资料简介
第二课时 非线性回归模型及其应用课标要求素养要求1.进一步掌握一元线性回归模型参数的统计意义,会用相关统计软件.2.了解非线性回归模型.3.会通过分析残差和利用R2判断回归模型的拟合效果.通过学习回归模型的应用,提升数学运算及数据分析素养.新知探究在实际问题中,有时两个变量之间的关系并不是线性关系,这就需要运用散点图选择适当的函数模型来拟合观测数据,然后通过适当的变量代换,把非线性问题转化为线性问题,从而确定未知参数,建立相应的线性回归方程.问题 具有相关关系的两个变量的线性回归方程为=x+.预测值与真实值y一样吗?预测值与真实值y之间误差大了好还是小了好?提示 不一定;越小越好.1.残差的概念对于响应变量Y,通过观测得到的数据称为观测值,通过经验回归方程得到的称为预测值,观测值减去预测值称为残差.残差是随机误差的估计结果,通过残差的分
析可以判断模型刻画数据的效果,以及判断原始数据中是否存在可疑数据等,这方面工作称为残差分析.2.刻画回归效果的方式(1)残差图法作图时纵坐标为残差,横坐标可以选为样本编号,或身高数据,或体重估计值等,这样作出的图形称为残差图.若残差点比较均匀地落在水平的带状区域内,带状区域越窄,则说明拟合效果越好.(2)残差平方和法残差平方和(yi-i)2,残差平方和越小,模型拟合效果越好,残差平方和越大,模型拟合效果越差.(3)利用R2刻画回归效果决定系数R2是度量模型拟合效果的一种指标,在线性模型中,它代表解释变量客户预报变量的能力.R2=1-,R2越大,即拟合效果越好,R2越小,模型拟合效果越差.拓展深化[微判断]1.残差平方和越接近0,线性回归模型的拟合效果越好.(√)2.在画两个变量的散点图时,响应变量在x轴上,解释变量在y轴上.(×)提示 在画两个变量的散点图时,响应变量在y轴上,解释变量在x轴上.3.R2越小,线性回归模型的拟合效果越好.(×)提示 R2越大,线性回归模型的拟合效果越好.[微训练]1.在残差分析中,残差图的纵坐标为__________.答案 残差2.甲、乙、丙、丁四位同学在建立变量x,y的回归模型时,分别选择了4种不同模型,计算可得它们的决定系数R2分别如下表:甲乙丙丁
R20.980.780.500.85哪位同学建立的回归模型拟合效果最好?解 R2越大,表示回归模型的拟合效果越好,故甲同学建立的回归模型拟合效果最好.[微思考]在使用经验回归方程进行预测时,需要注意哪些问题?提示 (1)经验回归方程只适用于所研究的样本的总体;(2)所建立的经验回归方程一般都有时效性;(3)解释变量的取值不能离样本数据的范围太远.一般解释变量的取值在样本数据范围内,经验回归方程的预报效果好,超出这个范围越远,预报的效果越差;(4)不能期望经验回归方程得到的预报值就是响应变量的精确值.题型一 线性回归分析【例1】 已知某种商品的价格x(单位:元/件)与需求量y(单位:件)之间的关系有如下一组数据:x1416182022y1210753求y对x的回归直线方程,并说明回归模型拟合效果的好坏.解 =(14+16+18+20+22)=18,=(12+10+7+5+3)=7.4,x=142+162+182+202+222=1660,xiyi=14×12+16×10+18×7+20×5+22×3=620,所以===-1.15,=7.4+1.15×18=28.1,
所以所求回归直线方程是=-1.15x+28.1.列出残差表:yi-i00.3-0.4-0.10.2yi-4.62.6-0.4-2.4-4.4所以(yi-i)2=0.3,(yi-)2=53.2,R2=1-≈0.994,所以回归模型的拟合效果较好.规律方法 (1)解答线性回归问题,应通过散点图来分析两变量间的关系是否线性相关,然后再利用求回归方程的公式求解回归方程,并利用残差图或相关指数R2来分析函数模型的拟合效果,在此基础上,借助回归方程对实际问题进行分析.(2)刻画回归效果的三种方法①残差图法:残差点比较均匀地落在水平的带状区域内说明选用的模型比较合适.②残差平方和法:残差平方和(yi-i)2越小,模型的拟合效果越好.③决定系数法:R2=1-越接近1,表明回归的效果越好.【训练1】 某地区2011年到2017年农村居民家庭人均纯收入y(单位:千元)的数据如下表:年份2011201220132014201520162017年份代号t1234567人均纯收入y2.93.33.64.44.85.25.9(1)求y关于t的线性回归方程;
(2)利用(1)中的回归方程,分析2011年到2017年该地区农村居民家庭人均纯收入的变化情况,并预测该地区2020年农村居民家庭人均纯收入.附:回归直线的斜率和截距的最小二乘估计公式分别为解(1)由所给数据计算得=×(1+2+3+4+5+6+7)=4,=×(2.9+3.3+3.6+4.4+4.8+5.2+5.9)=4.3,(ti-)2=9+4+1+0+1+4+9=28,(ti-)(yi-)=(-3)×(-1.4)+(-2)×(-1)+(-1)×(-0.7)+0×0.1+1×0.5+2×0.9+3×1.6=14,===0.5,=-=4.3-0.5×4=2.3,所以所求回归方程为=0.5t+2.3.(2)由(1)知=0.5>0,故2011年到2017年该地区农村居民家庭人均纯收入逐年增加,平均每年增加0.5千元.将2020年的年份代号t=10代入(1)中的回归方程,得=0.5×10+2.3=7.3.故预测该地区2020年农村居民家庭人均纯收入为7.3千元.题型二 残差分析与相关指数的应用【例2】 假定小麦基本苗数x与成熟期有效穗y之间存在相关关系,今测得5组数据如下:
