11、变量间的的相关关系、统计案例(有答案).doc

学科教师辅导教案 学员编号： 年 级：高一 课时数：3课时 学员姓名： 辅导科目：数学 学科教师： 授课类型 T同步知识梳理 C相关专题训练 T 能力提高 教学目标 星级 ★★★ 授课日期及时段 2016. 教学内容 ： 变量间的相关关系、统计案例 一、同步知识梳理 1． 变量间的相关关系 2． 散点图 以一个变量的取值为横坐标，另一个变量的相应取值为纵坐标，在直角坐标系中描点，这样的图形叫做散点图． 3． 回归直线方程与回归分析 (1)直线方程 ＝a＋bx，叫做Y对x的回归直线方程，b叫做回归系数．要确定回归直线方程，只要确定a与回归系数b. (2)用最小二乘法求回归直线方程中的a，b有下列公式 ＝， ＝－ ，其中的 ， 表示是求得的a，b的估计值． (3)相关性检验 ①计算相关系数r，r有以下性质：|r|≤1，并且|r|越接近1，线性相关程度越强；|r|越接近0，线性相关程度越弱； ②|r|r0.05，表明有95%的把握认为变量x与Y直线之间具有线性相关关系，回归直线方程有意义；否则寻找回归直线方程毫无意义． 题型一　相关关系的判断 思维　判断变量之间有无相关关系，一种简便可行的方法就是绘制散点图，根据散点图很容易看出两个变量之间是否具有相关性，是不是存在线性相关关系，是正相关还是负相关，相关关系是强还是弱． 例1　5个学生的数学和物理成绩如下表： 　学生学科　　 A B C D E 数学 80 75 70 65 60 物理 70 66 68 64 62 画出散点图，并判断它们是否具有相关关系． 解　以x轴表示数学成绩，y轴表示物理成绩，可得到相应的散点图如图所示． 由散点图可知，各组数据对应点大致在一条直线附近，所以两者之间具有相关关系，且为正相关． 　 (1)对变量x，y有观测数据(xi，yi)(i＝1,2，…，10)，得散点图①；对变量u，v有观测数据(ui，vi)(i＝1,2，…，10)，得散点图②，由这两个散点图可以判断(　　) A．变量x与y正相关，u与v正相关 B．变量x与y正相关，u与v负相关 C．变量x与y负相关，u与v正相关 D．变量x与y负相关，u与v负相关 答案　C (2)(2012·课标全国)在一组样本数据(x1，y1)，(x2，y2)，…，(xn，yn)(n≥2，x1，x2，…，xn不全相等)的散点图中，若所有样本点(xi，yi)(i＝1,2，…，n)都在直线y＝x＋1上，则这组样本数据的样本相关系数为(　　) A．－1 B．0C. D．1 答案　D 解析　利用相关系数的意义直接作出判断． 样本点都在直线上时，其数据的估计值与真实值是相等的，即yi＝，代入相关系数公式r＝＝1. 题型二　线性回归分析 　 ＝x＋必过样本点的中心(，)． (2)在分析两个变量的相关关系时，可根据样本数据作出散点图来确定两个变量之间是否具有相关关系，若具有线性相关关系，则可通过回归直线方程估计和预测变量的值． 例2　某车间为了制定工时定额，需要确定加工零件所花费的时间，为此做了四次试验，得到的数据如下： 零件的个数x(个) 2 3 4 5 加工的时间y(小时) 2.5 3 4 4.5 (1)在给定的坐标系中画出表中数据的散点图； (2)求出y关于x的回归直线方程＝x＋，并在坐标系中画出回归直线； (3)试预测加工10个零件需要多少小时？ (注：＝，＝－ ) 思维启迪　求回归直线方程的系数时，为防止出错，应分别求出公式中的几个量，再代入公式． 解　(1)散点图如图． (2)由表中数据得：iyi＝52.5，＝3.5，＝3.5，＝54， ∴ ＝0.7，∴ ＝1.05，∴ ＝0.7x＋1.05，回归直线如图所示． (3)将x＝10代入回归直线方程，得 ＝0.7×10＋1.05＝8.05， 故预测加工10个零件约需要8.05小时． 　为了解篮球爱好者小李的投篮命中率与打篮球时间之间的关系，下表记录了小李某月1号到5号每天打篮球时间x(单位：小时)与当天投篮命中率y之间的关系： 时间x 1 2 3 4 5 命中率y 0.4 0.5 0.6 0.6 0.4 小李这5天的平均投篮命中率为________；用线性回归分析的方法，预测小李该月6号打6小时篮球的投篮命中率为________． 答案　0.5　0.53 解析　小李这5天的平均投篮命中率 ＝＝0.5，可求得小李这5天的平均打篮球时间＝3.根据表中数据可求得 ＝0.01， ＝0.47，故回归直线方程为 ＝0.47＋0.01x，将x＝6代入得6号打6小时篮球的投篮命中率约为0.53