高中数学学习资料-2.3 变量的相关性.docVIP

变量的相关性 学习目的 1、明确两个变量具有相关关系的意义； 2、知道回归分析的意义； 3、知道回归直线、回归直线方程、线性回归分析的意义； 4、掌握对两个变量进行线性回归的方法和步骤，并能借助科学计算器确定实际问题中两个变量间的回归直线方程； 5、培养学生形成运用数据进行推断的能力； 6、让学生体会从特殊到一般的辩证思想方法。 重点难点 重点是变量间的相互关系和两个变量的线性相关；难点是最小二乘法和回归直线的定义,学会用最小二乘法解决两个变量线性相关的方法。 重难点分析 变量相关关系的概念：自变量取值一定时，因变量的取值带有一定的随机性，则两个变量之间的关系叫做变量相关关系。 对变量相关关系的理解应当注意以下几点： 一、变量相关关系与函数关系不同。 因为函数关系是一种非常确定的关系，而相关关系是一种非确定性关系，即变量相关关系是非随机变量与随机变量之间的关系。而函数关系可以看成是两个非随机变量之间的关系。因此，不能把相关关系等同于函数关系。 二、函数关系是一种因果关系，而变量相关关系不一定是因果关系，也可能是伴随关系。例如，有人发现，对于在校儿童鞋的大小与阅读能力有很强的相关关系。然而，学会新词并不能使脚变大，而是涉及到第三个因素——年龄。当儿童长大一些，他们的阅读能力会提高而且由于长大脚也变大。 三、是在现实生活中存在着大量的相关关系，如何判断和描述相关关系，统计学发挥着非常重要的作用。变量之间的相关关系带有不确定性，这需要通过收集大量的数据，对数据进行统计分析，发现规律，才能作出科学的判断。 对具有相关关系的两个变量进行统计分析的方法叫回归分析。 例如，施化肥量对水稻产量影响的试验数据： 观察表中数据，大体上随着施化肥量的增加，水稻的产量也在增加。只是表中两者之间的关系表现的不是很真切，需要对数据进行分析.我们可以作统计图表，以便对两者有一个直观的印象和判断。散点图是研究相关关系最常用的一种统计图。 我们把表示具有相关关系的两个变量的一组数据的图形，叫做散点图。上例的散点图下如图。 从散点图可以看出两变量的确存在一定关系，可见散点图能形象地反映各对数据的密切程度 从散点图可以看出因变量随自变量的增大而增大，图中的点分布在左下角到右上角的区域，这种相关关系称作正相关。若因变量随自变量的增大而减小则称作负相关，负相关的散点图中的点分布在左上角到右下角的区域。 进一步观察，发现图中的点分布在一条直线附近，这说明这一正相关可以用这一直线来逼近。如图： 如果散点图中的点的分布从整体上看大致在一条直线附近，就称这两变量之间具有线性相关关系。这条直线叫做这两个变量的回归直线，回归直线的方程叫做回归方程。上例的回归直线方程是=4.75x+256.79。如何求回归直线方程呢？ 一、求回归直线方程的思想方法 观察散点图的特征，发现各点大致分布在一条直线的附近。类似图中的直线可画出不止一条。那么，其中的哪一条直线最能代表变量x与y之间的关系呢？引导学生分析，最能代表变量x与y之间关系的直线的特征即直线与n个点的偏差的平方和最小，其过程简要分析如下： 设所求的直线方程为=bx+a，其中a、b是待定系数。 则i=bxi+a（i=1，2，…，n）。于是得到各个偏差 yi－i=yi－（bxi+a）（i=1，2，…，n）。 显见，偏差yi－i的符号有正有负，若将它们相加会造成相互抵消，所以它们的和不能代表几个点与相应直线在整体上的接近程度，故采用n个偏差的平方和Q=（y1-bx1-a）2+（y2-bx2-a）2+…+（yn-bxn-a）2表示n个点与相应直线在整体上的接近程度。 记Q= 上述式子展开后，是一个关于a、b的二次多项式，应用配方法，可求出使Q为最小值时的a、b的值，即 其中， 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最小二乘法。 二、回归直线方程的求法 1、利用计算机求回归方程（Excel软件）：在Excel的工作表中添加“图表”得到散点图后，用鼠标选中散点，单击鼠标右键，单击“添加趋势线”，在出现的对话框中单击类型标签，选择“线型（L）”，单击“选项”标签，选中“显示公式”单选框，最后点击“确定”即可。如上例可得下图 2、利用科学计算器求回归方程：大多科学计算器都有回归计算（REG模式），但不同的计算器参数可能不同，这里不作详细介绍，一般在输入数据后按相应按键可直接得到a和b，这样就可以写出回归方程=bx+a，非常简便，使用前一定要看好计算器的使用说明书。 求相关变量的回归直线的意义：回归直线方程在现实生活与生产中有广泛的应用.应用回归直线方程可以把非确定性问题转化成确定性问题，把“无序”变为“有序”，并对情况进行估测、补充。因此，学过回归直线方程以后，应能积极应用回归直线方程解决一些相关的实际问题，去进一步体会回归直线