1_11.5　成对数据的统计分析训练册.pptx

高考

数学;考点1变量间的相关关系

考点2列联表和独立性检验;;并计算得??=0.038,??=1.6158,?xiyi=0.2474.

(1)估计该林区这种树木平均一棵的根部横截面积与平均一棵的材积量;

(2)求该林区这种树木的根部横截面积与材积量的样本相关系数(精确到0.01);

(3)现测量了该林区所有这种树木的根部横截面积,并得到所有这种树木的根部横截面

积总和为186m2.已知树木的材积量与其根部横截面积近似成正比.利用以上数据给出

该林区这种树木的总材积量的估计值.

附:相关系数r=?,?≈1.377.;解析????(1)估计该林区这种树木平均一棵的根部横截面积为?=?=0.06(m2),平均一棵

的材积量为?=?=0.39(m3).

(2)样本相关系数r=?

=?

=?;=?=?≈?≈0.97.

?计算相关系数r=?时,需要将分子、分母稍加变换,采用题设中给出

的数据求解?

即该林区这种树木的根部横截面积与材积量的样本相关系数约为0.97.

(3)设这种树木的根部横截总面积为Xm2,总材积量为Ym3,则?=?,则Y=?=

?=1209,;2.(2020课标Ⅱ理,18,12分,中)某沙漠地区经过治理,生态系统得到很大改善,野生动物

数量有所增加.为调查该地区某种野生动物的数量,将其分成面积相近的200个地块,从

这些地块中用简单随机抽样的方法抽取20个作为样区,调查得到样本数据(xi,yi)(i=1,2,

…,20),其中xi和yi分别表示第i个样区的植物覆盖面积(单位:公顷)和这种野生动物的数

量,并计算得?xi=60,?yi=1200,?(xi-?)2=80,?(yi-?)2=9000,?(xi-?)(yi-?)=800.

(1)求该地区这种野生动物数量的估计值(这种野生动物数量的估计值等于样区这种

野生动物数量的平均数乘地块数);

(2)求样本(xi,yi)(i=1,2,…,20)的相关系数(精确到0.01);

(3)根据现有统计资料,各地块间植物覆盖面积差异很大.为提高样本的代表性以获得;该地区这种野生动物数量更准确的估计,请给出一种你认为更合理的抽样方法,并说

明理由.

附:相关系数r=?,?≈1.414.;解析????(1)由已知得样本平均数?=??yi=60,从而该地区这种野生动物数量的估计值

为60×200=12000.

(2)样本(xi,yi)(i=1,2,…,20)的相关系数

r=?=?=?≈0.94.

(3)分层随机抽样:根据植物覆盖面积的大小对地块分层,再对200个地块进行分层???样.

理由如下:由(2)知各样区的这种野生动物数量与植物覆盖面积有很强的正相关.由于

各地块间植物覆盖面积差异很大,从而各地块间这种野生动物数量差异也很大,采用

分层抽样的方法较好地保持了样本结构与总体结构的一致性,提高了样本的代表性,;3.(2018课标Ⅱ理,18,12分,中)下图是某地区2000年至2016年环境基础设施投资额y(单

位:亿元)的折线图.

?

为了预测该地区2018年的环境基础设施投资额,建立了y与时间变量t的两个线性回归;模型.根据2000年至2016年的数据(时间变量t的值依次为1,2,…,17)建立模型①:?=-30.

4+13.5t;根据2010年至2016年的数据(时间变量t的值依次为1,2,…,7)建立模型②:?=99

+17.5t.

(1)分别利用这两个模型,求该地区2018年的环境基础设施投资额的预测值;

(2)你认为用哪个模型得到的预测值更可靠?并说明理由.;解析????(1)利用模型①,该地区2018年的环境基础设施投资额的预测值为?=-30.4+13.5

×19=226.1(亿元).

利用模型②,该地区2018年的环境基础设施投资额的预测值为?=99+17.5×9=256.5(亿

元).

(2)解法一:利用模型②得到的预测值更可靠.理由如下:

(i)从折线图可以看出,2000年至2016年的数据对应的点没有随机散布在直线y=-30.4+1

3.5t上下,这说明利用2000年至2016年的数据建立的线性模型①不能很好地描述环境

基础设施投资额的变化趋势.2010年相对2009年的环境基础设施投资额有明显增加,2

010年至2016年的数据对应的点位于一条直线的附近,这说明从2010年开始环境基础;设施投资额的变化规律呈线性增长趋势,利用2010年至2016年的数据建立的线性模型

?=99+17.5t可以较好地描述2010年以后的环境基础设施投资额的变化趋势,因此利用

模型②得到的预测值更可靠.

(ii)从计算结果看,相对于2016年的环境基础设施投资额220亿元,由模型①得到的预测

值226.1亿元的增幅明显偏低,而利用模型②得到的预测值的增幅比较