1.1线性回归方程的求法

高三回归方程知识点汇总回归方程是数学中重要的数学模型，用于描述变量之间的关系和进行预测。

在高三阶段，学生需要掌握回归分析的基本知识和技巧。

本文将对高三数学中回归方程的知识点进行全面汇总，并提供一些实例和应用场景供参考。

一、线性回归方程1.1 线性关系与线性回归方程线性关系指的是两个变量之间存在直线关系，可用一条直线来近似表示。

线性回归方程是线性关系的数学表达式，常用形式为 y = kx + b，其中 k 表示直线的斜率，b 表示直线在 y 轴上的截距。

1.2 最小二乘法最小二乘法是确定线性回归方程中斜率 k 和截距 b 的常用方法。

它通过最小化观测值与回归直线的拟合误差平方和，找到最佳的拟合直线。

1.3 直线拟合与误差分析直线拟合是利用线性回归方程将观测数据点拟合到一条直线上。

误差分析可以评估回归方程的拟合优度，常用指标有决定系数R²、平均绝对误差 MAE 等。

二、非线性回归方程2.1 非线性关系与非线性回归方程非线性关系指的是两个变量之间的关系不能用一条直线来近似表示，而是需要使用曲线或其他非线性形式进行描述。

非线性回归方程可以是多项式方程、指数方程、对数方程等形式。

2.2 最小二乘法拟合非线性回归方程与线性回归相似，最小二乘法也可以用于拟合非线性回归方程。

但由于非线性方程的复杂性，通常需要借助计算工具进行求解，例如利用数学软件进行非线性拟合。

2.3 模型选择和拟合优度检验在选择非线性回归模型时，需要综合考虑模型的拟合优度和实际应用的需求。

常见的方法包括比较不同模型的决定系数 R²、检验残差分布等。

三、应用实例3.1 人口增长模型以某地区的人口数据为例，通过拟合合适的回归方程，可以预测未来的人口增长趋势，为城市规划和社会发展提供决策依据。

3.2 经济增长模型回归方程可以用于分析经济数据，例如拟合国民生产总值与时间的关系，预测未来的经济增长态势，为政府制定经济政策提供参考。

3.3 科学实验数据分析在科学研究中，常常需要利用回归方程对实验数据进行拟合和分析。

第二节一元线性回‎归方程的建立一‎元线性回归分析是处理‎两个变量之间关系的最‎简单模型，它所研究的‎对象是两个变量之间的‎线性相关关系。

通过对‎这个模型的讨论，我们‎不仅可以掌握有关一元‎线性回归的知识，而且‎可以从中了解回归分析‎方法的基本思想、方法‎和应用。

一、问题‎的提出例2-1‎-1 为了研究氮含‎量对铁合金溶液初生奥‎氏体析出温度的影响，‎测定了不同氮含量时铁‎合金溶液初生奥氏体析‎出温度，得到表2-1‎-1给出的5组数据。

‎表2-1-1 ‎氮含量与灰铸铁初生‎奥氏体析出温度测试数‎据如果‎把氮含量作为横坐标，‎把初生奥氏体析出温度‎作为纵坐标，将这些数‎据标在平面直角坐标上‎，则得图2-1-1，‎这个图称为散点图。

‎从图2-1-1可以‎看出，数据点基本落在‎一条直线附近。

这告诉‎我们，变量X与Y的关‎系大致可看作是线性关‎系，即它们之间的相互‎关系可以用线性关系来‎描述。

但是由于并非所‎有的数据点完全落在一‎条直线上，因此X与Y‎的关系并没有确切到可‎以唯一地由一个X值确‎定一个Y值的程度。

其‎它因素，诸如其它微量‎元素的含量以及测试误‎差等都会影响Y 的测试‎结果。

如果我们要研究‎X与Y的关系，可以作‎线性拟合‎（2-‎1-1）二、最小二乘法‎原理如果把用回‎归方程计算得到的‎i值(i=1,2‎,…n)称为回归值，‎那么实际测量值y i与‎回归值i之间存在‎着偏差，我们把这(i=1,2,3,…‎,n)。

这样，我们就‎可以用残差平种偏‎差称为残差，记为e i‎方和来度‎量测量值与回归直线的‎接近或偏差程度。

残差‎平方和定义为:‎ (2-1-‎2) 所谓最小二乘‎法，就是选择a和b使‎Q(a,b)最小，即‎用最小二乘法得到的回‎归直线是在所有直‎线中与测量值残差平方‎和Q最小的一条。

