高二数学文第一章 第1—2节 回归分析；独立性检验北师大版知识精讲.docVIP

高二数学文第一章 第节 回归分析独立性检验 一、教学内容 选修12 第一章 统计案例 第节 回归分析、独立性检验 二、教学目标 1. 进一步了解回归分析的基本思想、方法及初步应用.掌握线性回归方程的求法及相关系数的意义以及求法。了解正相关和负相关的意义。了解一些简单的可线性化的回归分析方法。 2. 初步了解条件概率的意义及其求法，了解相互独立事件的含义及其概率的求法；通过样本数据的列联表对独立性检验有初步的理解，能够判断两个变量是否有关联。 三、教学重、难点 线性回归方程以及相关系数的意义和求法、独立性检验有初步的理解是重点；条件概率与独立事件的理解、独立性检验的思想是学习的难点。 四、知识要点分析 （一）回归分析： （）线性回归方程：现实生活中存在有关系的一些变量，这些关系除了可以用函数关系表示确定关系外，还有一些变量的关系是一种非确定关系，称之为相关关系，研究这种相关关系的变量之间关系的方法就是回归分析。而最小二乘法是回归分析的重要方法。即用一个一次方程y=ax+b近似表示两个相关关系的量x和y之间的关系，其中。 （）相关系数：无论两个变量之间的线性关系如何都可以得到这样的线性方程，即使二者完全不符合线性关系。为了检验两个变量之间是不是线性相关，可以首先用相关系数进行判断其线性相关性，，|r|≤1，|r|越大变量x、y之间的线性相关程度越高，|r|越小变量x、y之间的线性相关程度越低，r＞０时变量之间正相关，即同时增减，r＜０时变量之间负相关，即一个变量增加的同时另一个变量减少。相关系数的绝对值越接近于1，两个变量的线性相关关系越强，它们的散点图越接近一条直线，这时用线性回归模型拟合这组数据就越好，此时建立的线性回归模型是有意义. （）可线性化的回归分析：有的变量之间虽然表现出一种非线性相关关系，但是根据散点图可以看出变量之间的关系是否符合类似可以通过适当的变换，将其转化成线性函数进行线性回归分析可线性化的回归分析。 （二）独立性检验： （1）条件概率与独立事件：已知Ｂ事件发生的条件下Ａ事件发生的概率称为Ｂ发生的条件概率，记为Ｐ（A|B），P（AB）为事件A，B都发生的概率。如果P（A|B）=P（A），则P（AB）= P（A）P（B）我们称事件A，B相互独立，也就是事件A发生的概率与B是否发生没有关系，如果事件 （2）独立性检验：两个事件是不是线性相关可以用相关系数来考查，而相关性除了线性相关以外还有非线性相关，两个量是不是有相关性可以用列联表的方法进行独立性检验。 设A、B是两个变量每一个变量都可以取两个值B A B1 B2 总计 A1 a b a+b A2 c d c+d 总计 a+c b+d a+b+c+d 表中a表示变量A取A1且变量B取B1时的数据，b表示变量A取A1且变量B取B2时的数据，c表示变量A取A2且变量B取B1时的数据，d表示变量A取A2且变量B取B2时的数据， 上述等式即使两个变量独立也不一定相等因为概率都是用频率来估计的，但是只要是近似相等就可以认为是独立的，如果相差较大就可以认为具有相关关系。【典型例题】 考点一：回归分析。 例1从某大学中随机选取8名女大学生，其身高和体重数据如下表所示：求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm的女大学生的体重. 编号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 解：首先出散点图： 将表化为 编 号 xi yi xi2 xi yi 1 165 48 27225 7920 2 165 57 27225 9405 3 157 50 24649 7850 4 170 54 28900 9180 5 175 64 30625 11200 6 165 61 27225 10065 7 155 43 24025 6665 8 170 59 28900 10030 Σ 1322 436 218774 72315 Σ表示各项的和 所以线性回归方程近似为，当x=172时，y60.16 说明： （1）步骤：第一步：作散点图 第二步：求回归方程 第三步：代值计算 （2）以上计算大多是近似值。 （3）观察上述散点图，我们可以发现女大学生的体重和身高之间的关系并不能用一次函数来严格刻画（因为所有的样本点不共线，所以线性模型只能近似地刻画身高和体重的关系）. 在数据表中身高为165cm的3名女大学生的体重分别为48kg、57kg和61kg，如果能用一次函数来描述体重与身高的关系，那么身高为165cm的3名女学生的体重应相同. 这就说明体重不仅受身高的影响还受其他因素的影响，线性回归