2.3.2_两个变量的线性相关 课件

2.3 变量间的相关关系2.3.1 变量之间的相关关系2.3.2 两个变量的线性相关整体设计教学分析变量之间的关系是人们感兴趣的问题.教科书通过思考栏目“物理成绩与数学成绩之间的关系”,引导学生考察变量之间的关系.在教师的引导下,可使学生认识到在现实世界中存在不能用函数模型描述的变量关系,从而体会研究变量之间的相关关系的重要性.随后,通过探究人体脂肪百分比和年龄之间的关系,引入描述两个变量之间关系的线性回归方程（模型）.教科书在探索用多种方法确定线性回归直线的过程中,向学生展示创造性思维的过程,帮助学生理解最小二乘法的思想.通过气温与饮料销售量的例子及随后的思考,使学生了解利用线性回归方程解决实际问题的全过程,体会线性回归方程作出的预测结果的随机性,并且可能犯的错误.进一步,教师可以利用计算机模拟和多媒体技术,直观形象地展示预测结果的随机性和规律性.三维目标1.通过收集现实问题中两个有关联变量的数据认识变量间的相关关系.2.明确事物间的相互联系.认识现实生活中变量间除了存在确定的关系外,仍存在大量的非确定性的相关关系,并利用散点图直观体会这种相关关系.3.经历用不同估算方法描述两个变量线性相关的过程．知道最小二乘法的思想,能根据给出的线性回归方程的系数公式建立线性回归方程．重点难点教学重点：通过收集现实问题中两个有关联变量的数据直观认识变量间的相关关系；利用散点图直观认识两个变量之间的线性关系；根据给出的线性回归方程的系数公式建立线性回归方程．教学难点：变量之间相关关系的理解；作散点图和理解两个变量的正相关和负相关；理解最小二乘法的思想.课时安排2课时教学过程第1课时导入新课思路1在学校里,老师对学生经常这样说：“如果你的数学成绩好，那么你的物理学习就不会有什么大问题.”按照这种说法，似乎学生的物理成绩与数学成绩之间存在着一种相关关系.这种说法有没有根据呢?的,物理也好；数学差的,物理也差,但又不全对.）物理成绩和数学成绩是两个变量,从经验看,由于物理学习要用到比较多的数学知识和数学方法.数学成绩的高低对物理成绩的高低是有一定影响的.但决非唯一因素,还有其他因素,如是否喜欢物理,用在物理学习上的时间等等.（总结：不能通过一个人的数学成绩是多少就准确地断定他的物理成绩能达到多少.但这两个变量是有一定关系的,它们之间是一种不确定性的关系.如何通过数学成绩的结果对物理成绩进行合理估计有非常重要的现实意义.）为很好地说明上述问题,我们开始学习变量之间的相关关系和两个变量的线性相关.(教师板书课题)思路2某地区的环境条件适合天鹅栖息繁衍，有人经统计发现了一个有趣的现象，如果村庄附近栖息的天鹅多，那么这个村庄的婴儿出生率也高，天鹅少的地方婴儿的出生率低，于是，他就得出一个结论：天鹅能够带来孩子.你认为这样得到的结论可靠吗？如何证明这个结论的可靠性？推进新课新知探究提出问题（1）粮食产量与施肥量有关系吗？“名师出高徒”可以解释为教师的水平越高,学生的水平也越高.教师的水平与学生的水平有什么关系？你能举出更多的描述生活中两个变量的相关关系的成语吗？（2）两个变量间的相关关系是什么？有几种？（3）两个变量间的相关关系的判断.讨论结果：（1）粮食产量与施肥量有关系,一般是在标准范围内,施肥越多,粮食产量越高；教师的水平与学生的水平是相关的,如水滴石穿,三人行必有我师等.我们还可以举出现实生活中存在的许多相关关系的问题.例如:商品销售收入与广告支出经费之间的关系.商品销售收入与广告支出经费有着密切的联系,但商品销售收入不仅与广告支出多少有关,还与商品质量、居民收入等因素有关.粮食产量与施肥量之间的关系.在一定范围内,施肥量越大,粮食产量就越高.但是,施肥量并不是决定粮食产量的唯一因素.因为粮食产量还要受到土壤质量、降雨量、田间管理水平等因素的影响.人体内的脂肪含量与年龄之间的关系.在一定年龄段内,随着年龄的增长,人体内的脂肪含量会增加,但人体内的脂肪含量还与饮食习惯、体育锻炼等有关,可能还与个人的先天体质有关.应当说,对于上述各种问题中的两个变量之间的相关关系,我们都可以根据自己的生活、学习经验作出相应的判断,因为“经验当中有规律”.但是,不管你的经验多么丰富,如果只凭经验办事,还是很容易出错的.因此,在分析两个变量之间的相关关系时,我们需要一些有说服力的方法.在寻找变量之间相关关系的过程中,统计同样发挥着非常重要的作用.因为上面提到的这种关系,并不像匀速直线运动中时间与路程的关系那样是完全确定的,而是带有不确定性.这就需要通过收集大量的数据(有时通过调查,有时通过实验),在对数据进行统计分析的基础上,发现其中的规律,才能对它们之间的关系作出判断.(2)相关关系的概念：自变量取值一定时,因变量的取值带有一定随机性的两个变量之间的关系,叫做相关关系.两个变量之间的关系分两类：①确定性的函数关系,例如我们以前学习过的一次函数、二次函数等；②带有随机性的变量间的相关关系,例如“身高者,体重也重”,我们就说身高与体重这两个变量具有相关关系.相关关系是一种非确定性关系.如商品销售收入与广告支出经费之间的关系.（还与商品质量、居民收入、生活环境等有关）(3)两个变量间的相关关系的判断：①散点图.②根据散点图中变量的对应点的离散程度,可以准确地判断两个变量是否具有相关关系.③正相关、负相关的概念.①教学散点图出示例题：在一次对人体脂肪含量和年龄关系的研究中,研究人员获得了一组样本数据：图来进一步分析.②散点图的概念：将各数据在平面直角坐标系中的对应点画出来,得到表示两个变量的一组数据的图形,这样的图形叫做散点图，如下图.从散点图我们可以看出，年龄越大，体内脂肪含量越高.图中点的趋势表明两个变量之间确实存在一定的关系,这个图支持了我们从数据表中得出的结论.（a.如果所有的样本点都落在某一函数曲线上,就用该函数来描述变量之间的关系,即变量之间具有函数关系．b.如果所有的样本点都落在某一函数曲线附近,变量之间就有相关关系.c.