1.2相关系数终稿.pptVIP

* * 复习回顾 ＊ 用线性回归方程进行回归分析： （1）画散点图； （2）求回归系数 ： （3）写回归直线方程 ，并用方程进 行预测说明。 任何数据都可以求线性回归方程，求之前通常先 判断变量的线性相关关系-----作出散点图，但有时从 图中也不易判断出线性关系，另外，如果数据量较大 时，不易画图，需另想办法。 为解决这个问题，我们可通过计算线性相关系数 r，来判断变量间相关程度的大小，计算公式为： 的最小值为： 据前面的分析，回归系数 使得误差 由 知 ，即 ，则 值越大，误差 越小，则变量的线性相关程度 就越高； 值越接近于0， 越大，线性相关程度就 越低。 当 时， ，两变量的值总体上呈现同 时增加的趋势，则称两变量正相关； 当 时， ，一变量增加，另一变量有 减小的趋势，则称两变量负相关； 当 时，则称两变量线性不相关。 相关系数r的性质 思考交流 对于上节课给出的例题，变量的线性相关系数r 如何求？ 我们知道，相关系数的计算公式为： 要求r，只需求出相关的量： ， ， ， 和 。 ， ，可得 ， ， ， 由数据表，经过计算，可知： 这能说明什么？？ 这说明肱骨 和股骨 有较强的线性相关程度。 计算下表变量的线性相关系数r。 并观察，通过计算可以发现什么？ 根据数据列表计算如下： 解析： 0 75 100 19 0 0 0 25 0 5 7 12 9 16 3 4 6 12 16 9 4 3 5 0 25 0 5 0 4 -12 16 9 4 -3 3 -12 9 16 3 -4 2 0 0 25 0 -5 1 由表可知： ， ，则可得 ， ， ， 你发现什么了？？ r=0，则变量间并不存在线性相关关系。即此时 建立线性回归方程是没有意义的。 实际上，从散点图上我们也可以验证这一点： 易看出，几个样本点都落在同一个半圆上，而不 是条状分布，此时建立线性回归方程无任何意义，这 与相关系数r的计算结果相一致。 在英语教学中，为了了解学生的词汇量，老师设 计了一份包含100个单词的试卷，现抽取15名学生进 行测试，得到学生掌握试卷单词个数x与该生实际掌 握单词量y的对应数据如下： 对变量y与x进行相关性检验，并写出y对x的回归 直线方程。 动手做一做