高中数学 统计 板块五 独立性检验完整讲义(学生版)

回归直线方程与独立性检验一、课堂目标1、明确建立回归模型的基本步骤、熟练运用线性回归模型解决非线性相关问题．2、能够运用独立性检验对两个分类变量是否线性相关作出判断．二、直击高考知识模块知识内容全国卷常见题型回归分析一元线性回归模型2020年全国三卷18题解答题回归直线方程独立性检验分类变量2020年全国二卷18题解答题三、知识讲解1. 回归分析知识回顾方法提升考点一：回归直线方程的求解对于一组具有线性相关关系的数据：，，，，，我们知道其回归直线的斜率和截距的最小二乘法估计分别为：其中，，称为样本点的中心，位于回归直线上．【思想方法与技巧】利用线性相关回归分析处理非线性问题:研究两个变量的关系是，我们常常根据样本生成点坐标在平面直角坐标系中作出散点图，观察散点图中样本点的分布．从整体看，如果样本点并没有分布在某一条直线附近，这两个变量之间不具有线性相关关系，也就是非线性相关关系．考点二：相关系数的求解对于变量与随机抽到的对数据，，，，，可以利用相关系数来衡量两个变量之间线性相关关系，样本相关系数的计算公式为：．【思想方法与技巧】利用相关系数评判结果如下：（1）时，表示两个变量正相关；（2）时，表示两个变量负相关；（3）越接近于，表明两个变量的线性相关程度越强；（4）越接近于，表明两个变量的线性相关程度越弱．高考链接1.某沙漠地区经过治理，生态系统得到很大改善，野生动物数量有所增加．为调查该地区某种野生动物的数量，将其分成面积相近的个地块，从这些地块中用简单随机抽样的方法抽取个作为样区，调查得到样本数据，其中和分别表示第个样区的植物覆盖面积（单（1）（2）（3）位：公顷）和这种野生动物的数量，并计算得，，，，．附：相关系数，．求该地区这种野生动物数量的估计值（这种野生动物数量的估计值等于样区这种野生动物数量的平均数乘以地块数）．求样本的相关系数（精确到）．根据现有统计资料，各地块间植物覆盖面积差异很大．为提高样本的代表性以获得该地区这种野生动物数量更准确的估计，请给出一种你认为更合理的抽样方法，并说明理由．（1）（2）2.下图是某地区年至年环境基础设施投资额（单位：亿元）的折线图．为了预测该地区年的环境基础设施投资额，建立了与时间变量的两个线性回归模型．根据年至年的数据（时间变量的值依次为）建立模型①：．根据年至年的数据（时间变量的值依次为）建立模型②：．年份投资额分别利用这两个模型，求该地区年的环境基础设施投资额的预测值．你认为用哪个模型得到的预测值更可靠？并说明理由．3.下图是我国年至年生活垃圾无害化处理量（单位：亿吨）的折线图（1）（2）年份代码年生活垃圾无害化处理量注：年份代码分别对应年亿吨参考数据：，，，．参考公式：相关系数，回归方程中斜率和截距的最小二乘估计公式分别为：，．由折线图看出，可用线性回归模型拟合与的关系，请用相关系数加以说明．建立关于的回归方程（系数精确到），预测年我国生活垃圾无害化处理量．方法应用4.随着互联网的兴起，越来越多的人选择网上购物．某购物平台为了吸引顾客提升销售额，每年双十一都会进行某种商品的促销活动，该商品促销活动规则如下：①“价由客定”，即所有参与该商品促销活动的人进行网络报价，每个人并不知晓其他人的报价也不知道参与该商品促销活动的总人数；②报价时间截止后，系统根据当年双十一该商品数量配额，按照参与该商品促销活动人员的报价从高到低分配名额；③每人限购一件，且参与人员分配到名额时必须购买，某位顾客拟参加年双十一该商品促销活动，他为了预测该商品最低成交价，根据该购物平台的公告统计了最近年双十一参与该商品促销活动的人数（见表）：年份年份编号参与人数（百万人）12（2）由收集数据的散点图发现，可用线性回归模拟拟合参与人数（百万人）与年份编号之间的相关关系．请用最小二乘法求关于的线性回归方程：，并预测年双十一参与该商品促销活动的人数．该购物平台调研部门对位拟参与年双十一该商品促销活动人员的报价价格进行了一个抽样调查，得到如下的一份频数表：报价区间（千元）频数求这位参与人员报价的平均值和样本方差（同一区间的报价可用该价格区间的中点值代替）．假设所有参与该商品促销活动人员的报价可视为服从正态分布且与可分别由①中所求的样本平均值和样本方差估值，若预计年双十一该商品最终销售量为，请你合理预测（需说明理由）该商品的最低成交价．参考公式及数据（）回归方程：，其中，．（），，．（）若随机变量服从正态分布，则，，．5.我国全面二孩政策已于年月日起正式实施，国家统计局发布的数据显示，从年到年，中国的人口自然增长率变化始终不大，在上下波动（如图）．