变量间的相关关系 课件.pptx

;;; ; ; ; 应当说，对于上述各种问题中的两个变量之间的相关关系，我们都可以根据自己的生活、学习经验作出相应的判断，因为“经验当中有规律”。但是，不管你经验多么丰富如果只凭经验办事，还是很容易出错的。因此，在分析两个变量之间的关系时，我们还需要有一些有说服力的方法。;;二、合作探索，直观感知 ; 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。 ;;散点图：;思考：两个变量成负相关关系时，散点图有什么特点？;问题：观察下面这两幅图，看有什么特点？;图（1）两个变量散点图呈下图，它们之间是否具有相关关系？; 正相关 ：因变量随自变量的增大而增大，图中的点分布在左下角到右上角的区域 负相关 ：因变量随自变量的增大而减小，图中的点分布在左上角到右下角的区域. 无相关性：因变量与自变量不具备相关性 ;思考：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？ ; ;思考：对一组具有线性相关关系的样本数据，你认为其回归直线是一条还是几条？;思考：在样本数据的散点图中，能否用直尺准确画出回归直线？借助计算机怎样画出回归直线？;方案一：采用测量的方法：先画一条直线，测量出各点到它的距离，然后移动直线，到达一个使距离之和最小的位置，测量出此时直线的斜率和截距，就得到回归方程。;方案二、在图中选取两点画直线，使得直线两侧的点的个数基本相同。;方案三、在散点图中多取几组点，确定几条直线的方程，分别求出各条直线的斜率和截距的平均数，将这两个平均数作为回归方程的斜率和截距。;模型一： 最小 模型二： 最小 模型三： 最小;回归直线;最小二乘法的公式的探索过程如下：;;人们经过实践与研究，找到了计算回归方程的斜率与截距的一般公式:;我们可以用计算机来求回归方程。; 将年龄作为x代入上述回归方程，看看得出数值与真实值之间有何关系？; 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％。;思考1.线性回归方程 为何不记为 ？你能说明对于确定的 ，根据计算出的 的 意义吗？? ;小结; 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. ;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：;解: (1)散点图; 列表 ;y=-2.352x+147.767;预测 ;小结：