如果所有的样本点都落在某一直线附近,变量之间就有线性相关关系）③正相关与负相关的概念：如果散点图中的点散布在从左下角到右上角的区域内,称为正相关.如果散点图中的点散布在从左上角到右下角的区域内,称为负相关.（注：散点图的点如果几乎没有什么规则,则这两个变量之间不具有相关关系）应用示例思路1例1 下列关系中,带有随机性相关关系的是_____________.①正方形的边长与面积之间的关系②水稻产量与施肥量之间的关系③人的身高与年龄之间的关系④降雪量与交通事故的发生率之间的关系解析：两变量之间的关系有两种：函数关系与带有随机性的相关关系.①正方形的边长与面积之间的关系是函数关系.②水稻产量与施肥量之间的关系不是严格的函数关系,但是具有相关性,因而是相关关系.③人的身高与年龄之间的关系既不是函数关系,也不是相关关系,因为人的年龄达到一定时期身高就不发生明显变化了,因而他们不具备相关关系.④降雪量与交通事故的发生率之间具有相关关系,因此填②④.答案：②④例2 有关法律规定,香烟盒上必须印上“吸烟有害健康”的警示语.吸烟是否一定会引起健康问题?你认为“健康问题不一定是由吸烟引起的,所以可以吸烟”的说法对吗?分析：学生思考,然后讨论交流,教师及时评价.解：从已经掌握的知识来看,吸烟会损害身体的健康,但是除了吸烟之外,还有许多其他的随机因素影响身体健康,人体健康是很多因素共同作用的结果.我们可以找到长寿的吸烟者,也更容易发现由于吸烟而引发的患病者,所以吸烟不一定引起健康问题.但吸烟引起健康问题的可能性大.因此“健康问题不一定是由吸烟引起的,所以可以吸烟”的说法是不对的.点评：在探究研究的过程中,如果能够从两个变量的观察数据之间发现相关关系是极为有意义的,由此可以进一步研究二者之间是否蕴涵因果关系,从而发现引起这种相关关系的本质原因是什么.本题的意义在于引导学生重视对统计结果的解释,从中发现进一步研究的问题.思路2例1 有时候,一些东西吃起来口味越好,对我们的身体越有害.下表给出了不同类型的某种食品的数据.第二列表示此种食品所含热量的百分比,第三列数据表示由一些美食家以百分制给出的对此种食品口味的评价:(2)关于两个变量之间的关系,你能得出什么结论?解：(1)散点图如下：(2)基本成正相关关系,即食品所含热量越高,口味越好.例2 案例分析：一般说来,一个人的身高越高,他的右手一拃长就越长,因此,人的身高与右手一拃长之间存在着一定的关系.为了对这个问题进行调查,我们收集了北京市某中学2003年高三年级96名学生的身高与右手一拃长的数据如下表.（1）根据上表中的数据,制成散点图.你能从散点图中发现身高与右手一拃长之间的近似关系吗？（2）如果近似成线性关系,请画出一条直线来近似地表示这种线性关系.（3）如果一个学生的身高是188 cm,你能估计他的一拃大概有多长吗？解：根据上表中的数据,制成的散点图如下.从散点图上可以发现,身高与右手一拃长之间的总体趋势是成一直线,也就是说,它们之间是线性相关的.那么,怎样确定这条直线呢？同学1：选择能反映直线变化的两个点,例如（153,16）,（191,23）两点确定一条直线.同学2：在图中放上一根细绳,使得上面和下面点的个数相同或基本相同.同学3：多取几组点对,确定几条直线方程.再分别算出各个直线方程斜率、截距的算术平均值,作为所求直线的斜率、截距.同学4：从左端点开始,取两条直线,如下图.再取这两条直线的“中间位置”作一条直线.同学5：先求出相同身高同学右手一拃长的平均值,画出散点图,如下图,再画出近似的直线,使得在直线两侧的点数尽可能一样多.同学6：先将所有的点分成两部分,一部分是身高在170 cm以下的,一部分是身高在170 cm 以上的；然后,每部分的点求一个“平均点”——身高的平均值作为平均身高、右手一拃的平均值作为平均右手一拃长,即（164,19）,（177,21）；最后,将这两点连接成一条直线.同学7：先将所有的点按从小到大的顺序进行排列,尽可能地平均分成三等份；每部分的点按照同学3的方法求一个“平均点”,最小的点为（161.3,18.2）,中间的点为（170.5,20.1）,最大的点为（179.2,21.3）.求出这三个点的“平均点”为（170.3,19.9）.我再用直尺连接最大点与最小点,然后平行地推,画出过点（170.3,19.9）的直线.同学8：取一条直线,使得在它附近的点比较多.在这里需要强调的是,身高和右手一拃长之间没有函数关系.我们得到的直线方程,只是对其变化趋势的一个近似描述.对一个给定身高的人,人们可以用这个方程来估计这个人的右手一拃长，这是十分有意义的.知能训练一个车间为了规定工时定额,需要确定加工零件所花费的时间,为此进行了10次试验,收集数据如下：关于加工零件的个数与加工时间,你能得出什么结论？答案：（1）散点图如下：（2）加工零件的个数与所花费的时间呈正线性相关关系．拓展提升以下是某地搜集到的新房屋的销售价格y和房屋的面积x的数据：（2）指出是正相关还是负相关;（3）关于销售价格y和房屋的面积x,你能得出什么结论？解：（1）数据对应的散点图如下图所示：（2）散点图中的点散分布在从左下角到右上角的区域内,所以是正相关.（3）关于销售价格y和房屋的面积x,房屋的面积越大,价格越高,它们呈正线性相关的关系. 课堂小结通过收集现实问题中两个有关联变量的数据作出散点图,并利用散点图直观认识变量间的相关关系.作业习题2.3A组3、4(1).设计感想本节课学习了变量之间的相关关系和两个变量的线性相关的部分内容,通过身边的具体实例说明了两个变量的相关关系,并学会了利用散点图及其分布来说明两个变量的相关关系的种类,为下一节课作了铺垫,思路1和思路2的例题对知识进行了巩固和加强,另外,本节课通过选取一些学生特别关心的身边事例,对学生进行思想情操教育、意志教育和增强学生的自信心,养成良好的学习态度和学习方法,树立时间观,培养勤奋、刻苦耐劳的精神.