两个变量的关系.pptVIP

思考：相关关系与函数关系有怎样的不同？ 函数关系中的两个变量间是一种确定性关系 相关关系是一种非确定性关系 相关系数 1.计算公式 2．相关系数的性质 (1)|r|≤1． (2)|r|越接近于1，相关程度越强；|r|越接近于0，相关程度越弱． 注:b 与 r 同号 问题：达到怎样程度，x、y线性相关呢？它们的相关程度怎样呢？ * 1、两个变量的关系 不相关 相关关系 函数关系 线性相关 非线性相关 问题1：现实生活中两个变量间的关系有哪些呢？ 相关关系：对于两个变量，当自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系。 函数关系是一种理想的关系模型 相关关系在现实生活中大量存在，是更一般的情况 数学３——统计 画散点图 了解最小二乘法的思想 求回归直线方程 用回归直线方程解决应用问题 问题2：对于线性相关的两个变量用什么方法来刻划之间的关系呢？ 2、最小二乘估计 最小二乘估计下的线性回归方程： 2） 的意义是：以 为基数，x每增加1个单位，y相应地平均增加 个单位。 1） 称为样本点的中心。 3、回归分析的基本步骤: 画散点图 求回归方程 预报、决策 对一作直线运动的质点的运动过程作了8次观测，得到下表，试估计x=9s时的位置y的值。 21.06 16.98 16.12 15.69 11.73 10.02 7.52 5.54 位置观测值 y/cm 8 7 6 5 4 3 2 1 时刻x/s 例如： 204 64 49 36 25 16 9 4 1 xi2 560.1 168.5 118.9 96.72 78.45 46.92 30.06 15.04 5.54 xiyi 13.08 21.06 16.98 16.12 15.69 11.73 10.02 7.52 5.54 yi 4.50 8 7 6 5 4 3 2 1 xi 8 7 6 5 4 3 2 1 i 根据线性回归的系数公式，可以得到 a=3.5361,b=2.1214 得到线性回归方程 =3.5361+2.1214 x 当x=9时，可以估计其位置值为22.6287. 4、线性回归模型 其中a+bx是确定性函数， ? 是随机误差 注：? 产生的主要原因： (1)所用确定性函数不恰当； (2)忽略了某些因素的影响； (3)观测误差。 思考：在时刻x=9s时，质点运动位置一定是22.6287cm吗？ 散点图只是形象地描述点的分布情况，它的“线性”是否 明显只能通过观察，要想把握其特征，必须进行定量的研究． 问题：有时散点图的各点并不集中在一条直线的附近，仍然可以按照求回归直线方程的步骤求回归直线，显然这样的回归直线没有实际意义。在怎样的情况下求得的回归直线方程才有实际意义？ 即建立的线性回归模型是否合理？ 如何对一组数据之间的线性相关程度作出定量分析？ 称为线性回归模型. 应该考虑下面两个问题: 1)模型是否合理; 2)在模型合理的情况下,如何估计a,b. 探究 怎样判断模型是否合理呢？ 建构数学 相关系数 ｒ＞０正相关；ｒ＜０负相关．通常， r∈[-1,-0.75]--负相关很强; r∈[0.75,1]—正相关很强; r∈[-0.75,-0.3]--负相关一般; r∈[0.3, 0.75]—正相关一般; r∈[-0.25, 0.25]--相关性较弱; 相关系数r的绝对值与1接近到什么程度才表明利用 线性回归模型比较合理呢? 对r进行 显著性检验 *