2016-2017学年高中数学第一章统计案例章末高效整合课件新人教a版选修.ppt

章末高效整合 一、两个基本思想 1．回归分析的基本思想 回归分析包括线性回归分析和非线性回归分析两种，而非线性回归分析往往可以通过变量代换转化为线性回归分析，因此，回归分析的思想主要是指线性回归分析的思想． 注意理解以下几点： (1)确定线性相关关系 线性相关关系有两层含义：一是具有相关关系，如广告费用与销售量的关系等在一定条件下具有相关关系，而气球的体积与半径的关系是函数关系，而不是相关关系；二是具有线性相关关系． 判断是否线性相关的依据是观察样本点的散点图． (2)引起预报误差的因素 对于线性回归模型y＝bx＋a＋e，引起预报变量y的误差的因素有两个：一个是解释变量x，另一个是随机误差e. (3)回归方程的预报精度 判断回归方程的预报精度是通过计算残差平方和来进行的，残差平方和越小，回归方程的预报精度越高． 简单来说，线性回归分析就是通过建立回归直线方程对变量进行预报，用回归方程预报时，需对函数值明确理解，它表示当x取值时，真实值在函数值附近或平均值在函数值附近，不能认为就是真实值． (4)回归模型的拟合效果 判断回归模型的拟合效果的过程也叫残差分析，残差分析的方法有两种，一是通过残差图直观判断，二是通过计算相关指数R2的大小判断． 2．独立性检验的基本思想 独立性检验的基本思想类似于反证法．要确认两个分类变量有关系的可信程度，先假设两个分类变量没有关系，再计算随机变量K2的观测值，最后由K2的观测值很大在一定程度上说明两个分类变量有关系． 进行独立性检验要注意理解以下三个问题： (1)独立性检验适用于两个分类变量． (2)两个分类变量是否有关系的直观判断： 一是根据2×2列联表计算|ad－bc|，值越大关系越强； 二是观察等高条形图，两个深色条的高度相差越大关系越强． (3)独立性检验是对两个分类变量有关系的可信程度的判断，而不是对其是否有关系的判断．独立性检验的结论只能是有多大的把握确认两个分类变量有关系，而不能是两个分类变量一定有关系或没有关系． 二、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． 三、两种重要图形 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． 【点拨】　1.分析两个变量线性相关的常用方法 (1)散点图法，该法主要是用来直观地分析两变量间是否存在相关关系． (2)相关系数法，该法主要是从量上分析两个变量间相互联系的密切程度，|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小． 其中相关系数 某餐饮部为研究气温对热饮销售的影响，经过数据统计，得到热饮杯数与当天气温的对照表： (1)画出散点图； (2)从散点图中可看出气温与热饮杯数之间关系的一般规律是什么？ (3)求线性回归方程； (4)如果某天的气温为3 ℃，预测这天卖出的热饮杯数． [思维点击]　根据统计所得数据对照表画出散点图作初步判断．求出线性回归方程后，再解答第(4)问． (1)以x轴表示温度，以y轴表示热饮杯数，作散点图． (2)从图中可看出，各散点分布在左上角到右下角的区域里，气温越高，卖出去的热饮杯数越少． (3)从散点图可看出，这些点大致分布在一条直线附近，两变量呈现近似的线性关系，因此利用计算器求得下列表中数据. 1．已知某连锁经营公司所属5个零售店某月的销售额和利润额资料如表： (1)画出散点图； (2)根据如下的参考公式与参考数据，求利润额y与销售额x之间的线性回归方程； (3)若该公司还有一个零售店某月销售额为10千万元，试估计它的利润额是多少． 解析：　(1)散点图． 【点拨】　回归分析的基本步骤为： (1)确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； (2)画出确定好的解释变量和预报变量的散点图，观察它们之间的关系； (3)由经验确定回归方程的类型； (4)按一定规则估计回归方程中的参数； (5)检查回归模型的拟合程度，如分析残差图、求相关指数R2等． 一个车间为了规定工时定额，需确定加工零件所花费的时间，为此时行了10次试验，测得的数据如下表： (1)画出散点图