环球雅思学科教师辅导讲义讲义编号：组长签字：签字日期：
又y 对x 的线性回归方程表示的直线恒过点(x －，y －
)， 所以将(176,176)代入A 、B 、C 、D 中检验知选C. 答案 C
3．(2011·陕西)设(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )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)，以下结论中正确的是( )．
A ．x 和y 的相关系数为直线l 的斜率
B ．x 和y 的相关系数在0到1之间
C ．当n 为偶数时，分布在l 两侧的样本点的个数一定相同
D ．直线l 过点(x －，y －)
解析 因为相关系数是表示两个变量是否具有线性相关关系的一个值，它的 绝对值越接近1，两个变量的线性相关程度越强，所以A 、B 错误．C 中n 为偶数时，分布在l 两侧的样本点的个数可以不相同，所以C 错误．根据回 归直线方程一定经过样本中心点可知D 正确，所以选D. 答案 D
4．(2011·广东)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：
时间x 1 2 3 4 5 命中率y
0.4
0.5
0.6
0.6
0.4
小李这5天的平均投篮命中率为________；用线性回归分析的方法，预测小李该月6号打6小时篮球的投篮命中率为________．
解析 小李这5天的平均投篮命中率 y －＝0.4＋0.5＋0.6＋0.6＋0.4
5
＝0.5，
可求得小李这5天的平均打篮球时间x －＝3.根据表中数据可求得b ^＝0.01，a ^
＝ 0.47，故回归直线方程为y ^
＝0.47＋0.01x ，将x ＝6代入得6号打6小时篮球的 投篮命中率约为0.53. 答案 0.5 0.53
5．(2011·辽宁)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：y ^
＝0.254x ＋0.321.由回归直线方程可知，家庭年收入每增加1万元，年饮食支出平均增加________万元． 解析 由题意知[0.254(x ＋1)＋0.321]－(0.254x ＋0.321)＝0.254. 答案 0.254
X
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 第一公式：线性回归方程为???y bx a =+的求法： （1） 先求变量x 的平均值，既1231()n x x x x x n = +++???+ （2） 求变量y 的平均值，既1231()n y y y y y n =+++???+ （3） 求变量x 的系数?b ，有两个方法 法112 1()()?()n i i i n i i x x y y b x 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21 2 1()()?()n i i i n i i x x y y b x x ==--=-∑∑（题目给出不用记忆） []1122222212...,...n n n x y x y x y nx y x x x nx ++-?=??+++-??（这个公式需要自己记忆，稍微简单些） （4） 求常数?a ，既??a y bx =- 最后写出写出回归方程???y bx a =+。可以改写为：??y bx a =-（?y y 与不做区分） 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，既1(0123) 1.54x = +++= （2）求变量y 的平均值，既1(1357)44 y =+++= （3）求变量x 的系数?b ，有两个方法
法1?b = []11223344222212342222()()()()()()()()()()()()(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 x x x x x x x x --+--+--+--=??-+-+-+-??--+--+--+--==??-+-+-+-?? 法2?b =[][]11222222222212...011325374 1.5457 ...0123n n n x y x y x y nx y x x x nx ++-??+?+?+?-??==????+++-+++???? (4)求常数?a ，既525??4 1.577a y bx =-=-?= 最后写出写出回归方程525???77 y bx 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 。数 据b 具有两个属性1x ，2y 。数据c 具有两个属性2x ，2y 数据d 具有两个属性2x ，2y 而且列出表格是最重要。解题步骤如下 第一步：提出假设检验问题 （一般假设两个变量不相关） 第二步：列出上述表格 第三步：计算检验的指标 2 2 ()()()()()n ad bc K a b c d a c b d -=++++ 第四步：查表得出结论 例如你计算出2K =9大于表格中7.879，则查表可得结论：两个变量之间不相关概率为0.005，或者可以肯定的说两个变量相关的概率为0.995.或095.50 例如你计算出2K =6大于表格中5.024，则查表可得结论：两个变量之间不相关概率为0.025，或者可以肯定的说两个变量相关的概率为0.995.或097.50 上述结论都是概率性总结。切记事实结论。只是大概行描述。具体发生情况要和实际联系！！ ！！
