[互联网]数学 两个变量的线性相关 ppt.ppt

2.3.2 两个变量的线性关系 . 复习引入： 1、前面我们学习了现实生活中存在许多相关关系：商品销售与广告、粮食生产与施肥量、人体的脂肪量与年龄等等的相关关系. 探究： . 从上表发现，对某个人不一定有此规律，但对很多个体放在一起，就体现出“人体脂肪随年龄增长而增加”这一规律.而表中各年龄对应的脂肪数是这个年龄 人群的样本平均数.我们也可以对它们作统计图、表，对这两个变量有一个直观上的印象和判断. 下面我们以年龄为横轴， 脂肪含量为纵轴建立直 角坐标系，作出各个点， 称该图为散点图。 从刚才的散点图发现：年龄越大，体内脂肪含量越高，点的位置散布在从左下角到右上角的区域。称它们成正相关。但有的两个变量的相关，如下图所示： 如高原含氧量与海拔高度 的相关关系，海平面以上， 海拔高度越高，含氧量越 少。 作出散点图发现，它们散 布在从左上角到右下角的区 域内。又如汽车的载重和汽 车每消耗1升汽油所行使的 平均路程，称它们成负相关. 我们再观察它的图像发现这些点大致分布在一条直线附 近,像这样，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,这条直线叫做回归直线，该直线方程叫回归方程。 那么，我们该怎样来求出这个回归方程？ 请同学们展开讨论，能得出哪些具体的方案？ . .方案1、先画出一条直线，测量出各点与它的距离，再移动直线，到达一个使距离的 和最小时，测出它的斜率和截距，得回归 方程。 . 方案2、在图中选两点作直线，使直线两侧 的点的个数基本相同。 方案3、如果多取几对点，确定多条直线，再求出 这些直线的斜率和截距的平均值作为回归 直线的斜率和截距。而得回归方程。 如图 我们还可以找到 更多的方法，但 这些方法都可行 吗?科学吗？ 准确吗？怎样的 方法是最好的？ 我们上面给出的几种方案可靠性都不是很强，人们经过长期的实践与研究，已经找到了计算回归方程的斜率与截距的一般公式: 练习：书P94A组1、3 作业：P94A组2 * * 2.3 变量间的相互关系 基础知识框图表解 变量间关系 函数关系 相关关系 散点图 线性回归 线性回归方程 知识拓析: 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的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，是一种因果系；相关关系是一种非确定的关系，也不一定是因果关系（但可能是伴随关系）。 （3）相关关系的分析方向。 在收集大量数据的基础上，利用统计分析，发现规律，对它们的关系作出判断。 2、通过收集大量的数据，进行统计，对数据分析，找出其中的规律，对其相关关系作出一定判断. .3、由于变量之间相关关系的广泛性和不确定性，所以样本数据应较大，和有代表性.才能对它们之间的关系作出正确的判断. 年龄 脂肪 23 9.5 27 17.8 39 21.2 41 25.9 45 49 27.5 26.3 50 28.2 53 29.6 54 30.2 56 31.4 57 30.8 年龄 脂肪 58 33.5 60 35.2 61 34.6 如上的一组数据，你能分析人体的脂肪含量与年龄 之间有怎样的关系吗？ 如图： O 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 5 10 15 20 25 30 35 40 注：可考虑让学生思考书P77的思考. O 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 如图 ： 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 我们把由一个变量的变化 去推测另一个变量的方法 称为回归方法。 以上公式的推导较复杂，故不作推导，但它的原理较为简单：即各点到该直线的距离的平方和最小，这一方法叫最小二乘法。（参看如书P89） 一、相关关系的判断 例1：5个学生的数学和物理成绩如下表： 62 64 68 66 70 物理 60 65 70 75 80 数学 E D C B A 画出散点图，并判断