2019年数学新同步湘教版选修2-3讲义+精练：第8章 8.5 一元线性回归案例.docVIP

8．5一元线性回归案例 [读教材·填要点] 1．相关系数 (1)定义：样本容量是n的成对观测数据，用(x1，y1)，(x2，y2)，…，(xn，yn)表示，用eq \b\lc\{\rc\}(\a\vs4\al\co1(xi ))表示数据x1，x2，…，xn，用eq \b\lc\{\rc\}(\a\vs4\al\co1(yi ))表示数据y1，y2，…，yn，用eq \x\to(x)与eq \x\to(y)分别表示eq \b\lc\{\rc\}(\a\vs4\al\co1(xi ))和eq \b\lc\{\rc\}(\a\vs4\al\co1(yi ))的均值，用sx表示eq \b\lc\{\rc\}(\a\vs4\al\co1(xi ))的标准差，用sy表示eq \b\lc\{\rc\}(\a\vs4\al\co1(yi ))的标准差， 再引入：sxy＝eq \f(x1y1＋x2y2＋…＋xnyn,n)－eq \x\to(x) eq \x\to(y). 当sxsy≠0时，称rxy＝eq \f(\i\su(i＝1,n, )?xi－\x\to(x)??yi－\x\to(y)?,\r(\i\su(i＝1,n, )?xi－\x\to(x)?2\i\su(i＝1,n, )?yi－\x\to(y)?2)) ＝ eq \f(\i\su(i＝1,n,x)iyi－n\x\to(x) \x\to(y),\r(\b\lc\(\rc\)(\a\vs4\al\co1(\i\su(i＝1,n,x)\o\al(2,i)－n\x\to(x)2))\b\lc\(\rc\)(\a\vs4\al\co1(\i\su(i＝1,n,y)\o\al(2,i)－n\x\to(y)2))))＝eq \f(sxy,sxsy)为eq \b\lc\{\rc\}(\a\vs4\al\co1(xi ))和eq \b\lc\{\rc\}(\a\vs4\al\co1(yi ))的相关系数． ①当rxy0时，我们称eq \b\lc\{\rc\}(\a\vs4\al\co1(xi ))和eq \b\lc\{\rc\}(\a\vs4\al\co1(yi ))正相关； ②当rxy0时，我们称eq \b\lc\{\rc\}(\a\vs4\al\co1(xi ))和eq \b\lc\{\rc\}(\a\vs4\al\co1(yi ))负相关； ③当rxy＝0时，我们称eq \b\lc\{\rc\}(\a\vs4\al\co1(xi ))和eq \b\lc\{\rc\}(\a\vs4\al\co1(yi ))不相关． (2)性质： ①rxy总在区间[－1,1]中取值； ②当rxy越接近于1时，x，y的线性相关程度越强，且x增加，y也倾向于增加，这时数据(x1，y1)，(x2，y2)，…，(xn，yn)分散在一条上升的直线附近． ③当rxy越接近于－1时，x，y的线性相关程度越强，且x增加，y倾向于减少，这时数据(x1，y1)，(x2，y2)，…，(xn，yn)分散在一条下降的直线附近． ④当rxy越接近于0时，x，y的线性相关程度越弱． 2．一元线性回归 (1)回归直线方程：l：eq \o(y,\s\up6(^))＝bx＋a，其中b＝eq \f(sxy,s\o\al(2,x))， a＝eq \x\to(y)－b eq \x\to(x). (2)一元线性回归模型： 若样本量n的成对观测数据 (x1，y1)，(x2，y2)，…，(xn，yn)中yi和xi满足关系：yi＝bxi＋a＋ei(i＝1,2，…，n，)，其中e1，e2，…，en表示随机误差，则称该模型为一元线性回归模型． [小问题·大思维] 1．|rxy|越接近1，及越接近于0，表示两个变量x与y之间线性相关程度如何？ 提示：|rxy|越接近1，表明两个变量的线性相关程度越强，它们的散点图越接近于一条直线，这时用线性回归模型拟合这组数据的效果就越好；|rxy|越接近0，表明两个变量的线性相关程度越弱，通常|rxy|0.8时，认为有很强的相关关系． 2．在一元线性回归模型中，变量y由变量x唯一确定吗？ 提示：不唯一．y值由x和随机误差e共同确定，即自变量x只能解释部分y的变化． 3．随机误差e产生的主要原因有哪些？ 提示：随机误差e产生的主要原因有： (1)所用的确定性函数不恰当引起的误差； (2)忽略了某些因素的影响； (3)存在观测误差． 4．回归分析中，利用线性回归方程求出的函数值一定是真实值吗？为什么？ 提示：不一定是真实值．利用线性回归方程求的值，在很多时候是个预报值，例如，人的体重与身高存在一定的线性关系，但体重除了受身高的影响外，还受其他因素的影响，如饮食，是否喜欢运动等． 线性回归方程 [例1]　某班5名学生的数学和物理成绩如下表：