一元线性回归方程的计算和检验 （1） 从键盘输入一组数据（x i ，y i ），i=1,2,…n 。 （2） 计算一元线性回归方程y=ax+b 的系数a 和b ，用两种方法计算： 一是公式：x a y b x x y y x x a i i i -=---=∑∑,)())((2 ； 二是用最小二乘法的公式求出最小值点（a,b ）,使 ∑--=2)(min },(b ax y b a Q i i . （3） 检验回归方程是否有效（用F 分布检验）。 （4） 把散列点（x i ，y i ）和回归曲线y=ax+b 画在一个图上。 （5） 每种计算法都要有计算框图，且每种计算法都要编成一个自定义函数。 程序： function yiyuanhuigui clc; disp('从键盘输入一组数据:'); x=input('X 的数(以向量形式输入)：'); y=input('Y 的数(以向量形式输入)：'); disp('一元线性回归方程的计算和检验：'); disp('1、公式法'); disp('2、最小二乘法'); disp('3、检验并画图'); disp('0、退出'); global a0 b0; while 3 num=input('选择求解一元回归方程的方法：'); switch num case 1 [a0,b0]=huigui(x,y) case 2 [a0,b0]=zxec(x,y) case 3 break; case 0 return; otherwise disp('输入错误，请重新输入!'); end end X=x';Y=y'; X=[ones(size(X)),X];alpha=0.5; %输出向量b ，bint 为回归系数估计值和它们的置信区间； %r1，rint 为残差及其置信区间，stats 是用于检验回归模型的统计量,第一个是R^2，其中R %是相关系数，第二个是F 统计量值，第三个是与统计量F 对应的概率P ，第四个是估计误
线性回归方程分析
环球雅思学科教师辅导讲义讲义编号：组长签字：签字日期：
又y 对x 的线性回归方程表示的直线恒过点(x －，y － )， 所以将(176,176)代入A 、B 、C 、D 中检验知选C. 答案 C 3．(2011·陕西)设(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )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)，以下结论中正确的是 ( )． A ．x 和y 的相关系数为直线l 的斜率 B ．x 和y 的相关系数在0到1之间 C ．当n 为偶数时，分布在l 两侧的样本点的个数一定相同 D ．直线l 过点(x －，y －) 解析 因为相关系数是表示两个变量是否具有线性相关关系的一个值，它的 绝对值越接近1，两个变量的线性相关程度越强，所以A 、B 错误．C 中n 为偶数时，分布在l 两侧的样本点的个数可以不相同，所以C 错误．根据回 归直线方程一定经过样本中心点可知D 正确，所以选D. 答案 D 4．(2011·广东)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： 时间x 1 2 3 4 5 命中率y 0.4 0.5 0.6 0.6 0.4 小李这5天的平均投篮命中率为________；用线性回归分析的方法，预测小李该月6号打6小时篮球的投篮命中率为________． 解析 小李这5天的平均投篮命中率 y －＝0.4＋0.5＋0.6＋0.6＋0.4 5 ＝0.5， 可求得小李这5天的平均打篮球时间x －＝3.根据表中数据可求得b ^＝0.01，a ^ ＝ 0.47，故回归直线方程为y ^ ＝0.47＋0.01x ，将x ＝6代入得6号打6小时篮球的 投篮命中率约为0.53. 答案 0.5 0.53 5．(2011·辽宁)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
高中数学线性回归方程检测试题（附答案） 高中苏教数学③ 2. 4线性回归方程测试题 一、选择题 1．下列关系属于线性负相关的是（） Ａ．父母的身高与子女身高的关系 Ｂ．身高与手长 Ｃ．吸烟与健康的关系 Ｄ．数学成绩与物理成绩的关系 答案：Ｃ 2．由一组数据得到的回归直线方程，那么下面说法不正确的是（） Ａ．直线必经过点 Ｂ．直线至少经过点中的一个点 Ｃ．直线 a的斜率为 Ｄ．直线和各点的总离差平方和是该坐标平面上所有直线与这些点的离差平方和中最小的直线 答案：Ｂ 3．实验测得四组的值为，则y与x之间的回归直线方程为（） Ａ．Ｂ． Ｃ．Ｄ．
答案：Ａ 4．为了考查两个变量x和y之间的线性关系，甲、乙两位同学各自独立作了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l1，l2，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，那么下列说法正确的是（） Ａ．直线和一定有公共点 Ｂ．直线和相交，但交点不一定是 Ｃ．必有直线 Ｄ．和必定重合 答案：Ａ 二、填空题 5．有下列关系： （1）人的年龄与他（她）拥有的财富之间的关系 （2）曲线上的点与该点的坐标之间的关系 （3）苹果的产量与气候之间的关系 （4）森林中的同一种树木，其断面直径与高度之间的关系（5）学生与他（她）的学号之间的关系 其中，具有相关关系的是． 答案：（1）（3）（4） 6．对具有相关关系的两个变量进行的方法叫做回归分析．用直角坐标系中的坐标分别表示具有的两个变量，将数据表
中的各对数据在直角坐标系中描点得到的表示具有相关关 系的两个变量的一组数据的图形，叫做． 答案：统计分析；相关关系；散点图 7．将一组数据同时减去3.1，得到一组新数据，若原数据的平均数、方差分别为，则新数据的平均数是，方差是，标准差是． 答案：；； 8．已知回归直线方程为，则可估计x与y增长速度之比约为． 答案： 三、解答题 9．某商店统计了近6个月某商品的进价x与售价y（单位：元）的对应数据如下： 3 5 2 8 9 12 4 6 3 9 12 14 求y对x的回归直线方程． 解：，， 回归直线方程为． 10．已知10只狗的血球体积及红血球的测量值如下： 45 42 46 48 42 6.53 6.30 9.25 7.580 6.99 35 58 40 39 50
