数学_高二选修2-3(人教a版)练习:第三章3.1第2课时残差分析_第1页
数学_高二选修2-3(人教a版)练习:第三章3.1第2课时残差分析_第2页
数学_高二选修2-3(人教a版)练习:第三章3.1第2课时残差分析_第3页
数学_高二选修2-3(人教a版)练习:第三章3.1第2课时残差分析_第4页
数学_高二选修2-3(人教a版)练习:第三章3.1第2课时残差分析_第5页
已阅读5页,还剩5页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、第三章统计案例3.1回归分析的基本思想及其初步应用第2课时残差分析高效演练知能提升A级基础巩固一、选择题1.甲、乙、丙、丁四位同学各自对 A, B两变量的线性相关性做实验,并用回归分析方法分别求得相关系数 r与残差平方和m如下表所示:分类甲乙丙丁r0.820.780.690.85m106115124103则哪位同学的试验结果体现 A、B两变量有更强的线性相关性()A .甲B.乙C .丙D .丁解析:r越接近1,相关性越强,残差平方和 m越小,相关性越强,所以选D正确.答案:D2.为了表示n个点与相应直线在整体上的接近程度,我们常用的表示法为D. ( $厂 y)2( )A* 工(v3曲)J= 1

2、C.解析:由回归直线方程y=f-a可知,为一个量的估计值,而y为它的实 际值,在最小二乘估计中(yi- a bx) 2,即(Yi-) 2.答案:C3甲、乙、丙、丁 4位同学各自对A, B两变量进行回归分析,分别得到散另(丫 - -点图与残差平方和一如下表所示:分类甲乙丙丁散点图4 * u*1 1a4*n -* *0400A0A残差平方和115106124103哪位同学的试验结果体现拟合 A, B两变量关系的模型拟合精度高()A.甲B.乙C.丙D. 丁解析:根据线性相关的知识,散点图中各样本点条状分布越均匀,同时保持丈(W )残差平方和越小(对于已经获取的样本数据,R2的表达式中为确定的数,则残

3、差平方和越小,R2越大),由回归分析建立的线性回归模型的拟合 效果越好,由试验结果知丁要好些.答案:D4.通过残差图我们发现在采集样本点过程中,样本点数据不准确的是()A .第四个B.第五个C .第六个D .第八个解析:由题图可知,第六个的数据偏差最大,所以第六个数据不准确.答案:C5.如图所示,5个(x, y)数据,去掉D(3, 10)后,下列说法错误的是()rE(10J2)A .相关系数r变大B.残差平方和变大C .相关指数R2变大D .解释变量x与预报变量y的相关性变强解析:由散点图知,去掉D后,x与y的相关性变强,且为正相关,所以r 变大,R2变大,残差平方和变小.答案:B二、填空题6

4、.若一组观测值(xi, yi), (X2, y2),(xn, yn)之间满足 y尸bxi + a+ ei =1, 2,,n),且e恒为0,则R2为.AA解析:由e恒为0, 知 yi= y,即yi yi = 0,答案:17. x, y满足如下表的关系:x0.20.61.01.21.41.61.82.02.2y0040.3611.41.92.53.23.984.82则x, y之间符合的函数模型为.解析:通过数据发现y的值与x的平方值比较接近,所以x, y之间的函数 模型为y= x2答案:y= x28.关于x与y,有如下数据:x24568y3040605070有如下的两个模型:(1)y = 65x+

5、175;2)y= 7x+17通过残差分析发现第(1)个线性回归模型比第(2)个拟合效果好.则R1R2, Qi 2(用大于,小于号填空,R, Q分别是相关指数和残差平方和).解析:根据相关指数和残差平方和的意义知 R2 R2, Qi R2,所以(1)的线性模型拟合效果比较好.B级能力提升1在研究身高和体重的关系时,得到的结论是“身高解释了64%的体重变化,而随机误差贡献了剩余的 36%,所以身高对体重的效应比随机误差的效应 大得多”,则求得的相关指数 R作出散点图; 求出回归方程; 作出残差图; 计算相关指数R2; 试预测该运动员训练47次及55次的成绩.解:作出该运动员训练次数(x)与成绩(y

6、)之间的散点图,如图所示,由散 点图可知,它们之间具有线性相关关系.()A. 0.36B. 0.64C. 0.32D. 0.18解析:根据相关指数的意义知 R2 0.64.答案:B2.若某函数型相对一组数据的残差平方和为89,其相关指数为0.95,贝卩总偏差平方和为 ,回归平方和为 ,解析:因为R2= 1-残差平方和 总偏差平方和,0.95= 1-89总偏差平方和所以总偏差平方和为1 780;回归平方和=总偏差平方和一残差平方和=1 780- 89= 1 691.答案:1 780 1 6913.某运动员训练次数与成绩之间的数据关系如下:次数x3033353739444650成绩y30343739424648514|空 = 12 656. 2 工宀=(2) x = 39.25, y = 40.875,= 13 180,J幵_ X 工:a 8 工 y所以示= 二=1. 041 5 x 8x1=1AAa = y b x = 0.003 88.A所以回归方程为y= 1.0415x-0.003 88.(3) 作残差图如图所示,由图可知,残差点比较均匀地分布在水平带状区域中, 说明选用的模型比较合适. 计算得相关指数R2= 0.985 5,说明了该运动员的成绩的差异有 98.55%是 由训练次数引起的

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论