2015-2016学年苏教版选修2-3 3.2 回归分析 课件（42张）.ppt

【题后反思】 对非线性回归问题，若给出经验公式，采用变量代换把问题转化为线性回归问题．若没有经验公式，需结合散点图挑选拟合得最好的函数． 【变式3】 在试验中得到变量y与x的数据如下表： x 0.066 7 0.038 8 0.033 3 0.027 3 0.022 5 y 39.4 42.9 41.0 43.1 49.2 误区警示　扩大回归方程的使用范围而致错 【示例】 某商店经营一批进价为每件4元的商品，店主发现此商品的销售单价x(元)与日销售量y(件)之间有如下关系： (1)试判断x与y是否具有线性相关关系，若具有，求出回归直线方程； (2)估计旁边某国大365超市中，定价为9元的同种商品的日均销售量． x 5 6 7 8 y 10 8 7 3 因为本题的回归方程是建立在“某商店”经营过程中提取的数据上的，该方程仅对“该商店”有用，对该店附近的超市或是其他商店都没有任何意义，所以不能估计． [正解] (1)同上 (2)不能用所求线性回归方程估计该店附近的超市中，定价为9元的同种商品的日均销量．这是因为求线性回归方程时提取的数据与超市有关． 回归方程只适用于所研究样本的总体，不能扩大其使用的范围． 课堂讲练互动 课前探究学习 3．2　回归分析 【课标要求】 1．掌握建立线性回归模型的步骤． 2．了解回归分析的基本思想和初步应用． 【核心扫描】 1．利用回归直线方程进行回归分析．(重点) 2．求回归直线方程，进行相关性检验．(难点) 随机误差 2．相关系数r的性质 (1)|r|≤1； (2)|r|越接近于1，x，y的线性相关程度越强； (3)|r|越接近于0，x，y的线性相关程度越弱． 3．显著性检验 (1)提出统计假设H0：变量x，y ； (2)如果以95%的把握作出判断，可以根据1－0.95＝0.05与n－2在附录2中查出一个r的 (其中1－0.95＝0.05称为 )； (3)计算 ； 不具有线性相关关系 临界值r0.05 检验水平 相关系数r (4)作出统计推断：若 ，则否定H0，表明有 的把握认为x与y之间具有 ；若 ，则没有理由拒绝原来的假设H0，即就目前数据而言，没有充分理由认为x与y之间有 ． |r|＞r0.05 95% 线性相关关系 |r|≤r0.05 线性相关关系 想一想　由回归直线方程得到的变量的值是真实值吗？ 提示　不是，是估计值． 名师点睛 1．相关系数r r的大小与两个变量之间线性相关程度的强弱关系： (1)当r＞0时，表明两个变量正相关；当r＜0时，表明两个变量负相关．当r＝1时，两个变量完全正相关；当r＝－1时，两个变量完全负相关． (2)|r|≤1，并且|r|越接近1，表明两个变量的线性相关程度越强，它们的散点图越接近于一条直线，这时用线性回归模型拟合这组数据的效果就越好；|r|越接近0，表明两个变量的线性相关程度越弱，通常当|r|＞0.75时，认为两个变量有很强的线性相关程度．此时建立的回归模型是有意义的． 2．回归分析 用回归分析可以预测具有相关关系的两个随机变量的取值．但要注意： ①回归方程只适用于我们所研究的样本的总体． ②我们建立的回归方程一般都有时间性． ③样本取值的范围影响了回归方程的适用范围． ④回归方程得到预报值不是变量的精确值，是变量可能取值的平均值． 题型一　线性相关的判断 【例1】 某校高三(1)班的学生每周用于数学学习的时间x(单位：h)与数学平均成绩y(单位：分)之间有表格所示的数据. x 24 15 23 19 16 11 20 16 17 13 y 92 79 97 89 64 47 83 68 71 59 (1)画出散点图． (2)作相关性检验． (3)若某同学每周用于数学学习的时间为18 h，试预测其数学成绩． [思路探索] 属于线性相关性的判断问题． 解　(1)根据表中的数据，画散点图，如图． 从散点图看，数学成绩与学习时间线性相关． 规律方法　判断变量的相关性通常有两种方式：一是散点图；二是相关系数r.前者只能粗略的说明变量间具有相关性，而后者从定量的角度分析变量相关性的强弱． 【变式1】 暑期社会实践中，小闲所在的小组调查了某地家庭人口数x与每天对生活必需