上传教案一.docVIP

统计案例 §1　回归分析 教学目标： 1.了解回归分析的基本思想方法． 2．了解利用样本相关系数判断两个变量是否具有线性相关关系的方法． 3．了解常见的非线性回归转化为线性回归的方法． 1．我们在《必修3》中已经学习了统计的知识，三种随机抽样方法是简单随机抽样、系统抽样和分层抽样． 2．我们还学习了用样本的频率分布估计总体分布，用样本的数字特征估计总体的数字特征． 1．线性回归方程y＝a＋bx的求法 (1)平均值的符号表示 假设样本点为(x1，y1)，(x2，y2)，…，(xn，yn)，在统计上，用表示一组数据x1，x2，…，xn的平均值，即＝＝xi；用表示一组数据y1，y2，…，yn的平均值，即＝＝yi. (2)参数a、b的求法 b＝＝＝. a＝－b. 2．相关系数 (1)相关系数r的计算 假设两个随机变量的数据分别为(x1，y1)，(x2，y2)，…，(xn，yn)，则变量间线性相关系数r＝＝ ＝. (2)相关系数r的性质 r的取值范围为[－1,1]； |r|值越大，误差Q越小，变量之间的线性相关程度越高； |r|值越接近0，误差Q越大，变量之间的线性相关程度越低． (3)相关性的分类 当r0时，两个变量正相关； 当r0时，两个变量负相关； 当r＝0时，两个变量线性不相关． 3．可线性化的回归分析 曲线 方程 曲线图形 变换 公式 变换后的 线性函数 y＝axb c＝lna v＝lnx u＝lny u＝c＋bv y＝aebx c＝lna u＝lny u＝c＋bx y＝ae c＝lna v＝ u＝lny u＝c＋bv y＝ a＋blnx v＝lnx u＝y u＝a＋bv 1．在求线性回归方程的过程中应该注意什么问题？ 提示：(1)求线性回归方程时，一般不直接代入公式计算，可以分别计算公式中的相关部分(统计量)，从而减少运算出错的可能性． (2)利用线性回归方程求出的值，大多数时候是个预报值，与真实值之间可能有差异，因为真实值还会受到其他因素的影响． 2．怎样理解相关系数？ 提示：(1)散点图能较粗略地分析和判断两个具有相关关系的变量是否是线性相关的．如果是线性相关的，我们可以求其线性回归方程；如果不是线性相关的，即使求得回归直线方程，也是无效的．散点图是直观的，但不是最确定的，因此画散点图并不能代替相关检验． (2)两个变量之间的相关关系的样本相关系数 r＝，相关系数可用于线性相关的定性检验，衡量是否线性相关以及线性相关关系的强弱． 　线性回归分析 解答线性回归问题的关键首先应先通过散点图来分析两变量间的关系是否相关，然后再利用求回归方程的公式求解回归方程． 某餐饮部为研究气温对热饮销售的影响，经过数据统计，得到热饮杯数与当天气温的对照表： 温度 －5 0 4 7 12 15 19 23 27 31 36 热饮 杯数 156 150 132 128 130 116 104 89 93 76 54 (1)画出散点图； (2)从散点图中可看出气温与热饮杯数之间关系的一般规律是什么？ (3)求线性回归方程； (4)如果某天的气温为3 ℃，预测这天卖出的热饮杯数． 【思路点拨】　根据统计所得数据对照表画出散点图作初步判断．求出线性回归方程后，再解答第(4)问． 【解】　(1)以x轴表示温度，以y轴表示热饮杯数，作散点图． (2)从图中可看出，各散点分布在左上角到右下角的区域里，气温越高，卖出去的热饮杯数越少． (3)从散点图可看出，这些点大致分布在一条直线附近，两变量呈现近似的线性关系，因此利用计算器求得下列表中数据． i xi yi x y xiyi 1 －5 156 25 24336 －780 2 0 150 0 22500 0 3 4 132 16 17424 528 4 7 128 49 16384 896 5 12 130 144 16900 1560 6 15 116 225 13456 1740 7 19 104 361 10816 1976 8 23 89 529 7921 2047 9 27 93 729 8649 2511 10 31 76 961 5776 2356 11 36 54 1296 2916 1944 合计 169 1228 4335 147078 14778 ＝≈15.36；＝≈111.636； x＝4335；y＝147078；xiyi＝14778. 所以x－112＝1739.7744， xiyi－11 ＝－4084.02， b＝＝≈－2.347， a＝－b≈147.69， 所以线性回归方程是y＝－2.347x＋147.69. (4)当x＝3时，y＝－2.347×