内容正文:
高二数学
假期作业(九)成对数据的相关关系与一元
线性回归模型及其应用
(2)川越小,说明两个变量之间的线性相关性越
>>
有问必答·固双基
((((
,也就是得出的回归直线方程越没有价
1.相关关系
值,即方程越不能反映真实的情况;越大,说明
两个变量之间确实有一定的关系,但没有达到
两个变量之间的线性相关性越
,也就是
可以互相决定的程度,它们之间的关系带有一
得出的回归直线方程越有价值
定的
性,这两个变量之间的关系,统计
(3)|r=1的充要条件是成对数据构成的点都
学上称为相关关系
衣
上
2.回归直线方程
>>》>
一般地,已知变量x与y的n对成对数据(x:,
典例精析·拓思维
K<K<
y),i=1,2,3,…,n,任意给定一个一次函数y
【例】某运动员训练次数与训练成绩之间的数据
=bx十a,对每一个已知的x;,由直线方程可以
关系如表:
得到一个估计值
次数(.x)30333537
39444650
yi=bri+a,
成绩(Y)3034373942464851
如果一次函数y=i.x十a能使
(1)作出散点图:
=2(y-)2
(2)求出经验回归方程:
取得
值,则y=bx十a
(3)作出残差图;
称为y关于x的回归直线方程(对应的直线称
(4)计算R2,并说明运动员的训练次数对成绩
为
),因为是使得平方和最小,所以其
的影响占百分之几
中涉及的方法称为
法
【解】(1)作出该运动员训练次数x与成绩Y
的散,点图,如图所示,由散,点图可知,它们之间
6=之4一x)y二
具有相关关系.
2(,-x)2
Y
60
其中,b称为回归系数.它实际上也就是回归直
线方程的斜率,回归直线方程确定之后,就可用
50
40
于预测,
30
其中,x=(m十x2十…十n)=1之x,y=
n11
20-
宫:
1o/
0102030405060x
3.回归直线方程的性质
(1)回归直线一定过点(x,y).
(2)x=39.25,y=40.875,2号=12656,
(2)y与x正相关的充要条件是b>0:y与x负
相关的充要条件是b<0.
2y=13180,所以宁
立xy,一8
-≈1.0415,
(3)当x增大一个单位时,y增大个单位,这就
2.x2-8
是回归系数的实际意义
a=y-6.x=-0.003875,
4.相关系数统计学里一般用
所以经验回归方程为y=1.0415x-0.003875.
-(y-
(3)残差分析:下面的表格列出了运动员训练次
数和成绩的原始数据以及相应的残差数据.
V2(x,-)22,-
Y
e
来衡量y与x的线性相关性
,这里的r
30
30
-1.2411
称为线性相关系数(简称为相关系数)。
33
34
-0.3656
可以证明,相关系数r具有以下性质:
35
37
0.5514
(1)r≤1,且y与x正相关的充要条件是
,y与x负相关的充要条件是
37
39
0.4684
16
假期作业(九)
39
42
1.3854
3.某相关变量x,y的散点图如图所示,现对这两
0.1779
个变量进行回归分析,方案一,根据图中所有数
44
46
据分析,可得到经验回归方程y=b1x十a1,样本
46
48
0.0949
相关系数为r1;方案二,剔除点(10,32),根据剩
50
51
-1.0711
下数据分析,可得到经验回归方程y=b2x十a2:
作残差图如图所示,
样本相关系数为2.则
(
残起
15
40----7-------------
0.5
-2
0
(10,32
0
-0.5
-∴-4.-6.8.10编号
2
----------
-1
⊙
-1.5-
0。
0
5
由图可知,残差点比较均匀地分布在水平带状
分
15
20
A.0<r1<r2<1
区域内,说明选择的模型比较合适
(4)计算R2≈0.9855,说明了该运动员的训练
B.0<r2<r1<1
次数对成绩的影响占98.55%.
C.-1<r1<r2<0
【方法提升】“、残差图”在回归分析中的作用
D.-1<r2<r1<0
(1)R2是用来刻画回归效果的,由R2=1一
4.(多选)下列命题中,真命题的是
()
2(y-)2
A若样本数据1x2…1o的方差为2,则数据2x
可知R2越大,意味着残差平方和
-1,2x2-1,…2x10一1的方差为8
2(y-y)2
B.若回归方程为y=一0.45x十0.6,则变量y与x负
越小,也就是说模型的拟合效果就越好
相关
(2)残差图也是用来刻画回归效果的,判断依据
C.若随机变量X服从正态分布N(3,a2),P(X
是:残差点比较均匀地分布在水平带状区域中,
≤4)=0.64,则P(2≤X≤3)=0.07
带状区域越窄,说明模型拟合精度越高,回归方
D.在线性回归分析中相关指数R2用来