最適直線

錯得最少的那一條

高一 · D-10-2

y−yˉ=r sysx (x−xˉ)y-\cp{\bar y}=\co{r}\,\frac{\cb{s_y}}{\cb{s_x}}\,(x-\cp{\bar x})

先觀察

十位同學回報「每週讀數學幾小時」,對上他們的段考分數。點畫在坐標平面上,看得出一個往右上走的趨勢,但沒有任何一條直線能穿過全部的點。

如果一定要用一條直線來代表這團點,該畫哪一條?而且——「最好」到底是什麼意思?

一步一步推導

  1. 十個點,還有一條你可以亂調的直線。問題只有一個:怎麼幫「這條線畫得好不好」打一個分數?y=mx+ky=\co{m}x+\cb{k}
  2. 對每個人,看實際分數和直線預測分數差多少——這段鉛直線段叫做殘差。線在點下方就是正的,上方就是負的。ei=yi−(mxi+k)e_i=y_i-(\co{m}x_i+\cb{k})
  3. 直接把殘差加起來沒用:正負會互相抵消,一條爛線也可能加起來剛好是 0。所以把每個殘差平方——變成小正方形的面積,再全部加起來。SSE=∑ei2\text{SSE}=\sum e_i^2
  4. 現在「好不好」有分數了:SSE 越小越好。慢慢調滑桿,把右邊那根長條壓到最短,你就是在手動做最小平方法。min⁡m,k ∑(yi−(mxi+k))2\min_{m,k}\ \sum\big(y_i-(mx_i+k)\big)^2
  5. 第一個發現:最好的那條線一定通過兩個平均的交點 (xˉ,yˉ)(\bar x,\bar y)。道理很直接——固定斜率去調截距,等於整條線上下平移,殘差和為 0 時最好,而那正好把線釘在資料的重心上。(xˉ,yˉ) 一定在線上\cp{(\bar x,\bar y)}\ \text{一定在線上}
  6. 第二個發現:最好的斜率是 rsysxr\dfrac{s_y}{s_x}。sysx\frac{s_y}{s_x} 是把 xx 的尺度換成 yy 的尺度,再乘上相關係數 rr 縮一點——關聯越弱,線越平。r=0r=0 時直線是水平的:xx 幫不上忙,只好一律猜 yˉ\bar y。m=r sysx\co{m}=\co{r}\,\frac{\cb{s_y}}{\cb{s_x}}

課綱與應用

10 年級共同必修,學測數 A、數 B 都在範圍內。常考的是讀圖與判斷:斜率的意義、rr 的正負與強弱、平移伸縮後哪些量會變、以及「相關不等於因果」的敘述對錯。要手算整條迴歸直線的題目較少,但公式必須會用。

練這間小屋的 5 題

相關單元