第9章 9.3 成对数据的统计分析(配套教参)-【创新教程】2027年高考数学总复习大一轮讲义(人教A版)
|
5页
|
7人阅读
|
0人下载
教辅
内容正文:
第九章统计与成对数据的统计分析
§9.3成对数据的统计分析
★[考试要求]
1.了解样本相关系数的统计含义.2.理解一元线性回归模型和2×2列联表,会运用这些方法解决简单的实际
问题.3.会利用统计软件进行数据分析
复盘>必备知识
学生用书P202
打通教材逐点夯实
必备知识掌握
(2)利用决定系数R刻画回归效果
1.变量的相关关系
2(y-)
R2=1
i=
(1)相关关系
,R越大,即拟合效果越好,
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
R越小,模型拟合效果越差.
4.列联表与独立性检验
关关系
(1)2×2列联表
(2)相关关系的分类:正相关和负相关,
一般地,假设有两个分类变量X和Y,它们的取值
(3)线性相关
分别为{x1,x2}和{y1y2},其2×2列联表为
一般地,如果两个变量的取值呈现正相关或负相
y
关,而且散点落在一条直线附近,我们就称这两个
合计
y=yi
y=ya
变量线性相关.
t=x
b
atb
一般地,如果两个变量具有相关性,但不是线性相
关,那么我们就称这两个变量非线性相关或曲线
x=xy
c
d
c+d
相关
合计
a+c
b+d
n=a+b+c+d
2.样本相关系数
(2)临界值
(1)相关系数r的计算
n(ad-bc)2
变量x和变量y的样本相关系数r的计算公式
X=a+d十a十c6+D忽略X的实际
如下:
分布与该近似分布的误差后,对于任何小概率值
2(x,-x)(y,-)
a,可以找到相应的正实数x。,使得P(x≥x。)=a
成立.我们称x。为a的临界值,这个临界值就可
作为判断x2大小的标准。
N
(3)独立性检验
(2)相关系数r的性质
基于小概率值α的检验规则是:
①当r>0时,称成对样本数据正相关;当r<0
当x≥x。时,我们就推断H。不成立,即认为X
时,称成对样本数据负相关;当r=0时,成对样本
和Y不独立,该推断犯错误的概率不超过α;
数据间没有线性相关关系.
当x2<x。时,我们没有充分证据推断H。不成立,
②样本相关系数r的取值范围为[一1,1].
可以认为X和Y独立.
当|x越接近1时,成对样本数据的线性相关程度
这种利用x的取值推断分类变量X和Y是否独
越强;
立的方法称为×2独立性检验,读作“卡方独立性
当|x越接近0时,成对样本数据的线性相关程度
检验”,简称独立性检验,
越弱
下表给出了x2独立性检验中几个常用的小概率
3.一元线性回归模型
值和相应的临界值
(1)经验回归方程与最小二乘法
0.1
0.05
0.01
0.005
0.001
我们将y=.x十a称为Y关于x的经验回归方
2.706
3.841
6.635
7.87910.828
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
知识拓展用活
最小二乘法,求得的b,a叫做b,a的最小二乘估计,
1.求解经验回归方程的关键是确定回归系数ā,,应
充分利用线性回归直线过样本点的中心(x,y).
2(x,-元)(y-y)
2xy:一nxy
2.根据经验回归方程计算出的y值,仅是一个预测
6=
其中
(x,-x)
-n
值,并不是真实发生的值.
=1
=1
3.根据X的值可以判断两个分类变量有关的可信程
la-=y-bx.
度,若x越大,则两分类变量有关的把握越大.
·255·
高考总复习数学
自主诊断查验
解析:D[观察题图可知,只有D选项的散点图
1.判断下列结论是否正确(请在括号中打“/”或“×”)
表示的是变量x与y之间具有负的线性相关
(1)散点图是判断两个变量相关关系的一种重要方法
关系.门
和手段
(/)
3.下面是一个2×2列联表:
(2)经验回归直线y=x十a至少经过点(x1,y1),
yi
y
总计
(x2y2),…,(xnyn)中的一个点.
(×)
a
21
73
(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.
(√)
xi
22
25
47
(4)若分类变量X,Y关系越密切,则由观测数据计算
总计
b
46
120
得到的x2的观测值越小。
(×)
其中a,b处填的值分别为
2.下列四个散点图中,变量x与y之间具有负的线性
A.9472
B.5250
相关关系的是
)
C.5274
D.7452
Y
解析:C[由a+21=73,得a=52,由a+22=b,
得b=74.]