x15.025.830.036.644.4y39.442.942.943.149.2(1)以x为解释变量,y为预报变量,作出散点图;(2)求y与x之间的回归方程,对于基本苗数56.7预报有效穗;(3)计算各组残差,并计算残差平方和;(4)求R2,并说明(2)中求出的回归模型的拟合程度.解 (1)散点图如下.(2)由(1)中散点图看出,样本点大致分布在一条直线的附近,有比较好的线性相关关系,因此可以用线性回归方程刻画它们之间的关系.设回归方程为=x+,又=30.36,=43.5,x=5101.56,=1320.66,2=921.7296,xiyi=6746.76.则=≈0.29,=-≈34.70.故所求的回归直线方程为=0.29x+34.70.当x=56.7时,=0.29×56.7+34.70=51.143.故估计成熟期有效穗为51.143.(3)由i=xi+,可以算得i=yi-i分别为1=0.35,2=0.718,3=-0.5,4=-2.214,5=1.624,残差平方和:≈8.43.
(4)(yi-)2=50.18,故R2≈1-≈0.832.所以(2)中求出的回归模型的效果较好.规律方法 (1)利用残差分析研究两个变量间的关系时,首先要根据散点图来判断它们是否线性相关,是否可以用线性回归模型来拟合数据,然后通过残差1,2,…,n来判断模型拟合的效果.(2)若残差点比较均匀地分布在水平带状区域中,带状区域越窄,说明模型拟合度越高,回归方程预报精确度越高.【训练2】 为研究质量x(单位:g)对弹簧长度y(单位:cm)的影响,对不同质量的6个物体进行测量,数据如下表:x51015202530y7.258.128.959.9010.911.8(1)作出散点图并求回归直线方程;(2)求出R2并说明回归模型拟合的程度;(3)进行残差分析.解 (1)散点图如图所示.样本点分布在一条直线附近,y与x具有线性相关关系.由表中数据,得=×(5+10+15+20+25+30)=17.5,=×(7.25+8.12+8.95+9.90+10.9+11.8)≈9.487,x=2275,xiyi=1076.2.计算得≈0.183,≈6.285.
故所求回归直线方程为=6.285+0.183x.(2)列表如下:yi-i0.050.005-0.08-0.0450.040.025yi--2.237-1.367-0.5370.4131.4132.313可得(yi-i)2≈0.01318,(yi-)2≈14.6783.所以R2=1-≈0.9991,回归模型的拟合效果较好.(3)由残差表中的数值可以看出第3个样本点的残差比较大,需要确认在采集这个数据的时候是否有人为的错误,如果有的话,需要纠正错误,重新建立回归模型;由表中数据可以看出残差点比较均匀地落在宽度不超过0.15的狭窄的水平带状区域中,说明选用的线性回归模型的精度较高,由以上分析可知,弹簧长度与所挂物体的质量成线性关系.题型三 非线性回归分析【例3】 某公司为确定下一年度投入某种产品的宣传费,需了解年宣传费x(单位:千元)对年销售量y(单位:t)和年利润z(单位:千元)的影响.对近8年的年宣传费xi和年销售量yi(i=1,2,…,8)数据作了初步处理,得到下面的散点图及一些统计量的值.(xi-)2(wi-)2(xi-)·(yi-)(wi-)·(yi-)46.65636.8289.81.61469108.8表中wi=,=wi.(1)根据散点图判断,y=a+bx与y=c+d哪一个适宜作为年销售量y
关于年宣传费x的回归方程类型?(给出判断即可,不必说明理由)(2)根据(1)的判断结果及表中数据,建立y关于x的回归方程;(3)已知这种产品的年利润z与x,y的关系为z=0.2y-x.根据(2)的结果回答下列问题:①年宣传费x=49时,年销售量及年利润的预报值是多少?②年宣传费x为何值时,年利润的预报值最大?附:对于一组数据(u1,v1),(u2,v2),…,(un,vn),其回归直线=+u的斜率和截距的最小二乘估计分别为=,=-.解 (1)由散点图可以判断,y=c+d适宜作为年销售量y关于年宣传费x的回归方程类型.(2)令w=,先建立y关于w的线性回归方程.由于===68,=-=563-68×6.8=100.6,所以y关于w的线性回归方程为=100.6+68w,因此y关于x的回归方程为=100.6+68.(3)①由(2)知,当x=49时,年销售量y的预报值=100.6+68=576.6(t),年利润z的预报值=576.6×0.2-49=66.32(千元).②根据(2)的结果知,年利润z的预报值=0.2(100.6+68)-x=-x+13.6+20.12.
