围为 . (2)|r|值越大，误差Q越小，变量之间的线性相关程度越 . (3)|r|值越接近0，误差Q越大，变量之间的线性相关程度越 . 3.相关性的分类 (1)当 时，两。</p><p>4、1.2 相关系数 1.3 可线性化的回归分析,第一章 1 回归分析,1.了解线性相关系数r的求解公式，并会初步应用. 2.理解回归分析的基本思想. 3.通过可线性化的回归分析，判断几种不同模型的拟合程度.,学习目标,问题导学,达标检测,题型探究,内容索引,问题导学,1.相关系数r的计算 假设两个随机变量的数据分别为(x1，y1)，(x2，y2)，(xn，yn)，,知识点一 相关系数,2.相关系数r的性质 (1)r的取值范围为 . (2)|r|值越大，误差Q越小，变量之间的线性相关程度越 . (3)|r|值越接近0，误差Q越大，变量之间的线性相关程度越 . 3.相关性的分类 (1)当 时，两。</p><p>5、1 3 可线性化的回归分析 学习目标 1 进一步体会回归分析的基本思想 2 通过非线性回归分析 判断几种不同模型的拟合程度 知识链接 1 有些变量间的关系并不是线性相关 怎样确定回归模型 答 首先要作出散点图 如果散点图中的样本点并没有分布在某个带状区域内 则两个变量不呈现线性相关关系 不能直接利用线性回归方程来建立两个变量之间的关系 这时可以根据已有函数知识 观察样本点是否呈指数函数关系或二次函。</p>