变量间的相关关系讲义详解.doc

变量间的相关关系讲义 一、基础知识梳理 知识点1：变量之间的相关关系 两个变量之间的关系可能是确定的关系（如：函数关系），或非确定性关系。当自变量取值一定时，因变量也确定，则为确定关系；当自变量取值一定时，因变量带有随机性，这种变量之间的关系称为相关关系。相关关系是一种非确定性关系 点睛：散点图又称散点分布图，是以一个变量为横坐标，另一变量为纵坐标，利用散点（坐标点）的分布形态反映变量统计关系的一种图形。特点是能直观表现出影响因素和预测对象之间的总体关系趋势。优点是能通过直观醒目的图形方式反映变量间关系的变化形态，以便决定用何种数学表达方式来模拟变量之间的关系。散点图不仅可传递变量间关系类型的信息，也能反映变量间关系的明确程度xi,yi）（i=1,2，…，n）大致分布在一条直线的附近，求在整体上与这n个点最接近的一条直线，设此直线方程为，这里的y在上方加上“”是为了区分实际值y，表示当x取值xi,y相应的观察值yi而直线上对应于xi,的纵坐标是 点睛：1）散点图中的点整体上分布在一条直线附近时，可以应用线性回归分析的方法分析数据； 2）回归直线是反映：“从整体上看，各点与此直线的距离的和最小”的一条直线，它反映了具有线性相关关系的两个变量之间的规律； 3）我们可以通过回归直线方程，由一个变量的值来推测另一个变量的值，解决生活中的实际问题；这种方法称为回归方法 知识点4：回归系数公式及相关问题 1.最小二乘法：求回归直线的关键是如何用数学的方法刻画从整体上看，各点与此直线的距离最小，假设我们已经得到两个具有线性相关关系的变量的一组数据：……。当自变量取（=1，2，……，n）时，可以得到（=1，2，……，n），它与实际收集到的之间的偏差是（=1，2，……，n）这样用n个偏差的和来刻画“各点与此直线的整体偏差”是比较合适的。总的偏差为，偏差有正有负，易抵消，所以采用绝对值，由于带绝对值计算不方便所以换成平方，①现在的问题就归结为：当，b取什么值时Q最小，即点到直线y=bx+a的整体距离最小 ②（其中，） 这种通过求①式的最小值而得到回归直线的方法，即使得样本数据的点到回归直线的距离的平方和最小的方法叫最小二乘法。 2.回归直线方程的求法 ①先判断变量是否线性相关 ②若线性相关，利用公式计算出a,b ③利用回归方程对生活实际问题进行分析与预测 注意：①线性回归直线方程中x的系数是b，常数项是a，与直线的斜截式不大一样， ②如果散点图中的点分布从整体上看不在任何一条直线附近，这时求出的线性回归方程实用价值不大。 点睛：线性回归方程：一般地,设有个观察数据如下： … … 当a,b使取得最小值时,就称为拟合这对数据的线性回归方程,该方程所表示的直线称为回归直线 知识点5：线性回归分析思想在实际中的应用；计算的积，求；计算；将结果代入公式求；用 求；写出回归方程 注意：对一组数据进行线性回归分析时，应先画出其散点图，看其是否呈直线形，再依系数a,b的计算公式，算出．由于计算量较大，所以在计算时应借助技术手段，认真细致，谨防计算中产生错误。 知识点6：利用相关系数判断线性相关程度 最小二乘法求出回归直线的方程后，可以对上面两个变量的关系进行分析与预测，如图 前两个是线性相关，可以求回归方程，后两个是非线性相关，直线不能很好地反映图中两个变量之间的关系。显然求回归直线的方程是没有意义的。有些变量线性相关，有些非线性相关，衡量变量的线性相关程度引入一个量：相关系数 注意它的符号：当时，x，y正相关，当时，x，y负相关，统计学认为：对于r，若那么负相关很强，若，那么正相关很强若，那么相关性一般， 若，那么相关性较弱， 点睛：相关系数的绝对值越大，线性相关关系就越强。 二、常考题型例解 易---------------------知识点1 例1：下列两个变量之间是相关关系的是（　　） A、圆的面积与半径 B、球的体积与半径 C、角度与它的正弦值 D、一个考生的数学成绩与物理成绩 思路分析：由题意知A表示圆的面积与半径之间的关系S=πr2，B表示球的体积与半径之间的关系C表示角度与它的正弦值y=sinα，前面所说的都是确定的函数关系，相关关系不是确定的函数关系，故选D． 解：D 点拨：本题考查变量间的相关关系，判断两个变量间的关系还是函数关系还是相关关系的关键是判断两个变量之间的关系是否是确定的，若确定的则是函数关系；若不确定，则是相关关系． 例2：名师出高徒可以解释为老师的水平越高，学生的水平也越高，那么教师与学生的水平之间有何种关系呢？你能举出更多的描述生活中两变量相关关系的成语与俗语吗？至少写两个。 思路分析：名师出高徒的意思是有名的教师一定能教出高明的徒弟，高水平教师有很大趋势教出高水平的学生，实际学生成绩的好坏还