82一元线性回归分析.docx

【解析版】8.2一元线性回归分析

选择性必修第二册第8章成对数据的统计分析

初中学习的平面几何，研究的是平面上的一些简单图形及其几何性质；从本章开始，我们将把视野从二维的平面拓展到三维的空间；在三维空间中的图形统称为空间图形或立体图形；立体几何所研究的就是一些简单的空间图形及其几何性质；

从平面几何到立体几何，我们要注意借鉴平面几何中已有的一些概念、方法和结论，更要特别注意立体几何和平面几何之间的区别；以本章学习的空间直线与平面为例，我们不仅要研究平面这类典型的空间图形，而且要对“直线”有更为深刻的认识；我们生活在一个三维世界中，立体几何的学习有助于我们从几何的角度更好地理解现实的世界，并且锻炼我们的几何直观想象能力；因此，在学习中，要着重注意几何的直观和内涵，不要仅仅停留在表面上的严格推导和论证，还要多画一些示意图来帮助理解，这样才能更好地掌握几何的实质，逐步培养自己的立体感和空间想象能力；

在必修课程第13章“统计”中，我们主要研究了来自单一变量数据的一些统计特征，如集中趋势、离散程度、分布等．但现实世界中许多事物和现象之间都是有联系的；在本章中，我们将主要学习来自两个变量的成对数据的相关分析和回归分析，掌握它们之间的统计规律；本章将要学习的相关分析、回归分析及检验都属于推断性统计方法，它们在构建统计模型、预测结果和因果分析等方面有许多应用；在必修课程中学过的散点图是进行成对数据统计分析的基础，通过观察散点图可以大致了解数据的整体形态和偏离情况，发现两组数据之间的变化规律，构建适当的统计模型．统计图表不仅可以直观地表示数据及其规律，也是

建立统计直觉的重要途径；

【本章教材目录】第8章成对数据的统计分析

8．1成对数据的相关分析

8．1．1成对数据间的关系；8.1.2相关系数

8．2一元线性回归分析

8．2.1一元线性回归分析的基本思想；8.2.2一元线性回归分析的应用举例

8．32x2列联表

8．3.12x2列联表独立性检验；8.3.2独立性检验的具体应用

【本章内容提要】

相关分析和一元线性回归分析是研究两个变量关系的两个互为补充的方法；相关分析描述了两个变量的相关程度，而回归分析则描述了因变量是怎样受自变量影响的；

1、为了得到两个变量之间是否具有一定关系的直观印象，可以用散点图来描述这些数据；

2、相关系数可以度量两个随机变量之间的线性关系；相关系数的值满足，且越接近１，两个随机变量的线性关系越密切;

3、回归方程代表了两个变量间的关系，回归直线经过散点图中数据点的中心;回归直线的斜率越大，解释变量狓的一个单位变化所引起的反应变量狔的波动就越大;

4、回归方程可以通过最小二乘法得到．回归直线能较好地反映一个变量对另一个变量的依赖情况，具有解释因果关系和预测的功能．利用回归方程可以由解释变量的值来预测反应变量的值，从而给出反应变量真实值的一个估计；

5、２×２列联表描述两个分类变量所有值的组合数据是如何分布的．判断２×２列联表中出现的两个分类变量是否独立可采用检验；检验的一般步骤是：（1）提出原假设；（2）确定显著性水平；（3）计算统计量的值；（4）统计决断：当≥时，拒绝原假设，推断两个变量相关，否则，接受原假设，推断两个变量不相关（即两个变量是独立的）；在实际情况下，是否完全拒绝原假设，还需要考虑样本量的大小；

【要点方法解读】

解读点001离差的概念与作用

1、离差的概念与作用

一般地，设给定一组有线性相关关系的成对数据、、…、和一个线性方程（或称线性模型）；①

如何描述数据与此线性方程的贴近度呢？

当变量取值（＝1，2，…，）时，令，它是变量与对应的理想值；

但数据中的与不一定相同，它们的差称为在处的离差；

当时称为正离差，而当时称为负离差；

显然，离差直观地描述了单对数据与线性方程①的贴近度；

2、拟合误差

可以像计算方差那样，用离差的平方和来刻画直线与点之间的拟合程度；称为拟合误差；它是一个很好的描述数据与线性方程①贴近度的指标；

例1、色差和色度是衡量毛绒玩具质量优劣的重要指标，现抽检一批产品测得数据列于表中：已知该产品的色度y和色差x之间满足线性相关关系，且y＝0.8x＋eq\o(b,\s\up6(^))，现有一对测量数据为(30，23.6)，则该数据的残差为()

色差x

21

23

25

27

色度y

15

18

19

20

A．－0.96B．－0.8C．0.8D．0.96

【提示】理解离差与计算方法；

【答案】C；

【解析】由题意可知，eq\x\to(x)＝eq\f(21＋23＋25＋27,4)＝24，eq\x\to(y)＝eq\f(15＋18＋19＋20,4)＝18，

将(24