高中数学北师大版选修1-2练习第一章 统计案例 1.1-1.2 Word版含解析.docxVIP

1.1　回归分析 1.2　相关系数 明目标、知重点　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.掌握建立线性回归模型的步骤． 1．线性回归方程 在线性回归方程y＝a＋bx中，b＝eq \f(\o(∑,\s\up6(n),\s\do4(i＝1)) ?xi－\x\to(x)??yi－\x\to(y)?,\o(∑,\s\up6(n),\s\do4(i＝1)) ?xi－\x\to(x)?2)＝eq \f(\o(∑,\s\up6(n),\s\do4(i＝1))xiyi－n\x\to(x) \x\to(y),\o(∑,\s\up6(n),\s\do4(i＝1))x\o\al(2,i)－n\x\to(x)2)，a＝eq \x\to(y)－beq \x\to(x).其中eq \x\to(x)＝eq \f(1,n)eq \o(∑,\s\up6(n),\s\do4(i＝1))xi，eq \x\to(y)＝eq \f(1,n)eq \o(∑,\s\up6(n),\s\do4(i＝1))yi. (eq \x\to(x)，eq \x\to(y))称为样本点的中心，线性回归直线过样本点的中心． 2．相关系数 (1)相关系数r的计算公式 r＝eq \f(\o(∑,\s\up6(n),\s\do4(i＝1))xiyi－n\x\to(x) \x\to(y),\r(\o(∑,\s\up6(n),\s\do4(i＝1))x\o\al(2,i)－n\x\to(x)2)\r(\o(∑,\s\up6(n),\s\do4(i＝1))y\o\al(2,i)－n\x\to(y)2)). (2)相关系数r的取值范围是[－1,1]，|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． (3)当r0时，b0，称两个变量正相关； 当r0时，b0，称两个变量负相关； 当r＝0时，b＝0，称两个变量线性不相关． [情境导学] “名师出高徒”这句谚语的意思是什么？有名气的老师就一定能教出厉害的学生吗？这两者之间是否有关？ 探究点一　线性回归方程 思考1　两个变量之间的关系分几类？ 答　分两类：①函数关系，②相关关系． 函数关系是一种确定性关系，而相关关系是一种非确定性关系． 上面所提的“名师”与“高徒”之间的关系就是相关关系． 思考2　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常用方法． 思考3　对具有线性相关关系的两个变量进行回归分析有哪几个步骤？ 答　基本步骤为画散点图，求线性回归方程，用线性回归方程进行预测． 例1 若从某大学中??机选取8名女大学生，其身高和体重数据如下表所示： 编号12345678身高/cm165165157170175165155170体重/kg4857505464614359求根据女大学生的身高预测体重的回归方程，并预测一名身高为172 cm的女大学生的体重． 解　(1)画散点图 选取身高为变量x，体重为变量y，画出散点图，展示两个变量之间的关系，并判断二者是否具有线性关系． 由散点图可以发现，样本点呈条状分布，身高和体重有比较好的线性相关关系，因此可以用回归直线y＝bx＋a来近似刻画它们之间的关系． (2)建立回归方程 由计算器可得b＝0.849，a＝－85.712. 于是得到回归方程为y＝0.849x－85.712. (3)预测和决策 当x＝172时，y＝0.849×172－85.712＝60.316(kg)． 即预测一名身高为172 cm的女大学生的体重约为60.316 kg. 反思与感悟　在使用回归方程进行预测时要注意： (1)回归方程只适用于我们所研究的样本的总体； (2)我们所建立的回归方程一般都有时间性； (3)样本取值的范围会影响回归方程的适用范围； (4)不能期望回归方程得到的预测值就是预测变量的精确值． 跟踪训练1　某班5名学生的数学和物理成绩如表： 学生 学科ABCDE数学成绩(x)8876736663物理成绩(y)7865716461(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)eq \x\to(x)＝eq \f(1,5)×(88＋76＋73＋66＋63)＝73.2. eq \x\to(y)＝eq \f(1,5)×(78＋65＋71＋64＋61)＝67.8. eq \o(∑,\s\up6(