第7034篇《数学之光：全红婵儿的清华之路》

第558篇《数学之光：全红婵儿的清华之路》

午后的阳光斜斜铺在课桌之上，人教版数学课本摊开在眼前，篇目为一元线性回归模型。全红婵指尖压着上一节记下的相关系数笔记，纸上还留存着r值的演算痕迹。上一节课她学会了凭借散点图、相关系数去判断两组变量有没有较强的线性相关关系。倘若已经判定变量具备显著的线性相关，下一步便是画出一条适配这些散点的直线，用来近似刻画x与y之间的变动趋势。可穿过散点可以画出无数条直线，每一条直线都能大致顺着点群走向延伸，哪一条才是最优的回归直线。她拿起铅笔在草稿纸上描出零散的点位，随手画了两条倾斜程度不一样的直线，两条直线都顺着散点排布方向延展，点位分布在线条两侧。肉眼观察只能粗略比对，没有办法精准选出拟合效果最好的那条直线，必须定下一套统一的评判标准。

淡淡的光晕在桌侧慢慢漾开，伯努利的身形浮现在柔光之中，目光落向草稿纸上纵横的线条与散乱的数据点，语速平缓厚重。

散点分布不会完美落在同一条直线之上，随机误差无处不在。一元线性回归模型，并不等同于函数解析式y=bx+a。模型之中多出了随机误差项e，y=bx+a+e。e代表除去线性因素之外其余各类细碎因素带来的波动。我们的目标是找出回归直线方程\hat{y}=\hat{b}x+\hat{a}，\hat{y}称作y的预报值。预报值和真实观测值y之间会存在残差y‑\hat{y}。最小二乘思想便是核心准则，让全部残差的平方和取到最小值，以此解算出\hat{b}与\hat{a}。很多学习者只会死记斜率与截距的计算公式，并不明白最小二乘的内在逻辑。先理解残差、残差平方和的含义，公式便不再是孤立的符号。算出回归直线不代表万事大吉，还要借助相关系数核验线性相关强度，如果r靠近0，拟合出来的回归直线没有实际预测意义。先判定相关，再构建回归模型，顺序不可颠倒。

全红婵微微颔首摆正课本，循着教材编排的顺序拆解知识点。本节是成对数据统计分析的核心，前面的散点图、相关系数都是铺垫。回归方程可以依托给定的x去预估y的大致取值，但是预估同样存在边界，不可以随意将直线无限延长，做超出样本区间的外推预测。边界意识要贯穿整节笔记。她沉下心神，笔尖落在空白的笔记本上，逐层搭建完整的知识框架。

知识点精讲

一、一元线性回归模型

模型表达式y=bx+a+e。

式子当中a为截距，b为回归系数，e是随机误差。

随机误差e是一个不可观测的随机变量，均值E(e)=0。

对于每一组观测数据(xᵢ,yᵢ)，都满足yᵢ=bxᵢ+a+eᵢ。

\hat{y}_i=\hat{b}x_i+\hat{a}叫作yᵢ的预报值。

残差记作eᵢ^=yᵢ‑\hat{y}_i，真实观测值减去预报值即为残差。

时空智者留下哲思评述。要分清真实模型与回归直线方程。y=bx+a+e是变量背后潜在的真实关系，参数a、b客观存在却无法精准获取。我们依靠样本数据估算出\hat{a}、\hat{b}，得到回归直线\hat{y}=\hat{b}x+\hat{a}，这是基于样本得到的近似直线。样本发生改变，算出来的\hat{a}与\hat{b}往往会随之变动。回归直线只是对真实线性趋势的估计，并非绝对精准的定律。

全红婵在笔记侧边记下区分要点。真实值y，预报值\hat{y}，不要混淆两套符号。

二、最小二乘法求回归系数\hat{b}，\hat{a}

目标：残差平方和Q=\sum_{i=1}^{n}(y_i-\hat{b}x_i-\hat{a})^2最小。

经由求极值推导得到计算公式

\hat{b}=\frac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sum_{i=1}^{n}(x_i-\bar{x})^2}

\hat{a}=\bar{y}-\hat{b}\bar{x}

\bar{x}为x样本平均值，\bar{y}为y样本平均值。

回归直线恒过样本中心点(\bar{x},\bar{y})。这是一条极为关键的结论。算出\hat{b}之后，借助样本中心点便能够快速求出\hat{a}。

伯努利缓缓开口，观察\hat{b}的分子不难发现，它和相关系数r公式的分子完全一致。\hat{b}的正负与相关系数r的正负保持同步。\hat{b}＞0，直线倾斜向上，变量正线性相关；\hat{b}＜0，直线倾斜向下，变量负线性相关。符号相互印证，可以用来验算计算有没有出现失误。倘若r算出大于零，求得的\hat{b}却为负数，运算过程必然出错。