统计和统计案例 1.该部分常考内容：样本数字特征的计算、各种统计图表、线性回归方程、独立性检验等；有时也会在知识交汇点处命题，如概率和统计交汇等. 2.从考查形式上来看，大部分为选择题、填空题，重在考查基础知识、基本技能，有时在知识交汇点处命题，也会出现解答题，都属于中低档题． 1． 随机抽样 (1)简单随机抽样特点为从总体中逐个抽取，适用范围：总体中的个体较少． (2)系统抽样特点是将总体均分成几部分，按事先确定的规则在各部分中抽取，适用范围：总体中的个体数较多． (3)分层抽样特点是将总体分成几层，分层进行抽取，适用范围：总体由差异明显的几部分组成． 2． 常用的统计图表 (1)频率分布直方图 ①小长方形的面积＝组距× 频率 组距 ＝频率； ②各小长方形的面积之和等于1； ③小长方形的高＝频率组距，所有小长方形的高的和为1 组距. (2)茎叶图 在样本数据较少时，用茎叶图表示数据的效果较好． 3． 用样本的数字特征估计总体的数字特征 (1)众数、中位数、平均数 数字特征 样本数据 频率分布直方图 众数 出现次数最多的数据 取最高的小长方形底边中点的横坐标 中位数 将数据按大小依次排列，处在最 中间位置的一个数据(或最中间两个数据的平均数) 把频率分布直方图划分左右两个面积相等的分界线和x 轴交点的横坐标 平均数 样本数据的算术平均数 每个小矩形的面积乘以小矩形底边中点的横坐标之和 (2)方差：s 2＝n [(x 1－x )2＋(x 2－x )2＋…＋(x n －x )2 ]． 标准差：
s ＝ 1n [ x 1－x 2 ＋x 2－x 2 ＋…＋x n －x 2 ]. 4． 变量的相关性和最小二乘法 (1)相关关系的概念、正相关和负相关、相关系数． (2)最小二乘法：对于给定的一组样本数据(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，通过求Q ＝ i ＝1 n (y i －a －bx i )2 最小时，得到线性回归方程y ^ ＝b ^ x ＋a ^ 的方法叫做最小二乘法． 5． 独立性检验 对于取值分别是{x 1，x 2}和{y 1，y 2}的分类变量X 和Y ，其样本频数列联表是： y 1 y 2 总计 x 1 a b a ＋b x 2 c d c ＋d 总计 a ＋c b ＋d n 则K 2 ＝ n ad －bc 2a ＋b c ＋ d a ＋c b ＋d (其中n ＝a ＋b ＋c ＋d 为样本容量). 考点一 抽样方法 例1 (2012·山东)采用系统抽样方法从960人中抽取32人做问卷调查，为此将他们随机编号为1,2，…，960，分组后在第一组采用简单随机抽样的方法抽到的号码为9.抽到的32人中，编号落入区间[1,450]的人做问卷A ，编号落入区间[451,750]的人做问卷B ，其余的人做问卷C .则抽到的人中，做问卷B 的人数为 ( ) A ．7 B ．9 C ．10 D ．15 答案 C 分析 由系统抽样的特点知：抽取号码的间隔为 960 32 ＝30，抽取的号码依次为9,39,69，…，939.落入区间[451,750]的有459,489，…，729，这些数构成首项为459，公差为30的等差数列，设有n 项，显然有729＝459＋(n －1)×30，解得n ＝10.所以做问卷B 的有10人． 在系统抽样的过程中，要注意分段间隔，需要抽取几个个体，样本就需要分 成几个组，则分段间隔即为N n (N 为样本容量)，首先确定在第一组中抽取的个体的号码数，再从后面的每组中按规则抽取每个个体．解决此类题目的关键是深刻理解各种抽样
112233^ ^^^2 211(,),(,),(,)(,)1,2,3),()()n n i i i i i i n i i i i i i n x y x y x y x y y bx a x i n y bx a y y y a b Q y y bx a y ===+==+-=-=+-∑L L 设有对观察值,两变量符合线生回归设其回归方程为:，把自变量的某一观测值代(入入回归方程得:，此值与实际观测值存在一个差值，此差值称为剩余或误差。现要决定取何值时，才能够使剩余的平方和有最小值，即求11 2 21122 221 1111 22111:,()[()()()]()()()2()()2()()2()() ()2n n n i i i i n n i i i i i i n n n i i i i i i n n i i i i i n i i x x y y n n Q bx a y a bx y y y b x x n a bx y y y b x x a bx y y y a bx y x x b x x y y b x x =============+-=+---+-=+-+-+--+---+-----=--∑∑∑∑∑∑∑∑∑∑∑的最小值知又22 111 122211()()()()()()()()n n i i i i i n n i i i i i i n n i i i i b x x y y n a bx y y y b x x y y x y nx y b x x x n x a y bx ======--++-+----==--=-∑∑∑∑∑∑此式为关于的一元二次方程,当