备课资料数学家关肇直关肇直(1919.2.13—1982.11.12),中国科学院院士，是中国数学家,生于北京.原籍广东省南海县.父亲关葆麟早年留学德国,回国后任铁道工程师多年,于1932年故世；母亲陆绍馨,是北平女子师范大学的毕业生,曾从教于北京师范大学.关葆麟去世后,母亲以微薄的收入艰难地抚育关肇直及其弟妹多人.全国解放后,关肇直尽心亲侍慈母,直至1967年去世.关肇直于1959年1月与刘翠娥结婚,他们有两个女儿.刘翠娥系中国科学院工程物理研究所研究人员.关肇直于1927年进入北京培华中学附属小学学习.1931年入英国人办的崇德中学学习.学校对英文要求十分严格,加上关肇直自小就由父母习以英文、德文,为日后掌握英文、德文、法文、西班牙文和俄文奠定了良好基础.1936年高中毕业后考入清华大学土木工程系,后于1938年转入燕京大学数学系学习.毕业后在燕京大学(后迁成都)任教.参加成都教授联谊会,担任学生进步组织的导师,积极支持抗日救国学生运动.1946年春从成都返回北平(北京),不久从燕京大学转到北京大学数学系任教.1947年通过考试成为国民政府派遣的中法交换生赴法国留学.名义上去瑞士学哲学,实际上去了巴黎大学庞加莱研究所研究数学,导师是著名数学家、一般拓朴与泛函分析的创始人弗雷歇(M.R.F rechetl),1948年参加革命团体“中国科学工作者协会”,是该会旅法分会的创办人之一.1949年10月,新中国诞生,他毅然决定放弃获得博士学位的机会.于12月回到祖国,满腔热情地参加了新中国的建设.他立即参加了组建中国科学院的工作.他和其他同志一起,协助郭沫若院长筹划建院事宜,确定科学院的方向、任务、体制等,组建科学院图书馆,担任图书管理处处长,编译局处长.1952年参加筹建中国科学院数学研究所的工作,并在数学研究所从事数学研究,历任副研究员、研究员、研究室主任、副所长、学术委员会副主任.他还是中国科学院声学研究所学术委员会委员及原子能研究所学术委员会委员.从1952年起,兼任北京师范大学、北京大学、中国人民大学和中国科技大学等校教授以及华南工学院名誉教授；并兼任过中国科学院成都分院学术顾问、该院数理科学研究室主任、中国科学院武汉数学物理研究所顾问、研究员.他还是国家科委数学学科组副组长、自动化学科组成员；曾担任北京数学会理事长,中国数学会秘书长,国际自动控制联合会理论委员会成员及《中国科学》《科学通报》《数学学报》和《系统科学与数学》等杂志的编委或主编等职.1980年,他与其他科学家一起创建中国科学院系统科学研究所,担任研究所所长.他还担任中国自动化学会副理事长、中国系统工程学会理事长.1980年当选为中国科学院数理学部委员.关肇直长期从事泛函分析、数学物理、现代控制理论等领域的研究,成绩卓著,为我国的社会主义现代化建设作出了重大贡献,1978年获全国科学大会奖,1980年获国防科委、国工办科研奖十几项,1982年获国家自然科学二等奖；关肇直参与主持的项目《尖兵一号返回型卫星和东方红一号》获1985年国家科技进步特等奖,他本人获“科技进步”奖章.关肇直从事泛函分析、数学物理和现代控制理论研究方面,取得水平很高的成果.主要成果有以下几个方面.(一)最速下降法与单调算子思想关肇直于《数学学报》第6卷第4期(1956)发表了学术论文“解非线性函数方程的最速下降法”,第一次把梯度法(又称最速下降法)由有限维空间推广到无限维空间,而且和线性问题相仿,其收敛速度是依照等比级数的.这种方法可以用来解某些非线性积分方程以及某些非线性微分方程边值问题.并在文中首先提出了单调算子的思想,比外国学者早四五年.国外关于单调算子的概念,最早见于1960年扎朗顿尼罗和闵梯(E.H.Z afantonello,G.J.M inty)的工作.单调算子是非线性泛函分析中很基本的概念之一,单调算子理论已成为泛函分析中的一个重要分支,在处理力学、物理学中的许多非线性问题中被广泛地应用.(二)激光问题的数学理论在数学物理方面,关肇直也进行了深入的研究.他在《中国科学》第14卷第7期(1956)上用法文发表了学术论文“关于…激光理论‟中积分方程的非零本征值的存在性”在论文中他利用泛函分析工具,在很弱的假设下,用极为简短的方式证明了激光理论中一般形式的具有非对称核的线性积分方程非零本征值的存在.这一结果受到国际上的重视.被国外书刊广泛引用,如M agraw H ill图书公司1972年出版的柯克朗(J.A.C ochran)著的《线性积分方程分析》一书就曾详细地引用过.(三)中子迁移理论关肇直在数学物理方面的另一个创造,就是关于中子迁移理论的研究.1963年他用希尔伯特空间与不定规度空间的算子谱理论解决了平板几何情形的中子迁移的本征函数问题,著有“关于一类本征值问题”(当时未发表).这比国外罕日布鲁克(H angelbrook)1973年的同类工作早10年.卡帕(H.G.K aper)和兹维贝尔(P.F.Z weibel)在1975年举行的国际迁移理论第四次会议上的报告(载于期刊《T ranspost T heory and S tatistical P hysiss》V ol.4,N o.3,第105—123页,1975)中,在“迁移理论中有什么创新”标题下,把罕日布鲁克的方法称为求解方程的新方法；但是,罕氏著作中所解决的问题,在关肇直的文章中是早已解决了的.关肇直于1963年完成的这篇论文直到他去世后于1984年发表在《数学物理学报》上,国外同行当得知他在60年代就作出了如此高水平的工作时都深表惊异.(四)飞行器弹性控制理论关肇直在《中国科学》1974年第4期上发表了“弹性振动的镇定问题”,首先提出了用线性算子紧扰动理论解决飞行器弹性振动的镇定问题.在这之前,美国的著名控制论专家鲁塞尔(D.L.R ussell)曾用别的方法讨论过此类问题,但他自己认为他所得的结果“当然并非完全满意”,“增益系数的增大应能改进系统的稳定性,但这样整体性结果没有得到……”他甚至认为：显然他所用的方法“带来必须小的缺陷,……,但很怀疑这里定理所表述的结果的确切化用任何别的技术来实现.”