由(‎2-1-2)式可知Q‎是关于a,b的二次函‎数，所以它的最小值总‎是存在的。

下面讨论的‎a和b的求法。

耿老师总结的高考统计部分的两个重要公式的具体如何应用ˆ+a ˆ=bx ˆ的求法：第一公式：线性回归方程为y（1）先求变量x 的平均值，既x =（2）求变量y 的平均值，既y =1(x 1+x 2+x 3+⋅⋅⋅+x n )n 1(y 1+y 2+y 3+⋅⋅⋅+y n )n ˆ，有两个方法（3）求变量x 的系数bˆ=法1b∑(x -x )(y -y )iii =1n∑(x -x )ii =1n（题目给出不用记忆）2(x1-x )(y 1-y )+(x 2-x )(y 2-y )+...+(x n-x )(y n-y )][（需理解并会代入数据）=222⎡⎤(x -x )+(x -x )+...+(x -x )2n ⎣1⎦nˆ=法2b∑(x -x )(y -y )iii =1∑(x -x )ii =1n（题目给出不用记忆）2=[x 1y1+x 2y 2+...x ny n]-nx ⋅y,（这个公式需要自己记忆，稍微简单些）2222⎡⎣x 1+x 2+...+x n ⎤⎦-nx ˆˆ=y -bx ˆ，既a （4）求常数aˆ+a ˆ-a ˆ=bx ˆ。

可以改写为：y =bx ˆ（y ˆ与y 不做区分）最后写出写出回归方程y例．已知x ,y 之间的一组数据：x0123y1357求y 与x 的回归方程：解：（1）先求变量x 的平均值，既x =（2）求变量y 的平均值，既y =1(0+1+2+3)=1.541(1+3+5+7)=44ˆ，有两个方法（3）求变量x 的系数b2222⎡⎤(x -x )+(x -x )+(x -x )+(x -x )1234⎣⎦ˆ法1b=(0-1.5)(1-4)+(1-1.5)(3-4)+(2-1.5)(5-4)+(3-1.5)(7-4)5==22227⎡⎣(0-1.5)+(1-1.5)+(2-1.5)+(3-1.5)⎤⎦(x1-x )(y 1-y )+(x 2-x )(y 2-y )+(x 3-x )(y 3-y )+(x 4-x )(y 4-y )][=ˆ=法2b[x 1y1+x 2y 2+...x ny n]-nx ⋅y=[0⨯1+1⨯3+2⨯5+3⨯7]-4⨯1.5⨯4=52222⎡⎤x +x +...+x -nx 12n ⎣⎦2222⎡⎤0+1+2+3⎣⎦7ˆ=4-ˆ=y -bx ˆ，既a (4)求常数aˆ+a ˆ=bx ˆ=最后写出写出回归方程y第二公式：独立性检验两个分类变量的独立性检验：525⨯1.5=77525x +77y1a ca +cy2b d总计x 1a +b c +d a +b +c +d注意：数据a 具有两个属性x 1，y 1。

线性回归方程lnx公式b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。

线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。

线性回归方程公式求法第一：用所给样本求出两个相关变量的(算术）平均值：x_=(x1+x2+x3+...+xn)/ny_=(y1+y2+y3+...+yn)/n第二：分别计算分子和分母：（两个公式任选其一）分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2第三：计算b：b=分子/分母用最小二乘法估计参数b，设服从正态分布，分别求对a、b的偏导数并令它们等于零，得方程组解为其中，且为观测值的样本方差.线性方程称为关于的线性回归方程，称为回归系数，对应的直线称为回归直线.顺便指出，将来还需用到，其中为观测值的样本方差。

先求x，y的平均值X，Y再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)后把x，y的平均数X，Y代入a=Y-bX求出a并代入总的公式y=bx+a得到线性回归方程(X为xi的平均数，Y为yi的平均数)线性回归线性回归是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一，应用十分广泛。

变量的相关关系中最为简单的是线性相关关系，设随机变量与变量之间存在线性相关关系，则由试验数据得到的点，将散布在某一直线周围。

因此，可以认为关于的回归函数的类型为线性函数。

分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。

如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

高中数学知识点：线性回归方程
线性回归方程是高中数学中的一个重要知识点。

其中，回归直线是指通过散点图中心的一条直线，表示两个变量之间的线性相关关系。

回归直线方程可以通过最小二乘法求得。

具体地，可以设与n个观测点（xi，yi）最接近的直线方程为
y=bx+a，其中a、b是待定系数。

然后，通过计算n个偏差的平方和来求出使Q为最小值时的a、b的值。

最终得到的直线方程即为回归直线方程。

需要注意的是，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。

因此，在进行线性回归分析时，应先看其散点图是否成线性。

另外，求回归直线方程时，需要仔细谨慎地进行计算，避免因计算产生失误。

回归直线方程在现实生活与生产中有广泛的应用。

这种方程可以将非确定性问题转化为确定性问题，从而使“无序”变得“有序”，并对情况进行估测和补充。

因此，研究回归直线方程后，学生应更加重视其在解决相关实际问题中的应用。

注：原文已经没有格式错误和明显有问题的段落。

（1)t分布：设x1,x2，…，x n是来自正态总体N(μ，σ2)的一个样本，则有:～N（μ，）,对样本均值施行标准化变换，则有：～N（0，1），当用样本标准s代替上式中的总体标准差σ，则上式u变量改为t变量，标准正态分布N（0，1)也随之改为“自由度为n-1的t分布”，记为t （n-1)，即：～t(n-1).（2)χ2分布：自由度为n—1的χ2分布的概率密度函数在正半轴上呈偏态分布。

（3）F分布：设有两个独立的正态总体N（μ1,σ2）和N(μ2，σ2)，它们的方差相等.又设x1,x2，…，x n是来自N(μ1，σ2）的一个样本；y1，y2，…，y m是来自N（μ2,σ2）的一个样本，两个样本相互独立。

