8.2 一元线性回归模型及其应用 （解析版）2023-2024新高考数学选择性必修三全册学案教案.docxVIP

8.2 一元线性回归模型及其应用 1.了解一元线性回归模型的含义，理解两个变量之间随机关系的一元线性回归模型的作用与意义； 2.了解残差在线性回归与非线性回归问题的作用及意义； 3.了解一元线性回归模型参数与最小二乘估计的推导过程，理解最小二乘估计的原理； 4.会结合题意求一元线性回归方程； 5.会用相关指数进行分析模型拟合的效果情况. 解读：通过本节课的学习，要求会求一元线性回归方程，会进行残差分析，能判断回归模型的拟合效果，能利用样本数据建立统计模型并能进行预测. 一元线性回归模型★★★ 一元线性回归模型 用x表示父亲身高，Y表示儿子身高，e表示随机误差，假定随机误差e的均值为0，方差为与父亲身高无关的定值σ2 Y=bx+a+e 我们称它为Y关于x的一元线性回归模型. 线性经验回归方程与最小二乘法★★☆ 线性回归方程 对于变量x和变量y，设经过随机抽样获得的成对样本数据为x1 , y1 , x2 , y b 我们将y=b x+a称为Y关于x的经验回归方程，其图形称为经验回归直线，这种求经验回归方程的方法叫做最小二乘法.备注 下列关于统计概率知识的判断，正确的是（????） A．将总体划分为2层，通过分层随机抽样，得到两层的样本平均数和样本方差分别为和，且已知，则总体方差 B．在研究成对数据的相关关系时，相关关系越强，相关系数越接近于1 C．已知随机变量服从正态分布，若，则 D．按从小到大顺序排列的两组数据：甲组：；乙组：，若这两组数据的第30百分位数?第50百分位数都分别对应相等，则 【解答】对于A项，总体方差与样本容量有关，故A项错误； 对于B项，相关性越强，越接近于1；故B项错误； 对于C项，若，则，所以，故C项正确； 对于D项，甲组：第30百分位数为30，第50百分位数为，乙组：第30百分位数为，第50百分位数为， 所以，解得：，故.故D项错误. 故选：C. 下列四个图中，两个变量x，y具有线性相关关系的是（????） A．①② B．①②④ C．②③④ D．②④ 【解答】由图可知，②④中的点集中在一条直线的附近，所以图②④中的两个变量具有线性相关关系， 故选：D. 以模型去拟合一组数据时，为了求出回归方程，设，将其变换后得到经验回归方程，则的值分别是（????） A． B． C． D． 【解答】由题意得，设，可得. 又经验回归方程为， 所以，故. 故选：B （多选）下列说法正确的是（????） A．相关系数r越大，两个变量之间的线性相关性越强 B．相关系数r与回归系数同号 C．当时，是A与B独立的充要条件 D．正态曲线越“胖”，方差越小 【解答】相关系数，相关系数越大，两个变量之间的线性相关性越强，A错误； 相关系数r为正时，则两个变量为正相关，故回归系数为正，相关系数r为负时，则两个变量为负相关，故回归系数为负， 故相关系数r与回归系数同号，B正确； 当时，，因为，所以， 即，故A与B独立， 若A与B独立，则， 因为，所以， 所以当时，是A与B独立的充要条件，C正确； 正态曲线越“胖”，说明随机变量的取值越分散，故方差越大，D错误. 故选：BC （多选）下列说法正确的是（????） A．若样本数据的方差为4，则数据的方差为9 B．若随机变量，，则 C．若线性相关系数越接近1，则两个变量的线性相关性越弱 D．若事件A，B满足，，，则有 【解答】由于，所以数据的方差为16，因此选项A错误； 随机变量，， 则，因此选项B正确； 线性相关系数越接近1，则两个变量的线性相关性越强，故选项C错误； 由于等价于“事件A与事件B相互独立”，即，故必有.因此选项D正确. 故选：BD. 研究变量x，y得到一组样本数据，进行回归分析，有以下结论： ①残差平方和越小的模型，拟合的效果越好； ②用相关指数来刻画回归效果，越小说明拟合效果越好； ③若变量y和x之间的相关系数为，则变量y和x之间的负相关很强； ④残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适． 以上正确说法的序号是______________． 【解答】对①，残差平方和越小的模型，拟合的效果越好，正确； 对②，相关指数越接近1拟合效果越好，错误； 对③，若变量y和x之间的相关系数非常接近1，说明负相关性很强，正确； 对④，残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适，正确； 综上所述说法正确的序号是①③④． 故答案为：①③④． 2020年初以来，技术在我国已经进人高速发展的阶段，手机的销量也逐渐上升，某手机商城统计了手机5个月的实际销量，结果如下表所示： 月份 2020年10月 2020年11月 2020年12月 2021年1月 2021年2月 月份编号 1 2 3 4 5 销量部 50 96 185 227 若与线性相关，且求得线性回归