积极 AI Logo 积极 AI

相关系数与最小二乘回归直线（LSRL）的几何演示

相关系数与最小二乘回归直线（LSRL）的几何演示
几何画板及绘图内容加载中，请稍等……
2015-07-17 03:17
函数解析几何概率统计最值优化函数图像
所属专题 A Geometry Teacher Meets the Correlation Coefficient Linear Regression Things
本范例通过动态几何直观展示相关系数与最小二乘回归直线（LSRL）之间的关系，说明为什么这条拟合直线被称为“最小二乘”回归线。核心数学概念包括相关系数、残差平方和、线性回归以及数据点的垂直距离。作图要点：使用GeoGebra的Line、OrthogonalLine、Intersect、Polygon、Sum和FitLineY等命令，构造了多个点（A至P）、直线（a至s）、多边形（poly1至poly4）以及交点（H、I、J、K等），通过计算残差平方和来体现最小二乘原理。适合高中及大学统计课程，用于理解回归直线的几何意义和相关系数的直观解释。

GeoGebra 命令及参数

  1. Line(F, H) → a
  2. OrthogonalLine(A, xAxis) → b
  3. OrthogonalLine(E, xAxis) → c
  4. OrthogonalLine(B, xAxis) → d
  5. OrthogonalLine(D, xAxis) → e
  6. OrthogonalLine(C, xAxis) → f
  7. Intersect(b, a) → H_1
  8. Intersect(c, a) → I
  9. Intersect(d, a) → J
  10. Intersect(a, f) → K
  11. Intersect(e, a) → L
  12. Polygon(A, H_1, 4) → poly1, g, h, i, j, M, N
  13. Polygon(I, E, 4) → poly2, k, l, m, n, O, P
  14. Polygon(B, J, 4) → poly3, p, q, r, s, Q, R
  15. Polygon(L, D, 4) → poly4, t, a_1, b_1, c_1, S, T
  16. Polygon(K, C, 4) → poly5, d_1, e_1, f_1, g_1, U, V
  17. Sum(A1:A5) → A6
  18. FitLineY({A, B, C, D, E}) → h_1

AI 绘图提示语参考

绘制一个散点图，包含五个数据点，并拟合一条最小二乘回归直线。从每个数据点向横轴作垂线，这些垂线与回归直线相交，形成五个交点。以每个数据点、对应的垂足和交点为顶点，构造五个矩形，直观展示每个数据点到回归直线的垂直距离（即残差）。同时，在图中标注这些矩形的面积之和，以体现“最小二乘”的含义。整体布局应清晰展示数据点、回归直线、垂线和矩形之间的关系。
以上提示语为根据原始绘图命令整理而来，仅供参考。