【金学案】2015年春高中数学第三章统计案例（3课时）北师大版选修2-3知识点新课程标准的要求层次要求领域目标要求回归分析的基本思想及其初步应用通过典型案例的探究,进一步了解回归的基本思想、方法及初步应用在《数学》(必修3)概率统计的基础上,通过典型案例进一步介绍回归分析的基本思想、方法及其初步应用;通过典型案例介绍独立性检验的基本思想、方法及其初步应用,认识统计方法在决策中的作用独立性检验的基本思想及其初步应用在具体情境中,通过典型案例的探究,了解独立性检验(只要求2×2列联表)的基本思想、方法及初步应用1.在学习回归分析内容时,应首先回顾必修课程中的相关内容,复习如何画散点图,如何利用最小二乘法求线性回归方程,并关注本章内容和必修课程中相关内容的区别与联系.认识和体会进行相关性检验的必要性,了解如何求线性相关系数r,并能对两个随机变量进行回归分析.在此基础上,会将非线性回归问题转化为线性回归问题来解决.2.通过具体实例,了解独立性检验的基本思想,能够根据实际问题列出2×2列联表,求出χ2的值,并能根据求得的值判断两个变量是否相关.3.带着如下问题阅读教材:(1)为什么要引入线性相关系数?(2)如何将非线性回归模型转化为线性回归模型?(3)独立性检验的基本思想、方法是什么?(4)哪种类型的数据可以进行独立性检验,哪种类型的数据可进行回归分析?第1课时回归分析1.会对两个变量的相关关系进行分析、判断.2.了解回归分析的基本思想,会对两个变量的具体问题进行回归分析.3.掌握运用最小二乘法建立回归模型的基本步骤和方法.重点:熟练掌握回归分析,建立回归模型,求各相关指数的步骤.难点:如何求回归直线方程以及对相关系数r的理解和运用.我们每个人都有自己的身高和体重,那么如果把身高和体重分别作为变量,它们能够构成函数关系吗?问题1:散点图在考虑两个量的关系时,为了对变量之间的关系有一个大致的了解,人们通常将变量所对应的点描出来,这些点就组成了变量之间的一个图,通常称这种图为变量之间的散点图.问题2:相关关系与线性回归相关关系:对于两个变量,当自变量取值一定时,因变量的取值带有一定随机性的两个变量之间的关系称为相关关系.相关关系分为线性相关和非线性相关.函数关系中的两个变量间是一种确定性关系,相关关系是一种非确定性关系.线性回归: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.问题3:线性相关系数r=称为两个变量数据(x i,y i)(i=1,2,…,n)的线性相关系数.r用来刻画两个变量的线性回归效果: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0时,表明两个变量之间越不存在线性相关关系.问题4:线性回归分析的步骤对于一组具有线性相关关系的数据:(x1,y1),(x2,y2),…,(x n,y n).(1)画散点图:看散点图是否呈条状分布.(2)求回归直线方程(最小二乘法):b=, =x i,=y i,其中(,)为样本中心点,回归直线方程必经过样本中心点(,),得a= -b ;(3)得出相关结论:回归直线方程为y=a+bx ,利用回归直线方程进行预测.“一只蝴蝶在巴西扇动翅膀,有可能会在美国的德克萨斯州引起一场龙卷风.”这就是洛伦兹1979年12月在华盛顿的“美国科学促进会”上的一次演讲中提出的“蝴蝶效应”.这次演讲给人们留下了极其深刻的印象.从此以后,所谓“蝴蝶效应”之说就不胫而走,名声远扬.“蝴蝶效应”之所以令人着迷、令人激动、发人深省,不但在于其大胆的想象力和迷人的美学色彩,而且在于其深刻的科学内涵和内在的哲学魅力.1.下列关系不属于相关关系的是().A.父母的身高与子女的身高B.人的身高与体重C.居民的收入与消费D.正方体的表面积和体积【解析】相关关系是一种非确定性关系,而D项是确定的关系,为函数关系,故选D.【答案】D2.设两个变量x与y之间具有线性相关关系,相关系数是r,回归方程为y=a+bx,那么必有().A.b与r符号相同B.a与r符号相同C.b与r符号相反D.a与r符号相反【解析】因为b与r的分母均为正,且分子相同,所以b与r同号.【答案】A3.某医院用光电比色检验尿汞时,得到尿汞含量x(毫克/升)与消化系数y的一组数据如下表:尿汞含量x 2 4 6 8 10消化系数y64 138 205 285 260若x与y具有线性相关关系,则回归直线方程是.