变量之间的相关关系.pptVIP

两个变量间的相关关系 . 问题1：商品销售收入与广告支出之间的关系. 问题2:粮食产量和施肥量之间的关系. 问题3:人体内的脂肪含量与年龄之间的关系. 两个变量之间的关系,可能是确定关系或非确定关系.当自变量取值一定时,因变量的取值带有一定的随机性时,两个变量之间的关系称为相关关系.相关关系是一种非确定性关系,函数关系是一种确定性的关系. 哲学原理：世界是一个普遍联系的整体，任何事物都与其它事物相联系。 数学地理解世界  1、现实生活中存在许多相关关系：数学学习与物理学习,商品销售与广告、粮食生产与施肥量、人体的脂肪量与年龄等等的相关关系. 2、通过收集大量的数据，进行统计，对数据分析，找出其中的规律，对其相关关系作出一定判断. .3、由于变量之间相关关系的广泛性和不确定性，所以样本数据应较大，和有代表性.才能对它们之间的关系作出正确的判断. 问题4: 在一次对人体的脂肪含量和年龄关系的研究中,研究人员获得了一组样本数据: 年龄 23 27 39 41 45 49 50 53 54 56 57 58 60 61 脂肪 9.5 17.8 21.2 25.9 27.5 26.3 28.2 29.6 30.2 31.4 30.8 33.5 35.2 34.5 根据上述数据,人体的脂肪含量和年龄之 间有怎样的关系? 从上表发现，对某个人不一定有此规律，但对很多个体放在一起，就体现出“人体脂肪随年龄增长而增加”这一规律.而表中各年龄对应的脂肪数是这个年龄 人群的样本平均数.我们也可以对它们作统计图、表，对这两个变量有一个直观上的印象和判断. 下面我们以年龄 为横轴，脂肪含量 为纵轴建立直角坐 标系，作出各个点， 称该图为散点图。 如图： 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。称他们成正相关。但有的两个变量的相关，如下图所示： 如高原含氧量与海拔高度 的相关关系，海平面以上， 海拔高度越高，含氧量越 少。 作出散点图发现，它们散 布在从左上角到右下角的区 域内。又如汽车的载重和汽 车每消耗1升汽油所行使的 平均路程，称它们成负相关. O 我们再观察它的图像发现这些点大致分布在一条直线附 近,像这样，如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相 关关系,这条直线叫做回归直线，该直线方程叫回归方程。 那么，我们该怎样来求出这个回归方程？ 请同学们展开讨论，能得出哪些具体的方案？ 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 . .方案1、先画出一条直线，测量出各点与它的距离，再移动直线，到达一个使距离的 和最小时，测出它的斜率和截距，得回归 方程。 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 如图 ： . 方案2、在图中选两点作直线，使直线两侧 的点的个数基本相同。 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 方案3、如果多取几对点，确定多条直线，再求出 这些直线的斜率和截距的平均值作为回归 直线的斜率和截距。而得回归方程。 如图 我们还可以找到 更多的方法，但 这些方法都可行 吗?科学吗？ 准确吗？怎样的 方法是最好的？ 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 我们把由一个变量的变化去推测另一个变量的方法 称为回归方法。 回归直线 实际上,求回归直线的关键是如何用数学的方法来刻画“从整体上看,各点到此直线的距离最小”. 上面这些方法虽然有一定的道理但总让人感到不可靠 这样的方法叫做最小二乘法. 问题归结为:a,b取什么值时Q最小,即总体和最小. 人们经过长期的实践与研究，已经找到了计算回归方程的斜率与截距的一般公式: 以上公式的推导较复杂，故不作推导，但它的原理较为简单：即各点到该直线的距离的平方和最小，这一方法叫最小二乘法。 其中，b是回归方程的斜率，a是截距 人体的脂肪含量与年龄的相关关系的线性回归方程是： （1）预测:一个人37岁时，他的体内脂肪含量可能是多少？ （2）比较前面表格中给出的数值，你有什么体