为了正常的体验网站,请在浏览器设置里面开启Javascript功能!
首页 > 高中数学 2.4《线性回归方程》课件(2) 苏教版必修3

高中数学 2.4《线性回归方程》课件(2) 苏教版必修3

2022-04-07 14页 ppt 460KB 0阅读

用户头像 个人认证

is_495183

暂无简介

举报
高中数学 2.4《线性回归方程》课件(2) 苏教版必修3线性回归方程(2)B复习回顾:..D.Cyx.Byx.A.1性关系相关关系是一种非确定;变量之间有无相关关系点图,可判断由两个变量所对应的散唯一确定;不能由么确定关系,那变量之间的关系若是非都是变量;和在线性回归分析中,)下列说法不正确的是(11.694.三点(3,10),(7,20),(11,24)的线性回归方程是()D(1)如果x=3,e=1,分别求两个模型中y的值;(2)分别说明以上两个模型是确定性模型还是随机模型.我们考虑两个表示变量x与y之间的关系的模型,为误差项,模型如下:模型1:y=6+4x;模型2:y=6+4x...
高中数学 2.4《线性回归方程》课件(2) 苏教版必修3
线性回归方程(2)B复习回顾:..D.Cyx.Byx.A.1性关系相关关系是一种非确定;变量之间有无相关关系点图,可判断由两个变量所对应的散唯一确定;不能由么确定关系,那变量之间的关系若是非都是变量;和在线性回归分析中,)下列说法不正确的是(11.694.三点(3,10),(7,20),(11,24)的线性回归方程是()D(1)如果x=3,e=1,分别求两个模型中y的值;(2)分别说明以上两个模型是确定性模型还是随机模型.我们考虑两个表示变量x与y之间的关系的模型,为误差项,模型如下:模型1:y=6+4x;模型2:y=6+4x+e.解(1)模型1:y=6+4x=6+4×3=18;模型2:y=6+4x+e=6+4×3+1=19.(2)模型1中相同的x值一定得到相同的y值.所以是确定性模型;模型2中相同的x值,因不同,且为误差项是随机的,所以模型2是随机性模型.例1.一个车间为了规定工时定额,需要确定加工零件所花费的时间.为此进行了10次试验,测得数据如下:122115108102958981756862加工时间y(分)100908070605040302010零件个数x(个)请判断加工时间y与零件个数x是否具有线性相关关系,如果具有线性相关关系,求线性回归方程.解:在直角坐标系中画出数据的散点图,直观判断散点在一条直线附近,故具有线性相关关系.由测得的数据表可知:因此,所求线性回归方程为8.726.596.209.495.906.997.509.526.306.53y50394058354248464245x例2.已知10只狗的血球体积及红血球数的测量值如下:x为血球体积,单位:ml(1)画出上表的散点图;(2)求出回归直线方程且画出图形.y为红血球数,单位:百万解:=7.37设回归直线方程为则=-0.418所以所求回归直线的方程为例3.以下是收集到的新房屋销售价格y与房屋的大小x的数据:(1)画出数据的散点图;(2)用最小二乘法估计求线性回归方程,并在散点图中加上回归直线;(3)计算此时Q(a,b)和Q(2,0.2)的值,并作比较.29.224.821.62218.4销售价格y(万元)13511511010580房屋大小x(m2)(3)是函数Q(a,b)取最小值的a,b值.(2)所以,线性回归方程为由此可知,求得的补充:1、已知回归方程=4.4x+838.19,则可估计x与y的增长速度之比约为________.2、要分析学生初中升学的数学成绩对高一数学学习有什么影响,在高一年级学生中随机抽取10名学生的数学成绩,分析他们入学成绩和高一年级期末数学考试成绩(如表):75569873899282527865期末成绩76589952718188456763入学成绩10987654321学生编号对变量x与y进行相关分析,如果x与y之间具有线性相关关系,说明两组数据的相关强弱。拓展提高求线性回归方程的步骤:(4)将上述有关结果代入公式,求b,a写出回归直线方程.回顾小结:
/
本文档为【高中数学 2.4《线性回归方程》课件(2) 苏教版必修3】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索