变量之间的相关关系(课件).pptVIP

P94习题2.3 A组：3. 课后作业： 练习： p92 1,2 * * 2.3 变量间的相关关系 2.3.1 变量之间的相关关系 2.3.2 两个变量的线性相关 第二课时 复习回顾 1、相关关系 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. 正相关的散点图中的点散布在从左下角到右上角的区域，负相关的散点图中的点散布在从左上角到右下角的区域 2、正相关和负相关的两个相关变量的 散点图的特点 3.观察人体的脂肪含量百分比和年龄的样本数据的散点图，这两个相关变量成正相关. 我们需要进一步考虑的问题是，当人的年龄增 加时，体内脂肪含量到底是以什么方式增加呢？ 对此，我们从理论上作些研究. 思考1：在各种各样的散点图中，有些散点图中的点是杂乱分布的，有些散点图中的点的分布有一定的规律性，年龄和人体脂肪含量的样本数据的散点图中的点的分布有什么特点？ 这些点大致分布在一条直线附近. 知识探究（一）：回归直线 如果散点图中的点的分布，从整体上看大致在一条直线附近，则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.该直线叫回归方程。 注:如果关于两个变量统计数据的散点图呈现发散状,则这两个变量之间不具有相关关系. . .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 距离的和最小位置时， 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 ： 思考2:那么，我们该怎样来求出这个回归方程？我们有这样几种方案？ 对一组具有线性相关关系的样本数据，如果能够求出它的回归方程， 那么我们就可以比较具体、清楚地了解两个相关变量的内在联系， 并根据回归方程对总体进行估计. . 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？ 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。 实际上，求回归方程的关键是如何用数学的方法来刻画“从整体上看，各点与此直线的距离最小。 整体上最接近 思考：回归直线与散点图中各点的位置应具有怎样的关系？ (x1， y1) (x2，y2) (xi，yi) (xn，yn) (x1， y1) (x2，y2) (xi，yi) (xn，yn) 假设两个具有线性相关关系的变量的一组样本数据：(x1，y1)，(x2，y2)，…，(xn，yn)，设其回归方程为 我们可用点 与这条直线上横标为 的点之间的距离来刻画点 到直线距离的远近，即 用这n个距离之和 来刻画各点到直线的”整体距离” (x1， y1) (x2，y2) (xi，yi) (xn，yn) 由于绝对值使得计算不方便，实际应用中采用 根据有关数学原理分析，当 时， 总体偏差 为最小，这样就得到了回归方程，这种求回归方程的方法叫做最小二乘法.回归方程 注：对具有线性相关关系的两个变量，其回归直线一定 通过样本点的中心 （其中回归方程的斜率为 截距为 ） 1.回归方程被样本数据惟一确定，各样本点大致分布在回归直线附近.对同一个总体，不同的样本数据对应不同的回归直线，所以回归直线也具有随机性. 2.对于任意一组样本数据，利用上述公式都可以求得“回归方程”，如果这组数据不具有线性相关关系，即不存在回归直线，那么所得的“回归方程”是没有实际意义的.因此，对一组样本数据，应先作散点图，在具有线性相关关系的前提下再求回归方程. 解：散点图如图所示 由散点图可知：在平面直角坐标 系中，各点散布在左下角到右上角 的区域，这些点大致分布在一条 直线附近，因此x、y具有线性相关关系 故可得： 所求回归直线方程为 在上例中：若某人37岁，则其体内脂肪含量的百分比约为多少？ 由此可以估计年龄为37岁的人其体内脂肪含量的百分比约为20.901% 求样本数据的线性回归方程步骤 第一步，作散点图，确定x,y具有线性相关关系；