高中数学选修12统计实用案例知识点讲义.docxVIP

第一章统计事例 一、回归剖析的基本思想及其初步应用 1、数学变量有关关系的定义：当一个或几个互相联系的变量取必定的数值时，与之相对应的另一变量的值固然不 确立，但它仍按某种规律在必定的范围内变化。变量间的这类互相关系，称为拥有不确立性的有关关系. （1）按方向分类 正有关：两个变量的变化趋向同样，从散点图能够看出各点分布的地点是从左下角到右上角的地区，即一个变量的值由小变大时，另一个变量的值也由小变大。 负有关：两个变量的变化趋向相反，从散点图能够看出各点分布的地点是从左上角到右下角的地区，即一个变量的值由小变大时，另一个变量的值由大变小。 正有关负有关不有关 （2）有关性系数r（在《必修3》中有介绍） 用有关系数r来权衡两个变量之间的有关关系 r  n xixyiy i1 n2n2 xixyiy i1i1 2、两变量之间的关系存在两种不一样的种类 有关关系——非确立性关系 函数关系——确立性关系 3、回归剖析是对拥有有关关系的两个变量进行统计剖析的一种常用方法。 其基本步骤是：①画出两个变量的散点图； ②求回归直线方程； ③并用回归直线方程进行预告。 4、回归直线方程：ybxa nn (xix)(yi y) xiyi nxy b i1 i1 , n n (xix)2 2 2 xi nx i1 i1 a y bx 说明：1 回归系数b 0.由于当b 0时，有关系 r0,这时不拥有线性有关关系. 数 2 x,y称为样本点的中心，回归直线必然经过样本点的中心 . 比如： 4、线性回归模型用ybxae来表示,此中a和b为模型的未知参数,e称为随机偏差. 残差：eyiy n 2 5、有关指数 R 2 是用来刻画回归成效的， R 2 1 yi yi i1 n 2 yi y i1 R2越大，残差平方和越小，模型的拟合成效就越好。 二、独立性查验的基本思想及其初步应用 1、列联表 假定有两个分类变量X和Y，它们的值域分另为{x1,x2}和{y1,y2}，其样本频数列联表为： y1y2总计 x1aba+b x2cdc+d 总计a+cb+da+b+c+d nad 2 2、随机变量K2 bc abcd为样本容量. = ，此中n abcd acbd 3、独立性查验 1）利用随机变量K2来判断“两个分类变量有关系”的方法称为独立性查验，而且能较精准地给出这类判断的靠谱程度。 2）详细的做法是，由表中的数据算出随机变量K2的值。K2的值越大，说明“X与Y有关系”建立的可能性越大。下表k是观察值，概率P为出错误的概率。 P(K2 k)0.50 0.40 0.25 0.15 0.10 0.05 0.025 0.010 0.005 0.001 k 0.455 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.828 比如： a c 和 4、利用列联表直接计算发现 ab cd相差很大，就判断两个分类变量之间有关系 。