2022版高考人教版数学一轮学案：第九章第四讲　变量间的相关关系、统计案例含解析.docVIP

第四讲　变量间的相关关系、统计案例 知识梳理·双基自测 eq \x(知)eq \x(识)eq \x(梳)eq \x(理) 知识点一　回归分析 (1)相关关系：当自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系．与函数关系不同，相关关系是一种__非确定性关系__． (2)散点图：表示具有__相关__关系的两个变量的一组数据的图形叫做散点图，它可直观地判断两变量的关系是否可以用线性关系表示．若这些散点有y随x增大而增大的趋势，则称两个变量__正相关__；若这些散点有y随x增大而减小的趋势，则称两个变量__负相关__． (3)回归方程：eq \o(y,\s\up6(^))＝eq \o(b,\s\up6(^))x＋eq \o(a,\s\up6(^))，其中eq \o(b,\s\up6(^))＝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))x\o\al(2,i)－n\x\to(x)2)，eq \o(a,\s\up6(^))＝__eq \o(y,\s\up6(－))－eq \o(b,\s\up6(^))eq \x\to(x)__，它主要用来估计和预测取值，从而获得对这两个变量之间整体关系的了解． (4)相关系数：r＝eq \f(\o(∑,\s\up6(n),\s\do4(i＝1))xiyi－n\o(x,\s\up6(－))\o(y,\s\up6(－)),\r(?\o(∑,\s\up6(n),\s\do4(i＝1))x\o\al(2,i)－n\x\to(x)2??\o(∑,\s\up6(n),\s\do4(i＝1))y\o\al(2,i)－n\x\to(y)2?)) 它主要用于相关量的显著性检验，以衡量它们之间的线性相关程度．当r＞0时表示两个变量正相关，当r＜0时表示两个变量负相关．|r|越接近1，表明两个变量的线性相关性__越强__；当|r|接近0时，表明两个变量间几乎不存在相关关系，相关性__越弱__． 知识点二　独立性检验 (1)2×2列联表 设X，Y为两个分类变量，它们的取值分别为{x1，x2}和{y1，y2}，其样本频数列联表(2×2列联表)如下： y1 y2 总计 x1 a b a＋b x2 c d c＋d 总计 a＋c b＋d a＋b＋c＋d (2)独立性检验 利用随机变量K2(也可表示为X2)＝ 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)来判断“两个变量有关系”的方法称为独立性检验． (3)独立性检验的一般步骤 ①根据样本数据列出2×2列联表； ②计算随机变量K2的观测值k，查表确定临界值k0： ③如果k≥k0，就推断“X与Y有关系\”，这种推断犯错误的概率不超过P(K2≥k0)；否则，就认为在犯错误的概率不超过P(K2≥k0)的前提下不能推断“X与Y有关\”． eq \x(归)eq \x(纳)eq \x(拓)eq \x(展) 1．回归分析是对具有相关关系的两个变量进行统计分析的方法，只有在散点图大致呈线性分布时，求出的线性回归方程才有实际意义，否则，求出的线性回归方程毫无意义．根据回归方程进行预报，仅是一个预报值，而不是真实发生的值． 2．独立性检验是对两个变量的关系的可信程度的判断，而不是对其是否有关系的判断．根据K2的值可以判断两个分类变量有关的可信程度，并用来指导科研和实际生活． eq \x(双)eq \x(基)eq \x(自)eq \x(测) 题组一　走出误区 1．判断下列结论是否正确(请在括号中打“√”或“×”) (1)“名师出高徒”可以解释为教师的教学水平与学生的水平成正相关关系．(　√　) (2)两个随机变量的线性相关性越强，相关系数的绝对值越接近于0．(　×　) (3)只有两个变量有相关关系，所得到的回归模型才有预测价值．(　√　) (4)某同学研究卖出的热饮杯数y与气温x(℃)之间的关系，得回归方程eq \o(y,\s\up6(^))＝－2.352x＋147.767，则气温为2 ℃时，一定可卖出143杯热饮．(　×　) (5)事件x，y关系越密切，则由观测数据计算得到的K2的观测值越大．(　√　) (6)由独立性检验可知，在犯错误的概率不超过1%的前提下认为物理成绩优秀与数学成绩有关，某人数学成绩优秀，则他有99%的可能物理优秀．(　×　) 题组二　走进教材 2．(P97T2)为调查中学生近视情况，测得某校男生150名中有80名近视，在140名女生中有70名近视．在检验这些学生眼睛近视是否与性别有关时，用下列哪种方法最有说服力(　C　) A．回归分析 B．均值与