2017-2018学年高中数学苏教版选修2-3教学案：3.2 回归分析 Word版缺答案.docVIP

_3.2回_归_分_析 1．线性回归模型 (1)随机误差 具有线性相关关系的两个变量的取值x、y，y的值不能由x完全确定，可将x，y之间的关系表示为y＝a＋bx＋ε，其中a＋bx是确定性函数，ε称为随机误差． (2)随机误差产生的主要原因 所用的确定性函数不恰当引起的误差； 忽略了某些因素的影响； 存在观测误差． (3)线性回归模型中a，b值的求法 y＝a＋bx＋ε称为线性回归模型． a，b的估计值为，，则 (4)回归直线和线性回归方程 直线＝＋x称为回归直线，此直线方程即为线性回归方程，称为回归截距，称为回归系数，称为回归值． 2．样本相关系数r及其性质 (1)r＝. (2)r具有以下性质 |r|≤1. ②|r|越接近于1，x，y的线性相关程度越强． |r|越接近于0，x，y的线性相关程度越弱． 3．对相关系数r进行显著性检验的基本步骤 (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，那么可以根据1－0.95＝0.05与n－2在教材附录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y与x之间有线性相关关系． 1．在线性回归方程中，b既表示回归直线的斜率，又表示自变量x的取值增加一个单位时，函数值y的改变量． 2．通过回归方程＝＋x可求出相应变量的估计值． 3．判断变量之间的线性相关关系，一般用散点图，但在作图中，由于存在误差，有时很难判断这些点是否分布在一条直线的附近，从而就很难判断两个变量之间是否具有线性相关关系，此时就必须利用线性相关系数来判断． 线性回归分析 [例1]　假设关于某设备的使用年限x(年)和所支出的维修费用y(万元)有如下的统计资料： x 2 3 4 5 6 y 2.2 3.8 5.5 6.5 7.0 若由数据可知，y对x呈现线性相关关系． (1)求线性回归方程； (2)估计使用年限为10年时，维修费用是多少？ [思路点拨]　代入数值求线性回归方程，然后把x＝10代入，估计维修费用． [精解详析]　(1)列表如下： i 1 2 3 4 5 xi 2 3 4 5 6 yi 2.2 3.8 5.5 6.5 7.0 xiyi 4.4 11.4 22.0 32.5 42.0 x 4 9 16 25 36 经计算得：＝4，＝5，＝90，iyi＝112.3， 于是有＝＝1.23， ＝－·＝0.08， 所以线性回归方程为＝＋x＝0.08＋1.23x. (2)当x＝10时，＝0.08＋1.23×10＝12.38(万元)， 即若估计使用年限为10年时，维修费用为12.38万元． [一点通]　线性回归分析的步骤： (1)列出散点图，从直观上分析数据间是否存在线性相关关系； (2)计算，，，，iyi； (3)代入公式求出＝x＋中参数，的值； (4)写出线性回归方程，并对实际问题作出估计． 1．某研究机构对高三学生的记忆力x和判断力y进行统计分析，所得数据如下表： x 6 8 10 12 y 2 3 5 6 则y对x的线性回归方程为________． 解析：＝＝9，＝＝4， xiyi＝6×2＋8×3＋10×5＋12×6＝158， x＝62＋82＋102＋122＝344， ＝＝＝0.7， ＝4－0.7×9＝－2.3. 故y对x的线性回归方程为＝0.7x－2.3. 答案：＝0.7x－2.3 2．某班5名学生的数学和物理成绩如表： 学生学科 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. xiyi＝88×78＋76×65＋73×71＋66×64＋63×61＝25 054. 又x＝882＋762＋732＋662＋632＝27 174. ＝≈0.625. ＝－＝67.8－0.625×73.2＝22.05. y对x的线性回归方程是＝0.625x＋22.05. (3)当x＝96时，＝0.625×96＋22.05≈82. 可以预测他的物理成绩是82. 相关性检验 [例2]　现随机抽取了某中学高一10名在校学生，他们入学时的数学成绩(x)与入学后第一次考试的数学成绩(y)如下： 学生号 1 2 3 4 5 6 7