中国内地总人口和自然增长率总人口自然增长率出生率（万人）为了了解年龄介于岁至岁之间的适孕夫妻对生育二孩的态度如何，统计部门按年龄分为组，每组选取对夫妻进行调查，统计有生育二孩意愿的夫妻数，得到下表：‰（1）（2）有意愿数（参考数据和公式：，，，，，）设每个年龄区间的中间值为 ，有意愿数为，求样本数据的线性回归直线方程，并求该模型的相关系数（结果保留两位小数）．从，，，，这五个年龄段中各选出一对夫妻（能代表该年龄段超过半数夫妻的意愿）进一步调研，再从这对夫妻中任选对夫妻，设其中不愿意生育二孩的夫妻数为，求的分布列和数学期望．（1）（2）6.某小区为了调查居民的生活水平，随机从小区住户中抽取个家庭，得到数据如下：家庭编号月收入（千元）月支出（千元）参考公式：回归直线的方程是：，其中，，．据题中数据，求月支出（千元）关于月收入（千元）的线性回归方程（保留一位小数）；从这个家庭中随机抽取个，记月支出超过千家庭个数为，求的分布列与数学期望．7.如表中的数据是一次阶段性考试某班的数学、物理原始成绩：学号数学物理学号数学（1）（2）（3）理用这人的两科成绩制作如下散点图：物理数学学号为号的同学由于严重感冒导致物理考试发挥失常，学号为号的同学因故未能参加物理学科的考试，为了使分析结果更客观准确，老师将、两同学的成绩（对应于图中、两点）剔除后，用剩下的个同学的数据作分析，计算得到下列统计指标：数学学科平均分为，标准差为，物理学科的平均分为，标准差为，数学成绩与物理成绩的相关系数为，回归直线（如图所示）的方程为．若不剔除、两同学的数据，用全部的成绩作回归分析，设数学成绩与物理成绩的相关系数为，回归直线为，试分析与的大小关系，并在图中画出回归直线的大致位置．如果同学参加了这次物理考试，估计同学的物理分数（精确到个位）．就这次考试而言，学号为号的同学数学与物理哪个学科成绩要好一些？（通常为了比较某个学生不同学科的成绩水平可按公式统一化成标准分再进行比较，其中为学科原始分，为学科平均分，为学科标准差）．（1）（2）8.已知某校个学生的数学和物理成绩如下表：学生的编号数学物理若在本次考试中，规定数学在分以上（包括分）且物理在分以上（包括分）的学生为理科小能手．从这个学生中抽出个学生，设表示理科小能手的人数，求的分布列和数学期望．通过大量事实证明发现，一个学生的数学成绩和物理成绩具有很强的线性相关关系，在上述表格是正确的前提下，用表示数学成绩，用表示物理成绩，求与的回归方程．参考公式：，其中，．（1）（2）某调查机构为了了解某产品年产量（吨）对价格（千元/吨）和利润的影响，对近五年该产品的年产量和价格统计如下表：求关于的线性回归方程若每吨该产品的成本为千元，假设该产品可全部卖出，预测当年产量为多少时，年利润取到最大值?参考公式：，．（1）（2）10.某农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间进行分析研究，他们分别记录了月日至月日的每天昼夜温差与实验室每天每棵种子中的发芽数，得到如下资料：日期月日月日月日月日月日温差摄氏度发芽颗该农科所确定的研究方案是：先从这组数据中选取组数据求线性回归方程，再用剩下的组数据进行检验．若选取的组数据恰好是连续天的数据（表示数据来自互不相邻的三天），求的分布列及期望．根据月日至日数据，求出发芽数关于温差的线性回归方程．由所求得线性回归方程得到的估计数据与剩下的检验数据的误差均不超过颗，则认为得到的线性回归方程是可靠的，试问所得的线性回归方程是否可靠？附：参考公式：，．（1）11.在年俄罗斯世界杯期间，莫斯科的部分餐厅经营了来自中国的小龙虾，这些小龙虾均标有等级代码，为得到小龙虾等级代码数值与销售单价之间的关系，经统计得到如下数据：等级代码数值销售单价（元）已知销售单价与等级代码数值之间存在线性相关关系，求关于的线性回归方程（系数精（2）若莫斯科某个餐厅打算从上表的种等级的中国小龙虾中随机选种进行促销，记被选中的种等级代码数值在以下（不含）的数量为，求的分布列及数学期望．参考公式：对一组数据，，，，其回归直线的斜率和截距的最小二乘估计分别为：，．（1）（2）12.某动漫影视制作公司长期坚持文化自信，不断挖掘中华优秀传统文化中的动漫题材，创作出一批又一批的优秀动漫影视作品，获得市场和广大观众的一致好评，同时也为公司赢得丰厚的利润．该公司年至年的年利润关于年份代号的统计数据如下表（已知该公司的年利润与年份代号线性相关）：年份年份代号年利润（单位：亿元）求关于的线性回归方程，并预测该公司年（年份代号记为）的年利润．当统计表中某年年利润的实际值大于由（）中线性回归方程计算出该年利润的估计值时，称该年为级利润年，否则称为级利润年．