2015-2016学年人教B版选修2-3 3.2 回归分析 课件（37张）.pptVIP

4．某地区不同身高的男性的体重平均值如下表： 身高x/cm 60 70 80 90 100 110 体重Y/kg 6.13 7.90 9.99 12.15 15.02 17.50 身高x/cm 120 130 140 150 160 170 体重Y/kg 20.92 26.86 31.11 38.85 47.25 55.05 (1)试建立Y与x之间的回归方程； (2)若体重超过相同身高男性体重平均值的1.2倍为偏胖，低于0.8倍为偏瘦，那么这个地区一名身高为175 cm体重为82 kg的在校男生体重是否正常？ 解：(1)根据上表中的数据画出散点图(如图所示)． 由图可看出，样本点分布在某条指数函数曲线y＝c1ec2x的周围，于是令Z＝ln Y，得下表： x 60 70 80 90 100 110 Z 1.81 2.07 2.30 2.50 2.71 2.86 x 120 130 140 150 160 170 Z 3.04 3.29 3.44 3.66 3.86 4.01 作出散点图如图所示． 1．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． 2．应用回归方程时应注意： (1)回归方程只适用于我们所研究的样本的总体； (2)我们所建立的回归方程一般都有时间性； (3)样本取值的范围会影响回归方程的适用范围，一般不能超过这个适用范围，否则，将没有实用价值； (4)不能期望回归方程得到的预报值就是预报变量的准确值，事实上，它是预报变量的可能取值的平均值． 3．建立回归模型的基本步骤如下： (1)确定研究对象． (2)画出散点图，观察它们之间的关系． (3)由经验确定好回归方程的类型． (4)按照一定的规则估计回归方程中的参数． 点击下图进入“应用创新演练” 返回 第三章 3.2 回归分析 把握热点考向 应用创新演练 考点一 考点二 理解教材新知 考点三 r具有以下性质：|r|≤1，并且r越接近1，线性相关程度越 ；|r|越接近0，线性相关程度越 ． (2)检验步骤如下： ①作统计假设：x与Y不具有线性相关关系． ②根据小概率0.05与n－2在附表中查出r的一个临界值r0.05. ③根据样本相关系数计算公式算出r的值． ④作出统计推断．如果 ，表明有95%把握认为x与Y之间具有线性相关关系． 如果 ，我们没有理由拒绝原来的假设．这时寻找回归直线方程是毫无意义的． 强 弱 |r|r0.05 |r|≤r0.05 1．判断变量之间的线性相关关系，一般用散点图，但在作图中，由于存在误差，有时很难判断这些点是否分布在一条直线的附近，从而就很难判断两个变量之间是否具有线性相关关系，此时就必须利用样本相关系数来判断． 2．|r|越接近1，它们的散点图越接近一条直线，这时用线性回归模型拟合这组数据的效果就越好． 3．样本相关系数r只能描述两个变量之间的变化方向及密切程度，不能揭示二者之间的本质联系． 4．样本相关系数r可以定量地反映出变量间的相关程度，明确的给出有无必要建立两变量间的回归方程． [例1]　某种产品的广告费用支出x与销售额Y(单位：百万元)之间有如下的对应数据： (1)画出散点图； (2)求回归直线方程； (3)试预测广告费用支出为10百万元时，销售额多大？ x/百万元 2 4 5 6 8 Y/百万元 30 40 60 50 70 [精解详析]　(1)散点图如图所示： (2)列出下表，并用科学计算器进行有关计算： i 1 2 3 4 5 合计 xi 2 4 5 6 8 25 yi 30 40 60 50 70 250 xiyi 60 160 300 300 560 1 380 x 4 16 25 36 64 145 答案：－60.5 2．在研究硝酸钠的可溶性程度时，对不同的温度观测它在 水中的溶解度，得观测结果如下表： 由此得到回归直线的斜率是0.880 9，则线性回归方程为________． 温度(x) 0 10 20 50 70 溶解度(y) 66.7 76.0 85.0 112.3 128.0 [例2]　炼钢是一个氧化降碳的过程，钢水含碳量的多少直接影响冶炼时间的长短，必须掌