它们的样本方差比的分布是自由度为n—1和m—1的F分布，其中n-1称为分子自由度或第1自由度；m—1称为分母自由度或第2自由度。

F分布的概率密度函数在正半轴上呈偏态分布.考点17：参数估计重点等级：※参数主要是指：①分布中的未知参数，如二项分布b(1，p)中的p，正态分布N(μ,σ2)中的μ,σ2或σ；②分布的均值E（X)、方差Var（X)等未知特征数；③其他未知参数，如某事件的概率P(A）等。

上述未知参数都需要根据样本和参数的统计含义选择适宜的统计量并作出估计。

参数估计有两种基本形式：点估计与区间估计.考点18：点估计重点等级：※※※※1．点估计优良性标准无偏性是表示估计量优良性的一个重要标准，只要有可能，应该尽可能选用无偏估计量，或近似无偏估计量。

有效性是判定估计量优良性的另一个标准。

2．求点估计的方法--矩法估计由于均值与方差在统计学中统称为矩，总体均值与总体方差属于总体矩，样本均值与样本方差属于样本矩.获得未知参数的点估计的方法称为矩法估计。

矩法估计简单而实用,所获得的估计量通常（尽管不总是如此）也有较好的性质。

但是应该注意到矩法估计不一定总是最有效的，而且有时估计也不唯一.3．正态总体参数的估计①正态均值μ无偏估计有两个，一个是样本均值，另一个是样本中位数；②正态方差σ2的无偏估计常用的只有一个，就是样本方差S2,即；③正态标准差σ的无偏估计也有两个，一个是对样本极差R＝x(n）-x(1）进行修偏而得,另一个是对样本标准差s进行修偏而得，具体是：，。

