统计案例教案《数学教案》.docVIP

统计案例复习教案 一、本章知识脉络： 统计案例 统计案例 回归分析 样本点的中心 随机误差 残差分析 建立回归模型的基本步骤 回归分析 列联表 K2＝ eq \f(n（ad－bc）2,（a＋b）（c＋d）（a＋c）（b＋d）) 判断结论成立可能性的步骤 二、本章要点追踪： 1.样本点的中心（ eq \O(x,\s\up8(－))， eq \O(y,\s\up8(－))） 其中 eq \O(x,\s\up8(－))＝ eq \f(1,n) eq \s\di( n,∑,i＝1)xi， eq \O(y,\s\up8(－))＝eq \s\di( n,∑,i＝1) yi　. 2.线性回归模型的完美表达式 eq \b\lc\{(\a\vs2(y＝bx＋a＋e ,E（e）＝0，D（e）＝σ2)) 3.类比样本方差估计总体方差的思想，可以用 eq \O(σ2,\s\up8(∧))＝ eq \f(1,n－2) eq \s\di( n,∑,i＝1) eq \O(e2,\s\up8(∧))i＝ eq \f(1,n－2) Q（ eq \O(a,\s\up8(∧))， eq \O(b,\s\up8(∧))）（n＞2） 作为σ2的估计量　其中 eq \O(a,\s\up8(∧))＝ eq \O(y,\s\up8(－))－ eq \O(b,\s\up8(∧)) eq \O(x,\s\up8(－)) eq \O(b,\s\up8(∧))＝ eq \f(eq \s\di( n,∑,i＝1)（xi－ eq \O(x,\s\up8(－))）（yi－ eq \O(y,\s\up8(－))）, eq \s\di( n,∑,i＝1)（xi－ eq \O(x,\s\up8(－))）2) 4.我们可以用相关指数R2来刻画回归的效果，其计算公式是： R2＝1－ eq \f(eq \s\di( n,∑,i＝1)（yi－ eq \O(yi,\s\up8(∧))）2, eq \s\di( n,∑,i＝1)（yi－ eq \O(yi,\s\up8(－))）2) 　　 R2取值越大，意味着残差平方和越小，也就是说模型的拟合效果越好. 5.建立回归模型的基本步骤： （1）确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； （2）画出确定好的解释变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等）； （3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程y＝bx＋x）； （4）按一定规则估计回归方程中的参数（如最小二乘法）； （5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性等等），若存在异常，则检查数据是否有误，或模型是否合适等。 6.作K2来确定结论“X与 Y有关系”的可信程度. 三、几个典型例题： 例1　某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下， 血硒 74 66 88 69 91 73 66 96 58 73 发硒 13 10 13 11 16 9 7 14 5 10 （1）画出散点图； （2）求回归方程； （3）如果某名健康儿童的血硒含量为94（1000ppm）预测他的发硒含量. 解（1）散点图如下图所示： （2）利用计算器或计算机，求得回归方程： eq \O(y,\s\up8(∧))＝0.2358x－6.9803 （3）当x＝94时， eq \O(y,\s\up8(∧))≈15.2 因此，当儿童的血硒含量为94（1000ppm）时，该儿童的发硒含量约为15.2（1000ppm）. 某地大气中氰化物测定结果如下： 污染源距离 50 100 150 200 250 300 400 500 氰化物浓度 0.687 0.398 0.200 0.121 0.09 0.05 0.02 0.01 （1）试建立氰化物浓度与距离之间的回归方程. （2）求相关指数. （3）作出残差图，并求残差平方和 解析（1）选取污染源距离为变量x，氰化物浓度为自因变量y作散点图. 从表中所给的数据可以看出，氰化物浓度与距离有负的相关关系，用非线性回归方程来拟合，建立y关于x的指数回归方程. eq \O(y,\s\up8(∧))＝0.9293e－0.0094x （2）相关指数K2＝1－ eq \f(eq \s\di( n,∑,i＝1)（yi－ eq \O(yi,\s\up8(∧))）2, eq \s\di( n,∑,i＝1)（yi－ eq \O(y,\s\up8(∧))）2) ＝0.9915 （3） 编　号 1 2 3 4 5 6 7 8 污染源距离 50 100 150 200 250 300 400 500 氰化物浓度 0.687 0.398 0.2 0.121 0.0