多元性回归模型与一元线性回归模型一样，在得到参数的最小二乘法的估计值之后，也需要进行必要的检验与评价，以决定模型是否可以应用。 1、拟合程度的测定。 与一元线性回归中可决系数r2相对应，多元线性回归中也有多重可决系数r2，它是在因变量的总变化中，由回归方程解释的变动(回归平方和)所占的比重，R2越大，回归方各对样本数据点拟合的程度越强，所有自变量与因变量的关系越密切。计算公式为： 其中， 2.估计标准误差 估计标准误差，即因变量y的实际值与回归方程求出的估计值之间的标准误差，估计标准误差越小，回归方程拟合程度越程。 其中，k为多元线性回归方程中的自变量的个数。 3.回归方程的显著性检验 回归方程的显著性检验，即检验整个回归方程的显著性，或者说评价所有自变量与因变量的线性关系是否密切。能常采用F检验，F统计量的计算公式为： 根据给定的显著水平a,自由度(k,n-k-1)查F分布表，得到相应的临界值Fa，若F > Fa，则回归方程具有显著意义，回归效果显著；F < Fa，则回归方程无显著意义，回归效果不显著。 4.回归系数的显著性检验 在一元线性回归中，回归系数显著性检验(t检验)与回归方程的显著性检验(F检验)是等价的，但在多元线性回归中，这个等价不成立。t检验是分别检验回归模型中各个回归系数是否具有显著性，以便使模型中只保留那些对因变量有显著影响的因素。检验时先计算统计量ti；然后根据给定的显著水平a,自由度n-k-1查t分布表，得临界值ta或ta / 2,t > t ? a或ta / 2，则回归系数bi与0有显著关异，反之，则与0无显著差异。统计量t 的计算公式为： 其中，Cij是多元线性回归方程中求解回归系数矩阵的逆矩阵(x'x) ?1的主对角线上的第j个元素。对二元线性回归而言，可用下列公式计算： 其中， 5.多重共线性判别 若某个回归系数的t检验通不过，可能是这个系数相对应的自变量对因变量的影平不显
线性回归方程高考题讲解
线性回归方程高考题 1、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（吨）与相应的生产能耗（吨标准煤）的几组对照数据： 3 4 5 6 2.5 3 4 4.5 （1）请画出上表数据的散点图； （2）请根据上表提供的数据，用最小二乘法求出关于的线性回归方程； （3）已知该厂技改前100吨甲产品的生产能耗为90吨标准煤．试根据（2）求出的线性回归方程，预测生产100吨甲产品的生产能耗比技改前降低多少吨标准煤? （参考数值：）
2、假设关于某设备的使用年限x和所支出的维修费用y(万元)统计数据如下: 使用年限x 2 3 4 5 6 维修费用y 2.2 3.8 5.5 6.5 7.0 若有数据知y对x呈线性相关关系.求: (1) 填出下图表并求出线性回归方程=bx+a的回归系数,; 序号x y xy x2 1 2 2.2 2 3 3.8 3 4 5.5 4 5 6.5 5 6 7.0 ∑ (2) 估计使用10年时,维修费用是多少.
3、某车间为了规定工时定额，需要确定加工零件所花费的时间，为此作了四实试验，得到的数据如下： 零件的个数x（个） 2 3 4 5 加工的时间y（小时） 2.5 3 4 4.5 （1）在给定的坐标系中画出表中数据的散点图； （2）求出y关于x的线性回归方程，并在坐标系中画出回归直线； （3）试预测加工10个零件需要多少时间？ （注：
4、某服装店经营的某种服装，在某周内获纯利(元)与该周每天销售这种服装件数之间的一组数据关系如下表： 3 4 5 6 7 8 9 66 69 73 81 89 90 91 已知：． (Ⅰ)画出散点图； (1I)求纯利与每天销售件数之间的回归直线方程． 5、某种产品的广告费用支出与销售额之间有如下的对应数据： 2 4 5 6 8 30 40 60 50 70 (1)画出散点图： (2)求回归直线方程；
高中数学知识点：线性回归方程 1.回归直线方程 （1）回归直线：观察散点图的特征，发现各个大致分布在通过散点图中心的一条直线附近。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。求出的回归直线方程简称回归方程。 2．回归直线方程的求法 设与n 个观测点（,i i x y ）()1,2,,i n =???最接近的直线方程为$ ,y bx a =+，其中a 、b 是待定系数. 则$,(1,2,,)i i y bx a i n =+=L .于是得到各个偏差 μ(),(1,2,,)i i i i y y y bx a i n -=-+=L . 显见，偏差$i i y y -的符号有正有负，若将它们相加会造成相互抵 消，所以它们的和不能代表几个点与相应直线在整体上的接近程度，故采用n 个偏差的平方和. 2222211)()()(a bx y a bx y a bx y Q n n --++--+--=Λ 表示n 个点与相应直线在整体上的接近程度. 记21()n i i i Q y bx a ==--∑. 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 1122211()()()n n i i i i i i n n i i i i x x y y x y nx y b x x x nx a y bx ====?---??==??--??=-??∑∑∑∑， ∑==n i i x n x 11，∑==n i i y n y 11
相应的直线叫做回归直线，对两个变量所进行的上述统计分析叫做回归分析 上述求回归直线的方法是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。 要点诠释： 1.对回归直线方程只要求会运用它进行具体计算a、b，求出回归直线方程即可.不要求掌握回归直线方程的推导过程. 2.求回归直线方程，首先应注意到，只有在散点图大致呈线性时，求出的回归直线方程才有实标意义.否则，求出的回归直线方程毫无意义.因此，对一组数据作线性回归分析时，应先看其散点图是否成线性. 3.求回归直线方程，关键在于正确地求出系数a、b，由于求a、b的计算量较大，计算时仔细谨慎、分层进行，避免因计算产生失误. 4.回归直线方程在现实生活与生产中有广泛的应用.应用回归直线方程可以把非确定性问题转化成确定性问题，把“无序”变为“有序”，并对情况进行估测、补充.因此，学过回归直线方程以后，应增强学生应用回归直线方程解决相关实际问题的意识.
