散点图与最佳拟合线（含残差图）
几何画板及绘图内容加载中，请稍等……
该范例演示了如何在一组离散数据点上绘制散点图，并自动生成最佳拟合直线（线性回归线），同时展示残差图以评估拟合效果。核心数学概念包括线性回归、最小二乘法、残差分析以及数据可视化。作图要点：使用GeoGebra的ResidualPlot命令，基于对象A1至A7、B1至B7等数据点构建散点图，并计算最佳拟合线及其残差。适合中学高年级或大学入门统计学课程，用于直观理解回归直线的意义、残差分布与模型拟合优度，也可用于探究异常值对回归线的影响。
GeoGebra 命令及参数
ResidualPlot({(2002, 754), (2003, 881), (2004, 943), (2005, 1083), (2006, 1182), (2007, 1304), (2008, 1402)}, FitLineY[{(2002, 754), (2003, 881), (2004, 943), (2005, 1083), (2006, 1182), (2007, 1304), (2008, 1402)}]) →
AI 绘图提示语参考
绘制一张散点图，横轴为年份（2002至2008），纵轴为数值（约750至1400）。在图中用离散的点标出七个数据点，每个点对应一个年份和数值。然后，根据这些点拟合一条直线，使直线尽可能接近所有点，体现线性趋势。最后，在下方或旁边绘制残差图，以横轴为年份，纵轴为残差（实际值与直线预测值的差），用点表示每个数据点的残差，并观察残差是否随机分布在零线附近。
以上提示语为根据原始绘图命令整理而来，仅供参考。