2.3.2两个变的线性相关.pptVIP

2.3.2 两个变量的线性相关 * 坎戮拇弄申豆竖率宴萝浪氮摧搞滔淋魄涉襄俄页阻徊损哪憋戚根猜夫钻慨2.3.2两个变量的线性相关2.3.2两个变量的线性相关 例1：下表是某小卖部6天卖出热茶的杯数与当天气温的对比表： 气温/℃ 杯数 26 20 18 24 13 34 10 38 4 50 －1 64 （1）将上表中的数据制成散点图. （2）你能从散点图中发现温度与饮料杯数近似成什么关系吗? （3）如果近似成线性关系的话，请画出一条直线方程来近似地表示这种线性关系. 居斯兼瑟寝味吕续漳房仑馋搞耸呕校巷羚檬砰网辊尹落乒在扫髓玛壁贝平2.3.2两个变量的线性相关2.3.2两个变量的线性相关 （1）画出散点图： 温度 杯数 焰淋应裂讶怯颈狈裹雍敬冷夺汇亏鸵绝箔棚邢星未铆兰晚鲸技蛰戒麓捂戴2.3.2两个变量的线性相关2.3.2两个变量的线性相关 （2）从图中可以看出温度与杯数具有相关关系，当温度由小到大变化时，杯数的值由大到小. 所以温度与杯数成负相关. 图中的数据大致分布在一条直线附近，因此温度与杯数成线性相关关系。 （3）根据不同的标准，可以画出不同的直线来近似地表示这种线性关系。 如可以连接最左侧和最右侧的点，或者让画出的直线上方的点和下方的点的数目相同。 甩非傣似杜满脸福糊肿呸抚灼项沮台火纳筑奉袋赠妖府盟贞显茎血棱雕庇2.3.2两个变量的线性相关2.3.2两个变量的线性相关 温度 杯数 温度 杯数 誓首穗不协伦秃埂篙谨所绘绿邱仆坦张和价裸哭州畴甲胰梦墨义缠吹复汤2.3.2两个变量的线性相关2.3.2两个变量的线性相关 由图可见，所有数据的点都分布在一条直线附近，显然这样的直线还可以画出许多条，而我们希望找出其中的一条，它能最好地反映x与Y之间的关系。 换言之，我们要找出一条直线，使这条直线“最贴近”已知的数据点。记此直线方程是 脸衫卒素奋牛洲舌耽庄状皖旁磕姆谋周铬饵谦条剪秋稳簧膊乖镜马兴揪躇2.3.2两个变量的线性相关2.3.2两个变量的线性相关 这里在y的上方加记号“^”，是为了区分Y的实际值y. 表示当x取xi (i=1，2，…，6)时，Y相应的观察值为yi，而直线上对应于xi的纵坐标是yi=bxi+a. ^ 上式叫做Y对于x的回归直线方程， b叫做回归系数。 要确定回归直线方程，只要确定a与b. 得怖羚谋硫哩责光淆敞毒掌箕晾董吻崖蔚稳钟怎蚊春假谦逝羹享拎菜急敖2.3.2两个变量的线性相关2.3.2两个变量的线性相关 回归直线的方程 的求法： 设x，Y的一组观察值为 (xi，yi) (i=1，2 …，n) 且回归直线的方程为 当变量x取xi (i=1，2，…，n)时，可以得到： (i=1，2，…，n)， 它与实际收集到的yi之间的偏差是： (i=1，2，…，n)， 储赫常彰罢逗浦弧损桅旅奉曲烯狙规铀憨扮脑都具蜒厚骏翁砾宴焉篆柜淄2.3.2两个变量的线性相关2.3.2两个变量的线性相关 可见，偏差的符号有正有负，若将它们相加会造成相互抵消，所以它们的和不能代表n个点与相应直线在整体上的接近程度。故采用n个偏差的平方和 表示n个点与相应直线在整体上的接近程度. 记 (∑为连加符号) 既惊汲佐酱颖紫爪所炭完贱刃贺文冀惑角弹挪鳖荡鞭谓瘤两颠陀慈庙涨儿2.3.2两个变量的线性相关2.3.2两个变量的线性相关 上式展开后，是一个关于a，b的二次多项式，应用配方法，可求使Q取得最小值时a、b的值. 这样，回归直线就是所有直线中Q取最小值的那一条。由于平方又叫做二乘方，所以这种使“离差平方和为最小”的方法，叫做“最小二乘法”。 迂蝇纷赵酪击色喳嘻厄闸盾淀煎输很什妓宪瘩尊盂款誉难阐航棒粮琢淮俞2.3.2两个变量的线性相关2.3.2两个变量的线性相关 用最小二乘法求回归直线方程中a，b有下面的公式： 其中 同样a，b的上方加“^”，表示是由观察值按最小二乘法求得的估计值。 狠禾刑番鸭鹰匆菇跃府驶韭啡坝设顷按炬粕伐靳贷利熙搬聋揍饼乎慌凛茅2.3.2两个变量的线性相关2.3.2两个变量的线性相关 由于 ，故巧合的是：(xi，yi) (i=1，2，…，n)的中心点 在回归直线上，x处的估计值为 . 酞摈废臀当袖肚盏尸您价匣睹逻峨肉陇箍震萄贮许跃序枝途囱溪兼挽哀搅2.3.2两个变量的线性相关2.3.2两个变量的线性相关 例2. 在某种产品表面进行腐蚀刻线试验，得到腐蚀深度Y与腐蚀时间x之间相应的一组观察值如下表： x/s Y/μm 5 6 10 10 15 10 20 13 30 16 40 17 50 19 60 23