高中数学第一章统计案例1.1回归分析变量的相关性学习引领素材.docxVIP

变量的相关性学习引领 一、学习目标 1．通过两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系． 2.经历用不同估算方法描述两个变量线性相关的过程；知道最小二乘法的思想，能根据给出的线性回归系数公式建立线性回归方程． 二、学习重、难点 重点：会画散点图，并直观判断变量间的相关性．能根据给出的线性回归系数公式或利用计算器建立线性回归方程． 难点：最小二乘法思想的理解． 三、要点精析 1．变量与变量之间的关系常见的有两类：一类是确定性的函数关系；另一类是非确定性的相关关系，它们的关系带有随机性． 两变量的相关关系：（1）根据变量的随机性可分为：①两变量一个是可控制变量，另一个是随机变量， 例如施化肥量与水稻产量关系；②两个变量均为随机变量，如学生的数学和物理成绩的关系．（2）按照两一变量数值的大小变化规律又可分为：正相关和负相关两种。一般的，设x和y是具有相关关系的两个变量，当变量x的值由小变大时，变量y的值也由小变大，这种相关称为正相关；相反，当变量x的值由小变大时，变量y的值由大变小，这种相关称为负相关． 2．给定两个变量x,y，以变量x的取值为横坐标，变量y的相应取值为纵坐标，在平面直角坐标系中描点（xi，yi）（i＝1，2，…，n)，所得图形叫做散点图． 当所描点聚集在某条直线或曲线周围时，我们可直观判断两变量具有相关性；否则不具有相关性．当然，严格判断尚需经过相关性检验． 3．一般地，设x与y是具有相关关系的两个变量，且相应于n组观测值的n个点大致分布在一条直线附近，这时变量x和y的关系叫线性相关关系；其中“最贴近”已知的数据点的直线叫做回归直线，相应的方程叫做回归直线方程．它可以作为两个变量具有线性相关关系的代表，常见的求解方法主要有：（1）最小二乘法；（2）运用Excel软件；（3）运用计算器求回归直线方程；（4）公式法。其中最常用的方法为公式法。 4．回归直线方程的求解 设x和y的一组观察值为(xi，yi）（i=1，2，…，n)，且回归直线方程为=bx+a. （1）当x取值xi（i=1，2，…，n）时y的观察值为yi，则差yi-刻画了实际观察值yi与回归直线上相应点纵坐标yi之间的偏离程度，叫做离差．这n个离差构成的总离差越小，所找直线就越贴近已知点 （2）由于离差有正有负，直接相加会相互抵消，如此无法反映这些数据点的贴近程度，故总离差不能用n 个离差之和来表示．在此，我们可以采用多种方式估算、比较、选择，借此理解“使离差的平方和为最小”的方法——最小二乘法．将Q=作为总离差，并使之达到最小．这样，回归直线就是所有直线中Q取最小值的那一条． （3）用最小二乘法求回归直线系数a，b有下面的公式：, 其中a，b的上方加“”，表示是由观察值按最小二乘法求得的估计值，也叫回归系数． 注意：由于不同的人、不同的时间、不同的精度等都会导致测量结果的不同，得到的观察值是不同的，所以我们求得的回归系数只是一个估计值. （4）回归直线方程=bx+a中，b表示当变量x每增加一个单位，变量y平均增加的单位． （5）会用科学计算器求回归系数． 四、学法点拨 1．根据所给数据表画出散点图，直观确定变量间的相关关系． 2．应大胆探索用多种方法确定线性回归直线，在此基础上，体会用最小二乘法的思想，根据给出的公式求线性回归方程，有能力、有兴趣的学生可尝试推导线性回归方程． 3．能熟练借助计算器求回归直线方程． 五、典例选讲 例1．下表是某地的年降雨量与平均气温，试判断两者是相关关系吗？求回归直线方程有意义吗？ 年平均气温（0c 12.51 12.84 12.84 13.69 13.33 12.74 13.05 年降雨量（mm） 748 542 507 813 574 701 432 解：以x轴为年平均气温，y轴为年降雨量，可得相应的散点图（如图所示），因为图中的各点并不在一条直线的附近，所以不具有相关关系，没必要用回归直线进行拟合，如果用公式求得回归直线也是没有意义的． 评注：用回归直线进行拟合两变量关系的一般步骤为：（l）作出散点图，判断散点是否在一条直线附近；（2)如果散点在一条直线附近，用公式求出a，b，并写出线性回归方程， 例2．针对某工厂产品产量与单位成本的资料进行线性相关关系分析： 月份 产量（千件）x 单位成本（元/件）y x2 xy 1 2 73 4 146 2 3 72 9 216 3 4 71 16 284 4 3 73 9 219 5 4 69 16 276 6 5 68 25 340 21 426 79 1481 分析：这是一个实际应用的线性相关分析问题，其实是找出回归直线方程来分析产品产量与单位成本的关系。 解：设y对x的回归直线方程为=bx+a， 代入求回归系数的公式，可得b==, a=71-(-