(最新完整版)回归方程和独立性检验知识点讲解.docVIP

R 越大．，拟合效果越好．，（这时：残差平方和越小，残差点在带状区域内的分布比较均匀， 回归方程和独立性检验知识点讲解 回归分析和独立性检验 一、回归分析 1、回归直线方程  y?  ? bx  a?  （ x 叫做解释变量， y 叫做预报变量） n n 其中  ? b  i  1 ( xi n x )( y  i y)  ＝  i  1 n xi yi nx y  （由最小二乘法 得出，考试时给出此公式中的一个） ( xi x ) 2 x 2 i nx 2 i 1 i 1 a?  y ? bx  （ 此式说明： 回归直线过样本的中心点  (  x，  y  )  ， 也就是平均值点。  ） 2、几条结论： （ 1）回归直线过样本的中心点  (  x，  y)  。 （ 2） b0 时， y 与 x 正相关，散点图呈上升趋势； b0 时， y 与 x 负相关，散点图呈下降趋势。 （ 3）斜率 b 的含义（举例） ： 如果回归方程为 y=2.5x+2 ， 说明 x 增加 1 个单位时， y 平均增加 2.5 个单位； 如果回归方程为 y= －2.5x+2 ，说明 x 增加 1 个单位时， y 平均减少 2.5 个单位。 （ 4）相关系数 r 表示变量的相关程度。 范围： r 1，即 1 r 1 r 越大．，相关性越强．。 r 0 时， y 与 x 正相关； r 0 时， y 与 x 负相关。 （ 5）相关指数 2 R 表示模型的拟合效果。  范围：  R 2  [ 0，1] 2 带状区域宽度越窄，拟合精度越高） 。 2 R 表示解释变量 x 对于预报变量 y 变化的贡献率。 例如： R 2 0.64，表明“ x 解释了 64%的 y 变化” ，或者说“ y 的差异有 64%是由 x 引起的” 。 （ 6）线性回归模型 y bx a e ， 其中 e 叫做随机误差。 （ y 是由 x 和 e 共同确定的。） 二、独立性检验 1、原理：假设性检验（类似反证法原理）  。 一般情况下：假设分类变量  X 和 Y 之间没有关系，通过计算 2 K 值，然后查表对照相应的概率  P， 发现这种假设正确的概率 P 很小，从而推翻假设，最后得出 X 和 Y 之间有关系的可能性为 (1－ P), 也就是“ X 和 Y 有关系” 。（表中的 k 就是 2 K 的  观 测 值 ， 即 k  K  2  ）  K  2  (  a  b)( n( c ad d  )( bc a ) 2 c)(  b  d  ) 1 / 3 K K 越大．，说明变量间越有关系．．．。 5.4 回归方程和独立性检验知识点讲解 2、 2 2 列联表： y1 y2 总计 （考试给出） x1 a b a b 部分对照表 （考试时会给出用到的一部分数据） ： x2 c d c d P 0.10 0.05 0.025 0.010 0.005 0.001 总计 a c b d n a b c d k K 2 2.706 3.841 5.024 6.635 7.879 10.828 3、范围： K 2 (0, ) ； 性质： 2 三、典型例题 例 1、 右表中是生产某种产品 （ 1）画出数据的散点图；  x （吨）与相应消耗的煤  y （吨）记录数据：  x y  3 2.5  4 3  5 4  6 4.5 （ 2）求线性回归直线方程； （ 3）估计生产 7 吨产品时，消耗的煤约为多少吨？  解：（ 1）散点图如右。从图中可以看出 x 与 y 正相关。 （ 2）（提示：把原数据表抄一遍，并且增加 2 行和 1 列， 计算出后面需要用到的数据） 设回归直线方程为  y? ? bx  a? 2 xi  9  16 25 36  2 xi  86  ?b 66.5 86 4 4 4.5 4.52 3.5  ＝ 0.7， x  3  4  5  6  x  4.5  a?  y ? bx  3.  5  0.7  0.35 y 2.5 3 4 4.5 y 3.5 所以，回归方程为： y 0.7 x 0.35 xi yi 7.5 12 20 27 xi yi 66.5 （ 3）当 x 7 时， y 0.7 7 0.35 5.25 所以，估计．．生产 7 吨产品时，消耗的煤 约为 5.