专题06 成对数据统计分析综合（重点知识整合+基础过关+能力提升）-2023年【暑假分层作业】高二数学（人教A版2019）

专题06 成对数据统计分析综合 知识点一：成对数据的统计相关性 1：变量的相关关系 变量与变量之间的关系常见的有两类：一类是变量之间的关系具有确定性，当一个变量确定后，另一个变量就确定了；另一类是变量之间确实有一定的关系，但没有达到可以互相决定的程度，它们之间的关系带有一定的随机性. （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）函数关系与相关关系的异同点 函数关系 相关关系 相同点 两者均是指两个变量之间的关系 不同点 是一种确定性关系 是一种非确定性的关系 是两个变量之间的关系 ①一个为变量，另一个为随机变量；②两个都是随机变量 是一种因果关系 不一定是因果关系，也可能是伴随关系 是一种理想的相关关系模型 是一种更为一般的情况 2：散点图的概念 （1）一般地，如果收集到了变量和变量的对数据（简称为成对样本数据），如下表所示 序号 1 2 3 4 变量 变量 则在直角坐标系中描出点,就可以得到这对数据的散点图 （2）正相关与负相关 如果从整体上看，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，我们就称这两个变量正相关； 如果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，则称这两个变量负相关. （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，我们就称这两个变量线性相关理解. 3：相关关系的强弱 （1）样本相关系数 现实生活中的数据，由于度量对象和单位的不同等，数值会有大有小，为了去除这些因素的影响，统计学里一般用来衡量与的线性相关性强弱，我们称为变量和变量的样本相关系数. （2）相关系数的性质 ①当时，称成对样本数据正相关;当时，成对样本数据负相关；当时，成对样本数据间没有线性相关关系. ②样本相关系数的取值范围为 当越接近1时，成对样本数据的线性相关程度越强; 当越接近0时，成对样本数据的线性相关程度越弱. 知识点二：一元线性回归模型及其应用 1：一元线性回归模型 （1）一元线性回归模型 我们称 为关于的一元线性回归模型，其中称为因变量或响应变量，称为自变量或解释变量；和为模型的未知参数，称为截距参数，称为斜率参数；是与之间的随机误差. （2）随机误差 在线性回归模型中，和为模型的未知参数，是与之间的误差,通常为随机变量，称为随机误差.它的均值，方程. 线性回归模型的完整表达式为 , 在此模型中，随机误差的方差越小，用预报真实值的精度越高. 2：一元线性回归模型参数的最小二乘法 （1）经验回归方程的求解法：最小二乘法 回归直线方程过样本点的中心，是回归直线方程最常用的一个特征； 我们将称为关于的线性回归方程，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，的最小二乘估计,其中称为回归系数，它实际上也就是经验回归直线的斜率，为截距. 其中 （2）求经验回归方程的步骤 ①作出散点图，判断两变量是否具有线性相关关系，若具有线性相关关系，则可求其经验回归方程； ②列表求出,的值； ③利用公式先计算,再根据经验回归直线过样本点的中心计算； ④写出经验回归方程. 求经验回归方程，关键在于正确求出系数,,由于计算量较大，所以计算时要仔细谨慎、分层进行，避免因计算产生错误要特别注意，只有两个变量呈线性相关关系时，求出的经验回归方程才有意义. （3）经验回归方程的性质 ①经验回归直线一定过点,点通常称为样本点的中心； ②一次函数的单调性由的符号决定，函数递增的充要条件是；函数递减的充要条件是.这说明：与正相关的充要条件是；与负相关的充要条件是. ③在经验回归方程中，是经验回归直线的斜率，是截距.一般地，当回归系数时，说明两个变量呈正相关关系，它的意义是当每增大一个单位时，平均增大个单位；当时，说明两个变量呈负相关关系，它的意义是当每增大一个单位时，平均减小个单位. 3：残差 （1）残差 对于响应变量，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）残差图 作图时纵坐标为残差，横坐标可以选为样本编号，或身高数据，或体重估计值等，这样作出的图形称为残差图．若残差点比较均匀地落在水平的带状区域内，带状区域越窄，则说明拟合效果越好. （3）残差分析 残差是随机误差的估计结果，通过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.其步骤为：计算残差化残差图在残差图中分析残差特性. 4：决定系数 （1）残差平方和 残差平方和，残差平方和越小，模