2017年高中数学 第一章 统计案例 1.2 回归分析课堂探究 新人教B版选修1-2.docVIP

高中数学 第一章 统计案例 1.2 回归分析课堂探究 新人教B版选修1-2 探究一求回归直线方程 在进行线性回归分析时，若给出一组数据，一般要画出散点图或求出两个变量的相关系r数，确定二者之间是否具有线性相关关系；若已具备线性相关关系，则利用公式求出 和 ，再写出回归直线方程；最后一般要根据得出的回归直线方程进行预测或控制． 【典型例题1】 某地最近十年粮食需求量逐年上升，下表是部分统计数据：年份 2004 2006 2008 2010 2012 需求量/万吨 236 246 257 276 286 (1)利用所给数据求年需求量与年份之间的回归直线方程＝x＋； (2)利用(1)中所求出的直线方程预测该地2014年的粮食需求量． 思路分析：(1)利用公式 ＝， ＝－ 来计算回归系数． (2)获得回归直线方程后，取x＝2 014代入，即得所求． 解：(1)由所给数据看出，年需求量与年份之间是近似直线上升，下面来配回归直线方程．为此对数据预处理如下：年份－2008 －4 －2 0 2 4 需求量－257 －21 －11 0 19 29 对预处理后的数据，容易算得＝0，＝3.2， ＝ ＝＝6.5，＝－＝3.2. 由上述计算结果，知所求回归直线方程为 －257＝b(x－2 008)＋a＝6.5(x－2 008)＋3.2. 即＝6.5(x－2 008)＋260.2.① (2)利用直线方程①，可预测2014年的粮食需求量为 6．5×(2 014－2 008)＋260.2 ＝6.5×6＋260.2＝299.2(万吨)． 点评知道y与x具有线性相关关系，就无须进行相关性检验，否则，应首先进行相关性检验．如果本身两个变量不具有相关关系，或者说，它们之间相关关系不显著，即使求出回归方程也是毫无意义的，而且用其进行的预测也是不可信的． 探究二相关性检验与回归分析的综合运用 若给出一组数据，不明确变量x与y的相关性，要采用散点图或利用相关系数r来进行判断；若无线性相关关系，则没有求回归直线方程的必要；若具有线性相关关系，则如同探究一进行运算． 【典型例题2】 为了考察两个变量y与x的线性相关性，测得x，y的13对数据，若y与x具有线性相关关系，则相关系数|r|的取值范围是__________． 解析：查表得显著性水平0.05，自由度13－2＝11相应的相关系数临界值r0.05＝0.553.所以y与x若具有线性相关关系，则相关系数|r|的取值范围是(0.553,1]． 答案：(0.553,1] 【典型例题3】 要分析学生高一入学时的数学成绩对高一年级数学学习有什么影响，在高一年级学生中随机抽取10名学生，分析他们高一入学的数学成绩(x)和高一期末考试数学成绩(y)(如下表)：编号 1 2 3 4 5 6 7 8 9 10 x 63 67 45 88 81 71 52 99 58 76 y 65 78 52 82 92 89 73 98 56 75 (1)画出散点图； (2)计算高一入学数学成绩(x)与高一期末考试数学成绩(y)的相关系数； (3)对变量x与y进行相关性检验，如果x与y之间具有线性相关关系，求出y对x的线性回归方程； (4)若某学生高一入学数学成绩为80分，试估计他高一期末考试数学成绩． 思路分析：(1)建立坐标系描点即可．(2)借助于散点图可大致判定两变量间的相关性，用相关系数公式可准确判定两变量间的相关程度．(3)先作统计假设，由小概率0.05与n－2在附表中查得相关系数的临界值r0.05，若|r|＞r0.05，则两变量线性相关，否则两变量不具有线性相关性．若两变量相关，利用公式求出线性回归方程．(4)直接利用线性回归方程预测． 解：(1)高一入学数学成绩(x)与高一期末考试数学成绩(y)两组变量的散点图如图，从散点图看，这两个变量间具有线性相关关系． (2)因为＝(63＋67＋…＋76)＝70， ＝(65＋78＋…＋75)＝76， ∑(xi－)(yi－)＝1 894，∑(xi－)2＝2 474， ∑(yi－)2＝2 056， 因此求得相关系数为： r＝＝0.839 786. 结果说明这两组数据的相关程度是比较高的． (3)查表求得显著性水平0.05和自由度10－2＝8的相关系数临界值r0.05＝0.632，因|r|＞r0.05，这说明高一入学数学成绩与高一期末考试数学成绩之间存在线性相关关系． 设线性回归方程为 ＝ ＋ x，在两组变量具有显著的线性相关关系的情况下，求得 ＝0.765 56， ＝－ ＝22.410 8. 因此所求的线性回归方程是 ＝22.410 8＋0.765 56x. (4)若某学生高一入学数学成绩为80分，代入上式可求得， ≈84分，即这个学生高一期末考试数学成绩的预测值为84分． 点评对于题目