山东省平邑县曾子学校高中数学选修1-2学案第一章统计案例小结.doc

第一章统计案例

第一章统计案例小结

【学习目标】

1．了解变量的相关性．

2．会作散点图．

3．会求线性回归方程．

4．了解独立性检验(2×2列表)的基本思想、方法与应用．

5．了解回归分析的基本思想方法及其应用．

【新知自学】

新知梳理：

1．两个变量的相关关系

(1)如果两个变量之间确实存在关系，但又没有函数关系所具有的确定性，它们的关系带有随机性，则称这两个变量具有相关关系．

(2)有相关关系的两个变量，若一个变量的值由小到大时，另一个变量的值也是由小到大，这种相关称为；反之，一个变量的值由小到大，另一个变量的值由大到小，这种相关称为．

(3)如果散点图中，具有相关关系的两个变量所有观察值的数据点，分布在一条直线附近，则称这两个变量具有，这条直线叫做，方程为eq\o(y,\s\up6(^))＝eq\o(b,\s\up6(^))x＋eq\o(a,\s\up6(^))，

其中eq\o(b,\s\up6(^))＝，

eq\o(a,\s\up6(^))＝eq\o(y,\s\up6(－))－eq\o(b,\s\up6(^))eq\o(x,\s\up6(－)).

(4)样本的相关系数

r＝.

当r＞0时，表示两个变量正相关，当r＜0时，表示两个变量负相关，|r|越接近于1，表明两个变量的线性相关性越强；|r|越接近于0，表明两个变量之间几乎不存在线性相关关系．通常当|r|0.75时，认为两个变量有很强的线性相关关系．

2．回归分析

(1)残差＝yi－eq\o(y,\s\up6(^))i

(2)相关指数R2＝．

用R2来刻画回归的效果，R2越大，说明残差平方和越小，表示．在线性回归模型中R2表示解释变量对预报变量变化的贡献率．R2越接近1，表示回归效果越好．

(3)建立回归模型的基本步骤

①确定研究对象，明确解释变量与预报变量；

②画出解释变量与预报变量的散点图；

③由经验确定回归方程的类型；

④估计回归方程中的参数；

⑤分析残差图是否异常，若存在异常，则检查数据是否有误，或模型是否合适等．

3．独立性检验

(1)分类变量

用变量的不同“值”，表示个体所属的不同类别，这种变量称为分类变量．例如：是否吸烟，宗教信仰，国籍等．

(2)列联表：即列出两个分类变量的频数表：一般地，假设有两个分类变量eq\o(x,\s\up6(－))和eq\o(y,\s\up6(－))，它们的值域分别为{x1，x2}和{y1，y2}，其样本频数列联表(称为2×2列联表)为：

y1

y2

合计

x1

a

b

a＋b

x2

c

d

c＋d

合计

a＋c

b＋d

n

其中n＝a＋b＋c＋d为样本容量．

(3)可以利用独立性检验来考察两个分类变量是否有关系，并且能较为准确地给出这种判断的可靠程度，具体做法是：根据观测数据计算由公式K2＝eq\f(n（ad－bc）2,（a＋b）（a＋c）（c＋d）（b＋d）)所给出的检验随机变量的观测值k，并且k的值越大，说明“X与Y有关系”成立的可能性越大，同时可以利用以下数据来确定“X与Y有关系”的可信程度．

如果k＞10.828，就有99.9%的把握认为“X与Y有关系”；

如果k＞7.879，就有99.5%的把握认为“X与Y有关系”；

如果k＞6.635，就有99%的把握认为“X与Y有关系”；

如果k＞5.024，就有97.5%的把握认为“X与Y有关系”；

如果k＞3.841，就有95%的把握认为“X与Y有关系”；

如果k＞2.706，就有90%的把握认为“X与Y有关系”；

如果k≤2.706，就认为没有充分的证据显示“X与Y有关系”．

这种利用随机变量k2来确定在多大程度上可以认为“两个分类变量有关系”的方法称为两个分类变量的独立性检验．

对点练习：

1．对四组数据进行统计，获得以下散点图，关于其相关系数的比较，正确的是()

A．r2r40r3r1B．r4r20r1r3

C．r4r20r3r1D．r2r40r1r3

2．在一组样本数据(x1，y1)，(x2，y2)，…，(xn，yn)(n≥2，x1，x2，…，xn不全相等)的散点图中，若所有样本点(xi，yi)(i＝1，2，…，n)都在直线y＝eq\f(1,2)x＋1上，则这组样本数据的样本相关系数为()

A．－1B．0C.eq\f(1,2)D．1

3．调查了某地若干户家庭的年收入x(单位：万元)和年饮食支出y(单位：万元)，调查显示年收入x与年