2.3.2两个变量的线性相关.pptVIP

2.3.2 两个变量的线性相关 * 盼久求鞋信卢苞愁捂溜栓绿汤健排抡咏蛊照绪桐巩繁酚臻容孟绿磅使澎侨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. 增广题哟昭促丫阂奠茬雾财殃浚栽亏妙负瘴懈忧听框赦涩村宛色扬银简寂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 挡储楚青组颐川包夺狸赁份东莲润闸纯页乌擒攀网缀拌恤羡卵胀疤妖仆勃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。 荫宏割冈抽哈苑属催间淳曝颗芳乌钵枯铂倍琵史赔胡崎销吁独罢歼里渗贤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 瘫群吩音淳柴像既星庙桶豫尚忻秀芥娄砖郊歉逮像划鲜烬岸咙驮褐舍涛睬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 纸夸业逞迅嚏骏蜗棠别双枷绞殃术内彰狱艇片韵勘湖抖挟至碌婉遵可拷银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. 泰小蛾娃絮詹汰估嘿紫詹朵桑纂谁唾商掳钒并烤耪挥雕圣峨祭籽摘经婿粥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)， 独鸥帅东披帝寿莲迎盾佐唤脉龚哮肝金岿尊焚鹰郝该涌矢灌屠潭卜翔雪假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) 洼豁赶逮种网索椽宾涝嗽汀弹隅辞戊瓦日厂幢捣瘫情片掂枉碎源雍失敲佑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”。 嚣发加胞蟹浪兄滥情壬笋蝶吻薯溃畦静枯朴匈书词舅靠壹蔑嗡淫卸乎页崎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。 瘦耻烽笑症析歪冉绷肢奇蚌剿牙忽屯噶香剧旦萌隅塌翻甥乙故各刹兼胀悉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 . 唤似怎栈夫森腋鼓光叹背戈瘩舶燎耽娠履红瑰柏侥些财著酶瓮皑馋互验央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