两个变量的相关性.ppt

1.7 两个变量的相关性 . 思考: 在学校里,老师经常对学生说”如果你的数学成绩好,那么你的物理成绩就没有什么大问题.” 按照这种说法,似乎学生的物理成绩与数学成绩之间存在着一定的相关关系.这种说法有根据吗? 相关关系—两个变量的关系可能是确定的也可能是不确定的,当自变量取值一定,因变量的取值带有一定的随机性时,两个变量之间的关系称为相关关系.(非确定性关系) 函数关系---函数关系指的是自变量和因变量之间的关系是相互唯一确定的. 探究下面变量间的关系: 1.球的体积与该球的半径; 2.粮食的产量与施肥量; 3.小麦的亩产量与光照; 4.匀速行驶车辆的行驶距离与时间; 5.角α与它的正切值 探究： . 年龄 脂肪 23 9.5 27 17.8 39 21.2 41 25.9 45 49 27.5 26.3 50 28.2 53 29.6 54 30.2 56 31.4 57 30.8 年龄 脂肪 58 33.5 60 35.2 61 34.6 如上的一组数据，你能分析人体的脂肪含量与年龄 之间有怎样的关系吗？ 从上表发现，对某个人不一定有此规律，但对很多个体放在一起，就体现出“人体脂肪随年龄增长而增加”这一规律.而表中各年龄对应的脂肪数是这个年龄 人群的样本平均数.我们也可以对它们作统计图、表，对这两个变量有一个直观上的印象和判断. 下面我们以年龄为横轴， 脂肪含量为纵轴建立直 角坐标系，作出各个点， 称该图为散点图。 如图： O 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 5 10 15 20 25 30 35 40 从刚才的散点图发现：年龄越大，体内脂肪含量越高，点的位置散布在从左下角到右上角的区域。称它们成正相关。但有的两个变量的相关，如下图所示： 如高原含氧量与海拔高度 的相关关系，海平面以上， 海拔高度越高，含氧量越 少。 作出散点图发现，它们散 布在从左上角到右下角的区 域内。又如汽车的载重和汽 车每消耗1升汽油所行使的 平均路程，称它们成负相关. O 我们再观察它的图像发现这些点大致分布在一条直线附 近,像这样，如果散点图中点的分布从整体上看大致在一条直线附近，我们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，该直线方程叫回归直线的方程（简称回归方程）。 那么，我们该怎样来求出这个回归方程？ 请同学们展开讨论，能得出哪些具体的方案？ 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 . .方案1、先画出一条直线，测量出各点与它的距离，再移动直线，到达一个使距离的 和最小时，测出它的斜率和截距，得回归 方程。 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 如图 ： . 方案2、在图中选两点作直线，使直线两侧 的点的个数基本相同。 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 方案3、如果多取几对点，确定多条直线，再求出 这些直线的斜率和截距的平均值作为回归 直线的斜率和截距。而得回归方程。 如图 我们还可以找到 更多的方法，但 这些方法都可行 吗?科学吗？ 准确吗？怎样的 方法是最好的？ 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 我们把由一个变量的变化 去推测另一个变量的方法 称为回归方法。 我们上面给出的几种方案可靠性都不是很强，人们经过长期的实践与研究，已经找到了计算回归方程的斜率与截距的一般公式: 以上公式的推导较复杂，故不作推导，但它的原理较为简单：即各点到该直线的距离的平方和最小，这一方法叫最小二乘法。（参看如书P80） 例1.已知两个变量x和y具有线性相关关系,且5次试验的观测数据如下: 那么变量y关于x的回归方程是______ 解:列表(设回归方程为y=bx+a) 计算得:x=140 y=65.6 步骤: 1.列表( ) 2.计算: 3.代入公式求a,b 4.列出直线方程 练习：书P86A组1、3 作业：P86A组2 * *