线性回归示例3:最小二乘拟合与几何构造 by Anthony Panontin

线性回归示例3:最小二乘拟合与几何构造 by Anthony Panontin
几何画板及绘图内容加载中,请稍等……
2016-11-10 22:02
① 本范例演示了如何通过GeoGebra的线性回归命令(FitLineY)对一组散点数据进行最小二乘直线拟合,并展示拟合直线与数据点之间的几何关系。② 核心数学概念包括线性回归、最小二乘法、相关系数、几何均值以及直线与点的正交投影,同时涉及多边形面积计算(用于可视化残差平方和)。③ 作图要点:使用Line、OrthogonalLine、Intersect等命令构造辅助直线与交点,通过Polygon和Sum命令计算残差相关面积,最终用FitLineY生成回归直线;对象包括多个点(A至R)、直线(a至s)及多边形(poly1至poly4)。④ 适合高中至大学阶段的统计与几何结合教学,可用于直观理解回归直线的几何意义及最小二乘原理。

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

绘制五个散点,并画一条穿过这些点的最佳拟合直线。从每个散点向横轴作垂线,再从垂足向拟合直线作垂线,得到交点。以每个散点、其垂足和交点为顶点构造矩形,这些矩形面积代表残差平方。最后用一条直线表示回归线,并展示散点与回归线之间的几何关系。
以上提示语为根据原始绘图命令整理而来,仅供参考。