2017学年高中数学苏教版必修3教材梳理 2.4线性回归方程 Word版含解析.docVIP

庖丁巧解牛 知识·巧学 一、相关关系 变量之间的常见关系： 一类是确定性函数关系，变量之间的关系可以用函数表示.如正方形的边长l与面积S之间就是确定性函数关系，可以用函数S=l2表示； 一类是相关关系，变量之间有一定的联系，但不能完全用函数来表达.如人的体重y与身高x有关.一般来说，身高越高，体重越重，但不能用一个函数来严格地表示身高与体重之间的关系. 在现实生活中存在着大量的相关关系，如何判断和描述相关关系，统计学发挥着非常重要的作用.变量之间的相关关系带有不确定性，这需要通过收集大量的数据，对数据进行统计分析，发现规律，才能作出科学的判断. 辨析比较 函数关系与相关关系的区别与联系 相同点：两者均是指两个变量间的关系； 不同点： ①函数关系是一种确定性关系，自变量的任一取值，因变量都有唯一确定的值与之对应；相关关系是非确定性关系，因变量的取值具有一定的随机性； ②函数关系是因果关系，而相关关系不一定是因果关系，也可能是伴随关系； ③相关关系的分析方向及方法，由于相关关系的不确定性，在寻找变量间相关性的过程中，统计发挥着重要的作用，而函数关系则可以通过函数的性质来进行研究. 二、线性回归分析 对具有相关关系的两个变量进行统计分析的方法叫回归分析. 通俗地讲，回归分析就是寻找相关关系中非确定性关系的某种确定性. 1.散点图 我们把表示具有相关关系的两个变量x、y的一组数据（xn，yn）（n=1，2，3，）对应的一些点（即样本点）画在坐标系内，得到的图形叫做散点图. 如：某地农业技术指导站的技术员，经过在7块并排大小相同的试验田上进行施化肥量对水稻产量影响的试验，得到如下表所示的一组数据：（单位：千克） 施化肥量x 15 20 25 30 35 40 45 水稻产量y 330 345 365 405 445 450 455 观察表中数据，大体上随着施化肥量的增加，水稻的产量也在增加.只是表中两者之间的关系表现得不是很确切，需要对数据进行分析.为此我们可以作统计图表，以便对两者有一个直观的印象和判断.除上述的统计图表外，我们还可以用另一种统计图散点图来分析. 以x轴表示施肥量，y轴表示水稻产量，可得散点图如图2-4-1： 图2-4-1 从散点图可以看出两变量的确存在一定关系，大体上随着施化肥量的增加，水稻的产量也在增加.可见散点图能直观形象地反映各对数据的密切程度. 注意：如果关于两个变量统计数据的散点图呈现如图2-4-2的形状，则这两个变量之间不具有相关关系.如学生的身高与学生的数学成绩就没有相关关系. 图2-4-2 可见利用散点图可以判断变量之间有无相关关系.所以在研究两个变量之间是否存在某种关系时，必须从散点图入手. 学法一得 画出散点图，可以作出如下判断： ①如果所有的样本点都落在某一函数曲线上，就用该函数来描述变量之间的关系，即说明变量之间具有函数关系. ②如果所有的样本点都落在某一函数曲线附近，则说明变量之间具有相关关系. ③如果所有的样本点都落在某一直线附近，则变量之间具有线性相关关系. 2.最小二乘法 一般地,设有n个观察数据如下： x x1 x2 x3 xn y y1 y2 y3 … yn 设有一直线方程=bx+a， Q(a,b)是直线=bx+a与各散点在垂直方向(纵轴方向)上的距离的平方和,设法取a,b的值,使Q(a,b)达到最小值.这种方法叫做最小平方法(又称最小二乘法).其中点Q=(y1-bx1-a)2+ (y2-bx2-a)2++(yn-bxn-a)2取得最小值时,就称=bx+a为这n对数据的线性回归方程,该方程所表示的直线称为回归直线.上述式子展开后，是一个关于a或b的二次函数，应用配方法，可求出使Q为最小值时的a、b的值，即（*） 其中=，. 求线性回归方程的步骤：计算平均数,；计算xi与yi的积，求∑xiyi；计算∑xi2；将结果代入公式求a；用b=-a求b；写出回归方程. 深化升华 求相关变量的回归直线的意义：回归直线方程在现实生活与生产中有广泛的应用.应用回归直线方程可以把非确定性问题转化成确定性问题，把“无序”变为“有序”，并对情况进行估测、补充.因此，学过回归直线方程以后，应能积极应用回归直线方程解决一些相关的实际问题，去进一步体会回归直线的应用价值. 三、相关系数与相关性检验进行回归分析，通常先进行相关性检验.若能确定两个变量具有线性相关性，则再去求其线性回归方程，否则所求方程毫无意义. 给定（xi，yi）（i=1，2，3，，n），只要x1，x2，x3，，xn不全相等，就能求出一条回归直线，可它有无意义就是一个大问题.由于根据散点图看数据点是否大致在一直线附近主观性太强，为此