必修三课件2.3.2变量之间的相关关系.ppt

基础知识框图表解 变量间关系 函数关系 相关关系 散点图 线形相关 线形回归方程 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，这条直线就叫做回归直线。 回归直线的方程，简称为回归方程。 二、回归直线 O 45 50 55 60 65 20 25 30 35 40 年龄 脂肪含量 5 10 15 20 25 30 35 40 1. 所有的样本点都落在某一函数曲线上，变量之间具有函数关系 2. 所有的样本点都落在某一直线附近，变量之间就有线性相关关系 　　散点图中的点呈条状集中在某一直线周围，两个变量之间具有线性关系，（正线性相关或负线性相关），才可以用回归直线来描述两个变量之间的关系 三、如何具体的求出这个回归方程呢？ O 45 50 55 60 65 20 25 30 35 40 年龄 脂肪含量 5 10 15 20 25 30 35 40 求回归方程的关键是 “从整体上看，各点与直线的偏差最小”。 思考：对一组具有线性相关关系的样本数据：(x1，y1)，(x2，y2)，…，(xn，yn)，设其回归方程为 可以用哪些数量关系来刻画各样本点与回归直线的接近程度？ 设已经得到具有线性相关关系的变量的一组数据：（x1，y1），（x2，y2），…，（xn，yn） 设所求的回归直线方程为 其中a，b是待定的系数。当变量x取x1，x2，…，xn时，可以得到 （i=1，2，…，n） 它与实际收集得到的 之间偏差是 （i=1，2，…，n） 探索过程如下： 这样，用这n个偏差的和来刻画“各点与此直线的整体偏差”是比较合适的。 (x1， y1) (x2，y2) (xi，yi) (xn，yn) 当a，b取什么值时，Q的值最小，即总体偏差最小 根据有关数学原理分析，当 时，总体偏差 为最小，这样 就得到了回归方程，这种求回归方程的方法叫做最小二乘法. （其中，b是回归方程的斜率，a是截距） 0.577×65-0.448= 37.1 思考：利用计算机可求得年龄和人体脂肪含量的样本数据的回归方程为 由此我们可以根据一个人的年龄预测其体内脂肪含量的百分比的回归值.若某人65岁，则其体内脂肪含量的百分比约为多少？ 能不能说他体内脂肪含量一定是37.1％？ 若某人65岁，可预测他体内脂肪含量在37.1％（0.577×65-0.448= 37.1％）附近的可能性比较大。但不能说他体内脂肪含量一定是37.1％ 原因：线性回归方程中的截距和斜率都是通过样本估计的，存在随机误差，对应于x，预报值 不可能等于实际值y 例1、某厂降耗技术发行后生产甲产品过程中记录的产量(吨)与相应的生产能耗y(吨标准煤)的几组对应数据. X 3 4 5 6 y 2.5 3 4 4.5 （1）画出上表数据的散点图； （2）根据提供的数据，用最小二乘法求出y关于x的线性回归方程 （3）已知该厂技改前100吨甲产品的生产能耗为90吨标准煤，根据（2）求出的线性回归方程，预测生产100吨甲产品的生产能耗比技改前降低多少吨标准煤？ （参考数值：3×2.5+4×3+5×4+6×4.5＝66.5） 所求的回归方程为 （2）解： （3） 预测生产100吨甲产品的生产能耗比技改前降 低 (吨) 例2、一个小卖部，为了研究气温对热饮销售的影响，经统计，得到一个卖出的热饮杯数与当天气温的对比表： 1、画出散点图； 2、从散点图中发现气温与热饮销售杯数之间关系的一般规律； 3、求回归方程； 4、如果某天的气温是2摄氏度，预测这天卖出的热饮杯数。 1、散点图 2、各点散布在从左上角到右下角的区域里，气温与热饮销售杯数之间成负相关，即气温越高，卖出去的热饮杯数越少。 3、从散点图可以看出，这些点大致分布在一条直线的附近，因此利用公式1求出回归方程的系数。Y= -2.352x+147.767 4、当x=2时，Y=143.063 因此，某天的气温为2摄氏度时，这天大约可以卖出143杯热饮。 本节重点知识回顾 1、相关关系 （1）概念：自变量取值一定时，因变量的取值带有一定随机性，两个变量之间的关系叫相关关系。 （2）相关关系与函数关系的异同点。 相同点：两者均是指两个变量间的关系。 不同点：函数关系是一种确定关系；相关关系是一种非确定的关系，是伴随关系。 （3）相关关系的分析方