【解析】利用公式b==26.95,a=-b=28.7,从而回归直线方程为y=26.95x+28.7.【答案】y=26.95x+28.74.某10名同学的数学、物理、语文成绩如下表:数学136 125 122 87 108 113 111 70 94 74物理107 91 92 76 93 85 82 78 78 73语文86 114 104 109 100 106 112 104 95 99试分别研究他们的数学成绩与物理成绩的关系、数学成绩与语文成绩的关系,你能发现什么规律?【解析】可求出物理成绩与数学成绩的相关系数r≈0.87>0.75,从而认为物理成绩与数学成绩之间具有很强的线性相关关系.而由语文成绩与数学成绩的相关系数|r|≈0.092远小于0.75,说明语文成绩与数学成绩不具有线性相关关系.因此,数学成绩好的同学,一般来说物理成绩也较好,它们之间的联系较紧密,而数学成绩好的同学,语文成绩可能好也可能差,它们之间的关系不大.相关关系的判断与分析有下列关系: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.其中有相关关系的是(填写你认为正确的序号).【方法指导】根据相关关系的概念进行判断.【解析】序号关系理由①相关关系人的年龄和他(她)的财富有一定的关系,一般中年人财富多,年轻人少,少儿基本没有②函数关曲线上的点与其坐标一一对应,是确定的系③相关关系气候能影响苹果的产量④相关关系同一种树木,其断面直径和高度之间有一定的关系,但不确定⑤对应关系确定的一一对应关系【答案】①③④【小结】相关关系是一种非确定性关系,是指两个变量之间有关系,但是两者之间的关系还受其他因素的影响,只是影响大小的问题.回归直线过样本中心点(,)的性质的应用观察两个相关变量的如下数据:x-1 -2 -3 -4 -5 5 4 3 2 1y-0.9 -2 -3.1 -3.9 -5.1 5 4.1 2.9 2.1 0.9则两个变量间的回归直线方程为().A.y=0.5x-1B.y=xC.y=2x+0.3D.y=x+1【方法指导】根据回归直线方程y=a+bx经过样本中心点(,)可计算出结果.【解析】∵=0,=0,回归直线方程经过样本中心点(,),代入所给选项中检验,可知,只有y=x符合条件.【答案】B先判定相关性,再求回归直线方程某种图书每册的成本费y(元)与印刷册数x(千册)有关,经统计得到数据如下:x 1 2 3 5 10 20 30 50 100 200y 10.155.524.082.852.111.621.411.31.211.15检验每册书的成本费y与印刷册数的倒数之间是否有线性相关关系?如果有,求出y对x的回归方程.【方法指导】本题是非线性回归分析问题,不妨设变量u=,题意要求对u与y作相关性检验,如果它们具有线性相关关系,就可以进一步求出y对u的回归直线方程,这时,再回代u=,就得到了y对x的回归曲线方程.【解析】将上表数据列表分析如下:i 1 2 3 4 5 6 7 8 9 10x i 1 2 3 5 10 20 30 50 100 200 421y i 10.155.52 4.08 2.852.111.621.411.31.21 1.15 31.4 1 4 9 25 100 400 9002501000400053939 103.0330.4716.658.124.452.621.991.691.46 1.32 171.8x i y i 10.1511.0412.2414.2521.132.442.365 121 230 559.48∴=42.1,=1772.41,=3.14,n=10,10=1321.94,可以求得r=0.9998,由r=0.9998>0.75,因此变量y与之间具有较强的线性相关关系.∵b====-0.02,∴a=-b=3.14-(-0.02)×42.1=3.98. ∴y 与x 的回归方程为y=3.98-0.02x.[问题]当x=1时,由回归方程得y=3.96,而实际上y=10.15,为什么有这么大的偏差?上述回归方程是y 与x 的回归方程吗?[结论]因为y 与之间具有较强的线性相关关系,而y 与x 之间没有明显的线性相关关系,故应先通过变量变换(即换元),令u=,并通过对u 与y 作相关性检验,求出y 对u 的回归直线方程,最后再回代u=,得到y 对x 的回归方程.