样本相关系数高二数学人教A版（2019）选择性必修第三册.pptxVIP

8.1成对数据的统计相关性

8.1.2样本相关系数

1.相关关系两个变量有关系，但又没有确切到可由其中的一个去精确地决定另一个的程度，这种关系称为相关关系.2.正相关与负相关正相关：一个变量随另一个变量的增加呈现增加的趋势.负相关：一个变量随另一个变量的增加呈现减小的趋势.3.线性相关非线性相关非线性相关或曲线相关：一般地，如果两个变量具有相关性，但不是线性相关，那么我们就称这两个变量非线性相关或曲线相关.一、知识点回顾

二、探究新知通过观察散点图中成对样本数据的分布规律，我们可以大致推断两个变量是否存在相关关系、是正相关还是负相关、是线性相关还是非线性相关等.散点图虽然直观，但无法确切地反映成对样本数据的相关程度，也就无法量化两个变量之间相关程度的大小.能否像引入平均值、方差等数字特征对单个变量数据进行分析那样，引入一个适当的“数字特征”，对成对样本数据的相关程度进行定量分析呢?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，y2)、…、(xn，yn)，其中x1、x2、…、xn和y1、y2、…、yn的均值分别为和.将数据以(，)为零点进行平移,得到平移后的成对数据为(x1-，y1-)、(x2-，y2-)、…、(xn-，yn-)，并绘制散点图.

编号1234567年龄/岁23273941454950脂肪含量/%9.517.821.225.927.526.328.2编号891011121314年龄/岁53545657586061脂肪含量/%29.630.231.430.833.535.234.2利用上述方法处理表8.1-1中的数据，得到图8.1-3．我们发现，这时的散点大多数分布在第一象限、第三象限，大多数散点的横、纵坐标同号．显然，这样的规律是由人体脂肪含量与年龄正相关所决定的．

一般地，如果变量x和y正相关，那么关于均值平移后的大多数散点将分布在第一象限、第三象限，对应的成对数据同号的居多，如下左图所示；如果变量x和y负相关，那么关于均值平移后的大多数散点将分布在第二象限、第四象限，对应的成对数据异号的居多,如下右图所示.

根据上述分析，你能利用正相关变量和负相关变量的成对样本数据平移后呈现的规律，构造一个度量成对样本数据是正相关还是负相关的数字特征吗?利用散点的横、纵坐标是否同号，可以构造一个量?

?

三、样本相关系数对于变量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,y2),???,(xn,yn)，其中x1,x2,???,xn和y1,y2,???,yn的均值分别为和.我们称为变量x和变量y的样本相关系数.

四、样本相关系数的性质我们利用成对样本数据构造了样本相关系数r,样本相关系数r是一个描述成对样本数据的数字特征，它的正负性和绝对值的大小可以反映成对样本数据的变化特征:当r0时，称成对样本数据正相关.这时，当其中一个数据的值变小时，另一个数据的值通常也变小;当其中一个数据的值变大时，另一个数据的值通常也变大.当r0时，称成对样本数据负相关．这时，当其中一个数据的值变小时，另一个数据的值通常会变大;当其中一个数据的值变大时，另一个数据的值通常会变小.③当|r|越接近1时，成对数据的线性相关程度越强；当|r|越接近0时，成对数据的线性相关程度越弱；特别地，当|r|＝0时，成对数据的没有线性相关关系；但不排除它们有其他相关关系当|r|＝1时，成对数据都落在一条直线上.

图(1)中成对样本数据的正线性相关程度很强.图(2)中成对样本数据的负线性相关程度比较强.图(3)中对样本数据的线性相关程度很弱.图(4)中成对样本数据的线性相关程度极弱

两个随机变量的相关性可以通过散点图对成对样本数据进行分析，而样本相关系数r可以反映两个随机变量之间的线性相关程度：r的符号反映相关关系的正负性，|r|的大小反映两个变量线性相关的程度，即散点集中于一条直线的程度.

例1、两个随机变量的相关性可以通过散点图对成对样本数据进行分析，而样本相关系数r可以反映两个随机变量之间的线性相关程度：r的符号反映相关关系的正负性，|r|的大小反映两个变量线性相关的程度，即散点集中于一条直线的程度.