线性回归方程 1.【2014高考全国2第19题】某地区2007年至2013年农村居民家庭纯收入y（单位：千元）的数据如下表： （Ⅰ）求y关于t的线性回归方程； （Ⅱ）利用（Ⅰ）中的回归方程，分析2007年至2013年该地区农村居民家庭人均纯收入的变化情况，并预测该地区2015年农村居民家庭人均纯收入. 附：回归直线的斜率和截距的最小二乘法估计公式分别为： ()() () 1 2 1 n i i i n i i t t y y b t t ∧ = = -- = - ∑ ∑ ，? ?a y bt =- 2.【2016年全国3】下图是我国2008年至2014年生活垃圾无害化处理量（单位：亿吨）的折线图. 注：年份代码1–7分别对应年份2008–2014. （Ⅰ）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；
（Ⅱ）建立y 关于t 的回归方程（系数精确到0.01），预测2016年我国生活垃圾无害化处理量. 附注： 参考数据： 7 1 9.32i i y ==∑，7 1 40.17i i i t y ==∑ 0.55=，≈2.646. 参考公式：()() n i i t t y y r --= ∑ 回归方程y a bt =+ 中斜率和截距的最小二乘估计公式分别为： 1 2 1 ()() ()n i i i n i i t t y y b t t ==--= -∑∑ ，=.a y bt - 3.【2015全国1】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年的宣传费i x 和年销售量()1,2,,8i y i = 数据作了初步处理，得到下面的散点图及一些统计量的值.
二、多元线性回归模型 在多要素的地理环境系统中，多个（多于两个）要素之间也存在着相互影响、相互关联的情况。因此，多元地理回归模型更带有普遍性的意义。 （一）多元线性回归模型的建立 假设某一因变量 y 受 k 个自变量 x 1, x 2 ,..., x k 的影响，其 n 组观测值为（ y a , x 1 a , x 2 a ,..., x ka ）， a 1,2,..., n 。那么，多元线性回归模型的结构形式为： y a 0 1 x 1a 2 x 2 a ... k x ka a （） 式中： 0 , 1 ,..., k 为待定参数； a 为随机变量。 如果 b 0 , b 1 ,..., b k 分别为 0 , 1 , 2 ..., k 的拟合值，则回归方程为 ?= b 0 b 1x 1 b 2 x 2 ... b k x k （） 式中： b 0 为常数； b 1, b 2 ,..., b k 称为偏回归系数。 偏回归系数 b i （ i 1,2,..., k ）的意义是，当其他自变量 x j （ j i ）都固定时，自变量 x i 每变 化一个单位而使因变量 y 平均改变的数值。 根据最小二乘法原理， i （ i 0,1,2,..., k ）的估计值 b i （ i 0,1,2,..., k ）应该使 n 2 n 2 Q y a y a y a b 0 b 1 x 1a b 2 x 2a ... b k x ka min （） a 1 a 1 有求极值的必要条件得 Q n 2 y a y a b 0 a 1 （） Q n 2 y a y a x ja 0( j 1,2,..., k) b j a 1 将方程组（）式展开整理后得：
6.4 线性回归方程 1、确定性函数关系：变量之间可以用函数表示 2、相关关系：变量之间具有一定的联系，但不能完全用函数表达 引入：某小卖部为了了解热茶销售量与气温的大致的关系，随机统计并制作了某６天卖出热茶的杯数与当天气温对照表 如果某天的气温是－5℃，你能根据这些数据预测这天小卖部卖出热茶的杯数么？考虑离差的平方和： 一般地，设有ｎ对观察数据如下： 仿照前面的方法，可得线性回归方程中系数a，b满足
由此二元一次方程组便可依次求出b 、a 的值. 相关关系 1. 散点图、正相关、负相关 2. 数据 回归直线方程： 样本相关系数： 1112211n n n i i i i i i i n n i i i i n x y x y b n x x a y bx =====????? -? ????????=???? - ?? ??? ?=-?∑∑∑∑∑)(1 21n x x x n x +++= ) (1 21n y y y n y +++= ∑=+++=n i n i x x x x 1 2 22212 ∑=+++=n i n i y y y y 12 22212 ∑=+++=n i n n i i y x y x y x y x 1 2211 ∑∑==--= n i i n i i i x n x y x n y x b 1 2 21x b y a -=a bx y +=? ∑∑∑===-?--= n i n i i i n i i i y y x x y x n y x r 1 1 2 2 1 )()(
时回归直线有意义 时回归直线无意义 .该市统计调查队随机调查10个家庭， 【解析】 ∴ 回归直线有意义 ∴ 回归直线： ∑∑∑===---= n i n i i i n i i i y n y x n x y x n y x 1 1 221) )((1||≤r 05.0||r r >05.0||r r ≤88 .3210 1 2 =∑=i i x ∑==10 1 27 .22i i y ∑==10 1 17 .27i i i y x 632.0950.005.0=>=r r 013.0-=a 833.0=b 013.0833.0-=x y