于是正确解如下:首先作变量变换,令u=,则题目所给数据变成如下表所示的数据:u i 1 0.5 0.33 0.2 0.10.05 0.03 0.02 0.01 0.005y i 10.15 5.52 4.08 2.85 2.11 1.62 1.41 1.30 1.211.15可以求得r ≈0.9998>0.75,因此变量y 与u 之间具有较强的线性相关关系,并且b ≈8.973,a=-b ≈1.125,最后回代u=可得y=+1.125.因此y 与x 的回归方程为y=+1.125.【小结】本题中y 与x 之间不具有线性相关关系,因而是非线性回归分析问题,对此类回归分析问题,应先求线性相关系数r ,利用r 来判断两个变量之间是否具有线性相关关系.当|r|>0.75时,认为有很强的线性相关关系,可以求回归直线方程,并可用求得的回归直线方程来预测变量的取值;当|r|<0.75时,认为两个变量之间线性相关关系不显著,这时求回归直线方程没有多大的实际价值,要采用变量变换(即换元法)转化为线性回归问题求解.由施肥量x 与水稻产量y 试验数据的关系,画出散点图,并指明相关性.施化肥量x15 20 25 30 35 40 45水稻产量y330 345 365 405 445 450 455【解析】散点图为:通过图像可知是正相关.已知x 、y 的取值如表所示,若从散点图分析,y 与x 线性相关,且y=0.95x+a ,求a 的值.x 0 1 2 3 4 y 2.2 4.3 4.8 4.8 6.7【解析】由表中数据得=2,=4.56,由于线性回归方程一定经过样本中心点(,),即(2,4.56),在回归直线方程y=bx+a 中,代入点(2,4.56)得a=-b=4.56-0.95×2=2.66.10名同学在高一和高二的数学成绩如下表:x74 71 72 68 76 73 67 70 65 74y76 75 71 70 76 79 65 77 62 72其中x为高一数学成绩,y为高二数学成绩.(1)y与x是否具有相关关系;(2)如果y与x具有相关关系,求回归直线方程.【解析】(1)由已知表格中的数据,利用计算器进行计算得=71,=72.3,x i y i=51467,=50520,=52541.则r==≈0.78.由0.78>0.75认为x与y之间具有线性相关关系.(2)y与x具有线性相关关系,设回归直线方程为y=a+bx,则b==≈1.22,a=-b=72.3-1.22×71=-14.32,所以y关于x的回归直线方程为y=1.22x-14.32.1.对相关系数r,下列说法正确的是().A.r越大,两变量的线性相关程度越大B.r越小,两变量的线性相关程度越大C.|r|越大,两变量的线性相关程度越大;|r|越小,两变量的线性相关程度越小D.|r|≤1,且|r|越接近1,两变量的线性相关程度越大;|r|越接近0,两变量的线性相关程度越小【解析】由两个变量的相关系数公式r=可知,相关程度的强弱与|r|和1的接近程度有关,|r|越接近1,两变量的线性相关程度越大,|r|越接近0,两变量的线性相关程度越小.【答案】D2.工人月工资y(元)关于劳动生产率x(千元)的回归方程为y=650+80x,下列说法正确的个数是().①劳动生产率为1000元,工资约为730元;②劳动生产率提高1000元,则工资约提高80元;③劳动生产率提高1000元,则工资约提高730元;④当月工资为810元,劳动生产率约为2000元.A.1B.2C.3D.4【解析】①②④正确,注意单位的一致性,故选C.【答案】C3.若预报体重y(kg)和身高x(cm)之间的线性回归方程为y=0.849x-85.712,如果要找到体重为41.638 kg的人,(填“一定”或“不一定”)在身高为150 cm的人群中.【解析】体重不仅受身高的影响,还受其他因素的影响.【答案】不一定4.某个体服装店经营某种服装,一周内获纯利润y(元)与该周每天销售这种服装的件数x之间的一组数据如下:x 3 4 5 6 7 8 9y66 69 73 81 89 90 91已知=280,=45309,x i y i=3487.(1)求,;(2)一周内获纯利润y与该周每天销售件数x之间是否线性相关?如果线性相关,求出回归直线方程.【解析】(1)=(3+4+5+6+7+8+9)=6,=(66+69+73+81+89+90+91)≈79.86.(2)根据已知=280,=45309,x i y i=3487,得相关系数r=≈0.973.由于0.973>0.75,所以纯利润y与每天销售件数x之间具有显著的线性相关关系.