zichang第一章_统计案例资料.pptVIP

成才之路·数学 第一章 统计案例 成才之路 · 高中新课程 · 学习指导 · 人教A版 · 数学 · 选修1-1、1-2合订 * 成才之路 · 高中新课程 · 学习指导 · 人教A版 · 数学 · 选修1-1、1-2合订 路漫漫其修远兮 吾将上下而求索 人教A版 · 选修1-2 知识梳理 知识结构 误区警示 题型探究 第一章 统计案例 成才之路 · 高中新课程 · 学习指导 · 人教A版 · 数学 · 选修1-1、1-2合订 成才之路 · 高中新课程 · 学习指导 · 人教A版 · 数学 · 选修1-1、1-2合订 第一章 统计案例 第一章 章末归纳总结 一、回归分析 1．回归分析 回归分析是对有相关关系的两个变量进行统计分析．相关指数R2刻画回归的效果，其计算公式：R2＝1－，R2的值越大，模型的拟合效果越好． 2．建立回归模型的一般步骤 (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)． (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＝x＋)． (4)按一定规则估计回归方程中的参数． (5)得出结果后分析残差图是否有异常(个别数据对应的残差过大，或残差呈现不随机的规律性，等等)，若残差存在异常，则应检查数据是否有误，或模型是否合适等． 二、独立性检验 1．判断两个分类变量之间是否有关系可以通过等高条形图作粗略判断，需要确知所作判断犯错误的概率情况下，可进行独立性检验，独立性检验可以得到较为可靠的结论． 2．独立性检验的一般步骤： (1)根据样本数据制成2×2列联表． (2)根据公式计算K2的值． (3)比较K2与临界值的大小关系作统计推断． 1．线性回归方程中的系数、及相关指数R2，独立性检验统计量k2公式复杂，莫记混用错． 2．相关系数r是判断两随机变量相关强度的统计量，相关指数R2是判断线性回归模型拟合效果好坏的统计量，而k2是判断两分类变量相关程度的量，应注意区分． 3．在独立性检验中，当k2≥6.635时我们有99%的把握认为两分类变量有关，是指“两分类变量有关”这一结论的可信度为99%而不是两分类变量有关系的概率为99%. 题型1 回归分析[例1]　已知对两个变量x、y的观测数据如下表： x 35 40 42 39 45 46 42 50 58 48 y 5.90 6.20 6.30 6.55 6.53 9.52 6.99 8.72 9.49 7.50 (1)画出x、y的散点图； (2)求出回归直线方程． [解析]　(1)散点图如下图所示． [例2]　想象一下一个人从出生到死亡，在每个生日都测量身高，并作出这些数据散点图，这些点将不会落在一条直线上，但在一段时间内的增长数据有时可以用线性回归来分析．下表是一位母亲给儿子作的成长记录. 年龄/周岁 3 4 5 6 7 8 9 身高/cm 90.8 97.6 104.2 110.9 115.6 122.0 128.5 年龄/周岁 10 11 12 13 14 15 16 身高/cm 134.2 140.8 147.6 154.2 160.9 167.5 173.0 (1)年龄(解释变量)和身高(预报变量)之间具有怎样的相关关系？ (2)如果年龄相差5岁，则身高有多大差异？(3～16岁之间) (3)如果身高相差20cm，其年龄相差多少？ (4)计算残差，说明该函数模型能够较好地反映年龄与身高的关系吗？请说明理由． [解析]　设年龄x与身高y之间的回归直线方程． y 90.8 97.6 104.2 110.9 115.6 122.0 128.5 90.9 97.3 103.6 109.9 116.2 122.5 128.8 y 134.2 140.8 147.6 154.2 160.9 167.5 173.0 135.1 141.5 147.8 154.1 160.4 166.7 173.0 R2≈0.999， 所以残差平方和为4.53，相关指数为0.999，故该函数模型能够较好地反映年龄与身高的关系. 题型2 独立性检验[例3]　下表是某地区的一种传染病与饮用水的调查表： 得病 不得病 总计 干净水 52 466 518 不干净水 94 218 312 总计 146 684 830 (1)这种传染病是否与饮用水的卫生程度有关，请说明理由； (2)若饮用干净水得病的有5人，不得病的有50人，饮用不干净水得病的有9人，不得病的有22人．按此样本数据分析这种疾病是否与饮用水有关，并比较两种样本在反映总体时的差异． [解析]　(1