2012新课标人教A版数学同步导学课件：第3章《统计案例》(选修2-3).ppt

了解下列一些常见的统计方法，并能应用这些方法解决一些实际问题． (1)回归分析：了解回归的基本思想、方法及其简单应用． (2)独立性检验：了解独立性检验(只要求2×2列联表)的基本思想、方法及其简单应用． 1．线性回归分析 (1)回归方程只适用于我们所研究的样本的总体．例如，不能用普通女大学生的身高和体重之间的回归方程，描述女运动员的身高和体重之间的关系． (2)我们所建立的回归方程一般都有时间性．例如，不能用20世纪80年代的身高体重数据所建立的回归方程，描述现在的身高和体重之间的关系． (3)样本取值的范围会影响回归方程的适用范围．例如，回归方程是由女大学生的身高和体重数据建立的，那么用它来描述一个人幼儿时期的身高和体重之间的关系就不恰当(即在回归方程中，变量x的样本的取值范围为[155 cm,170 cm]，而用这个方程计算x＝70 cm时的y值，显然不合适)． 独立性检验的基本思想类似于反证法，要确认“两个分类变量有关系”这一结论成立的可信程度，首先假设该结论不成立，即假设结论“两个分类变量没有关系”成立，在该假设下构造的随机变量K2应该很小，如果由观测数据计算得到的K2的值很大，则在一定程度上说明假设不合理． 　本章要解决的主要问题是利用独立性检验判定两个变量的相关关系，通过建立回归模型对具有相关关系的量进行估计和预测． 解决上述问题的关键：一是深刻理解独立性检验的基本思想，充分借助2×2列联表，通过计算统计量K2进行检验；二是准确理解回归分析的原理和方法，会用散点图和相关系数r进行两个变量线性相关关系的判断，以建立线性回归模型，进行科学预测．培养学生对数据处理的能力是本章重点． 本章为新课标新增内容，高考考查多以选择题，填空题为主，难度较易，属于低档题送分题． 1．对所抽取的样本的数据进行分析，分析两个变量之间的关系——线性关系或非线性关系，并由一个变量的变化去推测另一个变量的变化，这就是对样本进行回归分析．回归分析的过程就是建立回归模型的过程．有时，回归模型可能会有多种选择(如作线性回归模型)，这时，可通过残差分析或利用相关指数R2来检查模型的拟合效果，从而得到最佳模型． 2．回归分析的方法：回归模型法． 基本步骤为： (1)确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； (2)画出确定好的解释变量和预报变量的散点图，观察它们之间的关系； (3)由经验确定回归方程的类型； (4)按一定规则估计回归方程中的参数； (5)得出结果后分析残差图是否有异常，若存在异常，则检查数据是否有误，或模型是否合适等． 某地大气中氰化物测定结果如下： (1)试建立氰化物浓度与污染源距离之间的回归方程； (2)求相关指数； (3)作出残差图，并求残差平方和． 解析：　(1)选取污染源距离为自变量x，氰化物浓度为因变量y作散点图． 独立性检验的一般步骤： (1)提出假设H0：Ⅰ和Ⅱ没有关系； (2)根据2×2列联表计算K2的观测值； (3)根据K2的观测值与临界值的大小关系作统计推断． 可以用反证法的原理来解释独立性检验原理 从上述对比中可以看出，假设检验的原理和反证法原理类似．不同之处：一是独立性检验中用有利于H0的小概率事件的发生代替了反证法中的矛盾；二是独立性检验中接受原假设的结论相当于反证法中没有找到矛盾． 把独立性检验的基本思想具体化到独立性检验中，就可以通过随机变量K2的值的大小来研究两个分类变量是否有相关关系． 为研究大气污染与人的呼吸系统疾病是否有关，对重污染地区和轻污染地区作跟踪调查，得出如下资料： 请根据统计资料，作出合适的判断分析． 1．下列说法正确的是(　　) A．预报变量的值受解释变量的影响与随机误差无关 B．预报变量的值受随机误差的影响与解释变量无关 C．预报变量的值与总偏差平方和有关与残差无关 D．预报变量的值与解释变量和随机误差的总效应有关 解析：　依据预报变量的特点知与解释变量和随机误差的总效应有关． 答案：　D 2．下列结论正确的是(　　) ①函数关系是一种确定性关系； ②相关关系是一种非确定性关系； ③回归分析是对具有函数关系的两个变量进行统计分析的一种方法 ④回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法 A．①②　　　　　　　　　　 B．①②③ C．①②④ D．①②③④ 解析：　依据回归分析的概念知③错，①②④正确． 答案：　C 3．根据一位母亲记录儿子3～9岁的身高数据，建立儿子身高(单位：cm)对年龄(单位：岁)的线性回归方程＝7.19x＋73.93，用此方程预测10岁时的身高，有关叙述正确的是(　　) A．身高在145.83 cm左右 B．身高大于145.83 cm C．身高小于145.83 cm D