2015创新设计(高中理科数学)第3讲变量间的相关关系、统计案例.pptVIP

结束放映 第*页 获取详细资料请浏览：/chuangxin/cx_index.html 返回概要 探究一 两个变量间的相关 关系 探究二 线性回归方程及其 应用 探究三 独立性检验 训练1 例1 训练2 例2 训练3 例3 知识与方法回顾 技能与规律探究 经典题目再现 辨析感悟 知识梳理 1．两个变量的线性相关 一条直线 2．回归方程 3．回归分析 4．独立性检验 1．对变量间的相关关系的认识 2．对回归直线方程的理解 3．对独立性检验的认识 三个提醒 一个区别 两个变量间的相关关系 考点 解析 规律方法 解析 考点 递减趋势 递增趋势 两个变量间的相关关系 线性回归方程及其应用 考点 审题路线 解（1） 规律方法 线性回归方程及其应用 独立性检验 解析 考点 独立性检验 考点 规律方法 4 8 12 16 2 18 20 10 30 十位 个位 个位 饮食指数 结束放映 第*页 获取详细资料请浏览：/chuangxin/cx_index.html 返回概要 * * (1)正相关 在散点图中，点散布在从左下角到右上角的区域，对于两个变量的这种相关关系，我们将它称为正相关． (2)负相关 在散点图中，点散布在从左上角到右下角的区域，两个变量的这种相关关系称为负相关． (3)线性相关关系、回归直线 如果散点图中点的分布从整体上看大致在附近，就称这两个变量之间具有线性相关关系，这条直线叫做回归直线． 正相关 (，) (1)最小二乘法 求回归直线，使得样本数据的点到它的距离的平方和最小的方法叫做最小二乘法． (2)回归方程 方程＝x＋是两个具有线性相关关系的变量的一组数据(x1，y1)，(x2，y2)，…，(xn，yn)的回归方程，其中，是待定参数． 由于变量y的值随x值的增加而增加( ＝0.30)， 房屋面积x/m2 115 110 80 135 105 销售价格y/万元 24.8 21.6 18.4 29.2 22 (2014·南昌模拟)以下是某地搜集到的新房屋的销售价格y和房屋的面积x的数据.(1)求线性回归方程； (2)据(1)的结果估计当房屋面积为150 m2时的销售价格． 3．根据K2的值可以判断两个分类变量有关的可信程度．(1)定义：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)样本点的中心 对于一组具有线性相关关系的数据(x1，y1)，(x2，y2)，…，(xn，yn)中称为样本点的中心． (3)相关系数 当r＞0时，表明两个变量； 当r＜0时，表明两个变量． r的绝对值越接近于1，表明两个变量的线性相关性r的绝对值越接近于0，表明两个变量之间几乎不存在线性相关关系．通常|r|大于时，认为两个变量有很强的线性相关性． 二是根据回归方程进行预报，仅是一个预报值，而不是真实发生的值．如(6)中的④错． 负相关 越强． iyi－n ＝184－10×8×2＝24. 由此得 ＝＝＝0.3， ＝－ ＝2－0.3×8＝－0.4， (1)设出游泳组各年龄段人数占的比例，利用和登山组的比例关系，建立在总单位所占的比例关系，解方程组求得结果． 故所求回归方程为 ＝0.3x－0.4. 0.75 (1)分类变量：变量的不同“值”表示个体所属的不同类别，像这类变量称为分类变量． y1 y2 总计 x1 a b a＋b x2 c d c＋d 总计 a＋c b＋d a＋b＋c＋d (2)列联表：列出两个分类变量的频数表，称为列联表．假设有两个分类变量X和Y，它们的可能取值分别为{x1，x2}和{y1，y2}，其样本频数列联表(称为2×2列联表)为： 构造一个随机变量K2＝，其中n＝a＋b＋c＋d为样本容量． (3)独立性检验 利用随机变量K2来判断“两个分类变量有关系”的方法称为独立性检验． 一是回归分析是对具有相关关系的两个变量进行统计分析的方法，只有在散点图大致呈线性时，求出的线性回归方程才有实际意义，否则，求出的线性回归方程毫无意义．如(5)错． (1)(2014·武汉调研改编)①A项：正方体的棱长与体积是相关关系．() ②B项：日照时间与水稻的亩产量是相关关系．() (2)(教材思考问题改编)相关关系与函数关系都是一种确定性的关系，也是一种因果关系．() (3)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去表示．() (1)设登山组人数为x，游泳组中青年人、中年人、老年人各占比例分别为a、b、c， ∴①④一定不正确． 答案　D (4)通过回归方程＝x＋可以估计和观测变量的取值和变化趋势．() (5)任何一组数据都对应着一个回归直线方程．() (6)(2012·湖南卷改编)设某大学的女生体重y(单位：kg)与身高x(单