将（）中预测的该公司年的年利润视作该年利润的实际值，现从年至年这年中随机抽取年，求恰有年为级利润年的概率．参考公式：，．2. 独立性检验知识回顾方法提升考点：独立性检验求解步骤（1）准确作出列联表；（2）统计假设成立；（3）计算；（4）将上一步计算得到的观测值与临界值比较，从而接收或拒绝假设．【思想方法与技巧】1、在列联表中，越小，说明两个分类变量之间关系越弱；越大，说明两个分类变量之间关系越强．2、（1）制作列联表时要注意表中相关数据的位置及对应，避免出错；（2）作的列联表的独立性检验时，要求表中的个数据都要大于，因此，在选取样本容量时一定要注意．高考链接13.某学生兴趣小组随机调查了某市天中每天的空气质量等级和当天到某公园锻炼的人次，整理数据得到下表（单位：天）：（1）（2）（3）锻炼人次空气质量等级（优）（良）（轻度污染）（中度污染）分别估计该市一天的空气质量等级为，，，的概率．求一天中到该公园锻炼的平均人次的估计值（同一组中的数据用该组区间的中点值为代表）．若某天的空气质量等级为或，则称这天“空气质量好”；若某天的空气质量等级为或，则称这天“空气质量不好”．根据所给数据，完成下面的列联表；并根据列联表，判断是否有的把握认为一天中到该公园锻炼的人次与该市当天的空气质量有关？人次人次空气质量好空气质量不好附：．第一种生产方式第二种生产方式14.某工厂为提高生产效率，开展技术创新活动，提出了完成某项生产任务的两种新的生产方式．为比较两种生产方式的效率，选取名工人，将他们随机分成两组，每组人，第一组工人用第一种生产方式，第二组工人用第二种生产方式．根据工人完成生产任务的工作时间（单位：）绘制了如下茎叶图：（1）（2）（3）根据茎叶图判断哪种生产方式的效率更高？并说明理由．求名工人完成生产任务所需时间的中位数，并将完成生产任务所需时间超过和不超过的工人数填入下面的列联表：超过不超过第一种生产方式第二种生产方式根据（）中的列联表，能否有的把握认为两种生产方式的效率有差异？附：，（1）（2）（3）15.海水养殖场进行某水产品的新、旧网箱养殖方法的产量对比，收获时各随机抽取个网箱，测量各箱水产品的产量（单位：），其频率直方图如下：频率组距箱产量旧养殖法频率组距箱产量新养殖法附：．设两种养殖方法的箱产量相互独立，记表示事件：旧养殖法的箱产量低于， 新养殖法的箱产量不低于，估计的概率．填写下面列联表，并根据列联表判断是否有的把握认为箱产量与养殖方法有关．箱产量箱产量旧养殖法新养殖法根据箱产量的频率分布直方图，求新养殖法箱产量的中位数的估计值（精确到）．方法应用（1）（2）（3）16.在传染病学中，通常把从致病刺激物侵入机体或者对机体发生作用起，到机体出现反应或开始呈现该疾病对应的相关症状时止的这一阶段称为潜伏期．一研究团队统计了某地区名患者的相关信息，得到如下表格：潜伏期（单位：天）人数求这名患者的潜伏期的样本平均数（同一组中的数据用该组区间的中点值作代表）．该传染病的潜伏期受诸多因素的影响，为研究潜伏期与患者年龄的关系，以潜伏期是否超过天为标准进行分层抽样，从上述名患者中抽取人，得到如下列联表．请将列联表补充完整，并根据列联表判断是否有的把握认为潜伏期与患者年龄有关．潜伏期天潜伏期天总计岁以上（含岁）岁以下总计附：，其中．以这名患者的潜伏期超过天的频率，代替该地区名患者潜伏期超过天发生的概率，每名患者的潜伏期是否超过天相互独立．为了深入研究，该研究团队随机调查了名患者，其中潜伏期超过天的人数最有可能（即概率最大）是多少？17.为了提高生产效益，某企业引进了一批新的生产设备，为了解设备生产产品的质量情况，分别从新、旧设备所生产的产品中，各随机抽取件产品进行质量检测，所有产品质量指标值均在以内，规定质量指标值大于的产品为优质品，质量指标值在的产品为合格品．旧设备所生产的产品质量指标值如频率分布直方图所示，新设备所生产的产品质量指标值如频数分布表所示．（1）（2）（3）频率组距质量指标值质量指标值频数合计请分别估计新、旧设备所生产的产品的优质品率．优质品率是衡量一台设备性能高低的重要指标，优质品率越高说明设备的性能越高．根据已知图表数据填写下面列联表（单位：件），并判断是否有的把握认为“产品质量高与新设备有关”．非优质品优质品合计新设备产品旧设备产品合计附：，其中．用频率代替概率，从新设备所生产的产品中随机抽取件产品，其中优质品数为件，求的分布列及数学期望．18.冬天的北方室外温度极低，若轻薄保暖的石墨烯发热膜能用在衣服上，可爱的医务工作者行动会更方便，石墨烯发热膜的制作：从石墨中分离出石墨烯，制成石墨烯发热膜，从石墨分离石墨烯的一（1）（2）种方法是化学气相沉积法，使石墨升华后附着在材料上再结晶，现在有材料，材料供选择，研究人员对附着在材料，材料上再结晶各做了次试验，得到如下等高条形图．