可是,与鲁塞尔的怀疑相反,关肇直用了算子紧扰动方法技巧,此方法与鲁塞方法有本质的区别,它确实摆脱了放大系数很小的限制,得出了工程意义更合理的结果.这项成果已经应用到我国的国防尖端技术设计上，成为导弹运载火箭所必不可少的一个设计理论.(五)几本主要著作1.《泛函分析讲义》1958年高等教育出版社出版了关肇直的《泛函分析讲义》.该书吸取了当时国际上几部有名的介绍泛函分析概要的书的长处,内容适中,很具特色,便于自学.这是国内第一部包括当时泛函分析各分支的较全面的专著,国内当时这类书很少；国内除此之外,迄今也仍只有一些教科书性质的出版物,还没有别的书代替它.关肇直曾使用这部著作在1956年和1957年分别为中国科学院数学研究所一批青年同志和北京大学第一届泛函分析专门化学生讲授过《泛函分析》课程,培养了一批从事泛函分析等方面的中青年骨干教师和科研人员.此书至今仍有重大参考价值.2.《拓扑空间榻论》科学出版社于1958年出版了关肇直教授的这本书.本书是为了数学分析方面的青年数学工作者的需要而写的.目的是使读者获得关于拓扑空间理论的基础知识.本书在当时是这方面较系统的也是较早的一部专著.作者是按照自己的观点来写的,书中许多定理的证明都是作者给出的,他尽可能地遵循一般实变函数论中的叙述问题的方式,因而有自己的特色.这是为了使读者感到新知识与原有知识有联系,对新的抽象概念不至感到突然,同时又帮助读者直达科学研究的前沿.根据研究概率论方面的读者反映,对他们研究极限定理一类工作颇有帮助.3.《高等数学教程》人民教育出版社于1959年出版.本书是关肇直在中国科技大学开办应用数学专业讲授高等数学课程而编写的教材,特点是：材料比较丰富,注意理论联系实际.4.《线性泛函分析入门》上海科技出版社于1979年出版.关肇直同他的学生张恭庆、冯德兴合著.著书的目的是为了满足多方面科学研究工作者的需要,因为当时线性泛函分析已成为许多从事科学技术研究的人所渴望了解和应用的一门数学学科.此书的特点是：尽可能从一些问题提炼出泛函分析中的基本概念,让读者透过叙述方法了解到研究的过程.5.《现代控制系统理论小丛书》这是由关肇直主编的,包括线性系统理论、非线性系统理论、极值控制理论、系统辨识、最优控制与随机控制理论、分布参数系统理论及其他有关内容,共分十几分册,由科学出版社从1975年开始陆续出版.这套丛书介绍了现代控制系统理论的各个部分,并着重说明这种理论怎样由工程实践的需要而产生,又怎样用来解决工程设计中的实际问题.此丛书主要是为从事控制理论研究的科学工作者和工程技术人员而撰写的.此丛书的出版,对于促进我国的控制理论和控制技术的发展起到了很好的作用.。

§2.3.2 两个变量的线性相关一、学习目标:1.通过收集现实问题中两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系.2.了解最小二乘法的含义，知道最小二乘法的思想,能根据给出的线性回归方程系数公式建立线性回归方程． 3.在两个变量具有线性相关关系时，会在散点图中作出线性回归直线，会用线性回归方程进行预测.二、学习重点与难点：学习重点：回归直线方程的求解方法． 学习难点：回归直线方程的求解方法.三、课堂过程:1．创设情境，揭示课题的点在坐标系内标出，得到散点图.从散点图可以看出.这些点大致分布在通过散点图中心的一条直线的附近.如果散点图中点的分布从整体看大致分布在一条直线的附近,我们称这两个变量之间具有线性相关关系,这条直线叫回归直线.如果能够求出这条回归直线的方程,我们就可以比较清楚的了解热茶销量与气温之间的关系.2.最小二乘法选择怎样的直线近似地表示热茶销量与气温之间的关系? 我们有多种思考方案:(1)选择能反映直线变化的两个点,例如取(4,50),(18,24)这两点的直线； （2）取一条直线,使得位于该直线一侧和另一侧的点的个数基本相同；（3）多取几组点,确定几条直线方程,再分别算出各条直线斜率、截距的平均值,作为所求直线的斜率、截距；怎样的直线最好呢? ------从整体上看,各点与此直线的距离最小.即:用方程为ˆybx a =+的直线拟合散点图中的点，应使得该直线与散点图中的点最接近.那么，怎样衡量直线ˆybx a =+与图中六个点的接近程度呢？ 我们将表中给出的自变量x 的六个值带入直线方程,得到相应的六个ˆy 的值: 26,18,13,10,4,b a b a b a b a b a b a +++++-+.这六个值与表中相应的实际值应该越接近越好.所以,我们用类似于估计平均数时的思想,考虑离差的平方和:22222222(,)(2620)(1824)(1334)(1038)(450)(64)12866140382046010172Q a b b a b a b a b a b a b a b a ab b a =+-++-++-++-++-+-+-=++--+(,)Q a b 是直线ˆybx a =+与各散点在垂直方向(纵轴方向)上的距离的平方和,可以用来衡量直线ˆy bx a =+与图中六个点的接近程度,所以,设法取,a b 的值,使(,)Q a b 达到最小值.这种方法叫做最小平方法(又称最小二乘法) .先把a 看作常数,那么Q 是关于b 的二次函数.易知,当140382021286a b -=-⨯时, Q 取得最小值.同理, 把b 看作常数,那么Q 是关于a 的二次函数.当14046012b a -=-时, Q 取得最小值.因此,当14038202128614046012a b b a -⎧=-⎪⎪⨯⎨-⎪=-⎪⎩时，Q 取得最小值，由此解得 1.6477,57.5568b a ≈-≈.所求直线方程为ˆ 1.647757.5568y x =-+.当5x =-时,ˆ66y≈,故当气温为5-0C 时,热茶销量约为66杯. 3.