4.已知回归直线方程的斜率的估计值是1.23,样本
点的中心为(4,5),则回归直线的方程是(
)
A.y=1.23x+4
B.y=1.23x+0.8
C.y=1.23x+0.08
D.y=1.23.x-0.08
解析:C[由条件知,x=4,y=5,设回归直线方程
为y=1.23.x十a,则a=5-1.23×4=0.08,.回归
直线的方程是y=1.23x十0.08.]
跃升>关键能力
学生用书P204
核心考点分类突破
题型1(
成对数据的相关性
(2)[多选]下列说法正确的是
(
[例1](1)调查某种群花萼长度和花瓣长度,所得
A.回归分析中,线性相关系数r的取值范围为(一1,1)
数据如图所示,其中相关系数r=0.8245,下列说
B.回归分析中,残差图中残差比较均匀分布在以取
法正确的是
)
值为0的横轴为对称轴的水平带状区域内,且
花瓣长度
宽度越窄表示拟合效果越好
、云、
C.回归分析中,决定系数R2越大,说明残差平方
和越小,拟合效果越好
D.两个随机变量的线性相关性越强,相关系数的
绝对值越接近于0
花曹长度
A.花瓣长度和花萼长度没有相关性
[解析]选项A,回归分析中,线性相关系数r的
B.花瓣长度和花萼长度呈负相关
取值范围为[一1,1],故选项A错误;选项B,因为
C.花瓣长度和花萼长度呈正相关
在残差的散点图中,残差分布的水平带状区域的宽
D.若从样本中抽取一部分,则这部分的相关系数
度越窄,表明数据越集中,模型的拟合效果越好,故
一定是0.8245
[解析]根据散点的集中程度可知,花瓣长度和花
选项B正确;选项C,因为决定系数R越大,表示
萼长度有相关性,A选项错误;
残差平方和越小,数据就越集中,即模型的拟合效
散点的分布是从左下到右上,从而花瓣长度和花萼
果越好,故选项C正确;选项D,两个随机变量的线
长度呈现正相关性,B选项错误,C选项正确;
性相关性越强,相关系数的绝对值越接近于1,故D
对于r=0.8245是全部数据的相关系数,取出来一
部分数据,相关性可能变强,也可能变弱,即取出的
错误。
数据的相关系数不一定是0.8245,D选项错误.
[答案]BC
[答案]C
·256·
第九章统计与成对数据的统计分析
规律方法
若变量y和x之间具有线性相关关系,用最小二乘
判定两个变量相关性的方法
法建立的经验回归方程为y=0.76x十a,则下列说
(1)画散点图:点的分布从左下角到右上角,两个变
法正确的是
量正相关;点的分布从左上角到右下角,两个变
A.点(3,4)一定在经验回归直线y=0.76x十a上
量负相关
B.a=1.72
(2)相关系数:当r>0时,正相关;当r<0时,负相
C.相关系数r<0
关;r越接近于1,相关性越强,
D.预计该款商品第6个月的销售量为7800瓶
(3)经验回归方程:当>0时,正相关;当<0时,
负相关
[解析]x=号×1+2+3十4十5)=3,y
:跟踪训练
号×(2.5+3.2+4+4.8+5.5)=4,样本点中8
[多选]2025年1月20日,DeepSeek发布并开源
(3,4)一定在经验回归直线上,即4=0.76×3十a,则a
DeepSeek一Rl模型,这是继ChatGPT之后人工智能
=1.72,A、B正确;变量x与y成正相关,相关系数r
技术的又一次突破,对人工智能市场的发展产生了巨
>0,C错误当x=6时,y=0.76×6+1.72=6.28,预
大的推动作用.以下是收集到的2015年至2024年人
计该款商品第6个月的销售量为6280瓶,D错误.
