2022高考数学统考一轮复习第九章概率统计与统计案例第七节变量间的相关关系与统计案例教师文档教案文北师大版.doc

高考 高考 PAGE- 9 - / NUMPAGES9 高考 第七节　变量间的相关关系与统计案例 授课提示：对应学生用书第189页 [基础梳理] 1．相关关系与回归方程 (1)相关关系的分类 ①正相关：从散点图上看，点分布在从左下角到右上角的区域内； ②负相关：从散点图上看，点分布在从左上角到右下角的区域内． (2)线性相关关系：从散点图上看，如果这些点从整体上看大致分布在一条直线附近，则称这两个变量之间具有线性相关关系，这条直线叫作回归直线． (3)回归方程 ①最小二乘法：使得样本数据的点到回归直线的距离的平方和最小的方法叫作最小二乘法． ②回归方程：两个具有线性相关关系的变量的一组数据：(x1，y1)，(x2，y2)，…，(xn，yn)，其回归方程为y＝bx＋a，则b＝eq \f(\o(∑,\s\up6(n),\s\do4(i＝1)) （xi－\o(x,\s\up6(－))）（yi－\o(y,\s\up6(－))）,\o(∑,\s\up6(n),\s\do4(i＝1)) （xi－\o(x,\s\up6(－))）2)＝eq \f(\o(∑,\s\up6(n),\s\do4(i＝1))xiyi－n\o(x,\s\up6(－))　\o(y,\s\up6(－)),\o(∑,\s\up6(n),\s\do4(i＝1))xeq \o\al(2,i)－n\o(x,\s\up6(－))2)，a＝eq \o(y,\s\up6(－))－beq \o(x,\s\up6(－)).其中，b是回归方程的斜率，a是在y轴上的截距． (4)样本相关系数 r＝eq \f(\o(∑,\s\up6(n),\s\do4(i＝1)) （xi－\o(x,\s\up6(－))）（yi－\o(y,\s\up6(－))）,\r(\o(∑,\s\up6(n),\s\do4(i＝1)) （xi－\o(x,\s\up6(－))）2\o(∑,\s\up6(n),\s\do4(i＝1)) （yi－\o(y,\s\up6(－))）2))，用它来衡量两个变量间的线性相关关系． ①当r0时，表明两个变量正相关； ②当r0时，表明两个变量负相关； ③r的绝对值越接近1，表明两个变量的线性相关性越强；r的绝对值越接近于0，表明两个变量之间几乎不存在线性相关关系．通常当|r|0.75时，认为两个变量有很强的线性相关关系． 2．独立性检验 (1)2×2列联表：假设有两个分类变量X和Y，它们的值域分别为{x1，x2}和{y1，y2}，其样本频数列联表(称2×2列联表)为： y1y2总计x1aba＋bx2cdc＋d总计a＋cb＋da＋b＋c＋d(2)χ2统计量 χ2＝eq \f(n（ad－bc）2,（a＋b）（c＋d）（a＋c）（b＋d）)(其中n＝a＋b＋c＋d为样本容量)． 1．两种关系——函数关系与相关关系 (1)区别 ①函数关系是一种确定性关系，相关关系是一种非确定性关系． ②函数关系是一种因果关系，相关关系不一定是因果关系，也可能是伴随关系． (2)联系：对线性相关关系求回归方程后，可以通过确定的函数关系对两个变量间的取值进行估计． 2．回归直线方程的两个关注点 (1)样本数据点不一定在回归直线上，回归直线必过(eq \o(x,\s\up6(－))，eq \o(y,\s\up6(－)))点． (2)在回归直线方程y＝bx＋a中，b＞0时，两个变量呈正相关关系；b＜0时，两个变量呈负相关关系． 3．回归分析的意义 回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法．在线性回归模型y＝bx＋a＋e中，因变量y的值由自变量x和随机误差e共同确定，即自变量x只能解释部分y的变化，在统计中，我们把自变量x称为解释变量，因变量y称为预报变量． 4．独立性检验 利用独立性假设、随机变量χ2来确定是否有一定把握认为“两个分类变量有关系”的方法称为两个分类变量的独立性检验． 两个分类变量X和Y是否有关系的判断标准： 统计学研究表明： 当χ2≤2.706时，认为没有充分证据显示X与Y有关系； 当χ2＞3.841时，有95%的把握说X与Y有关； 当χ2＞6.635时，有99%的把握说X与Y有关； 当χ2＞10.828时，有99.9%的把握说X与Y有关． [四基自测] 1．(基础点：回归分析的相关指数)两个变量y与x的回归模型中，分别选择了4个不同模型，它们的相关指数R2如下，其中拟合效果最好的模型是 (　　) A．模型1的相关指数R2为0.98 B．模型2的相关指数R2为0.80 C．模型3的相关指数R2为0.50 D．模型4的相关指数R2为0.25 答案：A 2．(基础点：回归直线方程的特征)