2015高考数学10.3《统计案例》word学案.docVIP

2013版高考数学一轮复习精品学案：第十章 统计、统计案例 10.3统计案例 【高考新动向】 一、考纲点击 1.了解独立性检验(只要求2×2列联表)的基本思想、方法及其简单应用; 2.了解回归分析的基本思想、方法及其简单应用. 二、热点提示 1.本部分主要内容是变量的相关性及其几种常见的统计方法.在高考中主要是以考查独立性检验、回归分析为主,并借助解决一些简单的实际问题来了解一些基本的统计思想; 2.本部分在高考中多为选择、填空题,也有可能出现解答题,都为中低档题. 【考纲全景透析】 1.回归分析 (1)定义:对具有相关关系的两个变量进行统计分析的一种常用方法; (2)随机误差:线性回归模型用表示，其中为模型的未知数，称为随机误差. (3)样本点的中心 在具有线性相关关系的数据中,回归方程的截距和斜率的最小二乘估计公式分别为: 其中称为样本点的中心. (4)相关系数 ① ②当时,表明两个变量正相关; 当时,表明两个变量负相关. 的绝对值越接近于0时,表明两个变量之间几乎不存在线性相关关系.通常大于0.75时,认为两个变量有很强的线性相关性. 2.残差分析 (1)总偏差平方和 把每个效应(观测值减去总的平均值)的平方加起来即: (2)残差 数据点和它回归直线上相应位置的差异是随机误差的效应,称为残差. (3)残差平方和. (4)相关指数 的值越大,说明残差平方和越小,也就是说模型的拟合效果越好.在线性回归模型中, 表示解释变量对预报变量变化的贡献率, 越接近于1,表示回归的效果越好. 3.独立性检验 (1)分类变量:变量的不同“值”表示个体所属的不同类别,像这类变量称为分类变量. (2)列联表:列出两个分类变量的频数表,称为列联表.假设有两个分类变量X和Y,它们的可能取值分别为,其样本频数列联表(称为2×2列联表)为 2×2列联表 总计 总计 构造一个随机变量,其中为样本容量. (3)独立性检验 利用随机变量来确定是否能以一定把握认为“两个分类变量有关系”的方法称为两个分类变量的独立性检验. 注: 在独立性检验中经常由得到观测值,则=是否成立？（与的关系并不是=，是的观测值，或者说是一个随机变量，它在，，，）取不同值时，可能不同，而是取定一组数，，，后的一个确定的值. 【热点难点精析】 (一)线性回归分析 ※相关链接※ 1.首先利用散点图判断两个变量是否线性相关. 2.求回归方程. (1)线性回归方程中的截距和斜率都是通过样本估计而来的,存在着误差,这种误差可能导致预报结果的偏差. (2)回归方程中的表示增加1个单位时的变化量为. (3)可以利用回归方程预报在取某一个值时的估计值. 3.相关系数 利用相关系数来衡量两个变量之间的线性相关的强弱. 4.建立回归模型的步骤 (1)确定研究对象,明确哪个变量是解释变量,哪个变量是预报变量. (2)画出确定好的解释变量和预报变量的散点图,观察它们之间的关系(如是否存在线性关系等). (3)由经验确定回归方程的类型(如我们观察到数据呈线性关系,则选用线性回归方程). (4)按一定规则估计回归方程中的参数(如最小二乘法). (5)得出结果后分析残差是否异常(个别数据对应残差过大,或残差呈现不随机的规律性等).若存在异常,则检查数据是否有误,或模型是否适合等. 注:回归方程只适用于我们所研究的样本的总体,而且一般都有时间性.样本的取值范围一般不能超过回归方程的适用范围,否则没有实用价值. ※例题解析※ 〖例〗测得某国10对父子身高(单位:英寸)如下: (1)对变量进行相关性检验; (2)如果之间具有线性相关关系,求回归方程. (3)如果父亲的身高为73英寸,估计儿子的身高. 思路解析:(1)先根据已知计算相关系数,判断是否具有相关关系. (2)再利用分工求出回归方程进行回归分析. 解答:(1) 所以之间具有很强的线性相关关系. (2)设回归方程为.由. 故所求的回归方程为:. (3)当x=73时, .所以当父亲身高为73英寸时,估计儿子身高约为69.9英寸. (二)非线性回归分析 ※相关链接※ 1.非线性回归模型:当回归方程不是形如时称之为非线性回归模型. 2.非线性回归模型的拟合效果:对于给定的样本点,两个含有未知数的模型,其中都是未知参数. 可按如下的步骤比较它们的拟合效果: (1)分别建立对应于两个模型的回归方程,其中分别是参数的估计值; (2)分别计算两个回归方程的残差平方和; (3)若＜,则; 反之, ※例题解析※ 〖例〗为了研究某种细菌随时间x变化时,繁殖个数y的变化,收集数据如下: (1)用天数x作解释变量,繁殖个数y作预报变量,作出这些数据的散点图 (2)描述解释变量x与预报变量y之间的关系; (3)计算残差平方和、相关指数. 思路解析