工智能的市场规模(单位:十亿美元)的数据:
[答案]AB
年份2015201620172018201920202021202220232024
[角度2]非线性回归模型
年份
[例2一2]全球化时代,中国企业靠什么在激烈的
1
3
9
代号x
竞争中成为世界一流企业呢?由人民日报社指导,
市场
《中国经济周刊》主办的第十八届中国经济论坛在
6.49.513.820.12940.75880.4110150
规模y
人民日报社举行,就中国企业如何提升全球行业竞
争力进行了研讨.数据显示,某企业近年加大了科
设x=lny,之与x的关系可以用线性回归模型之
0.35x+1.57进行拟合,e5≈1.42,e.7≈4.8,则
技研发资金的投入,其科技投入x(百万元)与收益
y(百万元)的数据统计如下:
(
A.人工智能的市场规模与年份正相关
科技投入x
1
B.人工智能的市场规模的90%分位数为110
收益y
19
2022
31
40
50
70
C.y关于x的回归方程为y=e.x十4.8
根据数据特点,甲认为样本点分布在指数型曲线
D.人工智能的市场规模的年增长率约为42%
解析:AD[对于A,人工智能的市场规模随年份
y=2如+的周围,据此他对数据进行了一些初步处
增大而增大,故是正相关关系,故A正确;对于B,
理.如下表:
90%分位数是从小到大第9个和第10个数据的平
2
=
2(y-)2
=
=1
均数,即110十150=130,故B错误;对于C,因为之
2
5
140
1239
149
2134
130
=lny,即lny=0.35x十1.57,y=e.3+1.7
13
其中之;=10g2y:,之=
≈4.8e.5,故C错误;对于D,设x2=x1十1,则y2
7名
=e0.35,+1.57=e.35e.35+l.57≈1.42y1,故y的年增
(1)请根据表中数据,建立y关于x的回归方程(系
长率约为42%,故D正确.]
数6精确到0.1);
(2)①乙认为样本点分布在直线y=mx十n的周围,并
题型2
回归模型
计算得经验回归方程为y=8.25x十3,以及该回归模
P[角度1]
一元线性回归模型
型的决定系数(即相关指数)R2=0.893,试比较甲乙
[例2一1][多选]某商店的某款商品近5个月的月
两人所建立的模型,谁的拟合效果更好?
销售量y(单位:千瓶)如下表:
②由①所得的结论,计算该企业欲使收益达到1亿元,
第x个月
1
2
3
科技投入的费用至少要多少百万元?(精确到0.1)
附:对于一组数据(u11),(u22),…,(unvn),其
月销售量y
2.5
3.2
4.8
5.5
经验回归直线方程o=u十α的斜率和截距的最小
257
高考总复习数学
(u,-)(u,-)
并计算得龙x=0.038,=1.6158,2xy
二乘法估计分别为=
i=1
=1
=1
=1
(-T)
=0.2474.
(1)估计该林区这种树木平均一棵的根部横截面积
,a=元-u,决定系数:
与平均一棵的材积量;
:-nu
=1
(2)求该林区这种树木的根部横截面积与材积量的
2(,-0)
样本相关系数(精确到0.01);
R2=1
=
参考数据:log25≈2.3.
m,-列
(3)现测量了该林区所有这种树木的根部横截面
积,并得到所有这种树木的根部横截面积总和为
[解]
(1)将y=2+a两边取对数得:log2y=bx
186m2.已知树木的材积量与其根部横截面积近似
+a,
成正比.利用以上数据给出该林区这种树木的总材
令之=log2y,则之=ix十a,
:x=4,根据最小二乘估计可知:方=
积量的估计值.
含7因
(x,-x)(y,-)
149-7×5×4≈0.3,
附:相关系数r
=1
w/1.896
x-7
140-7×42
(x,-)22(y,-y)
=1
=
.a=z-b元=5-0.3×4=3.8,
≈1.377
.经验回归方程为之=0.3x十3.8,即y=20.3x+8,
解:(1)样本中10棵这种树木的根部横截面积的平
《2①甲建2的回归援型的R防=10≈0,030
均值x=0.6=0.06
10
>R2=0.893.∴.甲建立的回归模型拟合效果
样本中10棵这种树木的材积量的平均值
更好
y=3.9
0.39,
②由①知,甲建立的回归模型拟合效果更好
10
设20.3x+3.8≥100,解得:0.3x+3.8≥1og2100=2十
据此可估计该林区这种树木平均一棵的根部横截
2log25,解得:x≥9.3.
