内容正文:
第九章
第二节 统计案例
1
返回
知识分步 落实
考点分类 突破
学科素养提升19
课时精练(四十四)
2
[课程标准]1.结合实例,了解样本相关系数的统计含义,了解相关系数,会通过相关系数比较多组成对数据的相关性.2.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,了解最小二乘法原理,会用一元线性回归模型进行预测.3.通过实例,理解 <m></m> 列联表的统计意义,了解 <m></m> 列联表独立性检验及其应用.
返回
3
知识分步 落实
返回
4
1.变量的相关关系
(1)相关关系:两个变量有关系,但又没有确切到可由其中的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:________和________.
(3)线性相关:一般地,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.
正相关
负相关
返回
5
2.相关系数
(1) <m></m> .
(2)当 <m></m> 时,称成对样本数据________;当 <m></m> 时,称成对样本
数据________.
(3) <m></m> ;当 <m></m> 越接近1时,成对样本数据的线性相关程度越____;
当 <m></m> 越接近0时,成对样本数据的线性相关程度越____.
正相关
负相关
强
弱
返回
6
3.一元线性回归模型
(1)经验回归直线:从散点图上看,如果这些点从整体上看大致分布在
通过散点图中心的一条直线附近,称两个变量之间具有______________,
这条直线叫作经验回归直线.
(2)我们将 <m></m> 称为 <m></m> 关于 <m></m> 的线性回归方程,
其中 <m></m>
线性相关关系
返回
7
(3)偏差:观测值减去________,称为偏差.
[微提醒] (1)求解经验回归方程的关键是确定回归系数 <m></m> ,应充分利用回归直线过样本中心点 <m></m> .(2)根据经验回归方程计算的 <m></m> 值,仅是一个预测值,不是真实发生的值.
预测值
返回
8
4.列联表与独立性检验
(1)一般地,假设有两个分类变量 <m></m> 和 <m></m> ,它们的取值分别为 <m></m> ,
<m></m> 和 <m></m> , <m></m> ,其 <m></m> 列联表为:
<m></m> <m></m> 总计
<m></m> <m></m> <m></m> <m></m>
<m></m> <m></m> <m></m> <m></m>
总计 <m></m> <m></m> <m></m>
(2)计算随机变量 <m></m> ,利用 <m></m> 的取值推断分类
变量 <m></m> 和 <m></m> 是否独立的方法称为 <m></m> 独立性检验.
返回
9
[对点自测]
1.判断正误(正确的打“√”,错误的打“×”)
(1)散点图是判断两个变量相关关系的一种重要方法和手段.( )
√
(2)回归直线 <m></m> 至少经过点 <m></m> , <m></m> , <m></m> , <m></m>
中的一个点.( )
×
(3)样本相关系数的绝对值越接近1,成对样本数据的线性相关程度越
强.( )
√
(4)若分类变量 <m></m> , <m></m> 关系越密切,则由观测数据计算得到的 <m></m> 的观
测值越小.( )
×
返回
10
2.(选择性必修第一册P236例1改编)
如图1,2分别表示样本容量均为7的
<m>、</m> <m></m> 两组成对数据的散点图,已知
<m></m> 组成对数据的样本相关系数为 <m></m> ,
A. <m></m> B. <m></m> C. <m></m> D.无法判断
<m></m> 组成对数据的样本相关系数为 <m></m> ,则 <m></m> 与 <m></m> 的大小关系为
解析:[由题图1可知,散点几乎在一条直线上,且成正相关,所以 <m></m> ,由题图2可知,散点分散在一条直线附近,也成正相关,所以 <m></m> 组成对数据的线性相关程度比 <m></m> 组强些,所以 <m></m> .故选C.]
√
返回
11
3.(2020·全国Ⅰ卷)某校一个课外学习小组为研究某作物种子的发芽率
<m></m> 和温度 <m></m> <m></m> 单位: <m></m> 的关系,在20个不同的温度条件下进行种子发芽
实验,由实验数据 <m></m> 得到下面的散点图:
由此散点图,在 <m></m> 至 <m></m> 之间,下面四