232两个变量的线性关系-丰台区课程改革平台.pptVIP

从刚才的散点图发现：年龄越大，体内脂肪含量越高，点的位置散布在从左下角到右上角的区域。称它们成正相关。但有的两个变量的相关，如下图所示： 如高原含氧量与海拔高度 的相关关系，海平面以上， 海拔高度越高，含氧量越 少。 作出散点图发现，它们散 布在从左上角到右下角的区 域内。又如汽车的载重和汽 车每消耗1升汽油所行使的 平均路程，称它们成负相关. 我们再观察它的图像发现这些点大致分布在一条直线附近,像这样，如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系,这条直线叫做回归直线，该直线叫回归方程。 那么，我们该怎样来求出这个回归方程？ 请同学们展开讨论，能得出哪些具体的方案？ 我们上面给出的几种方案可靠性都不是很强，人们经过长期的实践与研究，已经找到了计算回归方程的斜率与截距的一般公式: 练习：书P98A组1、3 作业：P98A组2 * * * * * * ?思考: 在学校里,老师经常对学生说”如果你的数学成绩好,那么你的物理成绩就没有什么大问题.” 按照这种说法,似乎学生的物理成绩与数学成绩之间存在着一定的相关关系.这种说法有根据吗? 导入新课 能判断它们是否有函数关系吗?。 1：甲乙两地相距150千米,某人骑车从甲地到乙地,则他的速度v与时间t具有怎样的关系? 2：小麦的产量y与施肥量x的关系如下 510 480 470 460 440 产量y 60 50 40 30 20 施肥量x 例：（1）商品销售收入与广告支出经费之间的关系 （2）粮食产量与施肥量之间的关系 （3）人体内脂肪含量与年龄之间的关系 相关关系是一种非确定关系 当自变量一定时,因变量的取值带有一定的随机性 的两个变量之间的关系称为相关关系。 不同点：函数关系是一种确定的关系；是两个非随机变量之间的关系. 而相关关系是一种非确定关系,是非随机变量与随机变量之间的关系. 相关关系与函数关系的异同点： 相同点：均是指两个变量的关系． 2、两个变量之间产生相关关系的原因是受许多不确 定的随机因素的影响。 3、需要通过样本来判断变量之间是否存在相关关系 D 画图1 2 . “名师出高徒”可以理解为教师的水平越高，学生的水平也越高。那么，教师的水平与学生的水平成什么相关关系？你能举出更多的描述生活中两个变量的相关关系的成语吗？ 那么，该如何判断两个变量是否 具有相关关系呢？ ？思考： 知识探究（二）：散点图 【问题】在一次对人体脂肪含量和年龄关系的研究中，研究人员获得了一组样本数据： 其中各年龄对应的脂肪数据是这个年龄人群脂肪含量的样本平均数. 28.2 26.3 27.5 25.9 21.2 17.8 9.5 脂肪 50 49 45 41 39 27 23 年龄 34.6 35.2 33.5 30.8 31.4 30.2 29.6 脂肪 61 60 58 57 56 54 53 年龄 　从上表发现，对某个人不一定有此规律，但对很多个体放在一 起，就体现出“人体脂肪随年龄增长而增加”这一规律.而表中各年龄对应的脂肪数是这个年龄人群的样本平均数.我们也可以对它们作统计图、表，对这两个变量有一个直观上的印象和判断. 下面我们以年龄为横轴，脂肪含量为纵轴建立直角坐标系，作出各个点， 称该图为散点图。 如图： 55 脂肪含量 10 15 20 25 30 O 20 25 30 35 40 45 50 60 65 5 35 40 年龄 函数：利用图像直观地研究函数是一种有效的方法。 类比： 在平面直角坐标系中，表示具有相关关系的两个变量的一组数据图形，称为散点图. O 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 回归直线: 实际上,求回归直线的关键是如何用数学的方法来刻画“从整体上看,各点到此直线的距离最小”. 以上公式的推导较复杂，故不作推导，但它的原理较为简单：即各点到该直线的距离的平方和最小，这一方法叫最小二乘法。（参看课本P92） 例1、某种产品的广告费支出x（单位：百万元）与销售额y（单位：百万元）之间有如下对应数据： x 2 4 5 6 8 y 30 40 60 50 70 (1)画出散点图； （2）求线性回归直线方程； （3）预测当广告费支出为7百万元时的销售额. 三、求线性回归方程 1.求样本数据的线性回归方程，可按下列步骤进行： 第一步，计算平均数 , 第二步，求和 , 第三步，计算 第四步，写出回归方程