线性回归方程的求解方法一般地,设有n 个观察数据如下：当,a b 使1122n n 取得最小值时,就称ybx a =+为拟合这n 对数据的线性回归方程,该方程所表示的直线称为回归直线.上述式子展开后，是一个关于,a b 的二次多项式，应用配方法，可求出使Q 为最小值时的,a b 的值．即⎪⎪⎪⎩⎪⎪⎪⎨⎧-=--=---=---=--==-=--∑∑∑∑x b y a x n x yx n y x x x y y x x b n i i n i i i n i i n i i i 212111)())((,（*） ∑==n i i x n x 11, ∑==n i i y n y 11 线性回归方程是ˆybx a =+,其中b 是回归方程的斜率,a 是截距.系数 4.求线性回归方程的步骤： (1)计算平均数y x ,；(2)计算i i y x 与的积，求∑i i y x ；(3)计算∑2i x ；(4)将结果代入公式∑∑=---=--=ni in i i i xn xyx n y x b 1221,求b ；(5)用 x b y a -=,求a ； (6)写出回归方程5. 线性回归方程的应用(2)求出回归直线方程 解：(1)散点图（略）．(2)表中的数据进行具体计算，列成以下表格故可得到2573075.43.399, 75 .430770002≈⨯-=≈⨯-=ab从而得回归直线方程是^ 4.75257y x=+．6.小结：对一组数据进行线性回归分析时，应先画出其散点图，看其是否呈直线形，再依系数,a b的计算公式，算出,a b．写出回归方程7.课后作业：P92练习.。

2．3 变量间的相关关系 2．3.1 变量之间的相关关系 2．3.2 两个变量的线性相关考点 学习目标核心素养 相关关系的概念理解两个变量的相关关系的概念 数学抽象 散点图 会作散点图，并利用散点图判断两个变量之间是否具有相关关系逻辑推理、数学建模回归直线方程会求回归直线方程数学运算问题导学(1)相关关系分为哪两种？ (2)什么叫散点图？(3)什么叫回归直线？求回归直线的方法及步骤是什么？1．两个变量的线性相关(1)散点图：将样本中n 个数据点(x i ，y i )(i ＝1，2，…，n )描在平面直角坐标系中得到的图形．(2)正相关与负相关①正相关：散点图中的点散布在从左下角到右上角的区域； ②负相关：散点图中的点散布在从左上角到右下角的区域． 2．回归直线的方程(1)回归直线：如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线叫做回归直线．(2)回归方程：回归直线对应的方程叫回归直线的方程，简称回归方程． (3)最小二乘法求回归直线方程y ^＝b ^x ＋a ^时，使得样本数据的点到回归直线的距离的平方和最小的方法叫做最小二乘法．其中b ^是回归方程的斜率，a ^是回归方程在y 轴上的截距． ■名师点拨 (1)散点图的作用散点图形象地反映了各对数据的密切程度．根据散点图中点的分布趋势分析两个变量之间的关系，可直观地判断并得出结论．(2)回归直线的性质由a ^＝y －－b ^x －可知回归直线一定经过点(x －，y －)，因此点(x －，y －)通常称为样本点的中心，其中，x －，y －分别是变量x 1，x 2，…，x n 和y 1，y 2，…，y n 的平均数．(3)线性相关关系强弱的定性分析线性相关关系的强弱体现在散点图中就是样本点越集中在某条直线附近，两变量的线性相关关系越强；样本点在某条直线附近越分散，两变量的线性相关关系越弱．判断正误(对的打“√”，错的打“×”) (1)线性回归方程必经过点(x －，y －)．( )(2)对于方程y ^＝b ^x ＋a ^，x 增加一个单位时，y 平均增加b ^个单位．( ) (3)样本数据中x ＝0时，可能有y ＝a ^.( ) (4)样本数据中x ＝0时，一定有y ＝a ^.( )解析：根据回归直线方程的意义知，(1)(2)都正确，而(3)(4)中，样本数据x ＝0时，y 的值可能为a ^，也可能不是a ^，故(3)正确．答案：(1)√ (2)√ (3)√ (4)×下列各图中所示的两个变量具有相关关系的是( )A ．(1)(2)B ．(1)(3)C ．(2)(4)D ．(2)(3)解析：选D.(1)为函数关系；(2)(3)为相关关系；(4)中，因为点分布得比较分散，两者之间无相关关系．5位学生的数学成绩和物理成绩如下表： 学科 A B C D E 数学 80 75 70 65 60 物理7066686462A ．是函数关系B ．是相关关系，但相关性很弱C ．具有较好的相关关系，且是正相关D ．具有较好的相关关系，且是负相关解析：选C.数学成绩x 和物理成绩y 的散点图如图所示．从图上可以看出数学成绩和物理成绩具有较好的相关关系，且成正相关． 设有一个回归方程为y ^＝2－1.5x ，则变量x 每增加1个单位时，y 平均减少____________个单位．,解析：因为y ^＝2－1.5x ，所以变量x 每增加1个单位时，y 1－y 2＝[2－1.5(x ＋1)]－(2－1.5x )＝－1.5，所以y 平均减少1.5个单位．答案：1.5相关关系的判断以下是在某地搜集到的不同楼盘新房屋的销售价格y(单位：万元)和房屋面积x(单位：m2)的数据：房屋面积x(m2)11511080135105销售价格y(万元)24.821.619.429.222(2)判断新房屋的销售价格和房屋面积之间是否具有相关关系？如果有相关关系，是正相关还是负相关？【解】(1)数据对应的散点图如图所示：(2)通过以上数据对应的散点图可以判断，新房屋的销售价格和房屋的面积之间具有相关关系，且是正相关．相关关系的判断方法(1)两个变量x和y具有相关关系的判断方法①散点图法：通过散点图，观察它们的分布是否存在一定规律，直观地判断；②表格、关系式法：结合表格或关系式进行判断；③经验法：借助积累的经验进行分析判断．