§1 回归分析 1.1 回归分析学习目标 1.会建立线性回归模型分析两个变量间的相关关系.2.掌握建立线性回归模型的步骤．知识点 线性回归方程 思考 (1)什么叫回归分析？(2)回归分析中，利用线性回归方程求出的函数值一定是真实值吗？ 答案 (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一种方法．(2)不一定是真实值，利用线性回归方程求的值，在很多时候是个预报值，例如，人的体重与身高存在一定的线性关系，但体重除了受身高的影响外，还受其他因素的影响，如饮食、是否喜欢运动等．梳理 (1)平均值的符号表示假设样本点为(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，在统计上，用x 表示一组数据x 1，x 2，…，x n 的平均值，即x ＝x 1＋x 2＋…＋x n n ＝1n∑i ＝1nx i ；用y 表示一组数据y 1，y 2，…，y n 的平均值，即y ＝y 1＋y 2＋…＋y n n ＝1n∑i ＝1ny i .(2)参数a ，b 的求法b ＝l xy l xx＝∑i ＝1n(x i －x )(y i －y )∑i ＝1n(x i －x )2＝∑i ＝1nx i y i －n x y∑i ＝1nx 2i －n x2，a ＝y －b x .(3)样本点的中心(x ，y )，回归直线过样本点的中心．1．现实生活中的两个变量要么是函数关系，要么是相关关系．( × ) 2．散点图能准确判定两个变量是否具有线性相关关系．( × ) 3．回归直线不一定过样本中的点，但一定过样本点的中心．( √)类型一 概念的理解和判断 例1 有下列说法：①线性回归分析就是由样本点去寻找一条直线，使之贴近这些样本点的数学方法； ②利用样本点的散点图可以直观判断两个变量的关系是否可以用线性关系表示； ③通过回归方程y ＝bx ＋a 可以估计观测变量的取值和变化趋势；④因为由任何一组观测值都可以求得一个线性回归方程，所以没有必要进行相关性检验． 其中正确命题的个数是( ) A ．1 B ．2 C ．3 D ．4 考点 回归分析题点 回归分析的概念和意义 答案 C解析 ①反映的正是最小二乘法思想，正确；②反映的是画散点图的作用，正确；③反映的是回归方程y ＝bx ＋a 的作用，正确；④不正确，在求回归方程之前必须进行相关性检验，以体现两变量的关系．跟踪训练1 下列变量关系是相关关系的是( ) ①学生的学习时间与学习成绩之间的关系； ②某家庭的收入与支出之间的关系； ③学生的身高与视力之间的关系； ④球的体积与半径之间的关系． A ．①② B ．①③ C ．②③ D ．②④考点 回归分析题点 回归分析的概念和意义 答案 A解析 对①，学习时间影响学生的学习成绩，但是学生学习的刻苦程度、学生的学习方法、教师的授课水平等其他因素也影响学生的成绩，因此学生的学习时间与学习成绩之间具有相关关系；对②，家庭收入影响支出，但支出除受收入影响外，还受其他因素影响，故它们是相关关系；对③，身高与视力之间互不影响，没有任何关系；对④，球的体积由半径决定，是一种确定性关系，故它们是函数关系． 类型二 回归分析命题角度1 求线性回归方程例2 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：(1)请画出上表数据的散点图；(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 ＝bx ＋a ； (3)试根据求出的线性回归方程，预测记忆力为9的同学的判断力．⎝⎛⎭⎪⎪⎫相关公式：b ＝∑i ＝1nx i y i －n x y ∑i ＝1nx 2i －n x2，a ＝y －b x考点 线性回归方程 题点 求线性回归方程解 (1)如图：(2)∑i ＝14x i y i ＝6×2＋8×3＋10×5＋12×6＝158，x ＝6＋8＋10＋124＝9，y ＝2＋3＋5＋64＝4，∑i ＝14x 2i ＝62＋82＋102＋122＝344，b ＝158－4×9×4344－4×92＝1420＝0.7，a ＝y －b x ＝4－0.7×9＝－2.3， 故线性回归方程为y ＝0.7x －2.3.(3)由(2)中线性回归方程可知，当x ＝9时，y ＝0.7×9－2.3＝4，预测记忆力为9的同学的判断力约为4.反思与感悟 (1)求线性回归方程的基本步骤①列出散点图，从直观上分析数据间是否存在线性相关关系． ②计算：x ，y，∑i ＝1nx 2i ，∑i ＝1n y 2i ，∑i ＝1nx i y i . ③代入公式求出y ＝bx ＋a 中参数b ，a 的值． ④写出线性回归方程并对实际问题作出估计．(2)需特别注意的是，只有在散点图大致呈线性时，求出的回归方程才有实际意义，否则求出的回归方程毫无意义．跟踪训练2 已知某地区4～10岁女孩各自的平均身高数据如下：求y 对x 的线性回归方程．(保留两位小数) 考点 线性回归方程 题点 求线性回归方程 解 制表b ＝∑i ＝17x i y i －7x y∑i ＝17x 2i －7x2＝5 798－7×7×8097371－7×72≈4.82， a ＝y －b x ＝8097－4.82×7≈81.83.所以线性回归方程为y ＝81.83＋4.82x . 命题角度2 线性回归分析与回归模型构建例3 某商场经营一批进价是30元/台的小商品，在市场试验中发现，此商品的销售单价x (x 取整数)(元)与日销售量y (台)之间有如下关系：(1)画出散点图，并判断y 与x 是否具有线性相关关系； (2)求日销售量y 对销售单价x 的线性回归方程；(3)设经营此商品的日销售利润为P 元，根据(2)写出P 关于x 的函数关系式，并预测当销售单价x 为多少元时，才能获得最大日销售利润． 考点 线性回归分析 题点 回归直线方程的应用解 (1)散点图如图所示，从图中可以看出这些点大致分布在一条直线附近，因此两个变量线性相关．(2)因为x ＝14×(35＋40＋45＋50)＝42.5，y ＝14×(56＋41＋28＋11)＝34.∑i ＝14x i y i ＝35×56＋40×41＋45×28＋50×11＝5 410.∑i ＝14x 2i ＝352＋402＋452＋502＝7 350.所以b ＝∑i ＝14x i y i －4x y∑i ＝14x 2i －4x2＝5 410－4×42.5×347 350－4×42.52＝－370125≈－3.a ＝y －b x ＝34－(－3)×42.5＝161.5. 所以线性回归方程为y ＝161.5－3x .(3)依题意，有P ＝(161.5－3x )(x －30)＝－3x 2＋251.5x －4 845＝－3⎝⎛⎭⎫x －251.562＋251.5212－4 845. 所以当x ＝251.56≈42时，P 有最大值，约为426元．即预测当销售单价为42元时，能获得最大日销售利润．