1.1回归分析 学案（北师大版选修1-2）.docVIP

§1 回归分析 1．1　回归分析 1．2　相关系数 1．3　可线性化的回归分析 课标解读 1.了解回归分析的思想和方法(重点)． 2．掌握相关系数的计算和判断线性相关的方法(重点)． 3．了解常见的非线性回归模型转化为线性回归模型的方法(难点). 回归分析 【问题导思】　 1．自变量取值一定时，若因变量的取值也随之确定，则这两个变量之间的关系称为什么关系？若因变量的取值具有随机性呢？ 【提示】　函数关系，相关关系． 2．类比用函数图像研究函数，具有相关关系的两个变量可用什么研究？ 【提示】　散点图． 1．回归分析 设变量y对x的线性回归方程为y＝a＋bx，由最小二乘法知系数的计算公式为： b＝＝＝，a＝－b. 2．相关系数 (1)相关系数r的计算 假设两个随机变量的数据分别为(x1，y1)，(x2，y2)，…，(xn，yn)，则变量间线性相关系数r＝＝＝. (2)相关系数r与线性相关程度的关系 r的取值范围为[－1,1]； |r|值越大，误差Q越小，变量之间的线性相关程度越高； |r|值越接近0，误差Q越大，变量之间的线性相关程度越低． (3)相关性的分类 当r0时，两个变量正相关； 当r0时，两个变量负相关； 当r＝0时，两个变量线性不相关. 求线性回归方程 　一根弹簧的长度y(单位：厘米)在不同拉力x(单位：牛顿)的作用下的数据如下表： x/牛顿 5 10 15 20 25 30 y/厘米 7.25 8.12 8.95 9.90 10.90 11.80 (1)求出该弹簧长度y对拉力x的线性回归方程； (2)预测拉力为18牛顿时的弹簧长度是多少？ 【思路探究】　根据样本点数据画出散点图．利用散点图直观分析弹簧长度y与拉力x具有线性相关关系，利用线性回归方程中参数的计算公式可得线性回归方程． 【自主解答】　(1)作出散点图如图所示： 由散点图可看出，两个变量呈现出近似的线性关系，可以建立弹簧长度y对拉力x的线性回归方程． 将已知数据列成下表：i xi yi x xiyi 1 5 7.25 25 36.25 2 10 8.12 100 81.20 3 15 8.95 225 134.25 4 20 9.90 400 198.00 5 25 10.90 625 272.50 6 30 11.80 900 354.00 ∑ 105 56.92 2 275 1 076.20 由此可得＝＝17.50，＝≈9.49，进而可求得 b＝≈0.18， a＝9.49－0.18×17.50＝6.34. 于是，y对x的线性回归方程为y＝6.34＋0.18x. (2)由线性回归方程可知当拉力为18牛顿时，弹簧长度的估计值为6.34＋0.18×18＝9.58(厘米)．  1．回归分析是定义在具有相关关系的两个变量基础上的，因此，在作回归分析时，要先判断这两个变量是否相关，利用散点图可直观地判断两个变量是否相关． 2．利用回归直线，我们可以进行预测．若回归直线方程y＝a＋bx，则x＝x0处的估计值为y0＝a＋bx0. 3．线性回归方程中的截距a和斜率b都是通过样本估计而得到的，存在着误差，这种误差可能导致预报结果的偏差，所以由线性回归方程给出的是一个预报值而非精确值． 4．回归直线必过样本点的中心点． 假定单位面积小麦基本苗数x与成熟期有效穗y是线性相关的，今测得5组数据如下：x 15.0 25.8 30.0 36.6 44.4 y 39.4 42.9 42.9 43.1 49.2 求y与x之间的线性回归方程，并对基本苗数56.7预报有效穗． 【解】　设线性回归方程为y＝a＋bx. 则＝30.36，＝43.5，2＝921.729 6， ＝1 320.66，iyi＝6 746.76，＝5 101.56. 所以b＝≈0.291，a＝－b≈34.67， 所求的线性回归方程为y＝34.67＋0.291x. 当x＝56.7时，y＝34.67＋0.291×56.7＝51.170. 估计成熟期有效穗为51.170. 相关系数的应用 　下表为某地近几年机动车辆数与交通事故数的统计资料，请判断交通事故数与机动车辆数是否有线性相关关系．机动车辆 数x/千台 95 110 112 120 129 135 150 180 交通事故 数y/千件 6.2 7.5 7.7 8.5 8.7 9.8 10.2 13.0 【思路探究】　列表计算出相关系数所需数据，代入公式即可求出相关系数r，由此判断交通事故数y与机动车辆数x是否线性相关． 【自主解答】　将数据列成下表： i xi yi x y xiyi 1 95 6.2 9 025 38.44 589.0 2 110 7.5 12 100 56.25 825.0 3