全红婵将两条公式并排抄写。整套计算流程可以拆分。第一步求取\bar{x}、\bar{y}；第二步分别计算分子\sum(x_i-\bar{x})(y_i-\bar{y})与分母\sum(x_i-\bar{x})^2，求出\hat{b}；第三步代入\hat{a}=\bar{y}-\hat{b}\bar{x}算出截距。分步运算，降低一次性计算的出错概率。

三、回归直线的基础性质

第一，回归直线\hat{y}=\hat{b}x+\hat{a}必定经过样本中心点(\bar{x},\bar{y})。无论样本数据如何变动，这条性质恒定不变。选择题经常依托这条性质设置考点，给出回归直线，代入中心点验算即可快速排除选项。

第二，\hat{b}的符号与相关系数r保持一致。

第三，回归直线不是穿过尽可能多的数据点。不少学生会产生误区，认为最优直线应当途经最多散点。最小二乘准则追求残差平方和最小，直线两侧分布的点位整体达到均衡即可，不需要穿过任何观测点。

全红婵划下着重标记。直线不必穿过散点，残差平方和最小才是唯一标准。

四、回归方程的预测边界

依靠回归方程代入x取值算出\hat{y}叫作预报。预报具备适用范围，只适合在样本x的取值区间之内开展预估。在样本区间内部的预估叫作内插；把x取成远远超出样本范围的数值去计算\hat{y}，称作外推。

不建议大规模外推预测。变量之间的线性趋势只在观测区间之内显著，超出区间之后，变量很可能转变为非线性变化。举例子，统计树苗1‑5年树龄与树高的数据拟合回归直线，拿这条直线去预估树龄一百年的树木高度，得出的数值会严重失真。树苗幼年阶段高度近乎线性上涨，成年之后高度增长放缓，线性关系不再成立。

伯努利说道，答题表述需要严谨。只可以表述为，在现有样本范围之内，可以用回归方程预估对应y的取值。不能够声称x取某值时y一定会等于预报值\hat{y}。预报值仅仅是一个合理估计量，真实值会在预报值附近浮动，存在随机误差。

五、完整解题步骤

第一步，整理成对样本数据，计算\bar{x}与\bar{y}。

第二步，计算\sum(x_i-\bar{x})(y_i-\bar{y})以及\sum(x_i-\bar{x})^2，求出回归系数\hat{b}。

第三步，利用\hat{a}=\bar{y}-\hat{b}\bar{x}求出截距\hat{a}，写出回归直线方程\hat{y}=\hat{b}x+\hat{a}。

第四步，如需预测，将指定x带入方程算出预报值\hat{y}。

第五步，作答时说明预测限制，样本区间外的预估可信度下降。

第六步，大题前置验证：先算出相关系数r，确认具备较强线性相关关系之后，回归方程才有实际意义。如果|r|接近于0，无需拟合回归直线。

题型突破

题型一 回归直线必过样本中心点基础选择题

例题，一组成对数据算出均值\bar{x}=4，\bar{y}=7，则下列直线必定为回归直线的是

A.\hat{y}=2x B.\hat{y}=2x‑1 C.\hat{y}=x+3 D.\hat{y}=‑x+11

解析回归直线一定过点(4,7)，将x=4依次带入选项验算。

B选项\hat{y}=8‑1=7，点落在直线之上，选B。其余直线即便可以贴合部分散点，不经过中心点便不可能是最小二乘得出的回归直线。

要点，该结论是选择题快速解题利器。

题型二 求回归直线方程基础计算题

例题，现有观测数据

x：1，2，3，4，5

y：3，5，6，8，9

求解一元线性回归方程\hat{y}=\hat{b}x+\hat{a}。

解析 n=5

\bar{x}=(1+2+3+4+5)÷5=3

\bar{y}=(3+5+6+8+9)÷5=6

分子\sum(x_i‑3)(y_i‑6)

(1‑3)(3‑6)+(2‑3)(5‑6)+(3‑3)(6‑6)+(4‑3)(8‑6)+(5‑3)(9‑6)

