散点图揭示变量关联程度的方法散点图通过点的分布情况来揭示两个变量之间的关联程度。
以下是散点图如何揭示两个变量之间关联程度的详细说明：1. 点的分布模式●正相关：如果散点图中的点大致呈现从左下角到右上角的直线或曲线分布，即随着一个变量的增加，另一个变量也相应增加，这表明两个变量之间存在正相关关系。
正相关意味着一个变量的增加往往伴随着另一个变量的增加。
●负相关：相反，如果散点图中的点大致呈现从左上角到右下角的直线或曲线分布，即随着一个变量的增加，另一个变量相应减少，这表明两个变量之间存在负相关关系。
负相关意味着一个变量的增加往往伴随着另一个变量的减少。
●无关联或弱关联：如果散点图中的点分布散乱，没有明显的上升或下降趋势，那么这表明两个变量之间可能不存在明显的线性关联或关联程度较弱。
然而，这并不意味着两个变量之间完全无关，它们之间可能存在其他类型的关系（如非线性关系）。
2. 趋势线的添加为了进一步揭示两个变量之间的关联程度，可以在散点图中添加趋势线（如线性趋势线、多项式趋势线等）。
趋势线的斜率和截距可以提供关于变量之间关系的量化信息。
例如，线性趋势线的斜率表示一个变量随另一个变量变化的速率，斜率的大小和正负可以反映关联的程度和方向。
3. 点的密集程度散点图中点的密集程度也可以反映两个变量之间的关联程度。
如果点集中分布在某个区域，且形成明显的趋势线或带状分布，那么这表明两个变量之间的关联程度较强。
相反，如果点分布散乱且稀疏，那么这表明两个变量之间的关联程度较弱。
4. 异常值的识别在观察散点图时，还需要注意识别异常值（即与其他点显著不同的点）。
异常值可能是由测量错误、数据录入错误或极端情况引起的。
如果散点图中存在异常值，可能会对关联程度的判断产生影响。
因此，在分析时需要谨慎处理异常值，并考虑其对整体结果的影响。
综上所述，散点图通过点的分布模式、趋势线的添加、点的密集程度以及异常值的识别等方式来揭示两个变量之间的关联程度。
两个变量的相关关系知识点和典例1.两个变量的线性相关(1)从散点图上看，如果这些点从整体上看大致分布在通过散点图中心的一条直线附近，称两个变量之间具有线性相关关系，这条直线叫做回归直线.（回归直线y ^＝b ^x ＋a ^必过样本点的中心(x ，y )，其它点不一定过直线只是在直线附近，这个结论既是检验所求回归直线方程是否准确的依据，也是求参数的一个依据.）(2)回归方程为y ^＝b ^x ＋a ^，其中b ^＝∑i =1nx i y i －n xy∑i =1nx 2i －n x2＝∑i =1n)(x i －x )(y i －y )∑i =1n)(x i －x )2，a ^＝y －b ^x .(3)相关系数：相关系数r ＝∑i =1n)(t i －t )(y i －y )∑i =1n)(t i －t )2∑i =1n )(y i －y )2当r ＞0时，表明两个变量正相关；当r ＜0时，表明两个变量负相关.r 的绝对值越接近于1，表明两个变量的线性相关性越强.r 的绝对值越接近于0时，表明两个变量之间几乎不存在线性相关关系.通常|r |大于0.75时，认为两个变量有很强的线性相关性.（r 的符号表明两个变量是正相关还是负相关；|r |的大小表示线性相关性的强弱.）例一．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 与月利润y （单位：百万元）进行了初步统计，得到下列表格中的数据：经计算，微信推广费用x 与月利润y 满足线性回归方程 6.517.5y x ∧=+.求p 的值．[解] ()()11245685,3040607040555p x y p =++++==++++=+， 因为样本中心(),x y 在回归直线 6.517.5y x ∧=+上， 所以40 6.5517.55p+=⨯+，解得50p = [变式练习]已知变量x ，y 之间的线性回归方程y ^=－0.7x +10.3，且变量x ，y 之间的一组相关数据如下表所示，则下列说法错误的是( )x 6 8 10 12 y6m32A.变量x ，y 之间呈负相关关系))))B.可以预测，当x ＝20时，b ^＝－3.7 C.m ＝4))))))))))))))))))))))))D.