【创新设计-课堂讲义】高中数学人教A版选修1-2同步习题：第1章 统计案例.docVIP

1　加深理解回归分析与独立性检验 一、回归分析 1．回归直线方程 ＝ x＋ ，其中： ＝＝， ＝－ . (注： ＝主要方便计算，其中(xi，yi)为样本数据，(，)为样本点的中心) 公式作用：通过刻画线性相关的两变量之间的关系，估计和分析数据的情况，解释一些实际问题，以及数据的变化趋势． 公式联系：是进行残差分析的基础． 2．样本相关系数的具体计算公式： r＝ ＝ 公式作用：反映两个变量之间线性相关关系的强弱．当r的绝对值接近1时，表明两个变量的线性相关性越强；当r的绝对值接近0时，表明两个变量之间几乎不存在线性相关关系．规定当r0.75时，认为两个变量有很强的线性相关关系． 公式联系：(1)由于分子与回归方程中的斜率b的分子一样(这也给出了公式的内在联系以及公式的记法)，因此，当r0时，两个变量正相关；当r0时，两个变量负相关． (2)常配合散点图判断两个随机变量是否线性相关． 散点图是从形上进行粗略地分析判断，这个判断是可行的、可靠的，也是进行线性回归分析的基础，否则回归方程失效；它形象直观地反映了数据点的分布情况． 相关系数r是从数上反映了两个随机变量是否具有线性相关关系，以及线性相关关系的强弱，它较精确地反映了数据点的分布情况，准确可靠． 3．我们可以用相关指数R2来刻画回归的效果，其计算公式是： R2＝1－＝ 用R2来刻画回归的效果．对于已经获取的样本数据，R2表达式中的 (yi－)2为确定的数．因此R2越大，意味着残差平方和 (yi－ i)2越小，即模型的拟合效果越好；R2越小，残差平方和越大，即模型的拟合效果越差．在线性回归模型中，R2表示解释变量对于预报变量变化的贡献率．R2越接近于1，表示回归的效果越好．R2是常用的选择模型的指标之一，在实际应用中应该尽量选择R2大的回归模型． 二、独立性检验 (一)基础概念的梳理与理解 1．分类变量：对于宗教信仰来说，其取值为信宗教信仰与不信宗教信仰两种．像这样的变量的不同“值”表示个体所属的不同类别的变量称为分类变量．例如性别变量其取值为男和女两种，吸烟变量其取值为吸烟与不吸烟两种． 2．两个分类变量：是否吸烟与是否患肺癌，性别男和女与是否喜欢数学课程等等，这些关系是我们所关心的． 3．2×2列联表：列出的两个分类变量X和Y，它们的取值分别为{x1，x2}和{y1，y2}的样本频数表称为2×2列联表(如下表). y1 y2 总计 x1 a b a＋b x2 c d c＋d 总计 a＋c b＋d a＋b＋c＋d (二)两个分类变量是否有关的粗略估计 　 等高条形图 由深、浅颜色的高度可见两种情况下的百分比；另一方面，数据要比小得多，因此，说明两分类变量X和Y有关系成立的可能性较大． 重点：等高条形图能直观地看出在两个分类变量频数相等的情况下，各部分所占的比例情况． (三)独立性检验的基本思想 上面通过分析数据与图形，得出的估计是粗略的，因为我们说的“大得多”、“小得多”，到底是有多大的差距？也就是说得到的结论是直观上的印象，其实与是否有关还是有较大的差距的．但是上面的分析给了我们一种重要的思想方法． 下面从理论上说明两类分类变量是否有关，请同学们从中体会其思想方法． 1．基本思想与图形的联系 假设两类分类变量是无关的，可知如下的比应差不多，即：≈?|ad－bc|＝0. 构造随机变量K2＝(其中n＝a＋b＋c＋d)(此公式如何记忆，其特点是什么？结合2×2列联表理解)． 显然所构造的随机变量与|ad－bc|的大小具有一致性． 2．独立性检验的思想方法 如果K2的观察值较大，说明其发生(无关系)的概率很小，此时不接受假设，也就是两分类变量是有关系的(称小概率事件发生)；如果K2的观察值较小，此时接受假设，说明两分类变量是无关系的．其思想方法类似于数学上的反证法． 3．得到K2的观测值k常与以下几个临界值加以比较： 如果k2.706，就有90%的把握认为两分类变量X和Y有关系；如果k3.841，就有95%的把握认为两分类变量X和Y有关系；如果k6.635，就有99%的把握认为两分类变量X和Y有关系；如果k10.828，就有99.9%的把握认为两分类变量X和Y有关；如果k≤2.706，就认为没有充分的证据说明变量X和Y有关系． 像这种利用随机变量K2来确定在多大程度上可以认为“两个分类变量有关系”的方法称为两个分类变量的独立性检验． 2　回归分析题型归纳 相关关系是自然中普遍存在的关系，高考中对具有线性相关关系的考查已成为趋势，有的考查概念性质，更多是考查线性回归直线方程的实际应用，下面精选几例题型供赏析． 一、考查相关系数 例1　变量X与Y相对应的一组数据为(10,1)，(11.3,2)，(11.8,3)，(12.5,4)，(13,5)；变量U与V相对应的一组数据