材料试验结果材料试验结果石墨烯再结晶试验试验成功试验失败根据上面的等高条形图，填写如下列联表，判断是否有的把握认为试验成功与材料有关．材料材料合计成功不成功合计研究人员得到石墨烯后，再制作石墨烯发热膜有三个环节：①透明基底及胶层，②石墨烯层，③表面封装层，第一，二环节生产合格的概率均为，第三个环节生产合格的概率为，且各生产环节相互独立，已知生产吨的石墨烯发热膜的固定成本为万元，若生产不合格还需进行修复，第三个环节的修复费用为元，其余环节修复费用均为元．如何定价，才能实现每生产吨石墨烯发热膜获利可达万元以上的目标．附：参考公式：，其中．19.由团中央学校部、全国学联秘书处、中国青年报社共同举办的年度全国“最美中学生”寻访活动结果出炉啦，此项活动于年月启动，面向全国中学在校学生，通过投票方式寻访一批在热爱祖国、勤奋学习、热心助人、见义勇为等方面表现突出、自觉树立和践行社会主义核心价值观的“最美中学生”．现随机抽取了名学生的票数，绘成如图所示的茎叶图，若规定票数在票以上（包括票）定义为风华组．票数在票以下（不包括票）的学生定义为青春组．（1）（2）（3）在这名学生中，青春组学生中有男生人，风华组学生中有女生人，试问有没有的把握认为票数分在青春组或风华组与性别有关．如果用分层抽样的方法从青春组和风华组中抽取人，再从这人中随机抽取人，那么至少有人在青春组的概率是多少？用样本估计总体，把频率作为概率，若从该地区所有的中学（人数很多）中随机选取人，用表示所选人中青春组的人数，试写出的分布列，并求出的数学期望．附：；其中，独立性检验临界表：（1）（2）（3）20.为了保障全国第四次经济普查顺利进行，国家统计局从东部选择江苏，从中部选择河北、湖北，从西部选择宁夏，从直辖市中选择重庆作为国家综合试点地区，然后再逐级确定普查区域，直到基层的普查小区．在普查过程中首先要进行宣传培训，然后确定对象，最后入户登记．由于种种情况可能会导致入户登记不够顺利，这为正式普查提供了宝贵的试点经验．在某普查小区，共有家企事业单位，家个体经营户，普查情况如下表所示：普查对象类型顺利不顺利合计企事业单位个体经营户合计写出选择个国家综合试点地区采用的抽样方法．根据列联表判断是否有的把握认为“此普查小区的入户登记是否顺利与普查对象的类别有关”．以频率作为概率，某普查小组从该小区随机选择家企事业单位，家个体经营户作为普查对象，入户登记顺利的对象数记为，写出的分布列，并求的期望值．附：．（1）（2）（3）21.黄冈市有很多名优土特产，黄冈市的蕲春县就有闻名于世的“蕲春四宝”（蕲竹、蕲艾、蕲蛇、蕲龟），很多人慕名而来旅游，通过随机询问名不同性别的游客在购买“蕲春四宝”时是否在来蕲春县之前就知道“蕲春四宝”，得到如下列联表：男女总计事先知道“蕲春四宝”事先不知道“蕲春四宝”总计附：．写出列联表中各字母代表的数字．由以上列联表判断，能否在犯错误的概率不超过的前提下认为购买“蕲春四宝”和是否“事先知道’蕲春四宝’有关系”？从被询问的名事先知道“蕲春四宝”的顾客中随机选取名顾客，求抽到的女顾客人数的分布列及其数学期望．（1）22.在一次爱心捐款活动中，小李为了了解捐款数额是否和居民自身的经济收入有关，随机调查了某地区的个捐款居民每月平均的经济收入．在捐款超过元的居民中，每月平均的经济收入没有达到元的有个，达到元的有个；在捐款不超过元的居民中，每月平均的经济收入没有达到元的有个．参考数据当时，无充分证据判定变量，有关联，可以认为两变量无关联；当时，有的把握判定变量，有关联；当时，有的把握判定变量，有关联；当时，有的把握判定变量，有关联．附：，其中．在下图表格空白处填写正确数字，并说明是否有以上的把握认为捐款数额是否超过元和居民每月平均的经济收入是否达到元有关？每月平均经济收入达到元每月平均经济收入没有达到元合计捐款超过元 捐款不超过元（2）合计将上述调查所得到的频率视为概率．现在从该地区大量居民中，采用随机抽样方法每次抽取个居民，共抽取次，记被抽取的个居民中经济收入达到元的人数为，求和期望的值．（1）（2）23.2016年月日，“国际教育信息化大会”在山东青岛开幕．为了解哪些人更关注“国际教育信息化大会”，某机构随机抽取了年龄在岁之间的人进行调查，某机构随机抽取了在之间的人进行调查，经统计“青少年”与“中老年”的人数之比为．根据已知条件完成下面的列联表，并判断能否有的把握认为“中老年”比“青少年”更加关注“国际教育信息化大会”．