该回归直线必过点(9，4)[解]由－0.7<0，得变量x ，y 之间呈负相关关系，故A 正确；当x ＝20时，y ^＝－0.7×20＋10.3＝－3.7，故B 正确；由表格数据可知x －＝14×(6＋8＋10＋12)＝9，y －＝14(6＋m ＋3＋2)＝11＋m 4，则11＋m 4＝－0.7×9＋10.3，解得m ＝5，故C 错；由m ＝5，得y －＝6＋5＋3＋24＝4，所以该回归直线必过点(9，4)，故D 正确.故选C.例二．下图是我国2011年至2017年生活垃圾无害化处理量(单位：亿吨)的折线图.(1)由折线图看出，可用线性回归模型拟合y 与t 的关系，请用相关系数加以说明； (2)建立y 关于t 的回归方程(系数精确到0.01)，预测2019年我国生活垃圾无害化处理量.参考数据：∑i =17y i ＝9.32，∑i =17t i y i ＝40.17,)∑i =17)(y i －y )2＝0.55，7≈2.646.参考公式：相关系数r ＝∑i =1n)(t i －t )(y i －y )∑i =1n )(t i －t )2∑i =1n )(y i －y )2，回归方程y ^＝a ^＋b ^t 中斜率和截距的最小二乘估计公式分别为b ^＝∑i =1n)(t i －t )(y i －y )∑i =1n)(t i －t )2，a ^＝y －b ^)t .[解] (1)由折线图中的数据和附注中的参考数据得 t ＝4，∑i =17)(t i －t)2＝28,)∑i =17)(y i －y )2＝0.55，∑i =17)(t i －t )(y i －y )＝∑i =17t i y i －t ∑i =17y i ＝40.17－4×9.32＝2.89，∴r ≈ 2.890.55×2×2.646≈0.99.因为y 与t 的相关系数近似为0.99，说明y 与t 的线性相关程度相当大，从而可以用线性回归模型拟合y 与t 的关系.(2)由y ＝9.327≈1.331及(1)得b ^＝∑i =17)(t i －t )(y i －y )∑i =17)(t i －t )2＝2.8928≈0.103. a ^＝y －b ^)t ≈1.331－0.103×4≈0.92. 所以y 关于t 的回归方程为y ^＝0.92＋0.10t .将2019年对应的t ＝9代入回归方程得y ^＝0.92＋0.10×9＝1.82. 所以，预测2019年我国生活垃圾无害化处理量约为1.82亿吨.[变式练习]1.(2019·广州调研)某基地蔬菜大棚采用无土栽培方式种植各类蔬菜.过去50周的资料显示，该地周光照量X (单位：小时)都在30小时以上，其中不足50小时的有5周，不低于50小时且不超过70小时的有35周，超过70小时的有10周.根据统计，该基地的西红柿增加量y (千克)与使用某种液体肥料的质量x (千克)之间的对应数据为如图所示的折线图.(1)依据折线图计算相关系数r (精确到0.01)，并据此判断是否可用线性回归模型拟合y 与x 的关系.(若|r |＞0.75，则线性相关程度很高，可用线性回归模型拟合)(2)蔬菜大棚对光照要求较高，某光照控制仪商家为该基地提供了部分光照控制仪，但每周光照控制仪运行台数受周光照量X 限制，并有如下关系：对商家来说，若某台光照控制仪运行，则该台光照控制仪产生的周利润为3)000元；若某台光照控制仪未运行，则该台光照控制仪周亏损1)000元.若商家安装了3台光照控制仪，求商家在过去50周的周总利润的平均值.参考数据：0.3≈0.55，0.9≈0.95. 解：(1)由已知数据可得x ＝2＋4＋5＋6＋85＝5，y ＝3＋4＋4＋4＋55＝4.因为∑i ＝15)(x i －x )(y i －y )＝(－3)×(－1)＋0＋0＋0＋3×1＝6，∑i ＝15)(x i －x )2＝(－3)2＋(－1)2＋02＋12＋32＝25，∑i ＝15)(y i －y )2＝(－1)2＋02＋02＋02＋12＝2，所以相关系数r ＝∑i ＝15)(x i －x )(y i －y )∑i ＝15)(x i －x)2)∑i ＝15)(y i －y )2＝625×2＝)910≈0.95. 因为|r |＞0.75，所以可用线性回归模型拟合y 与x 的关系. (2)由条件可得在过去50周里，当X ＞70时，共有10周，此时只有1台光照控制仪运行， 每周的周总利润为1×3)000－2×1)000＝1)000(元).当50≤X ≤70时，共有35周，此时有2台光照控制仪运行， 每周的周总利润为2×3)000－1×1)000＝5)000(元).当30＜X ＜50时，共有5周，此时3台光照控制仪都运行， 每周的周总利润为3×3)000＝9)000(元).