反思与感悟 解答线性回归题目的关键是首先通过散点图来分析两变量间的关系是否线性相关，然后再利用求线性回归方程的公式求解线性回归方程，在此基础上，借助线性回归方程对实际问题进行分析．跟踪训练3 一台机器由于使用时间较长，生产的零件有一些会缺损，按不同转速生产出来的零件有缺损的统计数据如下表：(1)作出散点图；(2)如果y 与x 线性相关，求出线性回归方程；(3)若在实际生产中，允许每小时的产品中有缺损的零件最多为10个，那么，机器的运转速度应控制在什么范围？ 考点 线性回归分析 题点 回归直线方程的应用解 (1)根据表中的数据画出散点图如图．(2)设线性回归方程为：y ＝bx ＋a ，并列表如下：x ＝12.5，y ＝8.25，∑i ＝14x 2i ＝660，∑i ＝14x i y i ＝438，所以b ＝438－4×12.5×8.25660－4×12.52≈0.73，a ＝8.25－0.73×12.5＝－0.875， 所以y ＝0.73x －0.875.(3)令0.73x －0.875≤10，解得x <14.9≈15， 故机器的运转速度应控制在15转/秒内.1．某商品销售量y (件)与销售价格x (元/件)负相关，则其线性回归方程可能是( ) A ．y ＝－10x ＋200 B ．y ＝10x ＋200 C ．y ＝－10x －200 D ．y ＝10x －200考点 线性回归分析 题点 线性回归方程的应用 答案 A解析 因为y 与x 负相关，所以排除B ，D ， 又因为C 项中x >0时，y <0不合题意，所以C 错．2．如图四个散点图中，适合用线性回归模型拟合其中两个变量的是()A ．①②B ．①③C ．②③D ．③④ 考点 回归分析题点 回归分析的概念和意义 答案 B解析 由图易知①③两个图中样本点在一条直线附近，因此适合用线性回归模型． 3．下表是x 和y 之间的一组数据，则y 关于x 的回归直线必过点( )A.(2,3) B ．(1.5,4) C ．(2.5,4) D ．(2.5,5)考点 线性回归方程 题点 样本点中心的应用 答案 C解析 回归直线必过样本点中心(x ，y )，即(2.5,4)．4．面对竞争日益激烈的消费市场，众多商家不断扩大自己的销售市场，以降低生产成本．某白酒酿造企业市场部对该企业9月份的产品销量x (单位：千箱)与单位成本y (单位：元)的资料进行线性回归分析，结果如下：x ＝72，y ＝71，∑i ＝16x 2i＝79，∑i ＝16x i y i ＝1 481，则销量每增加1 000箱，单位成本下降________元． 考点 线性回归分析 题点 线性回归方程的应用 答案 1.818 2解析 由题意知，b ＝1 481－6×72×7179－6×⎝⎛⎭⎫722≈－1.818 2，a ＝71－(－1.818 2)×72≈77.36，∴y 关与x 的线性回归方程为 y ＝－1.818 2x ＋77.36，即销量每增加1千箱，单位成本下降1.818 2元． 5．已知x ，y 之间的一组数据如下表：(1)分别计算：x ，y ，x 1y 1＋x 2y 2＋x 3y 3＋x 4y 4，x 21＋x 22＋x 23＋x 24；(2)已知变量x 与y 线性相关，求出线性回归方程． 考点 线性回归方程 题点 求线性回归方程解 (1)x ＝0＋1＋2＋34＝1.5，y ＝1＋3＋5＋74＝4，x 1y 1＋x 2y 2＋x 3y 3＋x 4y 4＝0×1＋1×3＋2×5＋3×7＝34，x 21＋x 22＋x 23＋x 24＝02＋12＋22＋32＝14.(2)b ＝34－4×1.5×414－4×1.52＝2，a ＝y －b x ＝4－2×1.5＝1， 故线性回归方程为y ＝2x ＋1.回归分析的步骤(1)确定研究对象，明确哪个变量是自变量，哪个变量是因变量．(2)画出确定好的因变量关于自变量的散点图，观察它们之间的关系(如是否存在线性关系等)． (3)由经验确定回归方程的类型(如果呈线性关系，则选用线性回归方程y ＝bx ＋a )． (4)按一定规则估计回归方程中的参数．一、选择题1．对变量x ，y 由观测数据(x i ，y i )(i ＝1,2，…，10)，得散点图(1)；对变量u ，v 由观测数据(u i ，v i )(i ＝1,2，…，10)，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负相关考点回归分析题点回归分析的概念和意义答案 C解析由题图(1)可知，各点整体呈递减趋势，x与y负相关；由题图(2)可知，各点整体呈递增趋势，u与v正相关．2．某医学科研所对人体脂肪含量与年龄这两个变量研究得到一组随机样本数据，运用Excel 软件计算得y＝0.577x－0.448(x为人的年龄，y为人体脂肪含量)．对年龄为37岁的人来说，下面说法正确的是()A．年龄为37岁的人体内脂肪含量为20.90%B．年龄为37岁的人体内脂肪含量约为21.01%C．年龄为37岁的人群中的大部分人的体内脂肪含量约为20.90%D．年龄为37岁的人群中的大部分人的体内脂肪含量约为31.5%考点线性回归分析题点线性回归方程的应用答案 C解析当x＝37时，y＝0.577×37－0.448＝20.901≈20.90，由此估计，年龄为37岁的人群中的大部分人的体内脂肪含量约为20.90%.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负相关，x与z负相关B．x与y正相关，x与z正相关C．x与y正相关，x与z负相关D．x与y负相关，x与z正相关考点回归分析题点回归分析的概念和意义答案 A解析由正相关和负相关的定义知A正确．4．某同学在研究性学习中，收集到某制药厂今年前5个月甲胶囊生产产量(单位：万盒)的数据如下表所示：若x，y线性相关，线性回归方程为y＝0.7x＋a，估计该制药厂6月份生产甲胶囊产量约为() A．8.0万盒B．8.1万盒C．8.9万盒D．8.6万盒考点线性回归分析题点线性回归方程的应用答案 B解析回归直线一定过样本点中心．由已知数据可得x＝3，y＝6，代入回归方程，可得a ＝y－0.7x＝3.9，即线性回归方程为y＝0.7x＋3.9.把x＝6代入，可近似得y＝8.1，故选B. 5．工人月工资y(单位：元)关于劳动生产率x(单位：千元)的回归方程为y＝650＋80x，下列说法中正确的个数是()①劳动生产率为1 000元时，工资约为730元；②劳动生产率提高1 000元，则工资提高80元；③劳动生产率提高1 000元，则工资提高730元；④当月工资为810元时，劳动生产率约为2 000元．A．1 B．2 C．3 D．4考点线性回归分析题点线性回归方程的应用答案 C解析 代入方程计算可判断①②④正确．6．某化工厂为预测某产品的回收率y ，而要研究它和原料有效成分含量之间的相关关系，现取了8对观测值，计算得∑i ＝18x i ＝52，∑i ＝18y i ＝228，∑i ＝18x 2i ＝478，∑i ＝18x i y i ＝1 849，则y 与x 的线性回归方程是( ) A ．y ＝11.47＋2.62x B ．y ＝－11.47＋2.62x C ．