=(-2)×(-3)+(-1)×(-1)+0×0+1×2+2×3

=6+1+0+2+6=15

分母\sum(x_i‑3)^2

(-2)²+(-1)²+0²+1²+2²=4+1+0+1+4=10

\hat{b}=15÷10=1.5

\hat{a}=\bar{y}-\hat{b}\bar{x}=6‑1.5×3=1.5

回归直线方程\hat{y}=1.5x+1.5。

全红婵顺着步骤完整演算一遍。累加求和步骤极易算错符号，每一组乘积算完之后再相加，不要跳步。

题型三 利用回归方程进行预报

例题，承接上一题回归方程\hat{y}=1.5x+1.5，样本当中x取值区间为[1，5]。

(1)预估x=4时y的预报值；(2)预估x=10时y的取值。

解析(1)x=4落在样本区间之内，\hat{y}=1.5×4+1.5=7.5。可以作为合理预报值。

(2)x=10远远超出样本观测区间，强行代入得到\hat{y}=16.5，该预测可信度很低，不能够随意使用直线外推。作答时写明限制条件。

答题规范表述：x=10不在样本x的取值范围之内，变量线性关系不一定维持，不适合用该方程进行预测。

题型四 \hat{b}与相关系数r符号相互验证大题

例题，已知一组样本数据算出相关系数r=‑0.92。有同学计算得出回归直线\hat{y}=2.1x+0.6，判断结果是否合理并说明理由。

解析不合理。r＜0，变量呈负线性相关，回归系数\hat{b}应当小于零。该式\hat{b}=2.1＞0，符号矛盾，计算存在错误。

要点，一套样本算出的r和\hat{b}正负必定一致，可以用来核验结果。

题型五 综合应用题，先判断相关性再求回归方程

例题，统计施肥量x与亩产量y五组数据，先算出r≈0.94。|r|十分靠近1，具备较强正线性相关关系，可以拟合一元线性回归方程。再按照最小二乘法算出\hat{b}、\hat{a}写出回归直线。

倘若算出来r≈0.13，线性相关程度极弱，不需要求解回归方程，写出结论即可：两组变量不存在明显的线性相关关系，不适合建立一元线性回归模型。

伯努利轻声提点，综合大题顺序不能颠倒。跳过相关性检验直接拟合直线，属于答题漏洞。

易错清单

易错点一 把回归直线当成确定性函数，认为给定x，真实值y就一定等于预报值\hat{y}。预报值仅仅是估计量，真实值带有随机误差。

易错点二 误以为回归直线要穿过尽可能多的数据点。最小二乘的标准是残差平方和最小，和穿过散点数量无关。

易错点三 忽略样本中心点的结论，计算\hat{a}的时候采用繁琐的方式反复求和，无端增加运算量。

易错点四 毫无限制地大范围外推预测，忽视线性趋势存在有效区间。

易错点五 算出相关系数r为负数，求出\hat{b}大于零，没有核验符号一致性，整套计算失效。

易错点六 跳过相关性检验，在线性相关极弱的条件之下强行拟合回归直线，模型没有统计意义。

易错点七 书写符号出现混乱，将预报值\hat{y}直接写作y，答题格式不规范。

学习心得感悟

窗外的风缓缓吹进屋子，吹动摊开的草稿纸。全红婵放下手中的笔，目光落在回归直线公式之上，心底生出绵长的思索。世上很少存在完美无瑕的函数关系，现实里收集而来的数据总是带着细碎的扰动。最小二乘法不是为了找出一条可以囊括全部点位的线条，而是寻得一条整体上最为贴合散点走向的直线。它接纳误差的存在，在纷乱的观测结果之中提炼出主流趋势。

她懂得了预测的边界。一条回归直线只能服务于有限的区间，贸然向外无限延展，预判便会脱离现实。世间所有总结出来的规律，都有着自身适配的范围。不能凭着有限的观测，武断推演全部情形。懂得边界，规律方才具备价值。

预报值不等于必然的结果，这一点带给她很深的触动。我们只能预估大体走向，却无法精准锁定每一次结果。接受随机误差，在不确定之中把握稳定趋势，正是统计思维。不去强求绝对精准，去寻找大概率的方向。

柔光缓缓消散，伯努利的话语沉淀在心间。你借助样本搭建出回归模型，看见事物变动的主线，可不要将估计出来的趋势当作铁定不变的宿命。趋势是主流走向，扰动永远相伴而行。看清主线，包容波动，清楚规则的边界，方能理性地依靠模型做出预判。

全红婵合上笔记本，目光落在课本下一章节。残差分析将会教会她评判回归模型拟合效果的好坏。就算已经求出回归直线，也需要一套标准衡量直线与数据的贴合程度。她收拢演算的草稿纸，把笔记本放进帆布书包，缓步走出自习室。

互动区互动环节：《红婵清华北大学霸笔记铺》涵盖初高中各科笔记、真题、方法技巧、学习心得感悟及趣味故事等，在手机上随时可翻看，是你的行走课堂，专门为初高中学生打造《红婵清华北大学霸笔记铺》互动环节内容。 免费为收藏关注的同学设计笔记，把你的要求发在评论区，例如 给我设计一篇初中八年级英语上册第3单元的学习笔记。设计完成后编号放在红婵儿清华北大学霸笔记铺的专栏里，你可自行提取。另外你有好的设计笔记，请在评论区留言，我们在学霸笔记铺设专题专栏为你发布，欢迎你的参与！让我们共同打造最实用的学霸笔记库

章末备注：文中公式和算式的代码（乱码）可用任一款ai软件（豆包）解锁，即将内容复制并粘贴至豆包对话框确认即可