所以过去50周的周总利润的平均值为1)000×10＋5)000×35＋9)000×550＝4)600(元)，所以商家在过去50周的周总利润的平均值为4)600元.例三．某机构为研究某种图书每册的成本费y(单位：元)与印刷数量x(单位：千册)的关系，收集了一些数据并进行了初步处理，得到了下面的散点图及一些统计量的值.x y u∑i＝18)(x i－x)2∑i＝18)(x i－x)(y i－y)∑i＝18)(u i－u)2∑i＝18)(u i－u)(y i－y) 15.25 3.630.2692)085.5－230.30.7877.049表中u i＝1x i，u＝18∑i＝18u i.(1)根据散点图判断：y＝a＋bx与y＝c＋dx哪一个模型更适合作为该图书每册的成本费y(单位：元)与印刷数量x(单位：千册)的回归方程？(只要求给出判断，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(回归系数的结果精确到0.01).(3)若该图书每册的定价为10元，则至少应该印刷多少册才能使销售利润不低于78)840元？(假设能够全部售出.结果精确到1)附：对于一组数据(ω1，υ1)，(ω2，υ2)，…，(ωn，υn)，其回归直线υ^＝α^＋β^ω的斜率和截距的最小二乘估计分别为β^＝∑i＝1n)(ωi－ω)(υi－υ)∑i＝1n)(ωi－ω)2，α^＝υ－β^ω.解：(1)由散点图判断，y＝c＋dx更适合作为该图书每册的成本费y(单位：元)与印刷数量x(单位：千册)的回归方程.(2)令u＝1x，先建立y关于u的线性回归方程，由于d ^＝∑i ＝18)(u i －u )(y i －y )∑i ＝18)(u i －u )2＝7.0490.787≈8.957≈8.96， ∴c ^＝y －d ^·u ＝3.63－8.957×0.269≈1.22， ∴y 关于u 的线性回归方程为y ^＝1.22＋8.96u ， ∴y 关于x 的回归方程为y ^＝1.22＋8.96x .(3)假设印刷x 千册，依题意得10x －⎝⎛⎭⎫1.22＋8.96x x ≥78.840， 解得x ≥10，∴至少印刷10)000册才能使销售利润不低于78)840元.[变式练习](2015课标Ⅰ,19)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.xyw∑i=18(x i -x )2∑i=18(w i -w )2 ∑i=18(x i -x )(y i -y ) ∑i=18(w i -w )(y i -y )46.6 563 6.8 289.81.61 469108.8表中w i =√x ,w =18∑i=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(u 1,v 1),(u 2,v 2),…,(u n ,v n ))),其回归直线v =α+βu 的斜率和截距的最小二乘估计分别为β^=∑i=1n (u i -u )(v i -v )∑i=1n(u i -u )2,α^=v -β^)u .解析 (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分)(2)令w =√x ,先建立y 关于w 的线性回归方程.由于 d ^=∑i=18(w i -w )(y i -y )∑i=18(w i -w )2=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+68√x .(6分) (3)(i)由(2)知,当x =49时,年销售量y 的预报值 y ^=100.6+68√49=576.6,年利润z 的预报值z ^=576.6×0.2-49=66.32.(9分) (ii)根据(2)的结果知,年利润z 的预报值 z ^=0.2(100.6+68√x )-x =-x +13.6√x +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.。
