变量的相关性回归分析独立性检验.ppt

1.两个变量间的相关关系 如果两个变量之间确实存在关系,但又没有函数关系所具有的确定性,它们的关系带有随机性,则称这两个变量具有① . 有相关关系的两个变量,若一个变量的值由小到大时,另一个变量的值也是由小到大，这种相关称为② ；反之，一个变量的值由小到大，另一个变量的值由大到小，这种相关称为③ . 相关关系 正相关 负相关 2.散点图 在平面直角坐标系中描点,得到关于两个变量的一组数据的图形,这样的图形叫做④ . 如果散点图中，相应于具有相关关系的两个变量所有观察值的数据点，分布在一条直线附近，则称这两个变量具有⑤ ,这条直线叫做⑥ ,方程为 =bx+a, 其中b= = , a= - b. 散点图 线性相关关系 回归直线 3.最小二乘法 使残差平方和Q= (yi-bxi-a)2为最小的方法，叫做⑦ . 4.线性回归模型 (1)样本的相关系数r= . 最小二乘法 当r0时,表示两个变量正相关,当r0时,表示两个变量负相关,｜r｜越近于1,表明两个变量的线性相关性越强:｜r｜越近于0,表明两个变量之间几乎不存在线性相关关系. (2)线性回归模型y=bx+a+e(e为随机误差). (3)总体偏差平方和= (yi- )2，残差 =yi- ,残差平方和 (yi- )2,回归平方和=⑧ . 总偏差平方和-残差平方和 5.相关指数 R2=1- . 用R2来刻画回归的效果,R2⑨ ,表示⑩ . 6.分类变量 变量的不同“值”,表示个体所属的不同类别. 越大 拟合效果越好 7.列联表(即列出两个分类变量的频率表) 其中n为样本容量. 8.建立回归模型的基本步骤 (1)确定研究对象,明确解释变量与预报变量; (2)画出解释变量与预报变量的散点图; (3)由经验确定回归方程的类型; (4)估计回归方程中的参数; A 合计 B a b A+b B c d C+d 合计 a+c b+d n (5)分析残差图是否异常，若存在异常，则检查数据是否有误，或模型是否合适等. 9.利用随机变量K2进行判断检验 K2= . 先假设两个分类变量x与y无关系，若K2的值较大，则拒绝假设，只要K22.706，就认为x与y有关系. 利用K2来确定在多大程度可以认为“两个分类变量有关系”的方法称为独立性检验. 题型一 变量的相关性 例1 汽车的重量和汽车消耗一升汽油所行驶的路程成负相关，这说明( ) A.汽车越重,每消耗1升汽油所行驶的路程越短 B.汽车越轻,每消耗1升汽油所行驶的路程越短 C.汽车越重,消耗汽油越多 D.汽车越轻,消耗汽油越多 A 要透彻理解一些常见参概念的意义. 题型二 回归分析 例2 某车间为了规定工时定额,需要确定加工零件所花费的时间,为此做了四次试验,根据试验数据得到如下图所示的散点图,其中x表示零件的个数,y表示加工时间. (1)求出y关于x的线性 回归方程 =bx+a； (2)试预测加工10个零 件需多长时间？ (1) = =3.5, = =3.5, 所以b= = =0.7, a=-b=3.5-0.7×3.5=1.05, 所以线性回归方程为 =0.7x+1.05. (2)当x=10时， =0.7×10+1.05=8.05, 故加工10个零件大约需8.05小时. 求出回归直线方程后，往往用来作为现实生产中的变量之间相关关系的近似关系，从而可用来指导生产实践.