y ＝2.62＋11.47x D ．y ＝11.47－2.62x考点 线性回归方程 题点 求线性回归方程 答案 A解析 由题中数据，得x ＝6.5，y ＝28.5，∴b ＝∑i ＝18x i y i －8x y∑i ＝18x 2i －8x2＝1 849－8×6.5×28.5478－8×6.52＝367140≈2.62，a ＝y －b x ≈28.5－2.62×6.5＝11.47，∴y 对x 的线性回归方程是 y ＝2.62x ＋11.47，故选A.7．为研究变量x 和y 的线性相关性，甲、乙二人分别作了研究，利用线性回归方法得到回归直线l 1和l 2，两人计算知x 相同，y 也相同，下列正确的是( ) A ．l 1与l 2一定重合 B ．l 1与l 2一定平行C ．l 1与l 2相交于点(x ，y )D ．无法判断l 1和l 2是否相交 考点 回归直线方程 题点 样本点中心的应用 答案 C解析 因为两个人在试验中发现对变量x 的观测数据的平均值都是x ，对变量y 的观测数据的平均值都是y ，所以两组数据的样本点中心都是(x ，y )，因为回归直线经过样本点的中心，所以l 1和l 2都过(x ，y )． 二、填空题8．某校小卖部为了了解奶茶销售量y (杯)与气温x (℃)之间的关系，随机统计了某4天卖出的奶茶杯数与当天的气温，得到下表中的数据，并根据该样本数据用最小二乘法建立了线性回归方程y ＝－2x ＋60，则样本数据中污损的数据y 0应为________.考点 线性回归分析 题点 线性回归方程的应用 答案 64解析 由表中数据易知x ＝10，代入y ＝－2x ＋60中， 得y ＝40.由y 0＋34＋38＋244＝40，得y 0＝64.9．调查某移动公司的三名推销员，其工作年限与年推销金额的数据如下表所示.由表中数据算出线性回归方程y ＝bx ＋a 中的b ＝726.若该公司第四名推销员的工作年限为6年，则估计他的年推销金额约为________万元． 考点 线性回归分析 题点 线性回归方程的应用 答案 3解析 x ＝6，y ＝3，由回归直线经过样本点中心可知，该推销员年推销金额约为3万元． 10．某人对一地区人均工资x (千元)与该地区人均消费y (千元)进行统计调查，发现y 与x 有相关关系，并得到线性回归方程y ＝0.66x ＋1.562.若该地区的人均消费水平为7.675千元，则估计该地区的人均消费额占人均工资收入的百分比约为________．(精确到0.1%) 考点 线性回归分析 题点 线性回归方程的应用 答案 82.9%解析 当y ＝7.675时，x ≈9.262，所以该地区的人均消费额占人均工资收入的百分比约为7.6759.262×100%≈82.9%.11．某数学老师身高为176 cm ，他爷爷、父亲和儿子的身高分别是173 cm,170 cm 和182 cm.因儿子的身高与父亲的身高有关，该老师用线性回归分析的方法预测他孙子的身高为________ cm. 考点 线性回归分析 题点 线性回归方程的应用 答案 183.5解析 记从爷爷起向下各代依次为1,2,3,4,5，用变量x 表示，其中5代表孙子．各代人的身高为变量y ，则有计算知x ＝2.5，y ＝175.25.由回归系数公式得b ＝3.3，a ＝y －b x ＝175.25－3.3×2.5＝167，∴线性回归方程为y ＝3.3x ＋167，当x ＝5时，y ＝3.3×5＋167＝183.5，故预测其孙子的身高为183.5 cm. 三、解答题12．从某居民区随机抽取10个家庭，获得第i 个家庭的月收入x i (单位：千元)与月储蓄y i (单位：千元)的数据资料，算得∑i ＝110x i ＝80，∑i ＝110y i ＝20，∑i ＝110x i y i ＝184，∑i ＝110x 2i ＝720.(1)求家庭的月储蓄y 对月收入x 的线性回归方程y ＝bx ＋a ； (2)判断变量x 与y 之间是正相关还是负相关；(3)若该居民区某家庭月收入为7千元，预测该家庭的月储蓄．附：b ＝∑i ＝1nx i y i －n x y∑i ＝1nx 2i －n x2，a ＝y －b x .考点 线性回归方程 题点 线性回归方程的应用解 (1)由题意，n ＝10，∑i ＝110x i ＝80，∑i ＝110y i ＝20，∴x ＝8010＝8，y ＝2010＝2.又∑i ＝110x 2i －10x 2＝720－10×82＝80，∑i ＝110x i y i －10x y ＝184－10×8×2＝24， 由此得b ＝∑i ＝110x i y i －10x y∑i ＝110x 2i －10x2＝2480＝0.3，a ＝y －b x ＝2－0.3×8＝－0.4， 故所求线性回归方程为y ＝0.3 x －0.4.(2)由于变量y 的值随x 值的增加而增加(b ＝0.3＞0)，故x 与y 之间是正相关． (3)将x ＝7代入回归方程可以预测该家庭的月储蓄约为y ＝0.3×7－0.4＝1.7(千元)． 13．随着我国经济的发展，居民的储蓄存款逐年增长．设某地区城乡居民人民币储蓄存款(年底余额)如下表：(1)求y 关于t 的回归方程y ＝bt ＋a ；(2)用所求回归方程预测该地区2019年(t ＝10)的人民币储蓄存款．附：回归方程y ＝bt ＋a 中，b ＝∑i ＝1nt i y i －n t y∑i ＝1nt 2i －n t2，a ＝y －b t .考点 线性回归方程 题点 求线性回归方程 解 (1)列表计算如下：此时n ＝5，t ＝1n ∑i ＝1n t i＝155＝3，y ＝1n ∑i ＝1n y i ＝365＝7.2.又l tt ＝∑i ＝1nt 2i －nt 2＝55－5×32＝10，l ty ＝∑i ＝1nt i y i －n t y ＝120－5×3×7.2＝12，从而b ＝l ty l tt ＝1210＝1.2，a ＝y －b t ＝7.2－1.2×3＝3.6，故所求回归方程为y ＝1.2t ＋3.6.(2)将t ＝10代入回归方程，可预测该地区2019年的人民币储蓄存款为y ＝1.2×10＋3.6＝15.6(千亿元)． 四、探究与拓展14．某工厂为了对新研发的一种产品进行合理定价，将该产品按事先拟定的价格进行试销，得到如下数据：(1)求线性回归方程y ＝bx ＋a ，其中b ＝－20，a ＝y －b x ；(2)预计在今后的销售中，销量与单价仍然服从(1)中的关系，且该产品的成本是4元/件，为使工厂获得最大利润，该产品的单价应定为多少元？(利润＝销售收入－成本) 解 (1)x ＝8＋8.2＋8.4＋8.6＋8.8＋96＝8.5，y ＝16(90＋84＋83＋80＋75＋68)＝80.∵b ＝－20，a ＝y －b x ， ∴a ＝80＋20×8.5＝250， ∴线性回归方程为y ＝－20x ＋250. (2)设工厂获得的利润为L 元，则L ＝x (－20x ＋250)－4(－20x ＋250)＝－20⎝⎛⎭⎫x －3342＋361.25， ∴该产品的单价应定为334元，才使工厂获得的利润最大．。