利用已知数据可求得回归直线方程为y=4.746x+51.386.(2013年·湖南卷)四名同学根据各自的样本数据研究变量x,y之间的相关关系,并求得回归直线方程,分别得到以下四个结论:①y与x负相关且y=2.347x-6.423;②y与x负相关且y=-3.476x+5.648;③y与x正相关且y=5.437x+8.493;④y与x正相关且y=-4.326x-4.578.其中一定不正确的结论的序号是().A.①②B.②③C.③④D.①④【解析】由正相关、负相关的性质可知在①中,斜率为2.347>0,不可能负相关;在④中,斜率为-4.326<0,不可能正相关,故①④一定不正确.选D.【答案】D1.下列两个变量之间的关系是相关关系的是().A.圆的面积与半径B.球的体积与半径C.角度与它的正弦值D.一个考生的数学成绩与物理成绩【解析】由题意知A表示圆的面积与半径之间的关系S=πr2;B表示球的体积与半径之间的关系V=πr2;C表示角度与它的正弦值y=sin α,以上所说的都是确定的函数关系,相关关系不是确定性的关系,故选D.【答案】D2.在对两个变量x,y进行线性回归分析时有下列步骤:①对所求出的回归方程作出解释;②收集数据(x i,y i),其中i=1,2,…,n;③求线性回归方程;④求相关系数;⑤根据所搜集的数据绘制散点图.如果根据可靠性要求能够作出变量x,y具有线性相关结论,那么在下列操作顺序中正确的是().A.①②⑤③④B.③②④⑤①C.②④③①⑤D.②⑤④③①【解析】根据线性回归分析思想可知,两个变量x,y进行线性回归分析时,应先收集数据(x i,y i),然后绘制散点图,再求相关系数和线性回归方程,最后对所求的回归方程作出解释,因此选D.【答案】D3.如图所示有5组数据,去掉后,剩下的4组数据的线性相关性更强.【解析】根据散点图判定两变量的线性相关性,样本数据点越集中在某一直线附近,这两变量的线性相关性越强,显然去掉D(3,10)后,其余各点更能集中在某一直线附近,即线性相关性更强.【答案】D(3,10)4.一个工厂在某年里每月产品的总成本y(万元)与该月产量x(万件)之间由如下一组数据:x 1.081.121.191.281.361.481.591.681.81.871.982.07y 2.252.372.42.552.642.752.923.033.143.263.363.5(1)画出散点图;(2)检验相关系数r的显著性水平;(3)求月总成本y与月产量x之间的回归直线方程.【解析】i 1 2 3 4 5 6 7 8 9 10 11 12x i1.08 1.121.191.281.361.481.591.681.81.871.982.07y i2.25 2.372.42.552.642.752.923.033.143.263.363.5x i y i 2.432.6542.8563.2643.5904.074.6435.0905.6526.0966.6537.245=,=,=29.808,=99.2081,x i y i=54.243(1)画出散点图,如图所示.(2)r==≈0.99>0.75,这说明每月产品的总成本y(万元)与该月产量x(万件)之间存在显著的线性相关关系.(3)设回归直线方程y=bx+a,利用计算a,b,得b≈1.215, a=-b≈0.974,即回归直线方程为y=1.215x+0.974.5.设一个回归方程为y=3-5x,当变量x增加一个单位时().A.y平均增加3个单位B.y平均减小5个单位C.y平均增加5个单位D.y平均减小3个单位【解析】-5是斜率的估计值,说明x每增加一个单位,y平均减少5个单位.【答案】B6.对于一组具有线性相关关系的数据(x1,y1),(x2,y2),…,(x n,y n),其回归方程的截距为().A.a=y+bxB.a=+bC.a=y-bxD.a=-b【解析】回归直线方程中的截距即为a,由公式=b+a得a=-b,故选D.【答案】D7.许多因素都会影响贫穷,教育也许是其中之一,在研究这两个因素的关系时收集了美国50个州的成年人受过9年或更少教育的百分比(x)和收入低于官方规定的贫困线的人数占本州人数的百分比(y)的数据,建立的回归直线方程为y=0.8x+4.6,则成年人受过9年或更少教育的百分比(x)和收入低于官方的贫困线的人数占本州人数的百分比(y)之间的相关系数.(填“大于0”或“小于0”)【解析】一个地区受过9年或更少教育的百分比每增加1%,收入低于官方规定的贫困线的人数占本州人数的百分比将增加0.8%左右.