APP下载

非线性回归方程的求解与应用

2018-04-14江苏省白蒲高级中学顾晓莉

中学数学杂志 2018年7期
关键词:高数指数函数回归方程

☉江苏省白蒲高级中学 顾晓莉

在生活、生产等方面的实际应用问题中,其研究的两个变量可能呈现诸如反比例函数、幂函数、指数函数或对数函数等非线性关系,解决这个问题时,关键是如何确定函数f(x)或g(x)的具体形式,需要针对具体的数据进行分析,通过散点图和有关函数曲线知识,选取一个或几个合适的函数,然后通过观察变换数据的散点图、相关系数等确定一个合适的函数形式,达到非线性回归关系转化的目的.

一、非线性回归分析的基本步骤

非线性回归问题往往没有相应的经验公式,需要通过我们的经验加以转化与应用.根据已知相关的数据,画出散点图,把图形所对应的曲线与已经学过的各种基本初等函数(反比例函数、幂函数、指数函数、对数函数等)的图像作一比较,挑选一种与所作出的这些散点比较吻合的函数,通过适当的变量变换,把问题转化为线性回归来分析,使之得以解决.其一般的解题基本步骤如下:

二、非线性回归分析的应用

1.拟合函数的直接应用

例1 某个电容器充电后,电压达到100V,然后开始放电,由经验数据可知,此后电压U随着时间t的变化的规律可以用公式U=Aebt(b<0)来表示,现测得时间t(s)时的电压U(V)如下表:

t/s 0 1 2 3 4 5 6 7 8 9 10 U/V 10075 55 40 30 20 15 10 10 5 5

试求:电压U对时间t的回归方程.(提示:对公式两边取自然对数,把问题转化为线性回归分析问题)

分析:结合题目条件,根据已知拟合函数,先对公式两边取自然对数,把问题转化为线性回归分析问题,通过解决线性回归方程后再加以转化.

解析:对U=Aebt两边取对数得lnU=lnA+bt.

令y=lnU,a=lnA,x=t,则y=a+bx,y与x的数据如下表:

x 0 1 2 3 4 5 6 7 8 9 10 y 4.6 4.3 4.0 3.7 3.4 3.0 2.7 2.3 2.3 1.6 1.6

根据表中数据画出散点图,如图1所示,从图中可以看出,y与x具有较好的线性关系,由表中数据求得≈3.045,由公式计算得

图1

因此电压U对时间t的回归方程为Uˆ=e-0.313t·e4.61.

点评:对于解决非线性相关问题,可以通过相应的初等函数模型加以转化,建立与线性函数之间的对应关系,其目的是对具体的数学问题加以合理与正确的统计处理与数据分析.

(1)高职院校仍然沿用传统讲授式教学,由于高数课程的困难,很难构建讨论式、学生活动式、探究式、发现式课程体系。微积分难度较高,本科学生尚且望而生畏,清华大学的学生甚至都存在不感兴趣的情况,更不用说高职院校的学生了。(2)应试教育的评价方式让专业课程难以建立,高职高数课时相对知识体系较少,学生为了通过考试只能硬背题型,照葫芦画瓢,既不能宏观理解,也不能应用,在毕业以后也很少应用到高数。(3)教材脱离专业,枯燥繁琐,传统高数教材的特点就是虚,没有服从专业的内在需求,过度紧张的教学和功利化的倾向,加上学而不用,造成了高数学习的焦虑。

2.拟合函数的选取应用

例2 在一次抽样调查中,测得相关样本的5个样本点,对应的数值如下表所示:

x 0.25 0.5 1 2 4 y 16 12 5 2 1

试建立变量y与x之间的回归方程.

分析:先作出两个相关变量y与x之间的散点图,根据所作的散点图的变化规律,选取恰当的满足其规律的拟合函数,通过求解线性回归方程,最后再转化为与之相应的非线性回归方程.

解析:根据对应的数值,作出相关变量y与x的散点图,如图2所示,

由图中散点图的变化趋势可知,变量y与x近似地呈反比例函数关系.

t 4 2 1 0.5 0.25 y 16 12 5 2 1

作出变量y与t所对应的散点图3,如图所示:

图3

点评:解决非线性相关问题的关键是函数之间的相互转化问题,其实质是建立对应函数与线性函数之间的对应关系,从而达到合理科学分析统计数据的目的.

3.拟合函数的综合应用

例3 某地区不同身高的未成年男性的体重平均值如下表所示:

身高x(cm) 体重y(kg) 身高x(cm) 体重y(kg)60 6.13 120 20.92 70 7.90 130 26.86 80 9.99 140 31.11 90 12.15 150 38.85 100 15.02 160 47.25 110 17.50 170 55.05

(1)试建立体重y与身高x之间的回归方程;

(2)若体重超过相同身高男性体重平均值的1.2倍为偏胖,低于0.8倍为偏瘦,那么这个地区一名身高为175cm、体重为82kg的在校男生体重是否正常?

分析:(1)先通过散点图来确定样本分布的指数函数,再通过换元,把这个指数函数转化为线性相关函数进行求解;(2)根据(1)所求的回归方程,结合对应的数据加以判断与应用.

解析:(1)根据上表中的数据画出散点图,如图4所示:

图4

由图可看出,样本点分布在某条指数函数曲线y=c1ec2x的周围,于是可令z=lny,那么有:

x z x z 60 1.81 120 3.04 70 2.07 130 3.29 80 2.30 140 3.44 90 2.50 150 3.66 100 2.71 160 3.86 110 2.86 170 4.01

作出上表中数据的散点图,如图5所示:

图5

由散点图可知,z与x之间具有线性相关关系,

(2)当x=175时,预测平均体重yˆ=e0.0197×175+0.6927≈66.22,由于66.22×1.2≈79.47<82,则该男生体重偏胖.

点评:本题考查了利用散点图判断回归方程的方法,求非线性回归方程以及利用回归方程进行分析与预测的能力与方法.利用表中的数据以及回归分析的方法求出回归方程,然后代入数值进行分析与预测.

对于解决一些非线性相关问题,其主要的解决方式就是通过建立与之相关的初等函数模型,利用初等函数模型加以转化,从而达到非线性相关问题与线性函数之间的对应关系,进而利用数学方法、统计思维方式来解决与之相关的实际应用问题,达到合理的统计处理与数据分析,真正做到通过数学来服务实际生活.J

猜你喜欢

高数指数函数回归方程
幂函数、指数函数、对数函数(2)
幂函数、指数函数、对数函数(1)
采用直线回归方程预测桑瘿蚊防治适期
线性回归方程的求解与应用
线性回归方程要点导学
幂函数、指数函数、对数函数(1)
幂函数、指数函数、对数函数(2)
新媒体视角下高等数学教学方法创新性分析
走进回归分析,让回归方程不再是你高考的绊脚石
好书