线性回归方程公式求法是什么线性回归方程是利用最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。

线性回归方程公式线性回归方程公式：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。

线性回归方程公式求法：第一：用所给样本求出两个相关变量的(算术）平均值：x_=(x1+x2+x3+...+xn)/ny_=(y1+y2+y3+...+yn)/n其次：分别计算分子和分母：（两个公式任选其一）分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2第三：计算b：b=分子/分母用最小二乘法估量参数b，设听从正态分布，分别求对a、b的偏导数并令它们等于零。

其中，且为观测值的样本方差.线性方程称为关于的线性回归方程，称为回归系数，对应的直线称为回归直线.顺便指出，将来还需用到，其中为观测值的样本方差。

先求x，y的平均值X，Y再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)后把x，y的平均数X，Y代入a=Y-bX求出a并代入总的公式y=bx+a得到线性回归方程(X为xi的平均数，Y为yi的平均数)线性回归方程的应用线性回归方程是回归分析中第一种经过严格讨论并在实际应用中广泛使用的类型。

这是由于线性依靠于其未知参数的模型比非线性依靠于其位置参数的模型更简单拟合，而且产生的估量的统计特性也更简单确定。

线性回归有许多实际用途。

分为以下两大类：假如目标是猜测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个猜测模型。

当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的状况下，可以用这个拟合过的模型猜测出一个y值。

给定一个变量y和一些变量X1,...,Xp，这些变量有可能与y相关，线性回归分析可以用来量化y与Xj之间相关性的强度，评估出与y 不相关的Xj，并识别出哪些Xj的子集包含了关于y的冗余信息。

高考统计部分的两个重要公式 具体如何应用第一公式：线性回归方程为ˆˆˆybx a =+的求法： (1) 先求变量x 的平均值，即1231()n x x x x x n=+++⋅⋅⋅+ (2) 求变量y 的平均值，即1231()n y y y y y n=+++⋅⋅⋅+ (3) 求变量x 的系数ˆb，有两个方法 法1 121()()ˆ()niii nii x x y y bx x ==--=-∑∑（题目给出不用记忆）[]112222212()()()()...()()()()...()n n n x x y y x x y y x x y y x x x x x x --+--++--=⎡⎤-+-++-⎣⎦（需理解并会代入数据）法2 1221ˆni ii nii x y n x ybxn x==-⋅⋅=-⋅∑∑（题目给出不用记忆）[]1122222212...,...n n n x y x y x y n x y x x x n x++-⋅⋅=⎡⎤+++-⋅⎣⎦（这个公式需要自己记忆，稍微简单些）(4) 求常数ˆa，既ˆˆa y bx =- 最后写出写出回归方程ˆˆˆybx a =+。

