内容正文:
1.2 回归分析(一)(学案)
一、知识梳理
1.回归直线方程
在回归直线方程yi.,称为样本点的中心,回归直线过样本点的中心.=xi,=.其中-=,==x中,+=
2.相关系数
(1)对于变量x与y随机抽到的n对数据(x1,y1),(x2,y2),…,(xn,yn),检测统计量是样本相关系数
r=.=
(2)相关系数r的取值范围是,|r|值越大,变量之间的线性相关程度越高;|r|值越接近0,变量之间的线性相关程度越低.当|r|>r0.05时,表明有95%的把握认为两个变量之间有线性相关关系.
二、情境导学
探究点一 回归直线方程
思考1 两个变量之间的关系分几类?
思考2 什么叫回归分析?
思考3 对具有线性相关关系的两个变量进行回归分析有哪几个步骤?
探究点二 相关性检验
思考1 给出n对数据,按照公式求出的回归直线方程,是否一定能反映这组成对数据的变化规律?
思考2 怎样定量确定两个变量的相关关系?
三、典例解析
例1 若从某大学中随机选取8名女大学生,其身高和体重数据如下表所示:
编号
1
2
3
4
5
6
7
8
身高/cm
165
165
157
170
175
165
155
170
体重/kg
48
57
50
54
64
61
43
59
求根据女大学生的身高预报体重的回归方程,并预报一名身高为172 cm的女大学生的体重.
反思与感悟 在使用回归直线方程进行预报时要注意:
(1)回归直线方程只适用于我们所研究的样本的总体;
(2)我们所建立的回归直线方程一般都有时间性;
(3)样本取值的范围会影响回归直线方程的适用范围;
(4)不能期望回归直线方程得到的预报值就是预报变量的精确值.
跟踪训练1 某研究机构对高三学生的记忆力x和判断力y进行统计分析,得下表数据:
x
6
8
10
12
y
2
3
5
6
(1)请画出上表数据的散点图(要求:点要描粗);
(2)请根据上表提供的数据,用最小二乘法求出y关于x的回归直线方程;x+=
(3)试根据求出的回归直线方程,预测记忆力为9的同学的判断力.
例2 维尼纶纤维的耐热水性能的好坏可以用指标“缩醛化度”y来衡量,这个指标越高,耐热水性能也越好,而甲醛浓度是影响缩醛化度的重要因素,在生产中常用甲醛浓度x(g/L)去控制这一指标,