简单线性回归入门：散点图与误差平方和的可视化
几何画板及绘图内容加载中，请稍等……
① 本范例通过四个散点和一个可调节的拟合直线，直观演示了简单线性回归中如何通过调整斜率和截距来最小化误差平方和。② 核心数学概念包括线性回归、最小二乘法、残差（误差）以及相关系数，涉及数据拟合与统计推断的基础。③ 作图要点：使用GeoGebra的Segment命令绘制散点间的垂直线段表示误差，FitLineY命令自动生成最佳拟合线；对象包括点A、B、C、D，直线m，滑块c（截距）和m（斜率），以及误差线段e_1至e_4，并计算显示误差平方和SS、相关系数r和回归方程文本。④ 适合高中或大学初学统计的学生，用于理解回归直线的几何意义和最小二乘原理，也可作为教师课堂演示工具，帮助学生直观感受参数变化对拟合效果的影响。
GeoGebra 命令及参数
Segment(A, (1, a(1))) → e_1Segment(B, (2, a(2))) → e_2Segment(C, (3, a(3))) → e_3Segment(D, (4, a(4))) → e_4FitLineY({A, B, C, D}) → r
AI 绘图提示语参考
画一个包含四个散点A、B、C、D的散点图，以及一条可调整斜率和截距的直线m。显示每个点到直线的垂直距离线段e1到e4，以及这些线段长度平方和的总和SS。同时显示相关系数r和回归方程。
以上提示语为根据原始绘图命令整理而来，仅供参考。