所以当==6.8,即x=46.24时,取得最大值.故年宣传费为46.24千元时,年利润的预报值最大.规律方法 求非线性回归方程的步骤(1)确定变量,作出散点图.(2)根据散点图,选择恰当的拟合函数.(3)变量置换,通过变量置换把非线性回归问题转化为线性回归问题,并求出线性回归方程.(4)分析拟合效果:通过计算决定系数或画残差图来判断拟合效果.(5)根据相应的变换,写出非线性回归方程.【训练3】 下表为收集到的一组数据:x21232527293235y711212466115325(1)作出x与y的散点图,并猜测x与y之间的关系;(2)建立x与y的关系,预报回归模型并计算残差;(3)利用所得模型,预报x=40时y的值.解 (1)作出散点图如下图,从散点图可以看出x与y不具有线性相关关系,根据已有知识可以发现样本点分布在某一条指数函数曲线y=c1ec2x的周围,其中c1,c2为待定的参数.(2)对y=c1ec2x两边取对数,得lny=lnc1+c2x,令z=lny,则有变换后的样本点应分布在直线z=bx+a(a=lnc1,b=c2)的周围,这样就可以利用线性回归模型来建立y与x之间的非线性回归方程了,数据可以转化为x21232527293235
z1.9462.3983.0453.1784.1904.7455.784求得回归直线方程为=0.272x-3.849,∴=e0.272x-3.849.残差yi711212466115325i6.44311.10119.12532.95056.770128.381290.325i0.557-0.1011.875-8.9509.23-13.38134.675(3)当x=40时,=e0.272×40-3.849≈1131.一、素养落地1.通过本节课的学习,进一步提升数学运算及数据分析素养.2.当根据给定的样本数据得到的散点图并不是分布在一条直线附近时,就不能直接求其回归直线方程了,这时可根据得到的散点图,选择一种拟合得最好的函数,常见的函数有幂函数、指数函数、对数函数等,然后进行变量置换,将问题转化为线性回归分析问题.二、素养训练1.下列两个变量之间的关系不是函数关系的是( )A.角度和它的余弦值B.正方形的边长和面积C.正n边形的边数和内角度数和D.人的年龄和身高解析 函数关系就是变量之间的一种确定性关系.A,B,C三项中的两个变量之间都是函数关系,可以写出相应的函数表达式,分别为f(θ)=cosθ,g(a)=a2,h(n)=(n-2)π.D选项中的两个变量之间不是函数关系,对于年龄确定的人群,仍可以有不同的身高,故选D.答案 D
2.(多选题)关于残差图的描述正确的是( )A.残差图的横坐标可以是样本编号B.残差图的横坐标也可以是解释变量或预报变量C.残差点分布的带状区域的宽度越窄相关指数越小D.残差点分布的带状区域的宽度越窄残差平方和越小解析 残差点分布的带状区域的宽度越窄,说明模型拟合精度越高,则残差平方和越小,此时,R2的值越大,故描述错误的是C.答案 ABD3.某产品在某零售摊位的零售价x(单位:元)与每天的销售量y(单位:个)的统计资料如下表所示:x16171819y50344131由上表可得回归直线方程=x+中的=-5,据此模型预测当零售价为14.5元时,每天的销售量为( )A.51个B.50个C.54个D.48个解析 由题意知=17.5,=39,代入回归直线方程得=126.5,126.5-14.5×5=54,故选C.答案 C4.在研究硝酸钠的溶解度时,观察它在不同温度(x)的水中溶解度(y)的结果如下表:温度x010205070溶解度y66.776.085.0112.3128.0由此得到回归直线的斜率是__________.解析 =(0+10+20+50+70)=30,=(66.7+76.0+85.0+112.3+128.0)=93.6,
由公式=可得≈0.8809.答案 0.88095.在一次抽样调查中测得样本的5个样本点,数值如下表:x0.250.5124y1612521试建立y与x之间的回归方程.解 由数值表可作散点图如图,根据散点图可知y与x近似地呈反比例函数关系,设=,令t=,则=kt,原数据变为:t4210.50.25y1612521由置换后的数值表作散点图如下:由散点图可以看出y与t呈近似的线性相关关系,列表如下:Itiyitiyit1416641622122443155140.5210.25
50.2510.250.0625∑7.753694.2521.3125所以=1.55,=7.2.所以=≈4.1344,=-≈0.8.所以=4.1344t+0.8.所以y与x之间的回归方程是=+0.8.
基础达标一、选择题1.已知某地财政收入x与支出y满足回归方程=x++ei(单位:亿元)(i=1,2,…),其中=0.8,=2,|ei|
查看更多