18统计案例解析.doc

统计案例 一、一周知识概述 　　统计案例是在概率统计内容的基础上，通过典型案例进一步介绍回归分析的基本思想、方法及其初步应用；通过典型案例介绍独立性检验的基本思想、方法及其初步应用，使同学们认识统计方法在决策中的应用．回归分析的部分内容在必修3中已出现过，在此基础上，本章通过典型案例“女大学生身高和体重的关系”进一步讨论一元线性回归模型，分析产生模型中随机误差项的原因．还介绍了一元线性回归模型的残差平方和分解的思想．在独立性检验中，如何结合例题介绍独立性检验的思想是重点内容． 二、重难点知识归纳 1．回归分析的基本思想及其初步应用 　　(1)回归分析：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． 　　(2)线性回归模型与一次函数的区别 　　线性回归模型方程为y=bx＋a＋e，e称为随机误差（或为残差变量），在实际问题中，线性回归模型适用的范围要比一次函数大得多．当残差变量恒等于０时，线性回归模型就变为一次函数模型．因此一次函数模型是线性回归模型的特殊形式，线性回归模型是一次函数模型的一般形式． 　　(3)总偏差平方和、残差平方和、回归平方和 　　偏差平方和分解公式：． 　　其中称为总偏差平方和，称为回归平方和，称为残差平方和． 　　偏差平方和分解公式也可以表示为： 　　总的偏差平方和＝回归平方和＋残差平方和． 　　相关指数公式：，又可表示为． 　　(4)残差分析 　　利用残差图进行残差分析的具体步骤如下： 　　计算每组观测数据的残差，即残差等于观测值减预测值． 　　画残差图．残差图的纵坐标为残差，横坐标通常可以是观测样本的编号、自变量x、或因变量的预测值等，残差图是一种散点图． 　　分析残差图． 　　找异常值．根据计算的残差值和残差图，观察是否存在残差特别大的点，即远离横坐标轴的点，如果存在远离坐标轴的点，就要研究它出现的原因，如是否在数据收集和录入中发生了错误，如果有错误，改正后重新建立回归模型． 2．独立性检验的基本思想及其初步应用 　　(1)分类变量与定量变量 　　分类变量：也称为属性变量或定性变量，它们的取值一定是离散的，而且不同的取值仅表示个体所属的类别． 　　定量变量：定量变量的取值一定是实数，它们的取值大小有特定的含义，不同取值之间的运算也有特定的含义． 　　(2)列联表 　　列联表一般为两个以上分类变量的汇总统计表，书中仅限于研究两个分类变量的列联表，并且每个分类变量只取两个值，这样的列联表称为2×2的列联表． 　　(3)应用假设检验方法解决实际问题 　　把假设检验的基本思想具体化到独立性检验中，就可以通过随机变量把两个分类变量独立性检验的基本思想表述为：当很大时，就认为所涉及的两个分类变量有关系；否则，就认为没有充分的证据显示这两个变量有关系． 三、典型例题剖析 例1．一位母亲记录了儿子3～9岁的身高，数据如下表．由此建立的身高与年龄的回归模型为．用这个模型预测这个孩子10岁时的身高，则正确的叙述是（　） 年龄／岁 3 4 5 6 7 8 9 身高／cm 94.8 104.2 108.7 117.8 124.3 130.8 139.0 A．身高一定是145.83 cm B．身高在145.83 cm以上 C．身高在145.83 cm左右 D．身高在145.83 cm以下 [解析] 例2．若有一组数据的总偏差平方和为120，相关指数为0.6，则回归平方和为（　） A．60　　　　　　　　　　　B．72 C．48　　　　　　　　　　　D．120 [解析] 例3．若一组观测值（x1,y1）（x2,y2）…（xn,yn）之间满足yi=bxi+a+ei (i=1,2,…,n),若ei恒为0，则R2为__________. [解析] 例4．某厂为了研究生产率与废品率之间的关系，记录了7天的数据，试根据以下数据建立废品率与生产率的回归模型． 生产率／个·周－1 1000 2000 3000 3500 4000 4500 5000 废品率/% 5.2 6.5 6.8 8.1 10.2 10.3 13 [解析] 例5．在对人们的休闲方式的一次调查中，共调查了124人，其中女性70人，男性54人．女性中有43人主要的休闲方式是看电视，另外27人主要的休闲方式是运动；男性中有21人主要的休闲方式是看电视，另外33人主要休闲方式是运动． 　　(1)根据以上数据建立一个2×2的列联表； (2)判断性别与休闲方式是否有关系．，则可得残差平方和＝48， 　　又总的偏差平方和＝回归平方和＋残差平方和， 　　故可得回归平方和＝120－48=72． 　　故选Ｂ. 例三　　解析：ei恒为0，则说明残差变量为0， 　　那么有残差平方和为0， 　　则有＝1． 例四解析：用y表示废品率，用x表示生产率 　　那么废品率和生产率的关系可以用