线性 回归 方程 统计总课时第18课时分课题线性回归方程分课时第1 课时 教学目标了解变量之间的两种关系，了解最小平方法〔最小二乘法〕的思想，会用公式求解回归系数． 重点难点最小平方法的思想，线性回归方程的求解． 线性回归方程 某小卖部为了了解热茶销量与气温之间的关系，随机统计并制作了某6天卖出热茶的杯数与当天气温的对照表： 气温/C ?26 18 13 10 4 -1 杯数20 24 34 38 50 64假设某天的气温是C? -5，那么你能根据这些数据预测这天小卖部卖出热茶的杯数吗？ 新课教学 1．变量之间的两类关系： 〔1〕函数关系： 〔2〕相关关系： 2．线性回归方程： 〔1〕散点图： 〔2〕最小平方法〔最小二乘法〕：〔3〕线性相关关系： 〔4〕线性回归方程、回归直线：3．公式： [来源:https://www.doczj.com/doc/9510218217.html,] 4．求线性回归方程的一般步骤： x y Ｏ
例题剖析 例1 下表为某地近几年机动车辆数与交通事故数的统计资料，请判断机动车辆数与交通事故数之间是否具有线性相关关系，如果具有线性相关关系，求出线性回归方程；如果不具有线性相关关系，说明理由．[来源:学&科&网] 机动车辆数x/千辆95 110 112 120 129 135 150 180 交通事故数y/千件 6.2 7.5 7.7 8.5 8.7 9.8 10.2 13 [来源:1ZXXK]
思考：如图是1991年到2000年北京地区年平均气温〔单位：C 〕与年降雨量〔单位：mm 〕的散点图，根据此图能求出它的回归直线方程吗？如果能，此时求得的回归直线方程有意义吗？ 巩固练习 1x /百万元 [来 源:Z+xx+https://www.doczj.com/doc/9510218217.html,] 2 4 5 6 8 y /百万元 30 40 60 50 70 〔1〕画出散点图； 〔2〕求线性回归方程． 课堂小结 了解变量之间的两种关系，了解最小平方法的思想，会用公式求解回归系数． x y 100 200 300 400 500 600 12.40 12.60 12.80 13.00
如何用线性回归分析和水平测试成绩 估计学生高考成绩 评价学生和学校的进步情况 “普通高中新课程学生学业成绩评价研究”项目组 从2005年开始，教育部“普通高中新课程学生学业成绩评价研究”项目组开始高中必修课学业水平测试的研究活动。作为高中必修课的学业水平测试，具有三个方面的功能：第一，检查学生经过必修课学习后达到的水平，帮助学生建构学科知识结构；第二，诊断教学中存在的问题，为教师搞好选修阶段的教学以及高考复习做准备；第三，预测学生在高考中可能达到的成绩水平。前两方面的功能是显而易见的，我们通过每年测试后的信息反馈和分析报告，已经做了这项工作。第三项工作是大家所关心的，然而要如何做才能达到呢？通过回归分析，我们可以计算出每一位同学、每一间学校从必修课水平测试到高考这段时间内的进步情况，建立起高考与水平测试之间的关系模型，进而粗略地预计新参加水平测试的学生将来参加高考可能达到的成绩区间。下面简单介绍线性回归分析的方法和如何解读数据的方法。 1、 线性回归分析 线性回归是利用线性方程来模拟表示两组相关数据之间的关系的方法。如果两组相关数据，比如说，必修课水平测试与高考成绩之间存在着相关关系，这种关系可以近似地用一个线性方程来表达，即高考的成绩高考y 与水平测试的成绩水平x 之间的关系可以表示为：b ax y +=水平高考，其中a 和b 为两个常数，通过统计分析可以把这两个常数找出来。这样对应于每一个水平x 的值，就可以找到相应的高考y 值，即可以用这一关系来预测高考的期望成绩。 由于新课程实施后的高考是以必修课的内容为主要的测试对象，学生经过必修课的学习基本上奠定了高考的知识基础，掌握了相关学科的基本能力，又因为我们的测试题目的目标要求与高考的目标要求在本质上是一致的，必修课水平测试的成绩与高考成绩应该存在着高度相关的关系。我们的研究也证实了这种关系的存在。在2005年，佛山市顺德区和禅城区的高二学生参与了我们的必修课水平测试，在2007年他们又参加了高考。根据这些考生两次考试的成绩，我们计算得到两次测试的语文科相关系数为0.454，数学科（文）的相关系数为0.429，数学科（理）的相关系数为0.450，英语科的相关系数为0.608，语数英三科总分（文）的相关系数为0.680，语数英三科总分（理）的相关系数为0.693。由于高考是在必修课水平测试施测一年后才进行的，因而上述相关系数都是比较可观的，尤其是语数英三科总分（理）的相关系数高达0.693。因此，通过统计分析确定上述回归方程是可能的。
环球雅思学科教师辅导讲义讲义编号：组长签字：签字日期：
