变量间的相关关系统计案例.pptVIP

对低蛋白食物组，设年龄为x，身高为y，同样可得线性回归方程 ＝51.226＋8.686x，通过对斜率、截距进行比较，可以看出不同食物对婴儿的身高有显著的差异，且高蛋白食物组同龄婴幼儿身高明显高些． 点评：线性回归分析的主要作用是通过对两个变量已有数据的分析，来预测这两个变量的变化趋势，一般步骤是：①进行线性相关性检验；②如果具有线性相关性，求出线性回归方程；③将观测值代入回归方程进行预测． 变式探究 3．某班5名学生的数学和物理成绩如下表： (1)画出散点图； (2)求物理成绩y对数学成绩x的回归直线方程； (3)一名学生的数学成绩是96，试预测他的物理成绩． 61 64 71 65 78 物理成绩y/分 63 66 73 76 88 数学成绩x/分 E D C B A 学生 解析：(1)散点图如图． 考点四 独立性检验 18 17 16 15 14 13 12 11 10 序号 83 57 90 77 78 64 93 67 71 数学成绩 98 84 67 65 92 94 80 75 95 数学成绩 9 8 7 6 5 4 3 2 1 序号 【例4】　某学校课题组为了研究学生的数学成绩与物理成绩之间的关系，随机抽取高二年级20名学生某次考试成绩(满分100分)如下表所示 18 17 16 15 14 13 12 11 10 序号 84 61 91 69 85