高中数学-第三章-统计案例章末复习学案-新人教A版选修2-3.docVIP

第三章 统计案例 一、两个基本 1．回归分析的基本思想 回归分析包括线性回归分析和非线性回归分析两种而非线性回归分析往往可以通过变量代换转化为线性回归分析因此回归分析的思想主要是指线性回归分析的思想． 注意理解以下几点： (1)确定线性相关关系 线性相关关系有两层含义：一是具有相关关系如广告费用与销售量的关系等在一定条件下具有相关关系而气球的体积与半径的关系是函数关系而不是相关关系；二是具有线性相关关系． 判断是否线性相关的依据是观察样本点的散点图． (2)引起预报误差的因素 对于线y＝＋＋e引起预报变量y的误差的因素有两个：一个是解释变量x另一个是随机误差e. (3)回归方程的预报精度 判断回归方程的预报精度是通过计算残差平方和来进行的残差平方和越小方程的预报精度越高． 简单来说线性回归分析就是通过建立回归直线方程对变量进行预报用回归方程预报时需对函数值明确理解它表示当x取值时真实值在函数值附近或平均值在函数值附近不能认为就是真实值． (4)回归模型的拟合效果 判断回R2的大小判断． 独立性检验的基本思想 独立性检验的基本思想类似于反证法．要确认两个分类变量有关系的可信程度先假设两个分类变量没有关系再计算随机变量K的观测值最后由K的观测值很大在一定程度上说明两个分类变量有关系． 进行独立性检验要注意理解以下三个问题： (1)独立性检验适用于两个分类变量． (2)两个分类变量是否有关系的直观判断： 2×2列联表计算|ad－bc|值越大关系越强； 二是观察等高条形图两个深色条的高度相差越大关系越强； (3)独立性检验是对两个分类变量有关系的可信程度的判断而不是对其是否有关系的判断．独立性检验的结论只能是有多大的把握确认两个分类变量有关系而不能是两个分类变量一定有关系或没有关系． 二、两个重要参数 相关指数R 相关指数R是用来刻画回归模型的回归效果的其值越大残差平方和越小模型的拟合效果越好． 随机变量K 随机变量K是用来判断两个分类变量在多大程度上相关的变量．独立性检验即计算K的观测值并与教材中所给表格中的数值进行比较从而得到两个分类变量在多大程度上相关． 三、两种重要图形 散点图 散点图是进行线性回归分析的主要手段其作用如下： 一是判断两个变量是否具有线性相关关系如果样本点呈条状分布则可以断定两个变量有较好的线性相关关系； 二是判断样本中 2．残差图 残差图可以用来判断模型的拟合效果其作用如下： 一是判断模型的精度残差点所分布的带状区域越窄说明模型的拟合精度越高回归方程的预报精度越高． 二是确认样本点在采集中是否有人为的错误. 题型一　回归分析思想的应用 回归分析是对抽取的样本进行分析确定两个变量的相关关系并用如果两个变量非线性相关我们可以通过对变量进行变换转化为线性相关问题． 例1　一个车间为了规定工时定额需确定加工零件所花费的时间为此进行了10次试验 测得的数据如下表： 零件数x/个 10 20 30 40 50 60 70 80 90 100 加工时间 62 72 75 81 85 95 103 108 112 127 (1)画出散点图并初步判断是否线性相关； (2)若线性相关求线性回归方程； (3)求出相关指数； (4)作出残差图； (5)进行残差分析； (6)试制订加工200个零件的用时规定． 解　(1)散点图如图所示． 由图可知与y线性相关． (2)x与y的关系可以用线性回归模型来拟合不妨设回归模型为＝＋ 将数据代入相应公式可得数据表： 序号 零件个数x个 加工时间y xiyi x 1 10 62 620 100 2 20 72 1 440 400 3 30 75 2 250 900 4 40 81 3 240 1 600 5 50 85 4 250 2 500 6 60 95 5 700 3 600 7 70 103 7 210 4 900 8 80 108 8 640 6 400 9 90 112 10 080 8 100 10 100 127 12 700 10 000 ∑ 550 920 56 130 38 500 ∵＝55＝92 ∴＝＝ ＝ ＝－＝92－＝ 故线性回归方程为＝0.670x＋55.133. (3)利用所求回归方程求出下列数据： 61.833 68.533 75.233 81.933 88.633 yi－ 0.167 3.467 －0.233 －0.933 －3.633 － －30 －20 －17 －11 －7 95.333 102.033 108.733 115.433 122.133 yi－ －0.333 0.967 －0.733 －3.433 4.867 － 11 16 20 35 ∴R2＝1－ (4)∵i＝y－利用上表中数据作出残差图如图所示