（新课程）高中数学《第一章 统计案例》归纳整合课件 新人教A版选修1-2.ppt

知识网络 要点归纳 一、两个基本思想 1．回归分析的基本思想 回归分析包括线性回归分析和非线性回归分析两种，而非线性回归分析往往可以通过变量代换转化为线性回归分析，因此，回归分析的思想主要是指线性回归分析的思想． 注意理解以下几点： (1)确定线性相关关系 线性相关关系有两层含义：一是具有相关关系，如广告费用与销售量的关系等在一定条件下具有相关关系，而气球的体积与半径的关系是函数关系，而不是相关关系；二是具有线性相关关系． 判断是否线性相关的依据是观察样本点的散点图． (2)引起预报误差的因素 对于线性回归模型y＝bx＋a＋e，引起预报变量y的误差的因素有两个：一个是解释变量x，另一个是随机误差e. (3)回归方程的预报精度 判断回归方程的预报精度是通过计算残差平方和来进行的，残差平方和越小，方程的预报精度越高． 简单来说，线性回归分析就是通过建立回归直线方程对变量进行预报，用回归方程预报时，需对函数值明确理解，它表示当x取值时，真实值在函数值附近或平均值在函数值附近，不能认为就是真实值． (4)回归模型的拟合效果 判断回归模型的拟合效果的过程也叫残差分析，残差分析的方法有两种，一是通过残差图直观判断，二是通过计算相关指数R2的大小判断． 2．独立性检验的基本思想 独立性检验的基本思想类似于反证法．要确认两个分类变量有关系的可信程度，先假设两个分类变量没有关系，再计算随机变量K2的观测值，最后由K2的观测值很大在一定程度上说明两个分类变量有关系． 进行独立性检验要注意理解以下三个问题： (1)独立性检验适用于两个分类变量． (2)两个分类变量是否有关系的直观判断： 一是根据2×2列联表计算|ad－bc|，值越大关系越强； 二是观察等高条形图，两个深色条的高度相差越大关系越强； (3)独立性检验是对两个分类变量有关系的可信程度的判断，而不是对其是否有关系的判断．独立性检验的结论只能是有多大的把握确认两个分类变量有关系，而不能是两个分类变量一定有关系或没有关系． 二、两个重要参数 1．相关指数R2 相关指数R2是用来刻画回归模型的回归效果的，其值越大，残差平方和越小，模型的拟合效果越好． 2．随机变量K2 随机变量K2是用来判断两个分类变量在多大程度上相关的变量．独立性检验即计算K2的观测值，并与教材中所给表格中的数值进行比较，从而得到两个分类变量在多大程度上相关． 三、两种重要图形 1．散点图 散点图是进行线性回归分析的主要手段，其作用如下： 一是判断两个变量是否具有线性相关关系，如果样本点呈条状分布，则可以断定两个变量有较好的线性相关关系； 二是判断样本中是否存在异常． 2．残差图 残差图可以用来判断模型的拟合效果，其作用如下： 一是判断模型的精度，残差点所分布的带状区域越窄，说明模型的拟合精度越高，回归方程的预报精度越高． 二是确认样本点在采集中是否有人为的错误． 专题一　回归直线方程 1．在散点图中样本点大致分布在一条直线附近，则利用线性回归模型进行研究，可近似地利用回归直线方程来预报． 2．求回归直线方程的基本步骤如下： (1)将表中的各对数据在平面直角坐标系中描点，得到散点图． (2)按照求回归方程的步骤和公式，写出回归方程． 【例1】 炼钢是一个氧化降碳的过程，钢水含碳量的多少直接影响冶炼时间的长短，必须掌握钢水含碳量和冶炼时间的关系．如果已测得炉料熔化完毕时，钢水的含碳量x与冶炼时间y(从炉料熔化完毕到出钢的时间)的一列数据如下表所示： (1)作出散点图，你能从散点图中发现含碳量与冶炼时间的一般规律吗？ (2)求回归直线方程． (3)预测当钢水含碳量为160时，应冶炼多少分钟？ 解　(1) 从图中可以看出，各点散布在一条直线附近，即它们线性相关． (2)列出下表，并用科学计算器进行计算： 专题二　线性回归分析 作残差分析时，一般从以下几个方面予以说明：(1)散点图；(2)相关指数；(3)残差图中的异常点和样本点的带状分布区域的宽窄． 【例2】 一个车间为了规定工时定额，需确定加工零件所花费的时间，为此进行了10次试验，测得的数据如下表： (1)画出散点图，并初步判断是否线性相关； (2)若线性相关，求回归直线方程； (3)求出相关指数； (4)作出残差图； (5)进行残差分析； 解　(1)散点图，如图所示． 由图可知，x，y线性相关． (2)x与y的关系可以用线性回归模型来拟合，不妨设回归模型为＝＋x. 将数据代入相应公式可得数据表： (3)利用所求回归方程求出下列数据． (5)由散点图可以看出x与y有很强的线性相关性，由R2的值可以看出回归效果很好． 由残差图也可观察到，第2、5、9、10个样本点的残差比较大，需要确认在采集这些样本点的过程中是