可以改写为：ˆˆy bx a =- 例．已知,x y 之间的一组数据：求y 与x 的回归方程：解：（1）先求变量x 的平均值，即(0123) 1.54x =+++= （2）求变量y 的平均值，即1(1357)44y =+++=（3）求变量x 的系数ˆb，有两个方法 []11223344222212342222()()()()()()()()ˆ1()()()()(0 1.5)(14)(1 1.5)(34)(2 1.5)(54)(3 1.5)(74)57(0 1.5)(1 1.5)(2 1.5)(3 1.5)x x y y x x y y x x y y x x y y bx x x x x x x x --+--+--+--=⎡⎤-+-+-+-⎣⎦--+--+--+--==⎡⎤-+-+-+-⎣⎦法法2 ˆb =[][]112222222222212...011325374 1.5457...01234 1.5n n n x y x y x y nx y x x x nx++-⋅⨯+⨯+⨯+⨯-⨯⨯==⎡⎤⎡⎤+++-+++-⨯⎣⎦⎣⎦ (4) 求常数ˆa，既525ˆˆ4 1.577a y bx =-=-⨯= 最后写出写出回归方程525ˆˆˆ77ybx a x =+=+第二公式：独立性检验两个分类变量的独立性检验：注意：数据a 具有两个属性1x ，1y 。

高中数学线性回归方程
线性回归是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。

接下来店铺为你整理了高中数学线性回归方程相关资料，欢迎阅读。

线性回归方程的分析方法
分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。

如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

线性回归方程的例题求解
用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零，得方程组解得。

其中，且为观测值的样本方差.线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差。

先求x,y的平均值。

利用公式求解：b=把x,y的平均数带入a=y-bx。

求出a=是总的公式y=bx+a线性回归方程y=bx+a过定点。

(x为xi的平均数，y为yi的平均数)
线性回归方程两个重要公式。

回归直线方程b的两个公式一、一元线性回归公式在一元线性回归中，我们假设只有一个自变量（x）和一个因变量（y），并试图找到一个直线方程来拟合这些数据。

直线方程的一般形式为：y = mx + b其中，m是斜率，b是截距。

1.1斜率（m）的计算公式斜率（m）表示自变量x的单位变化对应因变量y的单位变化。

斜率可以通过以下公式来计算：m = (n∑xy - ∑x∑y) / (n∑x^2 - (∑x)^2)其中，n表示数据个数，∑表示求和符号，∑xy表示x和y的乘积的和，∑x表示x的和，∑y表示y的和，∑x^2表示x的平方的和。

1.2截距（b）的计算公式截距（b）表示直线与y轴的交点的y值。

截距可以通过以下公式来计算：b=(∑y-m∑x)/n其中，n表示数据个数，∑表示求和符号，∑y表示y的和，∑x表示x的和。

二、多元线性回归公式多元线性回归用于描述两个或更多个自变量（x1，x2，...，xn）与一个因变量（y）之间的关系。

多元线性回归方程的一般形式为：y = b0 + b1*x1 + b2*x2 + ... + bn*xn其中，b0是截距，b1，b2，...，bn是自变量的系数。

2.1 系数（b1，b2，...，bn）的计算公式系数表示每个自变量对因变量的影响程度。

系数可以通过最小二乘法来计算，目标是使得预测值与实际值之间的误差最小化。

具体的计算公式如下：b=(X^T*X)^(-1)*X^T*Y其中，b表示系数向量，X表示自变量矩阵（每一列代表一个自变量，每一行代表一个数据样本），Y表示因变量向量。

2.2截距（b0）的计算公式截距表示在自变量为0时的因变量值。

截距可以通过以下公式来计算：b0 = y_mean - b1*x1_mean - b2*x2_mean - ... - bn*xn_mean其中，y_mean表示因变量的平均值，x1_mean，x2_mean，...，xn_mean表示自变量的平均值。

一元线性回归方程式为：y=a+b x
b=n∑xy−∑x∑y n∑x2−(∑x)2
a=y̅−bx̅
其中a、b都是待定参数，可以用最小二乘法求得。

（最小平方法）b表示直线的斜率，又称为回归系数。

n表示所有数据的项数。

∑x表示所有x的求和
∑y表示所有y的求和
∑xy表示所有xy的求和
∑x2表示所有x2的求和
(∑x)2表示∑x的平方，即所有x的求和再求平方。

x̅表示所有x的平均数
y̅表示所有y的平均数
答题解法如下：
解：（答：）相关数据如下表：
根据公式b=n∑xy−∑x∑y
n∑x2−(∑x)2
得：
b=6∗1481−21∗426
6∗79−212=8886−8946
474−441
=−60
33
=-1.82
根据公式a=y̅−bx̅得：
a=71−(−1.82)∗3.5=71-(-6.37)=71+6.37=77.37
代入方程式y=a+b x得：
y=77.37+（-1.82）x=77.37-1.82 x
已知7月份产量为7000件，则x=7（千件），代入得：
y=77.37-1.82 x=77.37-1.82*7=77.37-12.74=64.63（元）
根据一元回归方程（最小乘法或最小平方法），当7月份产量为7000件时，其单位成本为64.63元。