新课标人教A版高中数学必修三2.3变量间的相关关系课件.pptVIP

探索过程如下： 这样，用这n个偏差的和来刻画“各点与此直线的整体偏差”是比较合适的。 (x1， y1) (x2，y2) (xi，yi) (xn，yn) 可以用 或 ， 其中 . 设已经得到具有线性相关关系的变量的一组数据：（x1，y1），（x2，y2），…，（xn，yn） 设所求的回归直线方程为 其中a，b是待定的系数。当变量x取x1，x2，…，xn时，可以得到 （i=1，2，…，n） 它与实际收集得到的 之间偏差是 （i=1，2，…，n） 当a，b取什么值时，Q的值最小，即总体偏差最小 我们上面给出的几种方案可靠性都不是很强，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。 思考：利用计算器或计算机可求得年龄和人体脂肪含量的样本数据的回归方程为 ，由此我们可以根据一个人个年龄预测其体内脂肪含量的百分比的回归值.若某人65岁，则其体内脂肪含量的百分比约为多少？ 37.1％ （0.577×65-0.448= 37.1％） 若某人65岁，可预测他体内脂肪含量在37.1％（0.577×65-0.448= 37.1％）附近的可能性比较大。 但不能说他体内脂肪含量一定是37.1％ 原因：线性回归方程中的截距和斜率都是通过样本估计的，存在随机误差，这种误差可以导致预测结果的偏差，即使截距斜率没有误差，也不可能百分百地保证对应于x，预报值Y能等于实际值y 【注意】 【例】有一个同学家开了一个小卖部，他为了研究气温对热饮销售的影响，经过统计，得到一个卖出的热饮杯数与当天气温的对比表： 1、画出散点图； 2、从散点图中发现气温与热饮销售杯数之间关系的一般规律； 3、求回归方程； 4、如果某天的气温是2摄氏度，预测这天卖出的热饮杯数。 1、散点图 2、从图3-1看到，各点散布在从左上角到由下角的区域里，因此，气温与热饮销售杯数之间成负相关，即气温越高，卖出去的热饮杯数越少。 3、从散点图可以看出，这些点大致分布在一条直线的附近，因此利用公式求出回归方程的系数。 y= -2.352x+147.767 4、当x=2时，y=143.063 因此，某天的气温为2摄氏度时，这天大约可以卖出143杯热饮。 小结 1.求样本数据的线性回归方程，可按下列步骤进行： 第一步，列表计算平均数 , 第二步，求和 , 第三步，计算 第四步，写出回归方程 2.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. 3.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. 【练习】有关线性回归的说法，不正确的是（ ） A.相关关系的两个变量不是因果关系. B.散点图能直观地反映数据的相关程度 C.回归直线最能代表线性相关的两个变量之间的关系 D.任一组数据都有回归方程 D 【练习】给出施化肥量对水稻产量影响的 试验数据： 施化肥量x 15 20 25 30 35 40 45 水稻产量y 330 345 365 405 445 450 455 (1)画出上表的散点图; (2)求出回归直线并且画出图形. 从而得回归直线方程是 解：(1)散点图（略）． (2)表中的数据进行具体计算，列成以下表格 20475 18000 15575 12150 9125 6900 4950 xiyi 455 450 445 405 365 345 330 yi 45 40 35 30 25 20 15 xi 7 6 5 4 3 2 1 i ．(图形略) 故可得到 一、相关关系的判断 例1：5个学生的数学和物理成绩如下表： A B C D E 数学 80 75 70 65 60 物理 70 66 68 64 62 画出散点图，并判断它们是否有相关关系。 解： 数学成绩 由散点图可见，两者之间具有正相关关系。 二、求线性回归方程 例2：观察两相关变量得如下表： x -1 -2 -3 -4 -5 5 3 4 2 1 y -9 -7 -5 -3 -1 1 5 3 7 9 求两变量间的回归方程 解1： 列表：