(2)判断两个变量x和y之间是否具有线性相关关系，常用的简便方法就是绘制散点图，如果发现点的分布从整体上看大致在一条直线附近，那么这两个变量就是线性相关的，注意不要受个别点的位置的影响．[易错警示]在解答本题过程中，易出现如下错误：虽然五点中有四点大致分布在一条直线附近，但第二个点离这条直线太远，所以两个变量不相关，导致错误的原因是没有看主流点，而过分关注了不影响大局的个别点．对变量x，y有观测数据(x i，y i)(i＝1，2，…，10)，得散点图如图所示．由这个散点图可以判断()A．变量x与y正相关B．变量x与y不相关C．变量x与y负相关D．变量x与y是函数关系解析：选C.由这个散点图可以判断，变量x与y负相关，故选C.线性回归方程的求法下表提供了某厂节能降耗技术改造后生产甲产品过程中记录的产量x(吨)与相应的生产能耗y(吨标准煤)的几组对照数据：x 345 6y 2.534 4.5 (2)请根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程y^＝b^x＋a^. 【解】(1)散点图如图．(2)x－＝3＋4＋5＋64＝4.5，y－＝2.5＋3＋4＋4.54＝3.5，∑i＝14x i y i＝3×2.5＋4×3＋5×4＋6×4.5＝66.5，∑i＝14x2i＝32＋42＋52＋62＝86，所以b ^＝∑4i ＝1x i y i －4x －y－∑4i ＝1x 2i －4x－2＝66.5－4×4.5×3.586－4×4.52＝0.7， a ^＝y －－b ^x －＝3.5－0.7×4.5＝0.35. 所以所求的线性回归方程为y ^＝0.7x ＋0.35.如果把例题中的y 的值2.5及4.5分别改为2和5，如何求回归直线方程？ 解：散点坐标分别为(3，2)，(4，3)，(5，4)，(6，5)． 可验证这四点共线， 斜率k ＝3－24－3＝1，所以直线方程为y －2＝x －3， 即回归直线方程为y ^＝x －1.求线性回归方程的步骤(1)计算平均数x －，y －.（5）用a ^＝y －－b ^x －，求a ^. （6）写出回归方程.某化工厂为预测某产品的回收率y ，需要研究它和原料有效成分含量x之间的相关关系，现取了8对观测值，计算得：则y 关于x 的回归直线方程是( )A.y ^＝11.47＋2.62x B.y ^＝－11.47＋2.62x C.y ^＝2.62＋11.47x D.y ^＝11.47－2.62x解析：选A.利用题目中的已知条件可以求出x －＝6.5，y －＝28.5，然后利用回归直线方程的计算公式得b ^＝∑8i ＝1x i y i －8x －y－∑8i ＝1x 2i －8x－2＝1 849－8×6.5×28.5478－8×6.52≈2.62， a ^＝y －－b ^x －＝11.47，因此回归直线方程为y ^＝11.47＋2.62x .线性回归方程的应用(2020·黑龙江省大庆铁人中学期末考试)某班主任为了对本班学生的月考成绩进行分析，从全班40名同学中随机抽取一个容量为6的样本进行分析．随机抽取6位同学的数学、物理分数对应如表：学生编号 1 2 3 4 5 6 数学分数x 60 70 80 85 90 95 物理分数y728088908595(1) (2)如果具有线性相关性，求出线性回归方程(系数精确到0.1)；如果不具有线性相关性，请说明理由；(3)如果班里的某位同学数学成绩为50，请预测这位同学的物理成绩．【解】 (1)画出散点图：通过图象可以看出物理成绩y 与数学成绩x 之间具有线性相关性． (2)x －＝16×(60＋70＋80＋85＋90＋95)＝80，y －＝16×(72＋80＋88＋90＋85＋95)＝85，故b ^＝0.6，a ^＝37.故回归方程是y ＝0.6x ＋37. (3)当x ＝50时，解得y ＝67.故数学成绩为50，预测这位同学的物理成绩是67.利用线性回归方程解题的常见思路及注意点(1)利用回归直线过样本点的中心，可以求参数问题，参数可涉及回归方程或样本点数据．(2)利用回归方程中系数b ^的意义，分析实际问题．(3)利用回归直线进行预测，此时需关注两点：①所得的值只是一个估计值，不是精确值；②变量x 与y 成线性相关关系时，线性回归方程才有意义，否则即使求出线性回归方程也是毫无意义的，用其估计和预测的量也是不可信的．(2020·江西省临川第一中学期末考试)我国西部某贫困地区2011年至2017年农村居民家庭人均年收入y (千元)的数据如下表：年份 2011 2012 2013 2014 2015 2016 2017 年份代号x 1 2 3 4 5 6 7 人均年收入y2.93.33.64.44.85.25.9(2)利用(1)中的回归方程，预测该地区2019年农村居民家庭人均年收入将达到多少千元．解：(1)依题意x －＝4，y －＝4.3，从而b ^＝0.5，a ^＝y －－b ^x －＝4.3－0.5×4＝2.3， 故所求线性回归方程为y ^＝0.5x ＋2.3. (2)令x ＝9，得y ^＝0.5×9＋2.3＝6.8.预测该地区在2019年农村居民家庭人均年收入为6.8千元．1．我们常说“吸烟有害健康”，吸烟与健康之间的关系是( ) A ．正相关 B ．负相关 C ．无相关D ．不确定解析：选B.烟吸得越多，则健康程度越差．2．关于回归直线方程y ^＝a ^＋b ^x 的叙述正确的是( ) ①反映y ^与x 之间的函数关系； ②反映y 与x 之间的函数关系； ③表示y ^与x 之间的不确定关系；④表示最接近y 与x 之间真实关系的一条直线． A ．①② B ．②③ C ．③④ D ．①④解析：选D.y ^＝a ^＋b ^x 表示y ^与x 之间的函数关系，而不是y 与x 之间的函数关系，它反映的关系最接近y 与x 之间的真实关系．故①④正确．3．