量的相关性、回归分析、独立性检验1.pptVIP

(2)从图形上看,曲线 = 比直线 =24+2.5x更能表现这组数据间的关系. (3)用直线 =24+2.5x近似数据时，误差绝对值的和为27.5，用曲线 = 时，误差绝对值的和为12.5，比前者小得多. 由散点图可比较直观地看出更能表现所给数据的关系的曲线，再通过比较误差绝对值之和的大小，则显得更有说服力. * 1.计算回归直线方程中的参数a、b时应分层进行，避免因计算错误而产生误差. 2.求线性回归方程之前，应对数据进行线性相关分析. 3.回归分析的关键是根据散点图选择函数模型，用相关系数判定哪种模型更好. 4.独立性检验不能用比例余数来判定，a、b、c、d成比例扩大，K2的值是不同的，正确列出2×2列联表是解题的关键步骤. * 学例1 (2009·辽宁卷)某企业有两个分厂生产某种零件，按规定内径尺寸（单位：mm）的值落在［29.94，30.06）的零件为优质品.从两个分厂生产的零件中各抽出了500件，量其内径尺寸，得结果如下表： * 甲厂： 乙厂： 分组 频数 [29.86,29.90) 12 [29.90,29.94) 63 [29.94,29.98) 86 [29.98,30.02) 182 [30.02,30.06) 92 [30.06,30.10) 61 [30.10,30.14) 4 分组 频数 ［29.86,29.90) 29 ［29.90,29.94) 71 ［29.94,29.98) 85 ［29.98,30.02) 159 ［30.02,30.06) 76 ［30.06,30.10) 62 ［30.10,30.14) 18 * (1)试分别估计两个分厂生产的零件的优质品率; (2)由以上统计数据填下面2×2列联表，并分析是否有99%的把握认为“两个分厂生产的零件的质量有差异”. 甲厂 乙厂 合计 优质品 非优质品 合计 * P(K2≥k) 0.05 0.01 k 3.841 6.635 附：K2= , * （1）甲厂抽查的产品中有360件优质品，从而甲厂生产的零件的优质品率估计为 =72%；乙厂抽查的产品中有320件优质品，从而乙厂生产的零件的优质品率估计为 =64%. * (2) 2×2列联表如下： K2= ≈7.356.635, 所以有99%的把握认为“两个分厂生产的零件的质量有差异”. 甲厂 乙厂 合计 优质品 360 320 680 非优质品 140 180 320 合计 500 500 1000 * 变量的相关性、回归分析、独立性检验 * 1.两个变量间的相关关系 如果两个变量之间确实存在关系,但又没有函数关系所具有的确定性,它们的关系带有随机性,则称这两个变量具有① . 有相关关系的两个变量,若一个变量的值由小到大时,另一个变量的值也是由小到大，这种相关称为② ；反之，一个变量的值由小到大，另一个变量的值由大到小，这种相关称为③ . 相关关系 正相关 负相关 * 2.散点图 在平面直角坐标系中描点,得到关于两个变量的一组数据的图形,这样的图形叫做④ . 散点图 0 10 20 30 40 50 60 70 150 155 160 165 170 175 180 体重/kg 身高/cm * 如果散点图中，相应于具有相关关系的两个变量所有观察值的数据点，分布在一条直线附近，则称这两个变量具有⑤ ,这条直线叫做⑥ ,方程为 =bx+a, 其中b= = , a= - b. 线性相关关系 回归直线 3.回归直线方程 0 10 20 30 40 50 60 70 150 155 160 165 170 175 180 体重/kg 身高/cm * * 不患肺癌 患肺癌 总计 不吸烟 a b a+b 吸烟 c d c+d 总计 a+c b+d a+b+c+d (2)统计中有一个非常有用的统计量K2（卡方） 5.独立性检验 P(K2≥k) 0.05 0.01 k 3.841 6.635 * 题型一 变量的相关性 例1