关注不关注合计青少年中老年合计现从抽取的青少年中采取分层抽样的办法选取人进行问卷调查，在这人中再选取人进行面对面询问，记选取的人中关注“国际教育信息化大会”的人数为，求的分布列及数学期望．附：参考公式：，其中．临界值表：（1）（2）24.为了研究家用轿车在高速公路上的车速情况，交通部门对名家用轿车驾驶员进行调查，得到其在高速公路上行驶时的平均车速情况为：在名男性驾驶员中，平均车速超过的有人，不超过的有人．在名女性驾驶员中，平均车速超过的有人，不超过的有人．完成下面的列联表，并判断是否有的把握认为平均车速超过的人与性别有关．平均车速超过人数平均车速不超过人数合计男性驾驶员人数 女性驾驶员人数合计以上述数据样本来估计总体，现从高速公路上行驶的大量家用轿车中随机抽取辆，记这辆车中驾驶员为男性且车速超过的车辆数为，若每次抽取的结果是相互独立的，求的分布列和数学期望．参考公式与数据：，其中，对服务满意对服务不满意合计对商品满意 对商品不满意合计（1）（2）25.近年来，我国电子商务蓬勃发展．年“”期间，某网购平台的销售业绩高达亿元人民币，与此同时，相关管理部门推出了针对该网购平台的商品和服务的评价系统．从该评价系统中选出次成功交易，并对其评价进行统计，网购者对商品的满意率为，对服务的满意率为，其中对商品和服务都满意的交易为次．根据已知条件完成下面的列联表，并回答能否有的把握认为“网购者对商品满意与对服务满意之间有关系”？若将频率视为概率，某人在该网购平台上进行的次购物中，设对商品和服务都满意的次数为随机变量，求的分布列和数学期望．附：（其中为样本容量）26.万众瞩目的第届全国冬季运动运会（简称“十四冬”）于年月日在呼伦贝尔市盛大开幕，期间正值我市学校放寒假，寒假结束后，某校工会对全校名教职工在“十四冬”期间每天收看比赛转播的时间作了一次调查，得到如图频数分布直方图：。

一．随机抽样1．随机抽样：满足每个个体被抽到的机会是均等的抽样，共有三种经常采用的随机抽样方法：⑴简单随机抽样：从元素个数为N 的总体中不放回地抽取容量为n 的样本，如果每一次抽取时总体中的各个个体有相同的可能性被抽到，这种抽样方法叫做简单随机抽样． 抽出办法：①抽签法：用纸片或小球分别标号后抽签的方法．②随机数表法：随机数表是使用计算器或计算机的应用程序生成随机数的功能生成的一张数表．表中每一位置出现各个数字的可能性相同． 随机数表法是对样本进行编号后，按照一定的规律从随机数表中读数，并取出相应的样本的方法．简单随机抽样是最简单、最基本的抽样方法．⑵系统抽样：将总体分成均衡的若干部分，然后按照预先制定的规则，从每一部分抽取一个个体，得到所需要的样本的抽样方法．抽出办法：从元素个数为N 的总体中抽取容量为n 的样本，如果总体容量能被样本容量整除，设Nk n=，先对总体进行编号，号码从1到N ，再从数字1到k 中随机抽取一个数s 作为起始数，然后顺次抽取第2(1)s k s k s n k +++-，，，个数，这样就得到容量为n 的样本．如果总体容量不能被样本容量整除，可随机地从总体中剔除余数，然后再按系统抽样方法进行抽样．系统抽样适用于大规模的抽样调查，由于抽样间隔相等，又被称为等距抽样．⑶分层抽样：当总体有明显差别的几部分组成时，要反映总体情况，常采用分层抽样，使总体中各个个体按某种特征分成若干个互不重叠的几部分，每一部分叫做层，在各层中按层在总体中所占比例进行简单随机抽样，这种抽样方法叫做分层抽样．分层抽样的样本具有较强的代表性，而且各层抽样时，可灵活选用不同的抽样方法，应用广泛．2．简单随机抽样必须具备下列特点：⑴简单随机抽样要求被抽取的样本的总体个数N 是有限的． ⑵简单随机样本数n 小于等于样本总体的个数N ． ⑶简单随机样本是从总体中逐个抽取的． ⑷简单随机抽样是一种不放回的抽样．⑸简单随机抽样的每个个体入样的可能性均为nN．3．系统抽样时，当总体个数N 恰好是样本容量n 的整数倍时，取Nk n=；若Nn不是整数时，先从总体中随机地剔除几个个体，使得总体中剩余的个体数能被样本容量n 整除．因为每个个体被剔除的机会相等，因而整个抽样过程中每个个体被抽取的机会仍知识内容板块五.独立性检验然相等，为N n．二．频率直方图列出样本数据的频率分布表和频率分布直方图的步骤：①计算极差：找出数据的最大值与最小值，计算它们的差；②决定组距与组数：取组距，用极差组距决定组数；③决定分点：决定起点，进行分组；④列频率分布直方图：对落入各小组的数据累计，算出各小数的频数，除以样本容量，得到各小组的频率．⑤绘制频率分布直方图：以数据的值为横坐标，以频率组距的值为纵坐标绘制直方图，知小长方形的面积＝组距×频率组距＝频率．