第一章 统计案例 章末复习方案 课件(人教A选修1-2).ppt

3．在500人身上试验某种血清预防感冒的作用，把他们一 年中的感冒记录与另外500名未用血清的人的感冒记录作比较，结果如表所示．问：能否在犯错误的概率不超过1%的前提下认为该种血清能起到预防感冒的作用？ 未感冒 感冒 总计 使用血清 258 242 500 未使用血清 216 284 500 总计 474 526 1 000 4．为了研究子女吸烟与父母吸烟的关系，调查了一千多名 青少年及其家长，数据如下： 父母吸烟 父母不吸烟 总计 子女吸烟 237 83 320 子女不吸烟 678 522 1 200 总计 915 605 1 520 分别利用图形和独立性检验方法判断父母吸烟对子女是否吸烟有影响？ 解：等高条形图，如图所示： 由图形观察可以看出父母吸烟者中子女吸烟的比例要比父母不吸烟者中子女吸烟的比例高，因此可以在某种程度上认为“子女吸烟与父母吸烟有关”． 点此进入 * * 章末复习方案与全优评估 要点整合再现 高频考点例析 阶段质量检测 考点一 考点二 第一章 2．两个重要参数 (1)相关指数R2 相关指数R2是用来刻画回归模型的回归效果的，其值越大，残差平方和越小，模型的拟合效果越好． (2)随机变量K2 随机变量K2是用来判断两个分类变量在多大程度上相关的变量．独立性检验即计算K2的观测值，并与教材中所给表格中的数值进行比较，从而得到两个分类变量在多大程度上相关． 3．几种重要图形 (1)散点图 散点图是进行线性回归分析的主要手段，其作用如下： 一是判断两个变量是否具有线性相关关系，如果样本点呈条状分布，则可以断定两个变量有较好的线性相关关系； 二是判断样本中是否存在异常． (2)残差图 残差图可以用来判断模型的拟合效果，其作用如下： 一是判断模型的精度，残差点所分布的带状区域越窄，说明模型的拟合精度越高，回归方程的预报精度越高． 二是确认样本点在采集中是否有人为的错误． (3)等高条形图 等高条形图与表格相比，更能直观地反映出两个分类变量间是否相互影响，常用等高条形图展示列联表数据的频率特征． 4．2×2列联表 一般地，假设两个分类变量X和Y，它们的值域分别为{x1，x2}和{y1，y2}．其样本频数列联表(也称2×2列联表)为 y1 y2 总计 x1 a b a＋b x2 c d c＋d 总计 a＋c b＋d a＋b＋c＋d [研一题] [例1]　想象一下一个人从出生到死亡，在每个生日都测量身高，并作出这些数据散点图，这些点将不会落在一条直线附近，但在一段时间内的增长数据有时可以用线性回归来分析．下表是一位母亲给儿子作的成长记录： 16 15 14 13 12 11 10 年龄/ 周岁 年龄/ 周岁 3 4 5 6 7 8 9 身高/cm 90.8 97.6 104.2 110.9 115.6 122.0 128.5 身高/cm 134.2 140.8 147.6 154.2 160.9 167.5 173.0 (1)年龄(解释变量)和身高(预报变量)之间具有怎样的相关关系？ (2)如果年龄相差5岁，则身高有多大差异？(3～16岁之间) (3)如果身高相差20 cm，其年龄相差多少？ (4)计算残差，说明该函数模型能够较好地反映年龄与身高的关系吗？请说明理由． 173.0 166.7 160.4 154.1 147.8 141.5 135.1 173.0 167.5 160.9 154.2 147.6 140.8 134.2 y y 90.8 97.6 104.2 110.9 115.6 122.0 128.5 90.9 97.3 103.6 109.9 116.2 122.5 128.8 R2≈0.999. 所以残差平方和为4.59，相关指数为0.999， 故该函数模型能够较好地反映年龄与身高的关系． [借题发挥]　 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常用方法，其步骤是先画出散点图，并对样本点进行相关性检验，在此基础上选择适合的函数模型去拟合样本数据，从而建立较好的回归方程，并且用该方程对变量值进行分析；有时回归模型可能会有多种选择(如非线性回归模型)，此时可通过残差分析或利用相关指数R2来检查模型的拟合效果，从而得到最佳模型． 1．(2012·福建高考)某工厂为了对新研发的一种产品进行合 理定价，将