学案8回归分析与独立检验.pptVIP

1.对具有相关关系的两个变量进行统计分析时,首先要作出散点图,然后进行相关性检验,在确认具有线性相关关系后,再求其回归直线.2.判断两个变量是否具有线性相关时,可以从散点图判断,也可以求出相关系数r进行判断.3.由样本数据求回归直线方程,实际上是将非确定性的相关关系问题转化成确定性的函数关系来研究.4.对于非线性回归问题,通过换元的方法,转化为线性回归分析问题.5.独立性检验是一种假设检验,在对总体的估计中,通过抽取样本,构造合适的随机变量,对假设的正确性进行判断. * * * * 学案8 回归分析与独立性检验 了解回归分析的思想、方法及其简单应用 回归分析 了解独立性检验的思想、方法及其初步应用. 独立性检验 2013年高考,试题难度仍以中低档题为主,有可能在选择、填空题中考查. 1.随机误差 由于所有的样本点不共线，而只是散布在某一条直线的附近，实际上，y=bx+a+e,e是y与 =bx+a之间的误差.通常e为随机变量，称为随机误差，它的均值E(e)=0,方差D（e）=σ20.这样线性回归模型的完整表达式为 . y=bx+a+e E(e)=0,D(e)=σ2 随机误差e的方差σ2越小，通过回归直线 =bx+a预报真实值y的精确度越高.随机误差是引起预报值 与真实值y之间的误差的原因之一，其大小取决于随机误差的方差. 2.残差 对于样本点(x1,y1),(x2,y2),…,(xn,yn)而言，相应于它们的随机误差为ei=yi-yi=yi-bxi-a,i=1,2,…,n, 其估计值为ei= = ,i=1,2,…,n,ei称为相应于点(xi,yi)的残差. 3.残差分析 在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用线性回归模型来拟合数据.然后，可以通过残差e1,e2,…,en来判断模型拟合的效果，判断原始数据中是否存在可疑数据.这方面的分析工作称为残差分析. 4.残差图 作图时纵坐标为残差，横坐标可以选为样本编号，这样作出的图形称为残差图. 5.列联表 假设有两个分类变量X和Y，它们的值域分别为{x1,x2}和{y1,y2}，其样本频数列联表为 此表称为2×2列联表. 根据观测数据计算由公式 . 给出的检验随机变量K2的值k，其值越大，说明“X与Y有关系”成立的可能性越大. b+d a+c 总计 c+d d c x2 a+b b a x1 总计 y2 y1 （其中n=a+b+c+d为样本容量） a+b+c+d 考点1 回归分析 每立方米混凝土的水泥用量x(单位：kg)与28天后混凝土的抗压强度Y（单位：kg/cm2）之间的关系有如下数据: 89.7 86.4 82.6 80.2 77.4 74.1 71.3 68.1 64.6 61.6 58.3 56.9 Y 260 250 240 230 220 210 200 190 180 170 160 150 X 【分析】 求回归直线方程和相关系数， 通常用计算器来完成.在有的较专门的计算器中，可通过直接按键得出回归直线方程的系数和相关系数 .而如果用一般的科学计算器进行计算 ，则要先列出相应的表格 ，有了表格中的相关数据 ，回归方程中的系数和相关系数都容易求出. （1）对变量Y与x进行相关性检验； （2）如果Y与x之间具有线性相关关系，求回归直线方程. 【解析】（1）由题目中的数据得如下表格: 23322 21600 19824 18446 17028 15561 xiyi 89.7 86.4 82.6 80.2 77.4 74.1 yi 260 250 240 230 220 210 xi 12 11 10 9 8 7 i 14260 12939 11628 10472 9328 8535 xiyi 71.3 68.1 64.6 61.6 58.3 56.9 yi 200 190 180 170 160 150 xi 6 5 4 3 2 1 i 查得r0.05=0.576, 因r＞r0.0