2015-2016学年高中数学第一章统计案例章末课时作业新人教A版选修1-2.doc

第一章 统计案例 章末课时作业 新人教A版选修1-2 题型一　回归分析思想的应用 回归分析是对抽取的样本进行分析，确定两个变量的相关关系，并用一个变量的变化去推测另一个变量的变化．如果两个变量非线性相关，我们可以通过对变量进行变换，转化为线性相关问题． 例 1 一个车间为了规定工时定额，需确定加工零件所花费的时间，为此进行了10次试验，测得的数据如下表： 零件数x/个 10 20 30 40 50 60 70 80 90 100 加工时间y/min 62 72 75 81 85 95 103 108 112 127 (1)画出散点图，并初步判断是否线性相关； (2)若线性相关，求线性回归方程； (3)求出相关指数； (4)作出残差图； (5)进行残差分析； (6)试制订加工200个零件的用时规定． 解　(1)散点图，如图所示． 由图可知，x，y线性相关． (2)x与y的关系可以用线性回归模型来拟合，不妨设回归模型为 ＝ ＋ 序号 零件个数xi/个 加工时间yi/min xiyi x 1 10 62 620 100 2 20 72 1 440 400 3 30 75 2 250 900 4 40 81 3 240 1 600 5 50 85 4 250 2 500 6 60 95 5 700 3 600 7 70 103 7 210 4 900 8 80 108 8 640 6 400 9 90 112 10 080 8 100 10 100 127 12 700 10 000 ∑ 550 920 56 130 38 500 ∵＝55，＝92， ∴ ＝＝ ＝≈0.670， ＝－ ＝92－×55＝≈55.133， 故线性回归方程为 ＝0.670x＋55.133. (3)利用所求回归方程求出下列数据： i 61.833 68.533 75.233 81.933 88.633 yi－ i 0.167 3.467 －0.233 －0.933 －3.633 yi－ －30 －20 －17 －11 －7 i 95.333 102.033 108.733 115.433 122.133 yi－ i －0.333 0.967 －0.733 －3.433 4.867 yi－ 3 11 16 20 35 ∴R2＝1－≈0.983. (4)∵ i＝yi－ i，利用上表中数据作出残差图，如图所示． (5)由散点图可以看出x与y有很强的线性相关性，由R2的值可以看出回归效果很好． 由残差图也可观察到，第2,5,9,10个样本点的残差比较大，需要确认在采集这些样本点的过程中是否有人为的错误． (6)将x＝200代入回归方程，得 ≈189， 所以可以制订189 min加工200个零件的规定． 反思与感悟　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，其步骤是先画出散点图，并对样本点进行相关性检验，在此基础上选择适合的函数模型去拟合样本数据，从而建立较好的回归方程，并用该方程对变量值进行分析；有时回归模型可能会有多种选择(如非线性回归模型)，此时可通过残差分析或利用相关指数R2来检验模型的拟合效果，从而得到最佳模型． 跟踪训练1　在一段时间内，某种商品的价格x元和需求量y件之间的一组数据为： x(元) 14 16 18 20 22 y(件) 12 10 7 5 3 且知x与y具有线性相关关系，求出y对x的线性回归方程，并说明拟合效果的好坏． 解　＝×(14＋16＋18＋20＋22)＝18， ＝×(12＋10＋7＋5＋3)＝7.4， x＝142＋162＋182＋202＋222＝1 660， xiyi＝14×12＋16×10＋18×7＋20×5＋22×3＝620， ∴ ＝＝＝ ＝－1.15. ∴ ＝7.4＋1.15×18＝28.1， ∴线性回归方程为 ＝－1.15x＋28.1. 列出残差表为： yi－ i 0 0.3 －0.4 －0.1 0.2 yi－ 4.6 2.6 －0.4 －2.4 －4.4 ∴ (yi－ i)2＝0.3， (yi－)2＝53.2， R2＝1－≈0.994. 故R2≈0.994说明拟合效果较好． 题型二　独立性检验思想的应用 独立性检验的基本思想是统计中的假设检验思想，类似于数学中的反证法，要确认两个分类变量有关系这一结论成立的可信程度，首先假设该结论不成立，即假设“两个分类变量没有关系”成立，在该假设下我们构造的随机变量K2应该很小，如果由观测数据计算得到的K2的观测值很大，则在一定程度上说明假设不合理． 例 为了比较注射A，B两种药物后产生的皮肤疱疹的面积，选200只家兔做试验，将这200只家兔随机地分成两组，每组100只，其中一组注射药物