两个变量的线性相关(第二课时).ppt

两个变量的线性相关 （第二课时） 问题系列2： 请大家回顾前面统计学的内容，你能回忆我们已 经学过的数据处理方法吗？通过计算“方差”，我 们可以了解数据背后怎样的“秘密”？这些数据处 理方法，都体现了统计学怎样的特点？ 俞老师今年27岁，我们能否从现有图、表中确定他 脂肪百分比？如果不能确定的话，能否从现有的表 中，估计出他脂肪的百分比？ 为了揭示一组数据的稳定性，我们设计了方 差、标准差这种数据处理方法；在调查基础 上给出的表格，一定程度上揭示了人的年龄 与人的脂肪含量的关系，若我想在现有数据 基础上了解更多的信息，比如想估计同学们 的脂肪含量，有办法估计吗？年龄和脂肪含 量是确定的函数关系吗？ 问题：任何散点图都可以这样处理吗？下面散点图中样本点都是线性相关关系吗？为什么这个问题会想到把散点图中的点拟合成一条直线？ 问题：任何散点图都可以这样处理吗？下面散点图中样本点都是线性相关关系吗？为什么这个问题会想到把散点图中的点拟合成一条直线？ 问题：任何散点图都可以这样处理吗？下面散点图中样本点都是线性相关关系吗？为什么这个问题会想到把散点图中的点拟合成一条直线？ 1、如果所有样本点都落在某一函数曲线上， 则变量之间具有函数关系； 2、如果所有样本点都落在某一函数曲线附 近，则变量之间具有相关关系； 3、如果所有样本点都落在某一条直线附近， 则变量之间具有线性相关关系； 问题：你能自己设计出新的数据处理方法来近似的描述这两个变量相关关系的直线方程吗？ 通过比较，你觉得你的处理较好，还是其他 同学的处理较好？请利用自己求得的直线方 程，计算同桌同学表中各年龄的脂肪含量， 并与表中脂肪实际值比较，计算偏差。 问题系列1： 同学们在对各自结果的比较中，给你什么启发？ 是不是样本点确定，那么这种直线就唯一确定了？ 按照你设计的数据处理方法，给你不相关的一组数据（如上图3），能不能求出所谓的“回归直线”呢？ 问题系列2： 如果说平均数可作为单变量数据的代表，那 么回归直线与两个具有线性相关关系的变量 又有怎样的关系？ 问题系列3： 这么多设计的数据处理方案中，有 没有较好的评价标准？ 目标检测设计 1、有关线性回归的说法，不正确的是( ) A. 相关关系的两个变量不是因果关系 B. 散点图能直观地反映数据的相关程度 C. 回归直线最能代表线性相关的两个变量之间的关系 D. 任一组数据都有线性回归方程 * * 人体的脂肪百分比和年龄统计表 35 35 34 31 31 30 30 脂肪 61 60 58 57 56 54 53 年龄 28 26 28 26 21 18 9.5 脂肪 50 49 45 41 39 27 23 年龄 人体的脂肪百分比和年龄散点图 35 35 34 31 31 30 30 脂肪 61 60 58 57 56 54 53 年龄 28 26 28 26 21 18 9.5 脂肪 50 49 45 41 39 27 23 年龄 从图表中，请你直观判断人的年龄和 人的脂肪百分比含量两个变量呈什么 相关关系？ 比较两种数据的呈现方式，哪种方式能更清 楚的体现年龄与脂肪百分比的这种关系？ 利用样本估计总体 35 35 34 31 31 30 30 脂肪 61 60 58 57 56 54 53 年龄 28 26 28 26 21 18 9.5 脂肪 50 49 45 41 39 27 23 年龄 35 35 34 31 31 30 30 脂肪 61 60 58 57 56 54 53 年龄 28 26 28 26 21 18 9.5 脂肪 50 49 45 41 39 27 23 年龄 如果散点图中点的分布从整体上看大致在一条直线附近,则称着两个变量之间具有线性相关关系,这条直线叫做回归直线,这条直线方程叫做回归直线的方程(简称回归方程) 35.2 30.8 30.2 28.2 27.5 21.2 9.5 脂肪 60 57 54 50 45 39 23 年龄 问题4： 回归直线是两个线性相关变量的近似代表 回归直线是过散点最多的直线 ？ 回归直线是使上下点基本平均分布的直线 ？ 回归直线是过两个端点的直线 ？ 回归直线是经过样本中心的直线 ？ 回归直线是 -------？ 6.9 　 7.1 　 9.8 　 6.6 　 　 　 0.5 34.7 0.7 34.5 1.3 36.5 0.0 35.2 35 60 1.9 32.7 1.8 32.6 3.5 34.3 2.3 33.1 31 57 0.6 30.8 0.5 30.7 2.0 32.2 0.9 31.1 30 54 0.1 28.1 0.0 28.2 1