2017年高中数学第一章统计案例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件北师大版选修1-2.pptVIP

§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 有下列说法： ①线性回归分析就是由样本点去寻找一条直线，使之贴近这些样本点的数学方法； ②利用样本点的散点图可以直观判断两个变量的关系是否可以用线性关系表示； ③通过回归方程y＝bx＋a及其回归系数b，可以估计和观测变量的取值和变化趋势； ④因为由任何一组观测值都可以求得一个线性回归方程，所以没有必要进行相关性检验． 其中正确命题是？ 提示：　①反映的正是最小二乘法思想，故正确． ②反映的是画散点图的作用，也正确． ③解释的是回归方程y＝bx＋a的作用，故也正确． ④是不正确的，在求回归方程之前必须进行相关性检验，以体现两变量的关系． 两个变量间的关系可分为确定性关系和____________关系，前者又称为____关系，后者又称为相关关系． (2)相关系数r的性质 ① r的取值范围为_________； ②|r|值越大，误差Q越小，变量之间的线性相关程度越___； ③|r|值越接近0，Q越大，变量之间的线性相关程度越___． (3)相关性的分类 ①当_____时，两个变量正相关； ②当______时，两个变量负相关； ③当______时，两个变量不相关． 回归分析法的注意事项 用回归分析方法可以预测具有相关关系的两个随机变量的取值，但需要注意以下几点： 1．回归方程只适用于我们所研究的样本的总体．如：不能用女大学生的身高和体重之间的回归方程，描述女运动员的身高和体重之间的关系．同样，不能用生长在南方多雨地区的树木的高与直径之间的回归方程，描述北方干旱地区的树木的高与直径之间的关系． 2．我们所建立的回归方程一般都有时间性．例如，不能用20世纪80年代的身高体重数据所建立的回归方程，描述现在的身高和体重之间的关系． 3．样本取值的范围限制了回归方程的适用范围．例如，我们的回归方程是由女大学生身高和体重的数据建立的，那么用它来描述一个人幼儿时期的身高和体重之间的关系是不恰当的(即在回归方程中，变量x的样本的取值范围为[155,170](单位：cm)，而用这个方程计算x＝70 cm时的y值，显然不合适)． 4．不能期望回归方程得到的值就是变量的精确值．它是变量的可能取值的平均值． 1．变量y与x之间的回归方程(　　) A．表示y与x之间的函数关系 B．表示y与x之间的不确定性关系 C．反映y与x之间真实关系的形式 D．反映y与x之间的最大限度的真实关系的形式 解析：　由最小二乘法的思想可知，回归方程能最大限度的反映y与x之间的真实关系． 答案：　D 2．工人月工资(元)依劳动生产率(千元)变化的回归方程为y＝50＋80x，下列判断正确的是(　　) A．劳动生产率为1 000元时，工资为130元 B．劳动生产率提高1 000元，则平均工资提高80元 C．劳动生产率提高1 000元，则平均工资提高130元 D．当某人的月工资为210元时，其劳动生产率为2 000元 解析：　由回归系数b的意义知，b0时，自变量和因变量按同向变化；b0时，自变量和因变量按反向变化．b＝80，可知B正确． 答案：　B 3．已知回归直线方程式为y＝2－2.5x，则x＝25时，y的估计值是________． 解析：　将x＝25代入方程y＝2－2.5×25＝－60.5. 答案：　－60.5 4．某工厂1～8月份某种产品的产量与成本的统计数据如下表： 以产量为x，成本为y. (1)画出散点图； (2)y与x是否具有线性相关关系？若有，求出其回归方程． 解析：　(1)由表画出散点图如下图． 有一位同学家里开了一个小卖部，他为了研究气温对热茶销售杯数的影响，经过统计，得到一个卖出热茶杯数与当天气温的对比表： (1)求热茶销售杯数与气温的线性回归方程； (2)预测气温为－10 ℃时热茶的销售杯数． [思路导引] 根据样本点数据画出散点图．利用散点图直观分析热茶销售杯数y与气温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并进行预测． [边听边记]　(1)所给数据的散点图如图所示． 1．下表是某两个变量的一组数据： 求两个变量x与y之间的回归直线方程． 某班5名学生的数学和物理成绩如下表： (1)求物理成绩y关于数学成绩x的相关系数； (2)求物理成绩y对数学成绩x的回归直线方程． [思路导引] 利用相关系数r判断x与y是否相关，若相关再利用线性回归模型求解． 　 通过相关系数，来分析两个变量是否相关，然后再利用回归方程的公式求解回归方程，借助回归方程对实际问题进行分析． 2．在某种产品表面进行腐蚀刻线试验，得到腐蚀深度y与腐蚀时间x的一组数据如下表所示： 用相关系数判断腐蚀深度y与时间x是否具有显著性线性相关关系？ (12