第三节 变量间的相关关系预习设计 基础备考知识梳理1．两个变量的线性相关(1)正相关：在散点图中，点散布在从到的区域，对于两个变量的这种相关关系，我们将它称为正相关．(2)负相关：在散点图中，点散布在从 到 的区域，对于两个变量的这种相关关系，我们将它称为负相关．(3)线性相关关系、回归直线： 如果散点图中点的分布从整体上看大致在 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(1)最小二乘法： 求回归直线使得样本数据的点到它的 的方法叫做最小二乘法．(2)回归方程：方程a x by ˆˆ+=是两个具有线性相关关系的变量的一组数据),(,),,(),,(2211n n y x y x y x 的回归方程，其中:ˆ,ˆb a是待定参数． ⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧-=⋅-====-∑∑-∑--∑==x b y a i y x n y x i n i i i n i b x n x x x y y x x n i i i n i n ˆˆ22211ˆ111)())((典题热身1．下列选项中，两个变量具有相关关系的是 ( )A ．参加60年国庆阅兵的人数与观看第十一届全运会开幕布式的人数B ．正方体的体积与棱长C ．人体内的脂肪含量与年龄D ．汶川大地震的经济损失与全球性金融危机的经济损失答案：C2．（2011．陕西高考）设),(,),,(),,(2211n n y x y x y x ⋅⋅⋅是变量x 和y 的n 个样本点，直线l 是由这些样本点通过最小二乘法得到的线性回归直线（如图），以下结论正确的是 ( )A ．直线l 过点),(y xB ．x 和y 的相关系数为直线l 的斜率C ．x 和y 的相关系数在O 到1之间D ．当n 为偶数时，分布在l 两侧的样本点的个数一定相同答案：A3．设有一个回归直线方程为,5.12ˆx y-=则变量x 增加一个单位 ( ) A ．y 平均增加1.5个单位B ．y 平均增加两个单位C ．y 平均减少1.5个单位D ．y 平均减少两个单位答案：C4．在一次实验中，测得(x ，y)的四组值为(1，2)，(2，3)，<蝴_(4，5)，则y 与x 之间的回归直线方程为 ( )1ˆ.+=x yA 2ˆ.+=x yB 12ˆ.+=x yC 1ˆ.-=x yD 答案：A5．(2011．辽宁高考)调查了某地若干户家庭的年收入x （单位；万元）和年饮食支出y(单位：万元)，调查显示年收入x 与年饮食支出y 具有线性相关关系，并由调查数据得到y 对x 的回归直线方程：,321.0254.0ˆ+=x y 由回归直线方程可知，家庭年收入每增加l 万元，年饮食支出平均增加 万元.答案：0,254课堂设计 方法备考题型一 利用散点图判断两个变量的相关关系画出散点图，判断它们是否有相关关系．题型二 求回归直线方程【例2】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)的几组对应数据；(1)请画出表中数据的散点图；(2)请根据表中提供的数据，用最小二乘法求出y 关于x 的回归方程.ˆˆˆa x b y+= 题型三 利用回归直线方程对总体进行估计【例3】某企业上半年产品产量与单位成本资料如下：(1)求出线性回归方程；(2)指出产量每增加1000件时，单位成本平均变动多少？(3)假定产量为6000件时，单位成本为多少元？技法巧点(1)线性相关关系的理解：相关关系与函数关系不同，函数关系中的两个变量间是一种确定性关系，例如正方形面积S 与边长x 之间的关系2x s =就是函数关系．相关关系是一种非确定性关系，即相关关系是非随机变量与随机变量之间的关系，例如商品的销售额与广告费是相关关系，两个变量具有相关关系是回归分析的前提． (2)求回归方程，关键在于正确求出系数b a b aˆ,ˆ,ˆ,ˆ由于的计算量大，计算时应仔细谨慎，分层进行，避免因计算产生错误．（注意回归直线方程中一次项系数为,ˆb 常数项为,ˆa 这与一次函数的习惯表示不同．）(3)回归分析是处理变量相关关系的一种数学方法，主要解决：①确定特定量之间是否有相关关系，如果有就找出它们之间贴近的数学表达式；②根据一组观察值，预测变量的取值及削断变量取值的变化趋势；③求出回归直线方程．失误防范1．回归分析是对具有相关关系的两个变量进行统计分析的方法，只有在散点图大致呈线性时，求出的回归直线方程才有实际意义，否则，求出的回归直线方程毫无意义．2．根据回归方程进行预报，仅是一个预报值，而不是真实发生的值．随堂反馈 1．（20】】．江西高考）为了解儿子身高与其父亲身高的关系，随机抽取5对父子的身高数据如下：则y 对x 的线性回归方程为 ( )1-=⋅x y A 1+=⋅x y B x y c 2188+=⋅ 176=⋅y D 答案：C2．