一元線性回歸模型及其應(yīng)用【典題精講+達(dá)標(biāo)鞏固】高二數(shù)學(xué)精講課件 （人教A版2019選擇性必修第三冊）_第1頁
一元線性回歸模型及其應(yīng)用【典題精講+達(dá)標(biāo)鞏固】高二數(shù)學(xué)精講課件 （人教A版2019選擇性必修第三冊）_第2頁
一元線性回歸模型及其應(yīng)用【典題精講+達(dá)標(biāo)鞏固】高二數(shù)學(xué)精講課件 （人教A版2019選擇性必修第三冊）_第3頁
一元線性回歸模型及其應(yīng)用【典題精講+達(dá)標(biāo)鞏固】高二數(shù)學(xué)精講課件 （人教A版2019選擇性必修第三冊）_第4頁
一元線性回歸模型及其應(yīng)用【典題精講+達(dá)標(biāo)鞏固】高二數(shù)學(xué)精講課件 （人教A版2019選擇性必修第三冊）_第5頁
已閱讀5頁，還剩33頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

8.2一元線性回歸模型及其應(yīng)用學(xué)習(xí)目標(biāo)素養(yǎng)要求1.了解隨機誤差、殘差、殘差圖的概念．2.會通過分析殘差判斷線性回歸模型的擬合效果．3.了解常見的非線性回歸模型轉(zhuǎn)化為線性回歸模型的方法．?dāng)?shù)學(xué)運算數(shù)學(xué)建模學(xué)習(xí)目標(biāo)自主學(xué)習(xí)一、回歸分析的相關(guān)概念1.回歸分析

回歸分析是對具有

的兩個變量進(jìn)行統(tǒng)計分析的一種常用方法．相關(guān)關(guān)系自主學(xué)習(xí)自主學(xué)習(xí)y＝bx＋a＋e3.線性回歸模型

線性回歸模型為

，其中

為模型的未知參數(shù)，

稱為隨機誤差，自變量x稱為

變量，因變量y稱為

變量．a(chǎn)和be解釋預(yù)報自主學(xué)習(xí)yi－bxi－a殘差自主學(xué)習(xí)殘差樣本編號身高數(shù)據(jù)體重的估計值越窄越小1

√××小試牛刀√小試牛刀

題型一

求線性回歸方程經(jīng)典例題

題型一

求線性回歸方程經(jīng)典例題經(jīng)典例題總結(jié)

題型一

求線性回歸方程經(jīng)典例題【跟蹤訓(xùn)練】1

題型一

求線性回歸方程經(jīng)典例題

題型一

求線性回歸方程經(jīng)典例題

題型二線性回歸分析經(jīng)典例題

題型二線性回歸分析經(jīng)典例題

題型二線性回歸分析經(jīng)典例題總結(jié)

題型二線性回歸分析經(jīng)典例題【跟蹤訓(xùn)練】2

題型二線性回歸分析經(jīng)典例題

題型二線性回歸分析經(jīng)典例題

題型二線性回歸分析經(jīng)典例題

題型三

非線性回歸分析經(jīng)典例題

題型三

非線性回歸分析經(jīng)典例題

題型三

非線性回歸分析經(jīng)典例題

題型三

非線性回歸分析經(jīng)典例題總結(jié)

題型三

非線性回歸分析經(jīng)典例題【跟蹤訓(xùn)練】3

題型三

非線性回歸分析經(jīng)典例題

題

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論