积极 AI Logo 积极 AI

JACKKNIFE 重抽样法估计直线斜率误差

JACKKNIFE 重抽样法估计直线斜率误差
几何画板及绘图内容加载中，请稍等……
2022-09-20 02:07
微积分概率统计
所属专题 Jackknife resampling to estimate errors in fitted parameters
本范例演示了如何使用 JACKKNIFE 重抽样法估计拟合数据点参数（如直线斜率）的误差。核心数学概念包括统计学中的置信区间和标准差。通过使用 GeoGebra 命令如 Length, Sequence, Transpose 等，可以构造出直观的图形。适合高中及以上学生学习线性回归和统计学。

GeoGebra 命令及参数

  1. Length(L) → n
  2. Sequence(Join[{Take[L, 1, j - 1], Take[L, j + 1, n]}], j, 1, n) → ML
  3. Sequence(RemoveUndefined[ML(j)], j, 1, n) → ML2
  4. Sequence(Fit[ML2(j), {x, 1}], j, 1, n) → RegEqs
  5. Sequence(Coefficients[RegEqs(k, x)], k, 1, n) → Coeffs
  6. Transpose(Coeffs) → Coefficients
  7. Sequence(stdev[Coefficients(j)], j, 1, 2) → Sd
  8. Sequence(mean[Coefficients(j)], j, 1, 2) → Av

AI 绘图提示语参考

绘制一个展示线性回归斜率估计的图形。图中包含一组散点数据点、一个拟合的直线，以及一条表示标准差的误差带。构造顺序是先画出散点数据点，然后拟合直线，最后添加误差带以显示估计的不确定性。
以上提示语为根据原始绘图命令整理而来，仅供参考。