频率分布折线图：将频率分布直方图各个长方形上边的中点用线段连接起来，就得到频率分布折线图，一般把折线图画成与横轴相连，所以横轴左右两端点没有实际意义．总体密度曲线：样本容量不断增大时，所分组数不断增加，分组的组距不断缩小，频率分布直方图可以用一条光滑曲线()y f x =来描绘，这条光滑曲线就叫做总体密度曲线．总体密度曲线精确地反映了一个总体在各个区域内取值的规律．三．茎叶图制作茎叶图的步骤：①将数据分为“茎”、“叶”两部分；②将最大茎与最小茎之间的数字按大小顺序排成一列，并画上竖线作为分隔线； ③将各个数据的“叶”在分界线的一侧对应茎处同行列出．四．统计数据的数字特征用样本平均数估计总体平均数；用样本标准差估计总体标准差． 数据的离散程序可以用极差、方差或标准差来描述．极差又叫全距，是一组数据的最大值和最小值之差，反映一组数据的变动幅度； 样本方差描述了一组数据平均数波动的大小，样本的标准差是方差的算术平方根． 一般地，设样本的元素为12n x x x ，，，样本的平均数为x ， 定义样本方差为222212()()()n x x x x x x s n-+-++-=，样本标准差s =简化公式：22222121[()]n s x x x nx n=+++-．五．独立性检验1．两个变量之间的关系；常见的有两类：一类是确定性的函数关系；另一类是变量间存在关系，但又不具备函数关系所要求的确定性，它们的关系是带有一定随机性的．当一个变量取值一定时，另一个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． 2．散点图：将样本中的n 个数据点()(12)i i x y i n =，，，，描在平面直角坐标系中，就得到了散点图．散点图形象地反映了各个数据的密切程度，根据散点图的分布趋势可以直观地判断分析两个变量的关系．3．如果当一个变量的值变大时，另一个变量的值也在变大，则这种相关称为正相关；此时，散点图中的点在从左下角到右上角的区域．反之，一个变量的值变大时，另一个变量的值由大变小，这种相关称为负相关．此时，散点图中的点在从左上角到右下角的区域．散点图可以判断两个变量之间有没有相关关系．4．统计假设：如果事件A 与B 独立，这时应该有()()()P AB P A P B =，用字母0H 表示此式，即0:()()()H P AB P A P B =，称之为统计假设． 5．2χ（读作“卡方”）统计量：统计学中有一个非常有用的统计量，它的表达式为22112212211212()n n n n n n n n n χ++++-=，用它的大小可以用来决定是否拒绝原来的统计假设0H ．如果2χ的值较大，就拒绝0H ，即认为A 与B 是有关的．2χ统计量的两个临界值：3.841、6.635；当2 3.841χ>时，有95%的把握说事件A 与B 有关；当2 6.635χ>时，有99%的把握说事件A 与B 有关；当2 3.841χ≤时，认为事件A 与B 是无关的．独立性检验的基本思想与反证法类似，由结论不成立时推出有利于结论成立的小概率事件发生，而小概率事件在一次试验中通常是不会发生的，所以认为结论在很大程度上是成立的． 1．独立性检验的步骤：统计假设：0H ；列出22⨯联表；计算2χ统计量；查对临界值表，作出判断．2．几个临界值：222()0.10( 3.841)0.05( 6.635)0.01P P P χχχ≈≈≈≥2.706，≥，≥．22⨯联表的独立性检验：如果对于某个群体有两种状态，对于每种状态又有两个情况，这样排成一张22⨯的表，如下：如果有调查得来的四个数据11122122n 4个数据来检验上述的两种状态A 与B 是否有关，就称之为22⨯联表的独立性检验．六．回归分析1．回归分析：对于具有相关关系的两个变量进行统计分析的方法叫做回归分析，即回归分析就是寻找相关关系中这种非确定关系的某种确定性． 回归直线：如果散点图中的各点都大致分布在一条直线附近，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．最小二乘法：记回归直线方程为：ˆy a bx =+，称为变量Y 对变量x 的回归直线方程，其中a b ，叫做回归系数．ˆy是为了区分Y 的实际值y ，当x 取值i x 时，变量Y 的相应观察值为i y ，而直线上对应于i x 的纵坐标是ˆi i ya bx =+． 设x Y ，的一组观察值为()i i x y ，，12i n =，，，，且回归直线方程为ˆya bx =+，当x 取值i x 时，Y 的相应观察值为i y ，差ˆ(12)i i y y i n -=，，，刻画了实际观察值i y 与回归直线上相应点的纵坐标之间的偏离程度，称这些值为离差．