2024新高考数学基础知识梳理与课本优秀题目巩固-模块18-成对数据分析.docx

模块十八：成对数据统计分析

1、变量的相关关系:(1)函数关系(确定性关系);(2)相关关系(线性相关和非线性相关)

2、散点图:成对数据都可以用直角坐标系中的点表示出来,由这些点组成的统计图叫散点图.3、正相关和负相关

从整体上看,当一个变量的值增加时,另一个变量的相应值也呈现增加的趋势,我们

就称这两个变量正相关(positivecorrelation);当一个变量的值增加时,另一个变量的相

应值呈现减小的趋势,则称这两个变量负相关(negativecorrelation).4、线性相关:

一般地,如果两个变量的取值呈现正相关或负相关,而且散点落在一条直线附近,我们就称这两个变量线性相关.5、样本相关系数:

r

注:(1)样本相关系数r是一个描述成对样本数据的数字特征,它的正负性可以反映成对样本数据的变化特征:当r0

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

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.

(2)样本相关系数r的取值范围为[?1,1]

当r越接近1时,成对样本数据的线性相关程度越强;

当r越接近0时,成对样本数据的线性相关程度越弱.

6、一元线性回归模型

Y

(1)

我们称(1)式为Y关于x的一元线性回归模型(simplelinearregressionmodel).其中,

Y称为因变量或响应变量,x称为自变量或解释变量;a和b为模型的未知参数,a称为

截距参数,b称为斜率参数;e是Y与bx+

我们将y=bx+a称为Y

其中

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??,求得的

叫做b,a

注意:(1)经验回归直线一定过样本中心点x

(2)残差分析:

对于响应变量Y,通过观测得到的数据称为观测值,通过经验回归方程得到的y称为预测值,观测值减去预测值称为残差.残差是随机误差的估计结果,通过对残差的分析可以判断模型刻画数据的效果,以及判断原始数据中是否存在可疑数据等,这方面工作称为残差分析.

8、刻画回归效果的方式

(1)残差图法:在残差图中(纵坐标是残差),残差点比较均匀落在以取值为0的横轴为对称轴的水平带状区域内,说明选用的模型比较合适,这样的带状区域的宽度越窄,说明拟合精度越高.

(2)残差平方和:残差平方和为∑yi

(3)利用决定系数R2

R

在R2表达式中,i=1nyi

归方程有关.因此R2越大,表示残差平方和越小,即模型的拟合效果越好;R2

示残差平方和越大,即模型的拟合效果越差.

9、分类变量:为了表述方便,我们经常会使用一些特殊的随机变量,以区别不同的现象或性质,这类随机变量称为分类变量.分类变量的取值可以用实数表示.

10、2×2

假设两个分类变量X和Y,它们的可能取值分别为x

和y1,y2,其

X

Y

合计

y

y

x

a

b

a

x

c

d

c

合计

a

b

a

2×2

、等高堆积条形图:展示列联表数据的频率特征,能够直观反映出两个分类变量之间是否相互影响.

(1)等高堆积条形图中有两个高度相同的矩形,每一个矩形中都有两种颜色,

观察下方颜色区域的高度,如果两个高度相差比较明显,就判定两个分类变量之间有关系.

(2)利用等高堆积条形图虽然可以比较各个部分之间的差异,明确展现两个分

类变量的关系,但不能知道两个分类变量有关系的概率大小.

12、独立性检验

假设有两个分类变量X和Y,它们的值域分别为x1,x2和y1,

y

y

总计

x

a

b

a

x

c

d

c

总计

a

b

a

若要推断的论述H:?aX和

关系,并且能比较精确地给出这种判断的可靠程度.则:

χ

当χ2≥xa时,我们就推断H0不成立,即认为X和Y

当χ2xa时,我们没有充分证据推断H0不成立,可以认为X

这种利用χ2的取值推断分类变量X和Y是否独立的方法称为Z2独立性检验,读作“卡方独立性检验

注意:独立性检验结论描述:

(1)如果χ2≥xα,根据小概率值α的χ2独立性检验,推断H0不成立,即认为X与Y有关联,此推断犯错误的概率不大于α;(或者说:有1?α×100%的把握认为X与Y有关联,或者说:在犯错误率不超过

(2)如果χ2xα,根据小概率值α的χ2独立性检验,没有充分证据推断H0不成立,可以认为H0成