相关关系、回归分析与独立性检验.docVIP

相关关系、回归分析与独立性检验（解析版） 一.考纲目标 利用散点图判断变量之间是否存在相关关系；求回归直线方程和利用回归直线作出估计；独立性检验. 二.知识梳理 1．两个变量的线性相关[来源:Z§xx§k.Com] (1)正相关． 在散点图中，点散布在从到的区域，对于两个变量的这种相关关系，我们将它称为正相关． (2)负相关． 在散点图中，点散布在从到的区域，两个变量的这种相关关系称为负相关． (3)线性相关关系、回归直线． 如果散点图中点的分布从整体上看大致在，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． 2．回归方程 (1)最小二乘法 求回归直线使得样本数据的点到它的的方法叫做最小二乘法． (2)回归方程 方程 ＝ x＋ 是两个具有线性相关关系的变量的一组数据(x1，y1)，(x2，y2)，…，(xn，yn)的回归方程，其中 ， 是待定参数．，　, 3．残差分析 (1)残差：对于样本点(x1，y1)，(x2，y2)，…，(xn，yn)，它们的随机误差为ei＝yi－bxi－a，i＝1,2，…，n，其估计值为 i＝yi－ i＝yi－ xi－ ，i＝1,2，…，n. i称为相应于点(xi，yi)的残差． (2)相关指数R2＝1－R2越大，意味着残差平方和，即模型的拟合效果R2越小，残差平方和，即模型的拟合效果．在线性回归模型中，R2表示解释变量对于预报变量变化的贡献率，R2越接近于1，表示回归的效果．4．独立性检验 (1)分类变量：变量的不同“值”表示个体所属的，像这类变量称为分类变量． (2)列联表：列出两个分类变量的，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{x1，x2}和{y1，y2}，其样本频数列联表(称为2×2列联表)为2×2列联表 y1 y2 总计 x1 a b a＋b x2 c d c＋d 总计 a＋c b＋d a＋b＋c＋d K2＝(其中n＝a＋b＋c＋d为样本容量)，则利用独立性检验判断表来判断“X与Y的关系”． [来源:Z.xx.k.Com] 在一组样本数据(x1，y1)、(x2，y2)、…、(xn，yn)(n≥2，x1，x2，…，xn不全相等)的散点图中，若所有样本点(xi，yi)(i＝1,2，…，n)都在直线y＝x＋1上，则这组样本数据的样本相关系数为(　　) A．－1　B．0C. D．1 [答案]　D [解析]　样本相关系数越接近1，相关性越强，现在所有的样本点都在直线y＝x＋1上，样本的相关系数应为1. 要注意理清相关系数的大小与相关性强弱的关系． 某化工厂为预测产品的回收率y，需要研究它和原料有效成分含量x之间的相关关系，现取8对观测值计算，得i＝52，i＝228，＝478，iyi＝1849，则其回归直线方程为(　　) A.＝11.47＋2.62x B.＝－11.47＋2.62x C.＝2.62＋11.47x D.＝11.47－2.62x [答案]　A [解析]　由i＝52，i＝228知，＝6.5，＝28.5，＝ ＝≈2.62， ＝－＝28.5－2.62×6.5＝11.47.在某医学实验中，某实验小组为了分析某药物用药量与血液中某种抗体水平的关系，选取六只验动物进行血检，得到如下资料： 动物编号 1 2 3 4 5 6 用药量x(单位) 1 3 4 5 6 8 抗体指标y(单位) 3.4 3.7 3.8 4.0 4.2 4.3 记s为抗体指标标准差，若抗体指标落在(－s，＋s)内，则称该动物为有效动物，否则称为无效动物．研究方案规定先从六只动物中选取两只，用剩下的四只动物的数据求线性回归方程，再对被选取的两只动物数据进行检验． (1)求选取的两只动物都是有效动物的概率； (2)若选取的是编号为1和6的两只动物，且利用剩余四只动物的数据求出y关于x的线性回归方程为＝0.17x＋a，试求出a的值； (3)若根据回归方程估计出的1号和6号动物抗体指标数据与检验结果误差都不超过抗体指标标准差，则认为得到的线性回归方程是可靠的．试判断(2)中所得线性回归方程是否可靠． 参考公式：样本数据x1，x2，…，xn的标准差： S＝，其中为样本平均数． [解析]　(1)＝3.9，s≈0.31.故1、6号为无效动物，2、3、4、5号为有效动物． 记从六只动物中选取两只为事件A. 所有可能结果为(1,2)，(1,3)，(1,4)，(1,5)，(1,6)，(2,3)，(2,4)，(2,5)，(2,6)，(3,4)，(3,5)，(3,6)，(4,5)，(4,6)，(5,6)共15种． 满足题意的有(2,3)，(2,4)，(2,5)，(3,4)，(3,5)，(4,5)共6种．故P(A)＝＝. (2)对于2、3、4、5号动物，＝4.5，＝3.925，代入＝0.17x＋a得a＝3