我们希望这n 个离差构成的总离差越小越好，这样才能使所找的直线很贴近已知点．记21()ni i i Q y a bx ==--∑，回归直线就是所有直线中Q 取最小值的那条．这种使“离差平方和为最小”的方法，叫做最小二乘法．用最小二乘法求回归系数a b ，有如下的公式：1221ˆni ii nii x ynxy bxnx ==-=-∑∑，ˆˆa y bx =-，其中a b ，上方加“^”，表示是由观察值按最小二乘法求得的回归系数．3．线性回归模型：将用于估计y 值的线性函数a bx +作为确定性函数；y 的实际值与估计值之间的误差记为ε，称之为随机误差；将y a bx ε=++称为线性回归模型． 产生随机误差的主要原因有：①所用的确定性函数不恰当即模型近似引起的误差； ②忽略了某些因素的影响，通常这些影响都比较小； ③由于测量工具等原因，存在观测误差． 4．线性回归系数的最佳估计值：利用最小二乘法可以得到ˆˆab ，的计算公式为 1122211()()()()nnii iii i nniii i xx y y x ynxyb xx xn x ====---==--∑∑∑∑，ˆˆa y bx =-，其中11n i i x x n ==∑，11nii y y n ==∑ 由此得到的直线ˆˆya bx =+就称为回归直线，此直线方程即为线性回归方程．其中ˆa ，b 分别为a ，b 的估计值，ˆa称为回归截距，b 称为回归系数，ˆy 称为回归值． 5．相关系数：()()nnii i ixx y y x ynx yr ---==∑∑6．相关系数r 的性质： ⑴||1r ≤；⑵||r 越接近于1，x y ，的线性相关程度越强； ⑶||r 越接近于0，x y ，的线性相关程度越弱．可见，一条回归直线有多大的预测功能，和变量间的相关系数密切相关． 7．转化思想：根据专业知识或散点图，对某些特殊的非线性关系，选择适当的变量代换，把非线性方程转化为线性回归方程，从而确定未知参数． 8．一些备案 ①回归（regression ）一词的来历：“回归”这个词英国统计学家Francils Galton 提出来的．1889年，他在研究祖先与后代的身高之间的关系时发现，身材较高的父母，他们的孩子也较高，但这些孩子的平均身高并没有他们父母的平均身高高；身材较矮的父母，他们的孩子也较矮，但这些孩子的平均身高却比他们父母的平均身高高．Galton 把这种后代的身高向中间值靠近的趋势称为“回归现象”．后来，人们把由一个变量的变化去推测另一个变量的变化的方法称为回归分析．②回归系数的推导过程：22222[()]222i i i i i i i i Q y a bx y a y na b x y ab x b x =--=-+-++∑∑∑∑∑∑ 22222()2i i i i i i na a b x y b x b x y y =+-+-+∑∑∑∑∑，把上式看成a 的二次函数，2a 的系数0n >，因此当2()2i i i ib x y y b x a n n --=-=∑∑∑∑时取最小值． 同理，把Q 的展开式按b 的降幂排列，看成b 的二次函数，当2i iiix y a xb x-=∑∑∑时取最小值．解得：12221()()()ni iii i niii x ynxyx x y y b x x xnx==---==--∑∑∑∑，a y bx =-， 其中1i y y n =∑，1i x x n=∑是样本平均数． 9． 对相关系数r 进行相关性检验的步骤： ①提出统计假设0H ：变量x y ，不具有线性相关关系；②如果以95%的把握作出推断，那么可以根据10.950.05-=与2n -（n 是样本容量）在相关性检验的临界值表中查出一个r 的临界值0.05r （其中10.950.05-=称为检验水平）； ③计算样本相关系数r ；④作出统计推断：若0.05||r r >，则否定0H ，表明有95%的把握认为变量y 与x 之间具有线性相关关系；若0.05||r r ≤，则没有理由拒绝0H ，即就目前数据而言，没有充分理由认为变量y 与x 之间具有线性相关关系． 说明：⑴对相关系数r 进行显著性检验，一般取检验水平0.05α=，即可靠程度为95%．⑵这里的r 指的是线性相关系数，r 的绝对值很小，只是说明线性相关程度低，不一定不相关，可能是非线性相关的某种关系．⑶这里的r 是对抽样数据而言的．有时即使||1r =，两者也不一定是线性相关的．故在统计分析时，不能就数据论数据，要结合实际情况进行合理解释．题型一 独立性检验【例1】 对变量X 与Y 的卡方统计量2χ的值，说法正确的是（ ）A ．