回归残差图入门
几何画板及绘图内容加载中，请稍等……
本示例展示了如何使用 GeoGebra 绘制回归分析的残差图，直观地观察模型的拟合优劣。核心数学概念包括线性回归、多项式回归、残差计算以及超几何分布等统计分析方法。通过 ResidualPlot 命令和一系列数据点（如 A1、B1 等）及辅助直线 l1、l2 等对象，用户可以动态调整回归参数并即时查看残差分布。适合高中或大学一年级统计学、数学建模及数据分析课程使用，是理解回归诊断的重要教学工具。
GeoGebra 命令及参数
ResidualPlot({(0, 0), (1, 1), (3, 9), (4, 16), (5, 25), (6, 36), (7, 49), (8, 64), (9, 81), (10, 100)}, FitPoly[{(0, 0), (1, 1), (3, 9), (4, 16), (5, 25), (6, 36), (7, 49), (8, 64), (9, 81), (10, 100)}, 2]) →
AI 绘图提示语参考
在同一坐标系中绘制一个回归残差图：准备一组数据点，纵坐标与横坐标近似呈平方关系（例如(0,0)、(1,1)、(3,9)、(4,16)、(5,25)、(6,36)、(7,49)、(8,64)、(9,81)、(10,100)）。基于这组点做二次多项式回归拟合，并计算每个数据点的残差（实际值减去拟合值）。在图中把这些残差作为残差分布/残差散点表现，并保证坐标与原始数据使用相同的回归对应关系，以便观察模型拟合程度。
以上提示语为根据原始绘图命令整理而来，仅供参考。