某考察团对全国10大城市进行职工人均工资水平x(千元）与居民人均消费水平y(千元)统计调查，y与x 具有真相关关系，回归方程为.562.166.0ˆ+=x y若某城市居民人均消费水平为7.675千元，估计该城市人均消费额占人均工资收入的百分比约为 （ ）%83.A 0072.B 0076. c %66.D 答案：A3．（2011．广东高考）为了解篮球爱好者小李的投篮命中率与打篮球时间之间的关系，下表记录了小李某月1号到5号每天打篮球时间x(单位：小时)与当天投篮命中率y 之间的关系；小李这5天的平均投篮命中率为 ；用线性 回归分析的方程，预测小李该月6号打6小时篮球的投篮命中率为答案：53.0;5.0高效作业 技能备考一、选择题1．（201-1．福州模拟）已知变量x ，y 呈线性相关关系，回归方程为,25.0ˆx y+=则变量x ，y 是( ) A ．线性正相关关系B ．由回归方程无法判断其正负相关C ．线性负相关关系D ．不存在线性相关关系答案；A2．(2011．绍兴月考)对有线性相关关系的两个变量建立的回归直线方程x b a yˆˆˆ+=中，回归系数b ˆ( ) A ．可以小于0 B ．大于O C ．能等于O D ．只能小于0答案：A3．已知x 与y 之间的一组数据：则y 与x 的线性回归方程a x b yˆˆˆ+=必过 ( ) A ．点(2，2) B ．点(1.5，O) C ．点(1，2) D ．点(1.5，4)答案：D4．（2011．泰安模拟）下表是某厂l ～4月份用水量（单位：百吨）的一组数据：散点图可知，用水量y 与月份x 之间有较好的线性相关关系，其线性回归直线方程是,ˆ7.0ˆa x y+-=则 aˆ等于( ) 5.10.A 15.5.B 2.5.c 25.5.D答案：D5.对变量x ，y 有观测数据),10,,2,1)(,( =i y x i i 得散点图(1)；对变量u ，v 有观测数据),10,,2,1)(,( =i v u i i 得散点图(2)，由这两个散点图可以判断( )A ．变量x 与y 正相关，u 与v 正相关 B.变量_x 与y 正相关，u 与v 负相关C ．变量x 与y 负相关，u 与v 正相关D ．变量x 与y 负相关，u 与v 负相关答案：C6．（2011．青岛模拟）为了考察两个变量x 和y 之间的线性相关性，甲、乙两位同学各自独立做了10次和15次试验，并且利用线性回归方法，求得回归直线分别为⋅21l l 、已知两人所得的试验数据中，变量x 和y 的数据的平均值都相等，且分别是s 、t ，那么下列说法正确的是 ( )A ．直线1l 和2l 一定有公共点(s ，t)B ．直线1l 和2l 相交，但交点不一定是(s ，t)C ．必有21//l l 21.l lD 与必定重合答案：A二、填空题7．(2011．舟山适应性考试)人的身高与手的扎长存在相关关系，且满足264.31303.0ˆ-=x y(x 为身高，y 为扎长，单位：cm)，则当扎长为24.8 cm 时，身高为 cm.答案：03.1858．(2011．芜湖模拟)已知三点(3，10)，(7，20)，(11，24)的横坐标x 与纵坐标y 具有线性关系，则其线性回归方程是 答案：42347+=x y9．（2011．丽水调研）某单位为了了解用电量y 度与气温x℃之间的关系，随机统计了某4天的用电量与当天气温，并制作了对照表：由表中数据得线性回归方程,2ˆˆˆˆ-=+=b a x b y中预测当气温为-4℃时，用电量的度数约为 答案：68三、解答题10．(2011.台州模拟)在研究硝酸钠的可溶性程度时，对于不同的温度观测它在水中的溶解度，得观测结果如下：由资料看y 与x 呈线性相关，试求回归方程．11.（2011．枣 庄模拟）在某地区的12～30岁居民中随机抽取了10个人的身高和体重的统计资料如下表：根据上述数据，画出散点图并判断居民的身高和体重之间是否有相关关系．12.（2011．北京高考）以下茎叶图记录了甲、乙两组各四名同学的植树棵数，乙组记录中有一个数据模糊，无法确认，在图中以X 表示．(1)如果X=8，求乙组同学植树棵树的平均数和方差；(2)如果X=9，分别从甲、乙两组中随机选取一名同学，求这两名同学的植树总棵树为19的概率． （注：方差],)()()[(1222212x x x x x x n s n -++-+-=其中x 为n x x x ,,,21 的平均数）。