2χ越大，“X 与Y 有关系”可信程度越小；B ．2χ越小，“X 与Y 有关系”可信程度越小；C ．2χ越接近0，“X 与Y 无关”程度越小；D ．2χ越大，“X 与Y 无关”程度越大．【例2】 若由一个22⨯列联表中的数据计算得2 4.013χ=，那么有 把握认为两个变量有关系．典例分析【例3】 若由一个22⨯列联表中的数据计算得24395χ=.，那么确认两个变量有关系的把握性有（ ）A ．90%B ．95%C ．99%D ．99.5%【例4】 提出统计假设0H ，计算出2χ的值，则拒绝0H 的是（ ）A ．27.331χ=B ．2 2.9χ=C ．20.8χ=D ．2 1.9χ=【例5】 给出假设0H ，下列结论中不能接受0H 的是（ ）A ．2 2.535χ=B ．27.723χ=C ．210.321χ=D ．220.125χ=【例6】 某高校食堂随机调查了一些学生是否因距离远近而选择食堂就餐的情况，经计算得到2 4.932χ=．所以判定距离远近与选择食堂有关系，那么这种判断出错的可能性为多少？【例7】 某班主任对全班50名学生进行了作业量的调查，数据如下表：A ．99%B ．95%C ． 90%D ．无充分根据【例8】 下表中给出了某周内中学生是否喝过酒的随机调查结果，若要使结论的可靠性不低于95%，根据所调查的数据，能否作出该周内中学生是否喝过酒与性别有关的结论？【例9】 在一次恶劣气候的飞机航程中，调查了男女乘客在飞机上晕机的情况：男乘客晕机的有24人，不晕机的有31人；女乘客晕机的有8人，不晕机的有26人．请你根据所给数据判断是否在恶劣气候飞行中，男人比女人更容易晕机．【例10】为研究不同的给药方式（口服或注射）和药的效果（有效与无效）是否有关，进行了相应的抽样调查，调查结果如表所示．根据所选择的193个病人的数据，能否作出药的效果与给药方式有关的结论？【例11】考察棉花种子经过处理跟生病之间的关系得到如下表数据：【例12】气管炎是一种常见的呼吸道疾病，医药研究人员对两种中草药治疗慢性气管炎的疗效进行对比，所得数据如表所示．问它们的疗效有无差异（可靠性不低于99%）？【例13】 在对人们的休闲方式的一次调查中，共调查了124人，其中女性70人，男性54人．女性中有43人主要的休闲方式是看电视，另外27人主要的休闲方式是运动；男性中有21人主要的休闲方式是看电视，另外33人主要的休闲方式是运动．⑴根据以上数据建立一个22⨯的联表；⑵判断性别与休闲方式是否有关系．【例14】 （2010课标全国卷Ⅰ高考）为调查某地区老年人是否需要志愿者提供帮助，用简单随机抽样方法从该地区调查了500位老年人，结果如下：⑵能否有99%的把握认为该地区的老年人是否需要志愿者提供帮助与性别有关？ ⑶根据⑵的结论，能否提出更好的调查方法来估计该地区的老年人中，需要志愿者提供帮助的老年人的比例？说明理由.附：22()()()()()n ad bc K a b c d a c b d -=++++【例15】 某校高三年级在一次全年级的大型考试中，数学优秀的有360人，非优秀的有880人．数学成绩优秀和非优秀的学生中，物理、化学、总分也为优秀的人数如下表所示，则数学成绩优秀与物理、化学、总分也优秀哪个关系较大？【例16】 （2010辽宁高考）为了比较注射A ，B 两种药物后产生的皮肤疱疹的面积，选200只家兔做试验，将这200只家兔随机地分成两组，每组100只，其中一组注射药物A ，另一组注射药物B ．⑴甲、乙是200只家兔中的2只，求甲、乙分在不同组的概率；⑵下表1和表2分别是注射药物A 和B 后的试验结果．（疱疹面积单位：2mm ） 表1：注射药物A 后皮肤疱疹面积的频数分布表频率疱疹面积频率疱疹面积图Ⅰ注射药物A 后皮肤疱疹面积的频率分布直方图 图Ⅱ注射药物B 后皮肤疱疹面积的频率分布直方图（ⅱ）完成下面22⨯列联表，并回答能否有99.9%的把握认为“注射药物A 后的疱疹面积与注射药物B 后的疱疹面积有差异”． 表3：附：2K ()()()()a b c d a c b d =++++【例17】 （2009辽宁20）某企业有两个分厂生产某种零件，按规定内径尺寸（单位：mm ）的值落在[)29.9430.06，的零件为优质品．从两个分厂生产的零件中个抽出500件，量其内径尺寸，的结果如下表：⑵由于以上统计数据填下面22⨯列联表，并问是否有99%的把握认为“两个分厂生产的零件的质量有差异”．附：()()2211221221212120.050.013.841p k n n n n n n n n n k χχ++++- = 6.635≥，。