【创新设计】高中数学（苏教版选修1-2）学案：第1章 统计案例 1.2回归分析.docVIP

1．2　回归分析 [学习目标]　1.会建立线性回归模型分析两个变量间的相关关系.2.能通过相关系数判断两个变量间的线性相关程度.3.了解回归分析的基本思想和初步应用． [知识链接] 1．什么叫回归分析？ 答　回归分析是对具有相关关系的两个变量进行统计分析的一种方法． 2．回归分析中，利用线性回归方程求出的函数值一定是真实值吗？ 答　不一定是真实值，利用线性回归方程求的值，在很多时候是个预报值，例如，人的体重与身高存在一定的线性关系，但体重除了受身高的影响外，还受其他因素的影响，如饮食，是否喜欢运动等． [预习导引] 1．线性回归方程 (1)对于n对观测数据(xi，yi)(i＝1,2,3，…，n)，直线方程＝＋x称为这n对数据的线性回归方程．其中＝－称为回归截距，＝＝称为回归系数，称为回归值． (2)将y＝a＋bx＋ε称为线性回归模型，其中a＋bx是确定性函数，ε称为随机误差． 2．相关系数r的性质 (1)|r|≤1； (2)|r|越接近于1，x，y的线性相关程度越强； (3)|r|越接近于0，x，y的线性相关程度越弱． 3．显著性检验 (1)提出统计假设H0：变量x，y不具有线性相关关系； (2)如果以95%的把握作出判断，可以根据1－0.95＝0.05与n－2在附录2中查出一个r的临界值r0.05(其中1－0.95＝0.05称为检验水平)； (3)计算样本相关系数r＝＝； (4)作出统计推断：若|r|＞r0.05，则否定H0，表明有95%的把握认为x与y之间具有线性相关关系；若|r|≤r0.05，则没有理由拒绝原来的假设H0，即就目前数据而言，没有充分理由认为x与y之间有线性相关关系. 要点一　线性相关的判断 例1　某校高三(1)班的学生每周用于数学学习的时间x(单位：h)与数学平均成绩y(单位：分)之间有表格所示的数据. x 24 15 23 19 16 11 20 16 17 13 y 92 79 97 89 64 47 83 68 71 59 (1)画出散点图； (2)作相关性检验； (3)若某同学每周用于数学学习的时间为18h，试预测其数学成绩． 解　(1)根据表中的数据，画散点图，如图． 从散点图看，数学成绩与学习时间线性相关． (2)由已知数据求得＝17.4，＝74.9，＝3182， ＝58375，iyi＝13578， 所以相关系数r＝ ≈0.920. 而n＝10时，r0.05＝0.632， 所以|r|＞r0.05，所以有95%的把握认为数学成绩与学习时间之间具有线性相关关系． (3)用科学计算器计算，可得线性回归方程为＝3.53x＋13.44. 当x＝18时，＝3.53×18＋13.44≈77，故预计该同学数学成绩可得77分左右． 规律方法　判断变量的相关性通常有两种方式：一是散点图；二是相关系数r.前者只能粗略的说明变量间具有相关性，而后者从定量的角度分析变量相关性的强弱． 跟踪演练1　暑期社会实践中，小闲所在的小组调查了某地家庭人口数x与每天对生活必需品的消费y的情况，得到的数据如下表： x/人 2 4 5 6 8 y/元 20 30 50 50 70 (1)利用相关系数r判断y与x是否线性相关； (2)根据上表提供的数据，求出y关于x的线性回归方程． 解　(1)由表中数据，利用科学计算器计算得： r＝≈0.975. 因为r＞r0.05＝0.878，所以y与x之间具有线性相关关系． (2)根据以上数据可得，＝＝8.5， ∴＝－＝44－8.5×5＝1.5， ∴所求的线性回归方程为＝1.5＋8.5x. 要点二　求线性回归方程 例2　某班5名学生的数学和物理成绩如下表： 学生编号 1 2 3 4 5 学科编号 A B C D E 数学成绩(x) 88 76 73 66 63 物理成绩(y) 78 65 71 64 61 (1)画出散点图；(2)求物理成绩y对数学成绩x的线性回归方程；(3)一名学生的数学成绩是96，试预测他的物理成绩． 解　(1)散点图如图． (2)＝×(88＋76＋73＋66＋63)＝73.2， ＝×(78＋65＋71＋64＋61)＝67.8. iyi＝88×78＋76×65＋73×71＋66×64＋63×61 ＝25054. ＝882＋762＋732＋662＋632＝27174. 所以＝＝≈0.625. ＝－≈67.8－0.625×73.2＝22.05. 所以y对x的线性回归方程是＝0.625x＋22.05. (3)x＝96，则＝0.625×96＋22.05≈82，即可以预测他的物理成绩是82. 规律方法　(1)散点图是定义在具有相关关系的两个变量基础上的，对于性质不明确的两组数据，可先作散点图，在图上看它们有无关系，关系的密切程度，然后再进行相关回归分析． (2)求线性回归