3[1].1回归分析的基本思想及其初步应用(一).ppt1 (2).ppt

1、数据收集(随机采样)、数据估计配置、分析、推断、简单随机采样、分层采样、系统采样、作为样本的整体估计、变量之间的相关关系、通过样本的频率分布估计总体分布、使用样本数字特征估计总体数字特性、线性回归分析、统计的基本思路示例，共7个并排复习，变量之间的两个茄子关系，当收购值恒定时，变量值具有随机性的两个变量之间的关系称为相关关系。(大卫亚设，美国电视电视剧，美国电视电视剧，1，定义：1):相关关系是不确定性的关系。参考，2，现实生活中有很多相关关系。例如：人的身高和年龄；产品的成本及生产数量商品销售及广告费家庭的支出和收入。等等，10 20 30 40 50，500 450 400 350 300

2、，发现：图中的每个点大致分布在线附近。导航2:可以在牙齿点附近绘制一条或多条直线。哪条线最能表示X和Y之间的关系？肥料量，水稻产量，散布图，1:水稻产量Y和肥料量X之间大致有什么规律？10 20 30 40 50，500 450 400 350 300，肥料，水稻产量，其中a，b是待定参数。变量X取后，与实际收集的变量的偏差很容易知道，截断点和坡率分别是最小值时的值。因为这正是我们要推断的公式。在上面的表达式中，最后两个项不相关，前两个项不是负数，所以Q必须得到最小值，如果当前两个项的值都为零，也就是说，1，直线方程称为回归线方程。该直线称为回归线。2，两个变量的线性分析称为线性回归分析。1，

3、回归直线方程式，最小平方：称为取样点的中心。回归分析内容和阶段：统计检查通过后，最后利用回归模型，根据参数预测和预测因果变量。通过一个变量或一些变量的变化回归分析解释另一个变量的变化。主要内容和步骤首先是根据理论和问题分析，将变量分为参数和因变量。其次，找出适当的数学方程(即回归模型)，说明变量之间的关系。由于相关变量的不确定性，需要对回归模型进行统计验证。2，求出回归直线方程的步骤：(3)赋值公式，示例1，观察两个相关杨怡如下数据：求出两个变量之间的回归方程。解决：列表：、等、3，使用回归直线方程检查全局线性相关性的示例3炉子熔化完成后，测量钢的碳量X和冶炼时间Y(从炉子熔化到刚出炉的时间)

4、的数据列，如下表所示。(1)y和X是否具有线性相关关系(2)如果存在线性相关关系，则求回归线性方程。(3)预测当钢水的碳含量为160个0.01%时，需要冶炼多少分钟。(1)列出并计算以下表格，因此回归线的方程式为=1.267x-30.51，(3) x=160时为1.267.160-30.51=172，(；，分析：在问题上，要根据身高预测体重，所以选择身高作为参数，体重是参数，2。回归方程式：1。在散点图牙齿示例中，r=0.7980.75显示了体重和身高强的线性相关关系，这表明我们建立的回归模型是有意义的。探索：身高172厘米的女大学生的体重一定是60.316公斤吗？如果不是，你能解释原因吗？答：身高172厘米的女大学生的体重不一定是60.316公斤，但一般认为她的体重接近60.316公斤。也就是说，牙齿回归方程不能给出身高172厘米的女大学生的体重预测，只能给出平均体重的值。相关系数，1。公式2相关系数的性质计算(1)|r|1 (2)|r| 1越接近，相关程度越大。越接近|r| 0，相关的程度越小。在某种程度上，X，Y是线性相关吗？他们的相关程度怎么样？如何解释两个变量之间线性相关关系的强弱？正相关、负相关、相关系数、正相关；负相关中：r-1、R-1、-0.75 -负相关强；R0.75，1积极相关强；R-0.