专题回归分析独立性检验学生版.docxVIP

专题　回归分析、独立性检验（学生版） 提炼1　变量的相关性 (1)正相关：在散点图中，点散布在从左下角到右上角的区域． (2)负相关：在散点图中，点散布在从左上角到右下角的区域． (3)相关系数r：当r0时，两变量正相关；当r0时，两变量负相关；当|r|≤1且|r|越接近于1，相关程度越高，当|r|≤1且|r|越接近于0，相关程度越低． 提炼2　线性回归方程 方程eq \o(y,\s\up14(^))＝eq \o(b,\s\up14(^))x＋eq \o(a,\s\up14(^))称为线性回归方程，其中，eq \o(a,\s\up14(^))＝eq \o(y,\s\up14(－))－eq \o(b,\s\up14(^))eq \o(x,\s\up14(－)).(eq \o(x,\s\up14(－))，eq \o(y,\s\up14(－)))称为样本中心点． 提炼3　独立性检验 (1)确定分类变量，获取样本频数，得到列联表． (2)求观测值：k＝eq \f(n?ad－bc?2,?a＋b??c＋d??a＋c??b＋d?). (3)根据临界值表，作出正确判断．如果k≥kα，就推断“X与Y有关系”，这种推断犯错误的概率不超过α，否则就认为在犯错误的概率不超过α的前提下不能推断“X与Y有关系”． 回访1　变量的相关性 1．(2015·全国卷Ⅱ)根据下面给出的2004年至2013年我国二氧化硫年排放量(单位：万吨)柱形图，以下结论中不正确的是(　　) 图8-1 A．逐年比较，2008年减少二氧化硫排放量的效果最显著 B．2007年我国治理二氧化硫排放显现成效 C．2006年以来我国二氧化硫年排放量呈减少趋势 D．2006年以来我国二氧化硫年排放量与年份正相关 2．(2016·全国丙卷)如图8-2是我国2008年至2014年生活垃圾无害化处理量(单位：亿吨)的折线图． 注：年份代码1～ 7分别对应年份2008～2014. 图8-2 (1)由折线图看出，可用线性回归模型拟合y与t的关系，请用相关系数加以说明； (2)建立y关于t的回归方程(系数精确到0.01)，预测2016年我国生活垃圾无害化处理量． [解]　(1)由折线图中的数据和附注中的参考数据得 eq \x\to(t)＝4，eq \o(∑,\s\up14(7))eq \o( ,\s\do4(i＝1)) (ti－eq \x\to(t))2＝28，eq \r(\o(∑,\s\up14(7))\o( ,\s\do4(i＝1)) ?yi－\x\to(y)?2)＝0.55， eq \o(∑,\s\up14(7))eq \o( ,\s\do4(i＝1)) (ti－eq \x\to(t))(yi－eq \x\to(y))＝eq \o(∑,\s\up14(7))eq \o( ,\s\do4(i＝1))tiyi－eq \x\to(t)eq \o(∑,\s\up14(7))eq \o( ,\s\do4(i＝1))yi＝40.17－4×9.32＝2.89，2分 ∴r≈eq \f(2.89,0.55×2×2.646)≈0.99. 因为y与t的相关系数近似为0.99，说明y与t的线性相关程度相当高，从而可以用线性回归模型拟合y与t的关系. 5分 (2)由eq \x\to(y)＝eq \f(9.32,7)≈1.331及(1)得 eq \o(a,\s\up14(^))＝eq \x\to(y)－eq \o(b,\s\up14(^))eq \x\to(t)≈1.331－0.103×4≈0.92. 所以，y关于t的回归方程为eq \o(y,\s\up14(^))＝0.92＋0.10t. 10分 将2016年对应的t＝9代入回归方程得eq \o(y,\s\up14(^))＝0.92＋0.10×9＝1.82. 所以预测2016年我国生活垃圾无害化处理量约为1.82亿吨. 12分 回访2　独立性检验 3．(2014·江西高考)某人研究中学生的性别与成绩、视力、智商、阅读量这4个变量的关系，随机抽查52名中学生，得到统计数据如表1至表4，则与性别有关联的可能性最大的变量是(　　) A．成绩 B.视力 C．智商 D.阅读量 4．(2014·安徽高考)某高校共有学生15 000人，其中男生10 500人，女生4 500人，为调查该校学生每周平均体育运动时间的情况，采用分层抽样的方法，收集300位学生每周平均体育运动时间的样本数据(单位：小时)． 图8-3 (1)应收集多少位女生的样本数据？ (2)根据这300个样本数据，得到学生每周平均体育运动时间的频率分布直方图(如图8-3所示)，其中样本数据的分组区间为：[0,2]，(2,4]，(