第1课时　变量间的相关关系及回归模型.docx

第1课时变量间的相关关系及回归模型

1.结合实例，了解样本相关系数的统计含义，了解样本相关系数与标准化数据向量夹角的关系.

2.结合实例，会通过相关系数比较多组成对数据的相关性.

3.结合具体实例，了解一元线性回归模型的含义，了解模型参数的统计意义，了解最小二乘原理，掌握一元线性回归模型参数的最小二乘估计方法.

4.针对实际问题，会用一元线性回归模型进行预测.

1.两个变量的相关关系有①正相关，②负相关，③不相关，则下列散点图从左到右分别反映的变量间的相关关系是（）

A.①②③ B.②③①

C.②①③ D.①③②

解析：D第一个散点图中的点是从左下角区域分布到右上角区域，则是正相关；第三个散点图中的点是从左上角区域分布到右下角区域，则是负相关；第二个散点图中的点的分布没有什么规律，则是不相关，所以应该是①③②.

2.已知函数模型为y＝sin2α＋2sinα＋1，若将其转化为y关于t的经验回归方程，则需令t＝（）

A.sin2α B.（sinα＋1）2

C.（sinα＋12）2 D.

解析：By是关于t的经验回归方程，即y是关于t的一次函数.因为y＝（sinα＋1）2，若令t＝（sinα＋1）2，则可得y＝t，此时变量y与变量t是线性相关关系.

3.在一元线性回归模型Y＝bx＋a＋e中，下列说法正确的是（）

A.Y＝bx＋a＋e是一次函数

B.响应变量Y是由解释变量x唯一确定的

C.响应变量Y除了受解释变量x的影响外，可能还受到其他因素的影响，这些因素会导致随机误差e的产生

D.随机误差e是由于计算不准确造成的，可通过精确计算避免随机误差e的产生

解析：C对于A，一元线性回归模型Y＝bx＋a＋e中，方程表示的不是确定性关系，因此不是一次函数，所以A错误；对于B，响应变量Y不是由解释变量x唯一确定的，所以B错误；对于C，响应变量Y除了受解释变量x的影响外，可能还受到其他因素的影响，这些因素会导致随机误差e的产生，所以C正确；对于D，随机误差是不能避免的，只能将误差缩小，所以D错误.

4.已知x，y的取值如下表，已知y与x具有线性相关关系，且经验回归方程为y＝0.95x＋a，则a＝（）

x

0

1

3

4

y

2.2

4.3

4.8

6.7

A.1 B.1.6

C.2 D.2.6

解析：D∵经验回归直线必过样本点的中心（x，y），又x＝2，y＝4.5，∴代入经验回归方程，得a＝2.6.

变量间相关关系的判断

1.已知变量x和y满足关系y＝－0.1x＋1，变量y与z正相关.下列结论中正确的是（）

A.x与y正相关，x与z负相关

B.x与y正相关，x与z正相关

C.x与y负相关，x与z负相关

D.x与y负相关，x与z正相关

解析：C因为y＝－0.1x＋1的斜率小于0，故x与y负相关.因为y与z正相关，可设z＝by＋a，b＞0，则z＝by＋a＝－0.1bx＋b＋a，故x与z负相关.

2.对四组数据进行统计，获得如图所示的散点图，关于其样本相关系数的比较，正确的是（）

A.r2＜r4＜0＜r3＜r1

B.r4＜r2＜0＜r1＜r3

C.r4＜r2＜0＜r3＜r1

D.r2＜r4＜0＜r1＜r3

解析：A由散点图知图（1）与图（3）是正相关，故r1＞0，r3＞0，图（2）与图（4）是负相关，故r2＜0，r4＜0，且图（1）与图（2）的样本点集中在一条直线附近，因此r2＜r4＜0＜r3＜r1.

3.已知相关变量x和y的散点图如图所示，若用y＝b1·ln（k1x）与y＝k2x＋b2拟合时的样本相关系数分别为r1，r2，则r1r2.（填“＞”“＜”或“＝”）

答案：＜

解析：由散点图可知，用y＝b1ln（k1x）拟合比用y＝k2x＋b2拟合的程度高，故｜r1｜＞｜r2｜.又因为x，y负相关，所以－r1＞－r2，即r1＜r2.

练后悟通

判定两个变量相关性的方法

（1）画散点图：点的分布从左下角到右上角，两个变量正相关；点的分布从左上角到右下角，两个变量负相关；

（2）样本相关系数：当r＞0时，正相关；当r＜0时，负相关；｜r｜越接近于1，相关性越强；

（3）经验回归方程：当b＞0时，正相关；当b＜0时，负相关.

样本相关系数

【例1】（2022·全国乙卷19题）某地经过多年的环境治理，已将荒山改造成了绿水青山.为估计一林区某种树木的总材积量，随机选取了10棵这种树木，测量每棵树的根部横截面积（单位：m2）和材积量（单位：m3），得到如下数据：

样本号i

1

2

3

4

5

6

7

8

9

10

总和

根部横截

面积xi

0.04

0.06

0.04

0.08

0.08

0.05

0.05

0.07

0.07

0.06

0.6

材积量yi

0.25

0.40

0.22