在最小二乘法中，用来刻画各个样本点到直线y ＝a ^＋b ^x 的“距离”的量是( ) A ．|y i －y －| B ．(y i －y －)2 C ．|y i －(a ^＋b ^x i )|D ．[y i －(a ^＋b ^x i )]2解析：选D.最小二乘法的定义明确给出，用[y i －(a ^＋b ^x i )]2来刻画各个样本点与这条直线之间的“距离”(即二者之间的接近程度)，用它们的和表示所有样本点与这条直线的接近程度．4．已知工厂加工零件的个数x 与花费时间y (h)之间的线性回归方程为y ^＝0.01x ＋0.5，则加工200个零件大约需要________小时．解析：将200代入线性回归方程y ^＝0.01x ＋0.5， 得y ^＝2.5. 答案：2.5[A 基础达标]1．如图所示是具有相关关系的两个变量的一组数据的散点图，去掉哪个点后，两个变量的相关关系更明显( )A ．DB ．EC ．FD ．A解析：选C.A 、B 、C 、D 、E 五点分布在一条直线附近且贴近该直线，而F 点离得远，故去掉点F .2．(2020·江西省上饶市期末统考)某车间为了规定工时定额，需要确定加工零件所花费用的时间，为此进行了5次实验，根据收集到的数据(如下表)，由最小二乘法求得回归直线方程为y ^＝7.8x ＋40.2.零件数x (个) 1 23 4 5 加工时间y (min)50677179A ．55B ．55.8C ．59D ．51解析：选 D.设表中模糊的数据为m .由表中的数据可得x －＝1＋2＋3＋4＋55＝3，y －＝50＋m ＋67＋71＋795＝267＋m5，又由回归直线的方程为y ^＝7.8x ＋40.2，所以267＋m 5＝7.8×3＋40.2，解得m ＝51.即表中模糊的数据为51.故选D.3．已知变量x 和y 满足关系y ＝－0.1x ＋1，变量y 与z 正相关．下列结论中正确的是( ) A ．x 与y 正相关，x 与z 负相关 B ．x 与y 正相关，x 与z 正相关 C ．x 与y 负相关，x 与z 负相关 D ．x 与y 负相关，x 与z 正相关解析：选C.因为y ＝－0.1x ＋1的斜率小于0，故x 与y 负相关．因为y 与z 正相关，可设z ＝b ^y ＋a ^，b ^>0，则z ＝b ^y ＋a ^＝－0.1b ^x ＋b ^＋a ^，故x 与z 负相关．4．已知x 与y 之间的几组数据如下表：假设根据上表数据所得线性回归方程为y ＝b x ＋a .若某同学根据上表中的前两组数据(1，0)和(2，2)求得的直线方程为y ＝b ′x ＋a ′，则以下结论正确的是( )A.b ^＞b ′，a ^＞a ′ B.b ^＞b ′，a ^＜a ′ C.b ^＜b ′，a ^＞a ′D.b ^＜b ′，a ^＜a ′解析：选C.由两组数据(1，0)和(2，2)可求得直线方程为y ＝2x －2，从而b ′＝2，a ′＝－2.而利用线性回归方程的公式与已知表格中的数据，可求得b ^＝∑6i ＝1x i y i －6x －·y－∑6i ＝1x 2i －6x－2＝58－6×72×13691－6×⎝⎛⎭⎫722＝57，a ^＝y －－b ^x －＝136－57×72＝－13，所以b ^＜b ′，a ^＞a ′. 5．(2020·广西钦州市期末考试)若回归直线y ^＝b ^x ＋a ^的斜率估值为1.23，样本中心点为(4，5)，当x ＝2时，估计y 的值为____________．解析：因为回归直线y ^＝b ^x ＋a ^的斜率估值为1.23，所以b ^＝1.23，y ^＝1.23x ＋a ^. 因为样本中心点为(4，5)，所以5＝1.23×4＋a ^，a ^＝0.08，y ^＝1.23x ＋0.08， 代入x ＝2，y ＝1.23×2＋0.08＝2.54. 答案：2.546．(2020·湖北省宜昌市葛洲坝中学期末考试)某公司借助手机微信平台推广自己的产品，对今年前5个月的微信推广费用x 与利润额y (单位：百万元)进行了初步统计，得到下列表格中的数据：x 2 4 5 6 8 y304060p70经计算，月微信推广费用x 与月利润额y 满足线性回归方程y ^＝6.5x ＋17.5，则p 的值为____________．解析：由题中数据可得x －＝2＋4＋5＋6＋85＝5，y －＝30＋40＋60＋p ＋705＝200＋p5.由线性回归方程y ^＝6.5x ＋17.5经过样本中心(x －，y －)， 有200＋p 5＝6.5×5＋17.5，解得p ＝50.答案：507．对某台机器购置后的运营年限x (x ＝1，2，3，…)与当年利润y 的统计分析知具备线性相关关系，线性回归方程为y ^＝10.47－1.3x ，估计该台机器使用________年最合算．解析：只要预计利润不为负数，使用该机器就算合算，即y ^≥0，所以10.47－1.3x ≥0，解得x ≤8.05，所以该台机器使用8年最合算．答案：88．(2020·湖南省张家界市期末联考)为了解某地区某种农产品的年产量x (单位：吨)对价格y (单位：千元/吨)的影响，对近五年该农产品的年产量和价格统计如表：x 1 2 3 4 5 y86542(1)求x －，y －；(2)求y 关于x 的线性回归方程y ^＝b ^x ＋a ^； (3)若年产量为4.5吨，试预测该农产品的价格．解：(1)计算可得x －＝1＋2＋3＋4＋55＝3，y －＝8＋6＋5＋4＋25＝5.(2)b ^＝∑5i ＝1x i y i －5x －y－∑5i ＝1x 2i －5x－2＝61－5×3×555－5×32＝－1.4， 因为线性回归直线过(x －，y －)，则a ^＝y －－b ^x －＝5－(－1.4×3)＝9.2， 故y 关于x 的线性回归方程是y ^＝－1.4x ＋9.2. (3)当x ＝4.5时，y ^＝－1.4×4.5＋9.2＝2.9(千元/吨)．9．