【答案】大于08.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)有如下的统计资料:使用年限x2 3 4 5 6维修费用y2.23.8 5.5 6.5 7.0若由资料知y对x呈线性相关关系.试求:(1)线性回归方程y=bx+a的回归系数a,b;(2)估计使用年限为10年时的维修费用.【解析】(1)制表如下:i 1 2 3 4 5 合计x i 2 3 4 5 6 20y i2.2 3.8 5.5 6.5 7.0 25x i y i4.4 11.4 22.0 32.5 42.0 112.34 9 16 25 36 90=4,=5,=90,x i y i=112.3于是b===1.23,a=-b=5-1.23×4=0.08.(2)由(1)知回归直线方程为y=1.23x+0.08,当x=10时,y=1.23×10+0.08=12.3+0.08=12.38,即估计使用10年时的维修费用是12.38万元.9.若y与x之间的一组数据如下:x0 1 2 3 4y 1 3 5 5 6则拟合这5对数据的回归直线一定经过的点是.【解析】根据回归直线y=bx+a一定过样本中心点(,),且==2,==4,知点(2,4)一定在回归直线上.【答案】(2,4)10.某工业部门进行一项研究,分析该部门的产量与生产费用之间的关系,从这个工业部门内随机抽选了10个企业作样本,有如下资料:产量x(千件) 费用y(千元)40 150 42 140 48 160 55 170 65 150产量x(千件) 费用y(千元)79 16288 185100 165120 190140 185完成下列要求:(1)计算x与y的相关系数;(2)这两个变量之间是否线性相关?若线性相关,求回归直线方程y=bx+a.【解析】(1)制表如下:i x i y i x i y i1 40 150 1600 22500 60002 42 140 1764 19600 58803 48 160 2304 25600 76804 55 170 3025 28900 93505 65 150 4225 22500 97506 79 162 6241 26244 127987 88 185 7744 34225 162808 100 165 10000 27225 165009 120 190 14400 36100 2280010 140 185 19600 34225 25900合计777 1657 70903 277119 132938==77.7,==165.7,=70903,=277119,x i y i=132938r=≈0.808.即x与y的相关系数r≈0.808.(2)因为r>0.75.所以x与y之间具有很强的线性相关关系.则b=≈0.398,a=165.7-×77.7b≈134.8,所以回归直线方程为y=0.398x+134.8.第2课时回归分析的应用1.根据线性回归方程,对相关结论进行预测.2.理解从散点图进行非线性回归分析的意义,掌握如何将非线性回归问题转化为线性回归问题的方法.3.了解在解决实际问题的过程中寻找更好的模型的方法.重点:根据线性回归方程,对相关结论进行预测,探究非线性模型通过变换转化为线性回归模型的方法.难点:了解常用函数的图像特点,选择不同的模型建模,并通过相关指数对不同的模型进行比较.有关法律规定:香烟盒上必须印上“吸烟有害健康”的警示语,那么吸烟和健康之间有因果关系吗?每一个吸烟者的健康问题都是由吸烟引起的吗?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?要回答这个问题,我们先来一起学习本节的知识吧!问题1: 刻画回归方程的拟合效果相关系数r=用来刻画数组(x i,y i)中两个变量的线性回归效果,当|r| >0.75时,我们认为数组(x i,y i) 中两个变量有很强的线性相关关系;当|r| <0.75时,则认为两个变量之间线性相关关系不显著.问题2:在回归分析中,通过模型计算预测变量的值时,应注意的问题.(1)回归方程只适用于我们所研究的样本的总体;(2)我们所建立的回归方程一般都有时间性;(3)样本取值的范围会影响回归方程的适用范围;(4)不能期望回归方程得到的预测值就是预测变量的精确值.问题3:几种能转化为线性回归模型的非线性回归模型(1)幂函数曲线y=ax b作变换u=ln y,v=ln x,c=ln a,得线性函数u=c+bv .