下载文档原格式
考点11 回归分析与独立性检验概率与统计，是历年高考的必考点，尤其是新高考改革后，各卷都有考查，其主要考查内容有：数字特征与概率的计算问题、随机变量的均值与方差、回归分析与独立性检验、二项分布及其应用等。
例如：2021年全国高考乙卷（文）、（理）[17]，2022年全国新高考卷Ⅱ[19]，2022年全国乙卷（文）、（理）[19]，2022年全国甲卷（文）[17]，2022年北京高考[18]等都对数字特征与概率的计算问题进行了考查。
〔1〕回归分析的实际应用1.求回归直线方程(线性回归方程)的一般步骤 (1)画散点图； (2)求回归直线方程； (3)用回归直线方程进行预报。
2.利用回归方程进行预测，把回归直线方程看作一次函数，求函数值。
3.利用回归直线判断正、负相关，决定正相关还是负相关的是系数bˆ。
4.回归方程的拟合效果，可以利用相关系数判断，当||r 越趋近于1时，两变量的线性相关性越强。
〔2〕独立性检验的实际应用 1.独立性检验的一般步骤(1)根据样本数据列出2×2列联表；(2)计算随机变量2K 的观测值k ，查表确定临界值0k ；(3)如果0k k ≥，就推断“X 与Y 有关系”，这种推断犯错误的概率不超过()02k K P ≥；否则，就认为在犯错误的概率不超过()02k K P ≥的前提下不能推断“X 与Y 有关系”，或者在样本数据中没有发现足够证据支持结论“X 与Y有关系”。
2.独立性检验的应用可以利用独立性检验来推断两个分类变量是否有关系，并且能较精确地给出这种判断的可靠程度。
具体做法是： (1)根据实际问题需要的可信程度(或容许犯错误概率的上界)确定临界值0k ； (2)利用公式，由观测数据计算得到随机变量2K 的观测值k ；(3)如果0k k ≥，就说有()()%100102⨯≥-k K P 的把握认为“X 与Y 有关系”(或说在犯错误的概率不超过()2k K P ≥的前提下认为“X 与Y 有关系”)，否则就说样本观测数据没有提供“X 与Y 有关系”的充分证据(或说在犯错误的概率不超过()02k K P ≥的前提下不能认为“X 与Y 有关系”)。
回归分析和独立性检验一、回归分析1、回归直线方程 a x b yˆˆˆ+= （x 叫做解释变量，y 叫做预报变量） 其中∑∑==---=ni ini i ix xy y x xb121)())((ˆ＝∑∑==--ni ini ii x n xyx n yx 1221（由最小二乘法得出，考试时给出此公式中的一个）x b y aˆˆ-= （ 此式说明：回归直线过样本的中心点)(y x ， ，也就是平均值点。
） 2、几条结论：（1）回归直线过样本的中心点)(y x ，。
（2）b>0时，y 与x 正相关，散点图呈上升趋势；b<0时，y 与x 负相关，散点图呈下降趋势。
（3）斜率b 的含义（举例）：如果回归方程为y=2.5x+2， 说明x 增加1个单位时，y 平均增加2.5个单位； 如果回归方程为y=－2.5x+2，说明x 增加1个单位时，y 平均减少2.5个单位。
（4）相关系数r 表示变量的相关程度。
范围：1≤r ，即 11≤≤-rr 越大．，相关性越强．。
0>r 时，y 与x 正相关；0<r 时，y 与x 负相关。
（5）相关指数2R 表示模型的拟合效果。
范围：]10[2，∈R 2R 越大．，拟合效果越好．，（这时：残差平方和越小，残差点在带状区域内的分布比较均匀， 带状区域宽度越窄，拟合精度越高）。
2R 表示解释变量x 对于预报变量y 变化的贡献率。
例如：64.02≈R ，表明“x 解释了64%的y 变化”，或者说“y 的差异有64%是由x 引起的”。
（6）线性回归模型 e a bx y ++=， 其中e 叫做随机误差。
（y 是由x 和e 共同确定的。
）二、独立性检验1、原理：假设性检验（类似反证法原理）。
一般情况下：假设分类变量X 和Y 之间没有关系，通过计算2K 值，然后查表对照相应的概率P ， 发现这种假设正确的概率P 很小，从而推翻假设，最后得出X 和Y 之间有关系的可能性为(1－P), 也就是“X 和Y 有关系”。