解析 因为x －＝174＋176＋176＋176＋178 5＝176， y － ＝175＋175＋176＋177＋1775 ＝176， 又y 对x 的线性回归方程表示的直线恒过点(x －，y － )， 所以将(176,176)代入A 、B 、C 、D 中检验知选C. 答案 C 3．(2011·陕西)设(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )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)，以下结论中正确的是( )． A ．x 和y 的相关系数为直线l 的斜率 B ．x 和y 的相关系数在0到1之间 C ．当n 为偶数时，分布在l 两侧的样本点的个数一定相同 D ．直线l 过点(x －，y － ) 解析 因为相关系数是表示两个变量是否具有线性相关关系的一个值，它的 绝对值越接近1，两个变量的线性相关程度越强，所以A 、B 错误．C 中n 为偶数时，分布在l 两侧的样本点的个数可以不相同，所以C 错误．根据回 归直线方程一定经过样本中心点可知D 正确，所以选D. 答案 D 4．(2011·广东)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： 时间x 1 2 3 4 5 命中率y 0.4 0.5 0.6 0.6 0.4 小李这5天的平均投篮命中率为________；用线性回归分析的方法，预测小李该月6号打6小时篮球的投篮命中率为________． 解析 小李这5天的平均投篮命中率 y － ＝ 0.4＋0.5＋0.6＋0.6＋0.4 5 ＝0.5， 可求得小李这5天的平均打篮球时间x －＝3.根据表中数据可求得b ^＝0.01，a ^ ＝ 0.47，故回归直线方程为y ^ ＝0.47＋0.01x ，将x ＝6代入得6号打6小时篮球的
2.4线性回归方程 重难点：散点图的画法，回归直线方程的求解方法，回归直线方程在现实生活与生产中的应． 考纲要求：①会作两个有关联变量数据的散点图，会利用散点图认识变量间的相关关系． ②了解最小二乘法的思想，能根据给出的线性回归方程系数公式建立线性回归方程． 经典例题：10．有10名同学高一（x）和高二（y）的数学成绩如下： ⑴画出散点图； ⑵求y对x的回归方程。 当堂练习： 1.下表是某小卖部一周卖出热茶的杯数与当天气温的对比表：若热茶杯数y与气温x近似地满足线性关系，则其关系式最接近的是（） . .
. . A ． B ． C ． D ． 2．线性回归方程表示的直线必经过的一个定点是（ ） A ． B ． C ． D ． 3．设有一个直线回归方程为 ,则变量x 增加一个单位时 （ ） A ． y 平均增加 1.5 个单位 B. y 平均增加 2 个单位 C ． y 平均减少 1.5 个单位 D. y 平均减少 2 个单位 4．对于给定的两个变量的统计数据，下列说确的是（ ） A ．都可以分析出两个变量的关系 B ．都可以用一条直线近似地表示两者的关系 C ．都可以作出散点图 D. 都可以用确定的表达式表示两者的关系 5．对于两个变量之间的相关系数，下列说法中正确的是（ ） A ．|r|越大，相关程度越大 B ．|r|，|r|越大，相关程度越小，|r|越小，相关程度越大 杯 数 24 34 39 51 63
C．|r|1且|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小D．以上说法都不对 6．“吸烟有害健康”，那么吸烟与健康之间存在什么关系（） A．正相关B．负相关C．无相关D．不确定 7．下列两个变量之间的关系不是函数关系的是（） A．角度与它的余弦值B．正方形的边长与面积 C．正n边形的边数和顶点角度之和D．人的年龄与身高 8．对于回归分析，下列说法错误的是（） A．变量间的关系若是非确定性关系，则因变量不能由自变量唯一确定 B．线性相关系数可正可负 C．如果，则说明x与y之间完全线性相关 D．样本相关系数 9．为了考察两个变量x和y之间的线性相关性，甲、乙两个同学各自独立的做10次和15V次试验，并且利用线性回归方法，求得回归直线分布为和，已知 . .
高中数学线性回归方程检测试题（附答案）高中苏教数学③ 2. 4线性回归方程测试题一、选择题 1．下列关系属于线性负相关的是（） Ａ．父母的身高与子女身高的关系Ｂ．身高与手长Ｃ．吸烟与健康的关系Ｄ．数学成绩与物理成绩的关系 答案：Ｃ 2．由一组数据得到的回归直线方程，那么下面说法不正确的是（） Ａ．直线必经过点Ｂ．直线至少经过点中的一个点 的斜率为Ｃ．直线 aＤ．直线和各点的总离差平方和是该坐标平面上所有直线与这些点的离差平方和中最小的直 线 答案：Ｂ3．实验测得四组的值为，则y与x之间的回归直线方程为（） Ａ．Ｂ．Ｄ．Ｃ．页 1 第 答案：Ａ 4．为了考查两个变量x和y之间的线性关系，甲、乙两位同学各自独立作了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l1，l2，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，那么
下列说法正确的是（） Ａ．直线和一定有公共点Ｂ．直线和相交，但交点不一定是Ｃ．必有直线 Ｄ．和必定重合答案：Ａ 二、填空题5．有下列关系： （1）人的年龄与他（她）拥有的财富之间的关系 （2）曲线上的点与该点的坐标之间的关系 ）苹果的产量与气候之间的关系（3（4）森林中的同一种树木，其断面直径与高度之间的关系 （5）学生与他（她）的学号之间的关系 其中，具有相关关系的是． 43）（）（1答案：（）6．对具有相关关系的两个变量进行的方法叫做回归分析．用页 2 第 直角坐标系中的坐标分别表示具有的两个变量，将数据表中的各对数据在直角坐标系中描点得到的表示具有相关关系的两个变量的一组数据的图形，叫做． 答案：统计分析；相关关系；散点图7．将一组数据同时减去3.1，得到一组新数据，若原数据的平均数、方差分别为，则新数据的平均数是，方差是，标准差是． 答案：；；8．已知回归直线方程为，则可估计x与y 增长速度之比约为． 答案：三、解答题
