2016-2017学年北师大版选修1-2 1.1.1　回归分析 作业.docxVIP

1.1　回归分析1.2　相关系数明目标、知重点　1.会建立线性回归模型分析两个变量间的相关关系.2.能通过相关系数判断两个变量间的线性相关程度.3.掌握建立线性回归模型的步骤．1．线性回归方程在线性回归方程y＝a＋bx中，b＝＝，a＝－b.其中＝xi，＝yi.(，)称为样本点的中心，线性回归直线过样本点的中心．2．相关系数(1)相关系数r的计算公式r＝.(2)相关系数r的取值范围是[－1,1]，|r|值越大，变量之间的线性相关程度越高；|r|值越接近0，变量之间的线性相关程度越低．(3)当r0时，b0，称两个变量正相关；当r0时，b0，称两个变量负相关；当r＝0时，b＝0，称两个变量线性不相关． [情境导学]“名师出高徒”这句谚语的意思是什么？有名气的老师就一定能教出厉害的学生吗？这两者之间是否有关？探究点一　线性回归方程思考1　两个变量之间的关系分几类？答　分两类：①函数关系，②相关关系．函数关系是一种确定性关系，而相关关系是一种非确定性关系．上面所提的“名师”与“高徒”之间的关系就是相关关系．思考2　什么叫回归分析？答　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．思考3　对具有线性相关关系的两个变量进行回归分析有哪几个步骤？答　基本步骤为画散点图，求线性回归方程，用线性回归方程进行预测．例1 若从某大学中随机选取8名女大学生，其身高和体重数据如下表所示：编高/cm165165157170175165155170体重/kg4857505464614359求根据女大学生的身高预测体重的回归方程，并预测一名身高为172 cm的女大学生的体重．解　(1)画散点图选取身高为变量x，体重为变量y，画出散点图，展示两个变量之间的关系，并判断二者是否具有线性关系．由散点图可以发现，样本点呈条状分布，身高和体重有比较好的线性相关关系，因此可以用回归直线y＝bx＋a来近似刻画它们之间的关系．(2)建立回归方程由计算器可得b＝0.849，a＝－85.712.于是得到回归方程为y＝0.849x－85.712.(3)预测和决策当x＝172时，y＝0.849×172－85.712＝60.316(kg)．即预测一名身高为172 cm的女大学生的体重约为60.316 kg.反思与感悟　在使用回归方程进行预测时要注意：(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；(4)不能期望回归方程得到的预测值就是预测变量的精确值．跟踪训练1　某班5名学生的数学和物理成绩如表： 学生学科ABCDE数学成绩(x)8876736663物理成绩(y)7865716461(1)画出散点图；(2)求物理成绩y对数学成绩x的线性回归方程；(3)一名学生的数学成绩是96，试预测他的物理成绩．解　(1)散点图如图．(2)＝×(88＋76＋73＋66＋63)＝73.2.＝×(78＋65＋71＋64＋61)＝67.8.xiyi＝88×78＋76×65＋73×71＋66×64＋63×61＝25 054.x＝882＋762＋732＋662＋632＝27 174.∴b＝≈0.625.∴a＝－b＝67.8－0.625×73.2＝22.05.∴y对x的线性回归方程是y＝0.625x＋22.05.(3)当x＝96时，y＝0.625×96＋22.05≈82.所以，可以预测他的物理成绩是82.探究点二　相关系数思考1　给出n对数据，按照公式求出的线性回归方程，是否一定能反映这n对数据的变化规律？答　如果数据散点图中的点都大致分布在一条直线附近，这条直线就能反映这n对数据的变化规律，否则求出的方程没有实际意义．思考2　怎样通过相关系数刻画变量之间的线性相关关系？答　|r|值越接近1，变量之间的线性相关程度越高；|r|值越接近0，变量之间的线性相关程度越低；当r＝0时，两个变量线性不相关．例2　下面的数据是从年龄在40岁到60岁的男子中随机抽出的6个样本，分别测定了心脏的功能水平y(满分100)，以及每天花在看电视上的平均时间x(小时).看电视的平均时间x4.44.62.75.80.24.6心脏功能水平y525369578965(1)求心脏功能水平y与每天花在看电视上的平均时间x之间的样本相关系数r；(2)求心脏功能水平y与每天花在看电视上的平均时间x的线性回归方程，并讨论方程是否有意义；(3)估计平均每天看电视3小时的男子的心脏功能水平．解　n＝6，＝(4.4＋4.6＋…＋4.6)≈3.716 7，＝(52＋53＋…＋65)≈64.166 7，－62≈(4.42＋4.62＋…＋4.62)－6×3.716 72≈19.766 8，－62≈(522＋532＋…＋652)－6×64.16