(2)指数曲线y=a e bx作变换u=ln y,c=ln a,得线性函数u=c+bx .(3)倒指数曲线y=a作变换u=ln y,c=ln a,v=,得线性函数u=c+bv .(4)对数曲线y=a+b ln x作变换u=y,v=ln x,得线性函数u=a+bv .问题4:非线性回归问题进行回归分析的方法(1)若问题中已给出经验公式,这时可以将解释变量进行交换(换元),将变量的非线性关系转化为线性关系,将问题化为线性回归分析问题来解决.(2)若问题中没有给出经验公式,需要我们画出已知数据的散点图,通过与各种函数(如指数函数、对数函数、幂函数等)的图像作比较,选择一种与这些散点拟合得最好的函数,然后采用适当的变量交换,将问题化为线性回归分析问题来解决.从以下几个方面认识相关关系:(1)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;相关关系是一种非确定性关系.(2)函数关系是一种因果关系,而相关关系不一定是因果关系,也可能是伴随关系.相关关系在现实生活中大量存在,从某种意义上讲,函数关系是一种理想的关系模型,而相关关系是一种更为一般的情况.因此研究相关关系,不仅可以使我们处理更为广泛的数学应用问题,还可以使我们对函数关系的认识上升到一个新的高度.一般情况下,在尚未断定两个变量之间是否具有线性相关关系的情况下,应先进行相关性检验,在确认其具有线性相关关系后,再求其回归直线方程;由部分数据得到的回归直线,可以对两个变量间的线性相关关系进行估计,这实际上是将非确定性的相关关系问题转化成确定性的函数关系问题进行研究.由于回归直线将部分观测值所反映的规律性进行了延伸,它在情况预测、资料补充等方面有着广泛的应用.1.下列两个变量之间的关系不是函数关系的是().A.角度和它的余弦值B.正方形的边长和面积C.正n边形的边数和各内角度数之和D.人的年龄和身高【解析】函数关系就是一种变量之间的确定性的关系,A,B,C三项都是函数关系,它们的函数表达式分别为f(θ)=cos θ,g(a)=a2,h(n)=nπ-2π.D项不是函数关系,对于年龄确定的人群,仍可以有不同的身高,故选D.【答案】D2.为了表示n个点与相应直线在整体上接近程度,我们常用()表示.A.(y i-y)B.(y i-)C.(y i-y)2D.(y i-)2【解析】由回归直线方程y=a+bx,可知y为一个量的估计量,而y i为它的实际值,在最小二乘法中[y i-(a+bx)]2,即(y i-y)2,故选C.【答案】C3.在一次实验中,测得(x,y)的四组值分别是A(1,2),B(2,3),C(3,4),D(4,5),则y与x之间的回归直线方程为.【解析】因为A,B,C,D四点都在直线y=x+1上,故填y=x+1.【答案】y=x+14.1907年一项关于16艘轮船的研究中,船的吨位区间位于192吨到3246吨,船员的人数从5人到32人,船员的人数关于船的吨位的回归分析得到如下结果:船员人数=9.1+0.006×吨位.(1)假定两艘轮船吨位相差1000吨,船员平均人数相差多少?(2)估计最小的船的船员数和最大的船的船员数.【解析】(1)船员平均人数之差=0.006×吨位之差=0.006×1000=6,即船员平均相差6人.(2)9.1+0.006×192=10.252,估计最小的船的船员数为10.9.1+0.006×3246=28.576,估计最大的船的船员数为28.利用公式,确定回归直线方程某5名学生的数学和化学成绩如下表:学生A B C D E学科数学成绩(x) 88 76 73 66 63化学成绩(y) 78 65 71 64 61(1)画出散点图;(2)求化学成绩(y)对数学成绩(x)的回归直线方程.【方法指导】熟记公式,根据表格计算公式中所需的各种数据.【解析】(1)散点图(略).(2)=73.2,=67.8,x i y i=25054,=27174,所以b==≈0.625.a=-b=67.8-0.625×73.2=22.05.所以y对x的回归直线方程为y=0.625x+22.05.【小结】利用公式求解时应注意以下几点:①求b时应先求出,,x i y i,,再由a=-b求a的值,并写出回归直线方程.②线性回归方程中的截距a和斜率b都是通过样本估计而来,存在着误差,这种误差可能导致预测结果的偏差.③回归直线方程y=a+bx中的b表示x增加1个单位时y的变化量为b,而a是不随x的变化而变化的量.