(2020·河北省石家庄市期末考试)在一段时间内，分5次测得某种商品的价格x (万元)和需求量y (吨)之间的一组数据为(1)根据上表数据，求出回归直线方程y ＝b x ＋a ；(2)试根据(1)中求出的回归方程预估当价格为1.9万元时，需求量大约是多少吨？(参考公式：b ^＝∑ni ＝1（x i －x －）（y i －y －）∑ni ＝1（x i －x －）2＝∑ni ＝1x i y i －n x －y －∑n i ＝1x 2i －n (x )－2，a ^＝y －－b ^x －)解：(1)因为x －＝15×9＝1.8，y －＝15×37＝7.4，∑i ＝15 x i y i ＝62，∑i ＝15x 2i ＝16.6，所以 b ^＝∑5i ＝1x i y i －5x －y－∑5i ＝1x 2i －5(x )－2＝62－5×1.8×7.416.6－5×1.82＝－11.5， a ^＝y －－b ^x －＝7.4＋11.5×1.8＝28.1， 故y 对x 的线性回归方程为y ^＝28.1－11.5x . (2)y ＝28.1－11.5×1.9＝6.25(吨)．所以如果价格为1.9万元，则需求量大约是6.25吨．[B 能力提升]10．对两个变量的四组数据进行统计，获得以下散点图，关于两个变量相关系数的比较，正确的是( )A ．r 2＜r 4＜0＜r 3＜r 1B ．r 4＜r 2＜0＜r 1＜r 3C ．r 4＜r 2＜0＜r 3＜r 1D ．r 2＜r 4＜0＜r 1＜r 3解析：选A.由相关系数的定义以及散点图的含义，可知r 2＜r 4＜0＜r 3＜r 1.11．期中考试后，某校高三(9)班班主任对全班65名学生的成绩(单位：分)进行分析，得到数学成绩y 关于总成绩x 的回归直线方程为y ^＝6＋0.4x .由此可以估计：若2名同学的总成绩相差50分，则他们的数学成绩大约相差________分．解析：设两名同学的总成绩分别为x 1，x 2，则对应的数学成绩估计为y ^1＝6＋0.4x 1，y ^2＝6＋0.4x 2，所以|y ^1－y ^2|＝|0.4(x 1－x 2)|＝0.4×50＝20.答案：2012．(2020·湖北省宜昌县域高中协同发展共同体期末考试)为研究冬季昼夜温差大小对某反季节大豆新品种发芽率的影响，某校课外兴趣小组记录了5组昼夜温差与100颗种子发芽数，得到如下资料：组号 1 2 3 4 5 温差x (℃) 10 11 13 12 8 发芽数y (颗)2325302616组数据中选取3组数据求出线性回归方程，再用没选取的2组数据进行检验．(1)若选取的是第2，3，4组的数据，求出y 关于x 的线性回归方程y ^＝b ^x ＋a ^； (2)若由线性回归方程得到的估计数据与所选出的检验数据的误差均不超过2颗，则认为得到的线性回归方程是可靠的，试问(1)中所得的线性回归方程是否可靠？(参考公式：b ^＝∑ni ＝1（x i －x －）（y i －y －）∑ni ＝1 （x i －x －）2＝∑ni ＝1x i y i －n x －y －∑n i ＝1x 2i －n x－2，a ^＝y －－b ^x －)解：(1)由题意：x －＝11＋13＋123＝12，y －＝25＋30＋263＝27，b ^＝∑3i ＝1 （x i －x －）（y i －y －）∑3i ＝1 （x i －x －）2＝（x 1－x －）（y 1－y －）＋（x 2－x －）（y 2－y －）＋（x 3－x －）（y 3－y －）（x 1－x －）2＋（x 2－x －）2＋（x 3－x －）2＝（11－12）×（25－27）＋（13－12）×（30－27）＋（12－12）×（26－27）（11－12）2＋（13－12）2＋（12－12）2＝52， a ^＝y －－b ^x －＝27－52×12＝－3，故回归直线方程为y ^＝52x －3.(2)当x ＝10时，y ＝52×10－3＝22，|22－23|＝1<2，当x ＝8时，y ＝52×8－3＝17，|17－16|＝1<2，所以(1)中所得的回归直线方程是可靠的．13．(选做题)(2019·黑龙江省牡丹江市第一高级中学期末考试)某公司为确定下一年度投入某种产品的宣传费，需了解年宣传费x (单位：千元)对年销售量y (单位：t)和年利润z (单位：千元)的影响，对近8年的年宣传费x i 和年销售量y i (i ＝1，2，…，8)数据作了初步处理，得到下面的散点图及一些统计量的值．表中w i＝xi，w－＝18i＝18w i.(1)根据散点图判断，y＝a＋bx与y＝c＋d x哪一个适宜作为年销售量y关于年宣传费x 的回归方程类型？(给出判断即可，不必说明理由)(2)根据(1)的判断结果及表中数据，建立y关于x的回归方程；(3)已知这种产品的年利润z与x、y的关系为z＝0.2y－x.根据(2)的结果回答下列问题：(ⅰ)年宣传费x＝49时，年销售量及年利润的预报值是多少？(ⅱ)年宣传费x为何值时，年利润的预报值最大？附：对于一组数据(u1，v1)，(u2，v2)，…，(u n，v n)，其回归线v＝α＋βu的斜率和截距的最小二乘估计分别为解：(1)由散点图可以判断，y＝c＋d x适宜作为年销售量y关于年宣传费x的回归方程类型．(2)令w＝x，先建立y关于w的线性回归方程．由于d＝108.81.6＝68，c^＝y－－d^w－＝563－68×6.8＝100.6，所以y关于w的线性回归方程为y^＝100.6＋68w，因此y关于x的回归方程为y^＝100.6＋68x.(3)(ⅰ)由(2)知，当x＝49时，年销售量y的预报值y^＝100.6＋6849＝576.6，年利润z的预报值z^＝576.6×0.2－49＝66.32.(ⅱ)根据(2)的结果知，年利润z的预报值z^＝0.2(100.6＋68x)－x＝－x＋13.6x＋20.12.所以当x＝13.62＝6.8，即x＝46.24时，z^取得最大值．故年宣传费为46.24千元时，年利润的预报值最大．。