上课版变量之间的相关关系.pptVIP

x 1 2 3 4 y 1 3 4 5 思考7：利用计算器或计算机可求得年龄和人体脂肪含量的样本数据的回归方程为 ，由此我们可以根据一个人个年龄预测其体内脂肪含量的百分比的回归值.若某人65岁，则其体内脂肪含量的百分比约为多少？ 37.1％ （0.577×65-0.448= 37.1％） 若某人65岁，可预测他体内脂肪含量在37.1％（0.577×65-0.448= 37.1％）附近的可能性比较大。 但不能说他体内脂肪含量一定是37.1％ 原因：线性回归方程中的截距和斜率都是通过样本估计的，存在随机误差，这种误差可以导致预测结果的偏差，即使截距斜率没有误差，也不可能百分百地保证对应于x，预报值Y能等于实际值y 例3：有一个同学家开了一个小卖部，他为了研究气温对热饮销售的影响，经过统计，得到一个卖出的热饮杯数与当天气温的对比表： 1、画出散点图； 2、从散点图中发现气温与热饮销售杯数之间关系的一般规律； 3、求回归方程； 4、如果某天的气温是2摄氏度，预测这天卖出的热饮杯数。 1、散点图 2、从图3-1看到，各点散布在从左上角到由下角的区域里，因此，气温与热饮销售杯数之间成负相关，即气温越高，卖出去的热饮杯数越少。 3、从散点图可以看出，这些点大致分布在一条直线的附近，因此利用公式求出回归方程的系数。 Y= -2.352x+147.767 4、当x=2时，Y=143.063 因此，某天的气温为2摄氏度时，这天大约可以卖出143杯热饮。 小结 1.求样本数据的线性回归方程，可按下列步骤进行： 第一步，列表计算平均数 , 第二步，求和 , 第三步，计算 第四步，写出回归方程 2.回归方程被样本数据惟一确定，各样本点大致分布在回归直线附近.对同一个总体，不同的样本数据对应不同的回归直线，所以回归直线也具有随机性. 3.对于任意一组样本数据，利用上述公式都可以求得“回归方程”，如果这组数据不具有线性相关关系，即不存在回归直线，那么所得的“回归方程”是没有实际意义的.因此，对一组样本数据，应先作散点图，在具有线性相关关系的前提下再求回归方程. 二、求线性回归方程 例2：观察两相关变量得如下表： x -1 -2 -3 -4 -5 5 3 4 2 1 y -9 -7 -5 -3 -1 1 5 3 7 9 求两变量间的回归方程 解1： 列表： i 1 2 3 4 5 6 7 8 9 10 -1 -2 -3 -4 -5 5 3 4 2 1 -9 -7 -5 -3 -1 1 5 3 7 9 9 14 15 12 5 5 15 12 14 9 计算得: 知识小结： 基础知识框图表解 变量间关系 函数关系 相关关系 散点图 线形回归 线形回归方程 1、相关关系 （1）概念：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叫相关关系。 （2）相关关系与函数关系的异同点。 相同点：两者均是指两个变量间的关系。 不同点：函数关系是一种确定关系，是一种因果系；相关关系是一种非确定的关系，也不一定是因果关系（但可能是伴随关系）。 （3）相关关系的分析方向。 在收集大量数据的基础上，利用统计分析，发现规律，对它们的关系作出判断。 2、两个变量的线性相关 （1）回归分析 对具有相关关系的两个变量进行统计分析的方法叫回归分析。通俗地讲，回归分析是寻找相关关系中非确定关系的某种确定性。 （2）散点图 A、定义；B、正相关、负相关。 3、回归直线方程 注:如果关于两个变量统计数据的散点图呈现发散状,则这两个变量之间不具有相关关系. 3、回归直线方程 （1）回归直线：观察散点图的特征，如果各点大致分布在一条直线的附近，就称两个变量之间具有线性相关的关系，这条直线叫做回归直线。 （2）最小二乘法 (3)利用回归直线对总体进行估计 （1）P94习题2.3 A组：3. （2）课时跟踪训练（14） 作业： 前面我们学习了怎样对收集来的数据进行分析: 频率分布图 离散程度 集中趋势 下面我们来介绍一中更为常见的分析方法: 小明,你数学成绩不太好,物理怎么样? 也不太好啊. 学不好数学,物理也是学不好的 ?????... 哲学原理：世界是一个普遍联系的整体，任何事物都与周围其它事物相联系。 数学地理解世界 你认为老师的说法对吗? 事实上,我们在考察数学成绩对物理成绩影响的同时,还必须考虑到其他的因素:爱好,努力程度 如果单纯从数学对物理的影响来考虑,就是考虑这两者之间的相关关系 我们在生活中,碰到很多相关关系的问题: 物理成绩 数学成绩 学习兴趣 花费时间 其他因素 商品销售收入 K×