两个变量之间的线性关系两个量之间的线性关系两个变量之间的线性关系两个变量之间的线性关系.ppt

ks5u精品课件 * * 2.3 变量间的相关关系 2.3.1 变量之间的相关关系 2.3.2 两个变量的线性相关 第二课时 问题提出 1. 两个变量之间的相关关系的含义如何？成正相关和负相关的两个相关变量的散点图分别有什么特点？ 自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系. 正相关的散点图中的点散布在从左下角到右上角的区域，负相关的散点图中的点散布在从左上角到右下角的区域 2.观察人体的脂肪含量百分比和年龄的样本数据的散点图，这两个相关变量成正相关.我们需要进一步考虑的问题是，当人的年龄增加时，体内脂肪含量到底是以什么方式增加呢？对此，我们从理论上作些研究. 知识探究（一）：回归直线 思考1：一组样本数据的平均数是样本数据的中心，那么散点图中样本点的中心如何确定？它一定是散点图中的点吗？ 思考2：在各种各样的散点图中，有些散点图中的点是杂乱分布的，有些散点图中的点的分布有一定的规律性，年龄和人体脂肪含量的样本数据的散点图中的点的分布有什么特点？ 这些点大致分布在一条直线附近. 思考3：如果散点图中的点的分布，从整体上看大致在一条直线附近，则称这两个变量之间具有线性相关关系，这条直线叫做回归直线.对具有线性相关关系的两个变量，其回归直线一定通过样本点的中心吗？ 思考4：对一组具有线性相关关系的样本数据，你认为其回归直线是一条还是几条？ 思考5：在样本数据的散点图中，能否用直尺准确画出回归直线？借助计算机怎样画出回归直线？ 知识探究（二）：回归方程 在直角坐标系中，任何一条直线都有相应的方程，回归直线的方程称为回归方程.对一组具有线性相关关系的样本数据，如果能够求出它的回归方程，那么我们就可以比较具体、清楚地了解两个相关变量的内在联系，并根据回归方程对总体进行估计. 思考1：回归直线与散点图中各点的位置应具有怎样的关系？ 整体上最接近 思考2：对于求回归直线方程，你有哪些想法？ (x1， y1) (x2，y2) (xi，yi) (xn，yn) 可以用 或 ， 其中 . 思考3：对一组具有线性相关关系的样本数据：(x1，y1)，(x2，y2)，…，(xn，yn)，设其回归方程为 可以用哪些数量关系来刻画各样本点与回归直线的接近程度？ 思考4：为了从整体上反映n个样本数据与回归直线的接近程度，你认为选用哪个数量关系来刻画比较合适？ (x1， y1) (x2，y2) (xi，yi) (xn，yn) 思考5：根据有关数学原理分析，当 时，总体偏差 为最小，这样 就得到了回归方程，这种求回归方程的方法叫做最小二乘法.回归方程 中，a，b的几何意义分别是什么？ 思考6：利用计算器或计算机可求得年龄和人体脂肪含量的样本数据的回归方程为 ，由此我们可以根据一个人个年龄预测其体内脂肪含量的百分比的回归值.若某人37岁，则其体内脂肪含量的百分比约为多少？ 20.9% 理论迁移 例 有一个同学家开了一个小卖部，他为了研究气温对热饮销售的影响，经过统计，得到一个卖出的饮料杯数与当天气温的对比表： 130 128 132 150 156 热饮杯数 12 7 4 0 -5 摄氏温度(℃） 54 76 93 89 104 116 36 31 27 23 19 15 130 128 132 150 156 热饮杯数 12 7 4 0 -5 摄氏温度(℃） 54 76 93 89 104 116 36 31 27 23 19 15 （1）画出散点图； （2）从散点图中发现气温与热饮杯数之 间关系的一般规律； （3）求回归方程； （4）如果某天的气温是2℃，预测这天卖出的热饮杯数. 当x=2时，y=143.063. 小结作业 1.求样本数据的线性回归方程，可按下列步骤进行： 第一步，计算平均数 , 第二步，求和 , 第三步，计算 第四步，写出回归方程 2.回归方程被样本数据惟一确定，各样本点大致分布在回归直线附近.对同一个总体，不同的样本数据对应不同的回归直线，所以回归直线也具有随机性. 3.对于任意一组样本数据，利用上述公式都可以求得“回归方程”，如果这组数据不具有线性相关关系，即不存在回归直线，那么所得的“回归方程”是没有实际意义的.因此，对一组样本数据，应先作散点图，在具有线性相关关系的前提下再求回归方程. P94习题2.3 A组：2，3. B组：1. 作业： * *