回归分析的基本知识点及习题 本周题目：回归分析的基本思想及其初步应用 本周重点： （1）通过对实际问题的分析，了解回归分析的必要性与回归分析的一般步骤；了解线性回归模型与函数模型的区别； （2）尝试做散点图，求回归直线方程； （3）能用所学的知识对实际问题进行回归分析，体会回归分析的实际价值与基本思想；了解判断刻画回归模型拟合好坏的方法――相关指数和残差分析。 本周难点： （1）求回归直线方程，会用所学的知识对实际问题进行回归分析. （2）掌握回归分析的实际价值与基本思想. （3）能运用自己所学的知识对具体案例进行检验与说明. （4）残差变量的解释； （5）偏差平方和分解的思想； 本周内容： 一、基础知识梳理 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，这条直线叫作回归直线。 求回归直线方程的一般步骤： ①作出散点图（由样本点是否呈条状分布来判断两个量是否具有线性相关关系），若存在线性相关关系→②求回归系数→ ③写出回归直线方程，并利用回归直线方程进行预测说明. 2.回归分析： 对具有相关关系的两个变量进行统计分析的一种常用方法。 建立回归模型的基本步骤是： ①确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； ②画好确定好的解释变量和预报变量的散点图，观察它们之间的关系（线性关系）. ③由经验确定回归方程的类型. ④按一定规则估计回归方程中的参数（最小二乘法）； ⑤得出结论后在分析残差图是否异常，若存在异常，则检验数据是否有误，后模型是否合适等. 3.利用统计方法解决实际问题的基本步骤： （1）提出问题； （2）收集数据； （3）分析整理数据； （4）进行预测或决策。 4.残差变量的主要来源： （1）用线性回归模型近似真实模型（真实模型是客观存在的，通常我们并不知道真实模型到底是什么）所引起的误差。 可能存在非线性的函数能够更好地描述与之间的关系，但是现在却用线性函数来表述这种关系，结果就会产生误差。这 种由于模型近似所引起的误差包含在中。 （2）忽略了某些因素的影响。影响变量的因素不只变量一个，可能还包含其他许多因素（例如在描述身高和体重 关系的模型中，体重不仅受身高的影响，还会受遗传基因、饮食习惯、生长环境等其他因素的影响），但通常它们每一个因素的影响可能都是比较小的，它们的影响都体现在中。 （3）观测误差。由于测量工具等原因，得到的的观测值一般是有误差的（比如一个人的体重是确定的数，不同的秤可 能会得到不同的观测值，它们与真实值之间存在误差），这样的误差也包含在中。 上面三项误差越小，说明我们的回归模型的拟合效果越好。
最小二乘法主要用来求解两个具有线性相关关系的变量的回归方程，该方法适用于求解与线性回归方程相关的问题，如求解回归直线方程，并应用其分析预报变量的取值等．破解此类问题的关键点如下： ①析数据，分析相关数据，求得相关系数r，或利用散点图判断两变量之间是否存在线性相关关系，若呈非线性相关关系，则需要通过变量的变换转化构造线性相关关系． ②建模型．根据题意确定两个变量，结合数据分析的结果建立回归模型． ③求参数．利用回归直线y=bx+a的斜率和截距的最小二乘估计公式，求出b，a，的值．从而确定线性回归方程． ④求估值．将已知的解释变量的值代入线性回归方程y=bx+a中，即可求得y的预测值． 注意:回归直线方程的求解与应用中要注意两个方面：一是求解回归直线方程时，利用样本点的中心（x，y）必在回归直线上求解相关参数的值；二是回归直线方程的应用，利用回归直线方程求出的数值应是一个估计值，不是真实值． 经典例题： 下图是某地区2000年至2016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2018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2000年至2016年的数据（时间变量的值依次为1,2.，……，17）建立模型①：y=+；根据2010年至2016年的数据（时间变量的值依次为）建立模型②：y=99+． （1）分别利用这两个模型，求该地区2018年的环境基础设施投资额的预测值； （2）你认为用哪个模型得到的预测值更可靠并说明理由． 思路分析：（1）两个回归直线方程中无参数，所以分别求自变量为2018时所对应的函数值，就得结果，（2）根据折线图知2000到2009，与2010到2016是两个有明显区别的直线，且2010到2016的增幅明显高于2000到2009，也高于模型1的增幅，因此所以用模型2更能较好得到2018的预测. 解析：（1）利用模型①，该地区2018年的环境基础设施投资额的预测值为 =–+×19=（亿元）． 利用模型②，该地区2018年的环境基础设施投资额的预测值为 =99+×9=（亿元）． （2）利用模型②得到的预测值更可靠．理由如下： （i）从折线图可以看出，2000年至2016年的数据对应的点没有随机散布在直线y=–+上下，这说明利用2000年至2016年的数据建立的线性模型①不能很好地描述环境基础设施投资额的变化趋势．2010年相对2009年的环境基础设施投资额有明显增加，2010年至2016年的数据对应的点位于一条直线的附近，这说明从2010年开始环境基础设施投资额的变化规律呈线性增长趋势，利