两个变量间的相关关系第二课时.ppt

两个变量间的相关关系第二课时 . 1、相关关系 （1）概念：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叫相关关系。 （2）相关关系与函数关系的异同点。 相同点：两者均是指两个变量间的关系。 不同点：函数关系是一种确定关系； 相关关系是一种非确定的关系. 一、复习回顾： 2、正相关与负相关 3、线性相关 二、合作探索，直观感知 问题探究: 在一次对人体年龄关系的研究中,研究人员获得了一组样本数据: 根据数据,人体的脂肪含量与年龄之间有怎样的关系？(同学们交流) 年龄 23 27 39 41 45 49 50 脂肪 9.5 17.8 21.2 25.9 27.5 26.3 28.2 年龄 53 54 56 57 58 60 61 脂肪 29.6 30.2 31.4 30.8 33.5 35.2 34.6 从上表发现，对某个人不一定有此规律，但对很多个体放在一起，就体现出 “人体脂肪随年龄增长而增加”这一规律。而表中各年龄对应的脂肪数是这个年龄人群的样本平均数。我们也可以对它们作统计图、表，对这两个变量有一个直观上的印象和判断。 下面我们以年龄为横轴，脂肪含量为纵轴，建立直角坐标系，作出各个点，称该图为散点图 年龄 脂肪含量 . . . . . . . . . . 电子表格演示 散点图 回归直线：如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线就叫做回归直线。 这条回归直线的方程，简称为回归方程。 回归直线: 实际上,求回归直线的关键是如何用数学的方法来刻画“从整体上看,各点到此直线的距离最小”. 最小二乘法的公式的探索过程如下： 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Y=bx+a，其中a，b是待定的系数。当变量x取x1，x2，…，xn时，可以得到 Yi=bxi+a（i=1，2，…，n） 它与实际收集得到的yi之间偏差是 yi-Yi=yi-(bxi+a)（i=1，2，…，n） （x1，y1） （x2，y2） （xi ，yi ） yi-Yi y x 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。 Σ（yi-Yi）的最小值 n i=1 Σ|yi-Yi|的最小值 n i=1 Σ（yi-Yi）2的最小值 n i=1 Q=(y1-bx1-a) 2+(y2-bx2-a) 2+…+(yn-bxn-a) 2 当a，b取什么值时，Q的值最小，即总体偏差最小 Σ（xi-x）（yi-y） n i=1 b= Σ（xi-x） n i=1 a=y-bx ˉ ˉ ˉ ˉ ˉ 问题归结为:a,b取什么值时Q最小,即总体和最小. Q = (y1-bx1-a)2 + (y2-bx2-a)2 +…+ (yn-bxn-a)2 先对a配方 再对b 配方 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。（参看课本） 人们经过实践与研究，已经找到了计算回归方程的 斜率与截距的一般公式 例1、某种产品的广告费支出x（单位：百万元）与销售额y（单位：百万元）之间有如下对应数据： x 2 4 5 6 8 y 30 40 60 50 70 (1)画出散点图； （2）求线性回归直线方程； （3）预测当广告费支出为7百万元时的销售额. 三、求线性回归方程 1.求样本数据的线性回归方程，可按下列步骤进行： 第一步，计算平均数 , 第二步，求和 , 第三步，计算 第四步，写出回归方程 练习：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： ∴所求回归直线方程为 y=x 例2 下面是我国居民生活污水排放量的一组数据： 年份 2000 2001 2002 2003 2004 2005 2006 2007 排放量 151 189.1 194.8 203.8 220.9 227.7 232.3 试估计2001年我国居民生活污水排放量，并预测2011年生活污水排放