专题08 成对数据的统计分析综合-2022-2023学年高二数学下学期期中期末考点大串讲（人教A版2019）

专题08 成对数据的统计分析综合 知识点一　相关关系 1．相关关系的定义：两个变量有关系，但没有确切到可由其中一个去精确地决定另一个的程度，这种关系称为相关关系． 2．相关关系的分类 (1)按变量间的增减性分为正相关和负相关． ①正相关：当一个变量的值增加时，另一个变量的相应值也呈现增加的趋势； ②负相关：当一个变量的值增加时，另一个变量的相应值呈现减少的趋势． (2)按变量间是否有线性特征分为线性相关和非线性相关(曲线相关)． ①线性相关：如果两个变量的取值呈现正相关或负相关，而且散点落在一条直线附近，我们称这两个变量线性相关； ②非线性相关或曲线相关：如果两个变量具有相关性，但不是线性相关，我们称这两个变量非线性相关或曲线相关． 知识点二　相关关系的刻画 1．散点图：为了直观描述成对样本数据的变化特征，把每对成对样本数据都用直角坐标系中的点表示出来，由这些点组成的统计图，叫做散点图． 2．样本相关系数 (1)我们常用样本相关系数r来确切地反映成对样本数据(xi，yi)的相关程度，其中r＝. (2)样本相关系数r的取值范围为[－1,1]． ①若r>0时，成对样本数据正相关； ②若r<0时，成对样本数据负相关； ③当|r|越接近1时，成对样本数据的线性相关程度越强； ④当|r|越接近0时，成对样本数据的线性相关程度越弱． 知识点三　一元线性回归模型 称为Y关于x的一元线性回归模型．其中Y称为因变量或响应变量，x称为自变量或解释变量，a称为截距参数，b称为斜率参数；e是Y与bx＋a之间的随机误差，如果e＝0，那么Y与x之间的关系就可以用一元线性函数模型来描述． 知识点四　最小二乘法 将＝x＋称为Y关于x的经验回归方程，也称经验回归函数或经验回归公式，其图形称为经验回归直线，这种求经验回归方程的方法叫做最小二乘法，求得的，叫做b，a的最小二乘估计，其中＝，＝－. 知识点五　残差与残差分析 1．残差 对于响应变量Y，通过观测得到的数据称为观测值，通过经验回归方程得到的称为预测值，观测值减去预测值称为残差． 2．残差分析 残差是随机误差的估计结果，通过对残差的分析可以判断模型刻画数据的效果，以及判断原始数据中是否存在可疑数据等，这方面工作称为残差分析． 知识点六　分类变量 为了表述方便，我们经常会使用一种特殊的随机变量，以区别不同的现象或性质，这类随机变量称为分类变量．分类变量的取值可以用实数表示． 知识点七　2×2列联表 1．2×2列联表给出了成对分类变量数据的交叉分类频数． 2．定义一对分类变量X和Y，我们整理数据如下表所示： X Y 合计 Y＝0 Y＝1 X＝0 a b a＋b X＝1 c d c＋d 合计 a＋c b＋d n＝a＋b＋c＋d 像这种形式的数据统计表称为2×2列联表． 知识点八　独立性检验 1．定义：利用χ2的取值推断分类变量X和Y是否独立的方法称为χ2独立性检验，读作“卡方独立性检验”．简称独立性检验． 2．χ2＝．其中n＝a＋b＋c＋d. 3．独立性检验解决实际问题的主要环节 (1)提出零假设H0：X和Y相互独立，并给出在问题中的解释． (2)根据抽样数据整理出2×2列联表，计算χ2的值，并与临界值xα比较． (3)根据检验规则得出推断结论． (4)在X和Y不独立的情况下，根据需要，通过比较相应的频率，分析X和Y间的影响规律． 考点1 变量间相关关系的判断 【例1】对变量x，y有观测数据(xi，yi)(i＝1,2，…，10)，得散点图如图1，对变量u，v有观测数据(ui，vi)(i＝1,2，…，10)，得散点图如图2.由这两个散点图可以判断(　　) 图1　　　　　　　　图2 A．变量x与y正相关，u与v正相关 B．变量x与y正相关，u与v负相关 C．变量x与y负相关，u与v正相关 D．变量x与y负相关，u与v负相关 【答案】C 【解析】由题图可得两组数据均线性相关，且图1的经验回归直线的斜率为负，图2的经验回归直线的斜率为正，则由散点图可判断变量x与y负相关，u与v正相关． 【解后感悟】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>0时，正相关；当<0时，负相关． 【变式1-1】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 【答案】C 【解析】因为y＝－0.1x＋1的斜率小于0，故x与y负相关．