面积为0.06m2,
科技投入的费用至少要9.3百万元,下一年的收
平均一棵的材积量为0.39m3;
益才能达到1亿
是(x,-xy,一
=1
规律方法
(2)r
10
(x,-x)22(y,-y)
求经验回归方程的步骤
i-1
=1
计算出x,y,x,名xy或(x-x)(y-y),
10.xy
=1
步骤
(x-的值
/2i-107)②x-10
步骤二
利用公式计算系数a,b
0.2474-10×0.06×0.39
(0.038-10×0.062)(1.6158-10×0.39)
步骤三
写出经验回归直线方程y=bx+a
0.0134_≈0.0184≈0.97,
1跟踪训练
√0.00018960.01377
某地经过多年的环境治理,已将荒山改造成了绿水
则r=0.97;
青山.为估计一林区某种树木的总材积量,随机选
(3)设该林区这种树木的总材积量的估计值为
取了10棵这种树木,测量每棵树的根部横截面积
Ym',
(单位:m2)和材积量(单位:m3),得到如下数据:
又已知树木的材积量与其根部横截面积近似成
样本号12
3456
789
10总和
正比,
根部横截
0.40.060.040.080.080.050.050.070.070.060.6
面积x:
可得89-1学解之得Y=1209m
0.39
材积量y0.250.400.220.540.510.340.360.460.420.403.9
则该林区这种树木的总材积量估计为1209m3
258
第九章统计与成对数据的统计分析
题型3
列联表与独立性检验
根据列联表中的数据得
[例3]随着全民运动健康意识的提高,马拉松运动
X2=200635X55X105)°-175≈7.292>6.636
40×160×140×60
24
在全国各大城市逐渐兴起,参与马拉松训练与比赛
根据小概率值a=0.01的独立性检验推断H。不成
的人数逐年增加,为此某市对人们参加马拉松运动
立,所以在犯错误概率不超过0.01的前提下,认为
的情况进行了统计调查,其中一项调查是调查人员
“热烈参与马拉松”与性别有关.
从参与马拉松运动的人中随机抽取200人,对其每
规律方法
周参与马拉松长跑训练的天数进行统计,得到以下
统计表:
独立性检验的一般步骤
平均每周进行
(1)根据样本数据制成2×2列联表;
不大于
3天或
不少
长跑训练天数
2天
4天
于5天
n(ad-bc)2
(2)根据公式X=a十ba千C)0TdDc十d0计算;
人数
30
130
40
(3)比较x2与临界值的大小关系,作统计推断.
若某人平均每周进行长跑训练天数不少于5天,则
称其为“热烈参与者”,否则称为“非热烈参与者”
跟踪训练
n(ad-bc)2
(2025·全国一卷)为研究某疾病与超声波检查结
附:X=a十b2+十ac)+Dn为样本容量)
果的关系,从做过超声波检查的人群中随机调查了
0.1
0.05
0.01
0.005
0.001
1000人,得到如下列联表:
2.706
3.841
6.635
7.879
10.828
超声波检查结果
组别
合计
(1)经调查,该市约有3万人参与马拉松运动,估计
正常
不正常
其中“热烈参与者”的人数:
患该疾病
20
180
200
(2)根据上表的数据,填写下列:2×2列联表,并通
未患该疾病
780
20
800
过计算判断是否能在犯错误的概率不超过0.01的
前提下,认为“热烈参与马拉松”与性别有关?
合计
800
200
1000
参与者
(1)记超声波检查结果不正常者患有该疾病的概率
性别
合计
热烈参与者非热烈参与者
为,求力的估计值:
(2)根据小概率值a=0.001的独立性检验,分析超
男
140
女
声波检查结果是否与患该疾病有关.
55
合计
P(x≥k)
0.050
0.010
0.001
[解](1)记事件A=“参与马拉松运动的‘热烈参
与者”,
k
3.841
6.635
10.828
401
则由题意可得P(A)=
n(ad-bc)2
2005
附:X=(a+b)(c+d)(a+c)(b+d
所以该市参与马拉松运动的“热烈参与者”的人数
解:(1)在1000个样本中,超声波检查结果不正常
估计为1×30000人=6000人,
5
200=0.9,
的人中患有该疾病的频率为}80
(2)2×2列联表如下:
以样本频率估计总体概率,卫的估计值为0.9.
参与者
(2)H。:超声波检查结果与是否患病无关,
性别
合计
热烈参与者非热烈参与者
n(ad-bc)2
男
X-(a+b)(c+d)(a+c)(b+d)
35
105
140
女
5
55
60
1000×(20×20-780×180)2=12250>10.828,
800×200×200×800
16
合计
40
160
200
概率小概率值α=0.001的独立性检验,应拒绝零
零假设为H。:“热烈参与马拉松”与性别无关,
假设H。,即超声波检查结果与是否患病有关.
259·
资源预览图