1.2-回归分析(一)学案设计.docVIP

1.2 回归分析（一） 一、知识梳理 1.回归直线方程 在回归直线方程＝＋x中，＝＝，＝－.其中＝xi，＝yi.，称为样本点的中心，回归直线过样本点的中心. 2.相关系数 (1)对于变量x与y随机抽到的n对数据(x1，y1)，(x2，y2)，…，(xn，yn)，检测统计量是样本相关系数 r＝＝. (2)相关系数r的取值范围是，|r|值越大，变量之间的线性相关程度越高；|r|值越接近0，变量之间的线性相关程度越低.当|r|r0.05时，表明有95%的把握认为两个变量之间有线性相关关系. 探究点一　回归直线方程 　回归分析中，利用回归直线方程求出的函数值一定是真实值吗？为什么？ 探究点二　相关性检验 思考1　给出n对数据，按照公式求出的回归直线方程，是否一定能反映这组成对数据的变化规律？ 思考2　怎样理解相关系数？ 对一组数据进行线性回归分析时，应先画出其散点图，看其是否是直线形，再依次代入系数、的计算公式，算出、.由于计算量较大，所以在计算时应借助技术手段，认真细致，谨防计算中产生错误．求线性回归方程的步骤：计算平均数，；计算xi与yi的积，求∑xiyi；计算∑x；将结果代入公式求；用＝－求；写出回归直线方程． 例1 若从某大学中随机选取8名女大学生，其身高和体重数据如下表所示： 编号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 求根据女大学生的身高预报体重的回归方程，并预报一名身高为172 cm的女大学生的体重.跟踪训练1以下是某地搜集到的新房屋的销售价格Y和房屋的面积x的数据： 房屋面积(m2) 110 90 80 100 120 销售价格(万元) 33 31 28 34 39 画出数据对应的散点图． 求回归直线方程． 据的结果估计当房屋面积为150 m2时的销售价格． 反思与感悟　(1)只有当两个变量之间存在线性相关关系时，才能用回归直线方程估计和预测．如果两个变量之间不存在线性相关关系，即使由样本数据求出回归直线方程，用其估计和预测的量也是不可信的． (2)我们可以利用回归直线方程进行预测，但这里所得到的值是预报值，而不是精确值．这是根据统计规律所得到的结论，因而所得出结论正确的概率是最大的，故可以放心大胆地利用回归直线方程进行预测． 1.借助于散点图可大致判定两变量间的相关性，用相关系数公式可准确判定两变量间的相关程度． 2．先作统计假设，由小概率0.05与n－2在附表中查得相关系数的临界值r0.05，若|r|r0.05，则两变量线性相关，否则两变量不具有线性相关性．例2　维尼纶纤维的耐热水性能的好坏可以用指标“缩醛化度”y来衡量，这个指标越高，耐热水性能也越好，而甲醛浓度是影响缩醛化度的重要因素，在生产中常用甲醛浓度x(g/L)去控制这一指标，为此必须找出它们之间的关系，现安排一批实验，获得如下数据： 甲醛浓度(g/L) 18 20 22 24 26 28 30 缩醛化度(克分子%) 26.86 28.35 28.75 28.87 29.75 30.00 30.36 (1)画散点图； (2)求回归直线方程； (3)求相关系数r，并进行相关性检验. 判断两个变量之间是否线性相关一般有两种方法 (1)作出散点图，由图观察可知是否具有线性相关关系，再求回归方程； (2)求两变量的相关系数r，相关系数的范围为－1≤r≤1.相关系数为正数，表示两变量之间为正相关；相关系数为负数，表示两变量之间为负相关，相关系数r的绝对值的大小表示相关程度的高低．此外还可以先由散点图判断，然后再用相关系数进行相关性检验，若存在相关性，再代入回归系数计算公式求出，，写出回归直线方程；若不相关，则求回归直线方程毫无意义． 跟踪训练2　为了研究3月下旬的平均气温(x)与4月20日前棉花害虫化蛹高峰日(y)的关系，某地区观察了2007年至2012年的情况，得到了下面的数据： 年份 2007 2008 2009 2010 2011 2012 x(℃) 24.4 29.6 32.9 28.7 30.3 28.9 y(日) 19 6 1 10 1 8 (1)对变量x、y进行相关性检验； (2)据气象预测，该地区在2013年3月下旬平均气温为27℃，试估计2013年4月化蛹高峰日为哪天. 1.下列各组变量之间具有线性相关关系的是(　　) A.出租车费与行驶的里程 B.学习成绩与学生身高 C.身高与体重 D.铁的体积与质量 2.对变量y和x进行相关性检验，已知n为数据的对数，r是相关系数，且已知①n＝3，r＝0.995 0；②n＝7，r＝0.953 3；③n＝15，r＝0.301 2；④n＝17，r＝0.499 1.