④可以利用回归直线方程y=a+bx预测在x取某一个值时,y的估计值.根据回归直线方程,对结果进行分析或预测从某大学中随机选取 8 名女大学生,其身高和体重数据如下表:编号 1 2 3 4 5 6 7 8身高/cm 165 165 157 170 175 165 155 170体重/kg 48 57 50 54 64 61 43 59求根据女大学生的身高预测体重的回归方程,并预测一名身高为 172 cm 的女大学生的体重.【方法指导】可以计算出r≈0.798>0.75.这表明体重与身高有较强的线性相关关系,从而可以建立身高和体重的线性回归方程,根据身高和体重的线性回归方程,由身高预测体重.【解析】由于问题中要求根据身高预测体重,因此选取身高为自变量x ,体重为因变量y.作出散点图(如图).从图中可以看出,样本点呈条状分布,身高和体重有较强的线性相关关系,因此可以用线性回归方程来近似刻画它们之间的关系,根据公式,可以得到b≈0.848,a≈-85.712.于是得到回归方程y=0.848x-85.712.因此,对于身高172 cm 的女大学生,由回归方程可以预测其体重为y=0.848×172-85.712=60.144 kg.【小结】解析中b=0.848是斜率的估计值,说明身高x每增加1个单位时,体重y就增加0.848 kg,这表明体重与身高具有正的线性相关关系.尽管身高172 cm的女大学生的体重不一定是60.144 kg,但一般可以认为她的体重接近60.144 kg.可线性化的非线性回归问题一只红铃虫的产卵数y和温度x之间的7组观测数据列于下表:温度x/℃21 23 25 27 29 32 35产卵数y/7 11 21 24 66 115 325个试建立y与x之间的回归方程,并预测温度为28 ℃时产卵数目.【方法指导】作出散点图(或根据已知的散点图)分析欲采用较为恰当的拟合曲线,用换元法转化成线性关系再进行回归分析.【解析】选择变量,画散点图.在散点图中,根据已有的函数知识,可以发现样本点分布在某一条指数函数曲线y=c1的周围,其中c1和c2是待定参数.即问题变为如何估计待定参数c1和c2.我们可以通过对数变换把指数关系变为线性关系.令z=ln y,则变换后样本点应该分布在直线z=bx+a(a=ln c1 ,b=c2)的周围.这样,就可以利用线性回归模型来建立y 和x之间的非线性回归方程了.由已知表的数据可以得到变换后的样本数据表(下表):x21 23 25 27 29 32 35z1.946 3.398 3.045 3.178 4.190 4.745 5.784下图给出了表中数据的散点图.从图中可以看出,变换后的样本点分布在一条直线附近,因此可以用线性回归方程来拟合.由表中的数据得到线性回归方程z=0.242x-2.884.相关系数r≈0.953.因此红铃虫的产卵数对温度的非线性回归方程为y=e0.242x-2.884.当x=28 ℃时,y≈49.预测当气温为28 ℃时,产卵数为49个.综上所述,在本题中指数函数模型比一元线性模型、二次函数模型有更好的拟合效果.【小结】对于给定的样本点(x1,y1),(x2,y2),…,(x n,y n),其中a和b都是未知参数.应先根据散点图或利用相关系数r判断两变量间是否存在线性相关关系,若两变量线性相关性显著,采用例1的方法进行线性回归分析;若两变量线性相关性不显著,则可采用例2的方法和步骤进行拟合效果分析.在某种产品表面进行腐蚀线实验,得到腐蚀深度y与腐蚀时间t之间对应的一组数据:时间t(s) 5 10 15 20 30 40 50 60 70 90 120深度6 10 10 13 16 17 19 23 25 29 46y(μm)试求腐蚀深度y对时间t的回归直线方程.【解析】经计算可得相关系数r≈0.982>0.75,所以可以认为y与t之间有较强的线性相关关系.≈46.36,≈19.45,=36750,=5422,t i y i=13910.b==≈0.3.a=-b=19.45-0.3×46.36≈5.542.故所求的回归直线方程为y=0.3t+5.542.一机器可以按各种不同的速度运转,其生产物件有一些会有缺点,每小时生产有缺点物件的多少随机器运转速度而变化,用x表示转速(单位:转/秒),用y表示每小时生产的有缺点物件个数,现观测得到(x,y)的4组观测值为(8,5),(12,8),(14,9),(16,11).。
