内容正文:
章末整合提升
知识网络构建
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
x
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
x
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
专题一
专题二
知识网络建构
专题归纳整合
章末整合提升
统计案例
专题一、回归分析及相关性检验
分析两个变量的相关关系常用方法:
(1)把样本数据表示的点在直角坐标系中标出,得到散点图;
(2)利用R2进行检验,在确认具有相关关系后,再求线性回归方程.
例1一般来说,一个人身高越高,其脚就越长.某制作单位对10名女模特的身高和右脚的长度进行了测量,得到如下数据:
身高
x(cm)
168
170
171
172
174
176
178
178
180
181
右脚长
y(cm)
23
23.5
24
24.5
24
24.5
25.5
25
25
25
(1)判断两者是否具有线性相关关系;
(2)如果近似成线性关系,求回归直线方程;
(3)如果模特李馨身高175 cm,试估计她的右脚长.
解:(1)作出散点图如图所示,可见散点分布在一条直线附近,即二者是线性相关的.
(2)由表中数据,可得
≈0.155,≈-2.694,
故所求的回归直线方程为=0.155x-2.694.
(3)当x=175时,=0.155×175-2.694=24.431,
即她的右脚大约长24.431 cm.
例2电容器充电后,电压达到100 V,然后开始放电.由经验知道,此后电压U随时间t变化的规律用公式U=Aebt(b<0)表示.现测得在时间t(s)时的电压U(V)如下表所示:
t(s)
0
1
2
3
4
5
6
7
8
9
10
U(V)
100
75
55
40
30
20
15
10
10
5
5
试求电压U关于时间t的线性回归方程.
解:对U=Aebt两边取自然对数得ln U=ln A+bt,
令y=ln U,a=ln A,则
t(s)
0
1
2
3
4
5
6
7
8
9
10
y(V)
4.6
4.3
4.0
3.7
3.4
3.0
2.7
2.3
2.3
1.6
1.6
其散点图为
由散点图可知y与t线性相关,可用t+表示.
经计算,得=5,≈3.0,=385,tiyi=133.1.
∴≈-0.29,≈4.45.
∴=-0.29t+4.45,即ln U=-0.29t+4.45,
∴电压U关于时间t的线性回归方程为U=e-0.29t+4.45.
专题二、独立性检验
判断分类变量X,Y是否有关系的方法:
(1)图形法:等高条形图;
(2)对角线法:|ad-bc|的值越大,两分类变量X,Y有关系的可能性越大;
(3)独立性检验:通过计算随机变量K2的观测值k=(其中n=a+b+c+d),然后查临界值表判断.
例3为考查某种药物预防的效果,进行动物试验,在服用药的45个动物中有10个动物患病,而没有服用药的55个动物中有25个动物患病,试分析判断该药物是否有效.
解:列出2×2列联表如下:
患病
未患病
总计
服用药
10
35
45
没服用药
25
30
55
总计
35
65
100
解法一:(等高条形图法)根据列联表中所给的数据作出等高条形图,如图:
从画出的等高条形图中我们可以看出:服用药后患病的动物所占的比例为≈0.222,没服用药患病的动物所占的比例为≈0.455,两者的差值较大,因而我们可以认为该药物有效.
(注:在等高条形图中,可以估计满足条件X=x1(x2)的个体中具有Y=y1(y2)的个体所占的比例,两个比例的值相差越大,两个分类变量有关系的可能性越大)
解法二:(对角线法)根据列联表中所给的数据可得:|ad-bc|=|10×30-35×25|=575,相差较大,所以可在某种程度上认为“该药物有效”.
(注:在2×2列联表中,若|ad-bc|的值越小,两个分类变量有关系的可能性越小;|ad-bc|的值越大,两个分类变量有关系的可能性越大)
解法三:(独立性