常用统计技术（散布图）.ppt

线性回归分析 回归分析 某合金含碳量与强度间的相关性数据 某合金含碳量与强度间的相关性图示 相关系数(r) 相关系数(r)简化公式 相关系数(r)检验 具体计算： 具体计算： 查表： 一元线性回归方程： 一元回归方程的求法： （散布图） 函数和相关关系的区别： 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 变量之间关系的判断 相关关系的指标－相关系数 相关系数的性质 *  常用统计技术（1） 一元线性回归分析 在质量管理中经常需要研究两个变量间的相关关系，回归分析是处理变量相关关系的一种统计技术。变量也是一种因子，因子常被分为两类：定性因子（如工厂，原料产地等）于定量因子（如温度、压力等）。回归分析主要研究的是定量因子，定量因子又称变量。 合金的强度y与合金中的碳的含量x有关，为了生产出强度满足顾客需求的合金，在冶炼时应该如何控制碳的含量？如果在冶炼过程中通过化验得知了碳的含量，能否预测这炉合金的强度呢？ 60.0 0.23 12 55.0 0.21 11 55.0 0.20 10 50.0 0.18 9 53.0 0.17 8 49.0 0.16 7 47.5 0.15 6 45.0 0.14 5 45.5 0.13 4 45.0 0.12 3 43.5 0.11 2 42.0 0.10 1 Y(107Pa) X（%） 序号 某合金的碳含量及强度数据表 要计算r的值必须先计算出： ， ， 由于相关系数是根据样本求出的，即使实际上两个变量不相关，但是求出的相关系数r不见得恰好等于0。当相关系数r的绝对值为多大时，才能认为两个变量间存在一定程度的线性相关关系呢？如果记他们的真正的（理论的）相关系数为ρ，在x是一般变量，y服从等方差正态分布的假定条件下，进行如下假设 拒绝域为： 1. n是样本量； 2. a为显著性水平。 查表，n=12, n-2=10,在a=0.05时的临界值为：0.576，计算的r0.576，说明两个变量间具有线性先关关系。 当两个变量之间存在线性相关关系时，希望在两者间建立定量关系，两个相关变量间的定量关系的表达即是一元线性回归方程。 计算公式如下： 把数据带入下列公式： 函数关系 变量之间的关系是一一对应的。 【如】：一定温度下，水的体积与重量； 相关关系 变量之间有关系，但不是一一对应。 【如】：收入与支出；受教育程度与收入； 3.无相关（点子分布无向上或下倾向者）： a.X与Y之间看不出有何相关关系。 b.X增大时（或Y），Y并不改变（或X）。 以上两种情形均称之为无线性相关，如下图h和j。 4.曲线相关（点子分布不是呈直线倾向，而是弯曲变化者） X开始增大时，Y也随之增大，但达到某一值 后，则当X值增大时，Y反而减少，反之亦 然，称为同曲线相关。如下图K和L。 线性相关分析总结 相关分析是研究变量间密切程度的一种统计方法。其目的是揭示现象之间是否存在线性相关关系，确定相关关系的表现形式，以及确定变量之间关系的密切程度和方向。