线性回归方程表示的直线必经过点.ppt

归纳： 求样本数据的线性回归方程，可按下列步骤进行： 第一步，计算平均数 , 第二步，求和 , (列表） 第三步，计算 第四步，写出回归方程 思考：利用计算器或计算机可求得年龄和人体脂肪含量的样本数据的回归方程为 ，由此我们可以根据一个人年龄预测其体内脂肪含量的百分比的回归值.若某人65岁，则其体内脂肪含量的百分比约为多少？ 37.1％ （0.577×65-0.448= 37.1％） 若某人65岁，可预测他体内脂肪含量在37.1％（0.577×65-0.448= 37.1％）附近的可能性比较大。 但不能说他体内脂肪含量一定是37.1％ 原因：线性回归方程中的截距和斜率都是通过样本计算的，存在随机误差，这种误差可以导致预测结果的偏差，即使截距斜率没有误差，也不可能百分百地保证对应于x，预报值Y能等于实际值y * * 2.3变量间的相关关系 在学校，老师经常对学生这样说：“如果你的数学成绩好，那么你的物理学习就不会有什么大问题。”按照这种说法，似乎学生的物理成绩与数学成绩之间存在着一种相关关系。这种说法有没有依据呢？ 思考 凭我们的学习经验可知，物理成绩确实与数学成绩有一定的关系，但除此以外，还存在其他影响物理成绩的因素。例如，是否喜欢物理，用在物理学习上的时间等等。当我们主要考虑数学成绩对物理成绩的影响时，就是主要考虑这两者之间的相关关系。  1〉商品销售收入与广告支出经费之间的关系。 商品销售收入与广告支出经费之间有着密切的联系，但商品收入不仅与广告支出多少有关，还与商品质量、居民收入等因素有关。 我们还可以举出现实生活中存在的许多相关关系的问题。例如：  在一定范围内，施肥量越大，粮食产量就越高。但是，施肥量并不是决定粮食产量的唯一因素，因为粮食产量还要受到土壤质量、降雨量、田间管理水平等因素的影响。 2〉粮食产量与施肥量之间的关系。 在一定年龄段内，随着年龄的增长，人体内的脂肪含量会增加，但人体内的脂肪含量还与饮食习惯、体育锻炼等有关，可能还与个人的先天体质有关。 3〉人体内脂肪含量与年龄之间的关系。 你还能举出一些类似的例子吗？ 应当说，对于上述各种问题中的两个变量之间的相关关系，我们都可以根据自己的生活、学习经验作出相应的判断，因为“经验当中有规律”。但是，不管你经验多么丰富如果只凭经验办事，还是很容易出错的。因此，在分析两个变量之间的关系时，我们还需要有一些有说服力的方法。 自变量取值一定时,因变量的取 值带有一定随机性的两个变量之间的关系,叫做相关关系. 变量间相关关系的概念: 相同点:两者均是指两个变量间的关系. 不同点:①函数关系是一种确定的关系;相关关系是一种 非确定的关系.事实上,函数关系是两个非随机变量的关 系,而相关关系是随机变量与随机变量间的关系. ②函数关系是一种因果关系,而相关关系不一定是因果关 系,也可能是伴随关系. 相关关系与函数关系的异同点: 请同学们回忆一下,我们以前是否学过变量间的关系呢? 两个变量间的函数关系. 1.下列关系中,是带有随机性相关关系的是 . ①正方形的边长与面积的关系;②水稻产量与施肥量之间的关系;③人的身高与年龄之间的关系;④降雪量与交通事故发生之间的关系. ②③④ 2. 下列两个变量之间的关系哪个不是函数关系（　） A．角度和它的余弦值 B. 正方形边长和面积 C．正ｎ边形的边数和它的内角和 D. 人的年龄和身高 D 即学即用 . 年龄 脂肪 23 9.5 27 17.8 39 21.2 41 25.9 45 49 27.5 26.3 50 28.2 53 29.6 54 30.2 56 31.4 57 30.8 年龄 脂肪 58 33.5 60 35.2 61 34.6 如上的一组数据，你能分析人体的脂肪含量与年龄之间有怎样的关系吗？ 探究 1 、散点图： 将各数据在平面坐标系中的对应点画出来，得到表示两个变量的一组数据的图形，这样的图形叫做散点图。 如下图： O 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 5 10 15 20 25 30 35 40 从刚才的散点图发现：年龄越大，体内脂肪含量越高，点的位置散布在从左下角到右上角的区域。称它们成正相关。但有的两个变量的相关，如下图所示：