原创力文档- 1、本文档共9页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
学必求其心得，业必贵于专精
学必求其心得，业必贵于专精
学必求其心得，业必贵于专精
1.2相关系数
自主整理
判断两个变量之间的线性相关关系的方法有(1)_________________;（2）_________________。
高手笔记
1.假设两个随机变量的数据分别为(x1，y1），(x2，y2），…，（xn，yn）,则变量间线性相关系数r的计算公式为：
r===.
2。r∈［—1,1］，(1)|r|值越大,误差Q越小,变量之间的线性相关程度越高.
（2）｜r|值越接近0,Q越大,变量之间的线性相关程度越低.
(3）当r＞0时,lxy＞0,b=＞0,两个变量正相关；
当r＜0时，lxy＜0,b=＜0,两个变量负相关；
当r=0时，两个变量线性不相关。
3.线性相关系数的计算:
线性相关系数是用来衡量两个变量之间线性相关关系强弱的一个量。计算时一般是在求线性回归方程的基础上,一并计算出,只是在列表时需列出yi和yi2栏目,通常当r大于0。75时，认为两个变量有很强的线性相关关系，从而表明建立回归模型是必要的,可用求出来的线性回归方程来预报其他量。
名师解惑
为什么要计算线性相关系数?
剖析：我们前一节讲了用“最小二乘法”求两变量之间的线性回归方程,而求出的线性回归方程中y与样本中yi存在着误差,我们用误差的平方和Q（a,b)达到最小值时的a、b的取值来确定线性回归方程为y=a+bx。那么拟合得好不好不一定，要想拟合得好必须使误差的平方和Q（a，b）尽可能地小,而当b=,a=-b时，
Q（a,b)==1（xi-x)2［b］2++n［-(a+bx)］2·[］2，
∴Q(a,b）最小=｛1｝=（1-r2）。
∵Q≥0,由此可看出1-r2≥0，即r∈［-1，1]且当｜r｜值越大,1—r2越接近于0，Q（a，b)就越小，两变量之间的线性相关程度就越高,此时拟合得就越好.如果某组数据可能采取几种不同的回归方程进行分析，则可以通过比较r的值来作出选择，即选择r2较大的模型来作为这组数据的模型,那么，要建立一个回归模型其基本步骤大致可分为
①确定研究的对象,明确哪个变量随着哪个变量变化,即弄清谁是预测变量.
②作出样本数据的散点图，观察它们之间的关系(是否存在线性关系)。
③由经验确定回归方程的类型(如果散点图呈现线性关系，则选用线性回归方程y=a+bx）.
④列表并计算a、b及r的值。
⑤根据r的取值，判断回归方程是否拟合得好，若拟合的不好,可另选回归模型重新计算.
⑥得到较为合适的回归模型后,可用来预测所需要的量。这里要注意，由回归方程得到的预报值并不一定就是预报变量的精确值.事实上,它是预报变量的可能取值的平均值.
讲练互动
【例1】维尼纶纤维的耐热水性能的好坏可以用指标“缩醛化度”y来衡量，这个指标越高，耐水性能也越好，而甲醛浓度是影响缩醛化度的重要因素，在生产中常用甲醛浓度x（g/L)去控制这一指标,为此必须找出它们之间的关系，现安排一批实验，获得如下数据.
甲醛浓度（g/L）
18
20
22
24
26
28
30
缩醛化度（克分子%）
26.86
28。35
28.75
28。87
29.75
30。00
30.36
(1）画散点图；
（2）求回归方程;
(3）求相关系数r.
解析:将有关数据代入公式计算。
解：（1）
（2)列表:
i
xi
yi
xi2
xiyi
1
18
26.86
324
483.48
2
20
28。35
400
567
3
22
28。75
484
632.5
4
24
28。87
576
692.88
5
26
29。75
676
773.5
6
28
30。00
784
840
7
30
30.36
900
910.80
∑
168
202.94
4144
4900。16
==24,=，b===0。2643,
a=-b==22.649，
∴回归方程为y=22.649+0。2643x,
(3)=5892，
r===0.96.
由此可知，回归方程很好地拟合甲醛浓度与缩醛化度之间的线性关系。
绿色通道
由散点图可看出两变量符合线性关系，由公式计算求出回归方程和相关系数.
变式训练
1.以下是收集到的新房屋的销售价格y和房屋的大小x的数据.
房屋大小/m2
115
110
80
135
105
销售价格/万元
24.8
21。6
18。4
29.2
22
(1)画出数据的散点图；
（2)求线性回归方程及相关系数r,并作出评价.
解:(1)
（2)
i
xi
yi
xi2
yi2
xiyi
1
115
24。8
13225
615。04
2852
2
110
21.6
12100
466.56
2376
3
80
18.4
6400
338.56
1
文档评论（0）