§10.3 变量间的相关关系、统计案例考纲展示►1.会作两个相关变量的散点图，会利用散点图认识变量之间的相关关系． 2．了解最小二乘法的思想，能根据给出的线性回归系数公式建立线性回归方程． 3．了解独立性检验(只要求2×2列联表)的基本思想、方法及其简单应用． 4．了解回归分析的基本思想、方法及其简单应用．考点1 变量间的相关关系1.常见的两变量之间的关系有两类：一类是函数关系，另一类是________；与函数关系不同，________是一种非确定性关系．答案：相关关系 相关关系2．从散点图上看，点散布在从左下角到右上角的区域内，两个变量的这种相关关系称为________，点散布在左上角到右下角的区域内，两个变量的相关关系为________．答案：正相关 负相关对回归系数的理解：解释变量；预报变量．某工厂工人月工资y (元)依劳动产值x (万元)变化的回归直线方程为y ^＝900x ＋600，下列判断正确的是__________．①劳动产值为10 000元时，工资为500元； ②劳动产值提高10 000元时，工资提高1 500元； ③劳动产值提高10 000元时，工资提高900元； ④劳动产值为10 000元时，工资为900元． 答案：③解析：回归系数b ^的意义为：解释变量每增加1个单位，预报变量平均增加b 个单位.[典题1] (1)下列四个散点图中，变量x 与y 之间具有负的线性相关关系的是( )A BC D[答案] D[解析] 观察散点图可知，只有D 选项的散点图表示的是变量x 与y 之间具有负的线性相关关系．(2)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 ．①② B ．②③ C ．③④ D ．①④ [答案] D[解析] 由回归方程y ^＝b ^x ＋a ^知，当b ^＞0时，y 与x 正相关，当b ^＜0时，y 与x 负相关，∴①④一定错误．[点石成金] 相关关系的直观判断方法就是作出散点图，若散点图呈带状且区域较窄，说明两个变量有一定的线性相关性，若呈曲线型也是有相关性，若呈图形区域且分布较乱则不具备相关性．考点2 线性回归分析1.回归分析对具有________的两个变量进行统计分析的方法叫回归分析．其基本步骤是：(ⅰ)画散点图；(ⅱ)求________；(ⅲ)用回归直线方程作预报．答案：相关关系 回归直线方程 2．回归直线如果散点图中点的分布从整体上看大致在________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．答案：一条直线3．回归直线方程的求法——最小二乘法设具有线性相关关系的两个变量x ，y 的一组观察值为(x i ，y i )(i ＝1,2，…，n )，则回归直线方程y ^＝b ^x ＋a ^的系数为：⎩⎪⎨⎪⎧b ^＝∑i ＝1nx i－x y i－y ∑i ＝1nx i－x2＝ ，a ^＝y －b ^x ，其中x ＝1n ∑i ＝1n x i ，y ＝1n ∑i ＝1ny i ，(x ，y )称为样本点的________．答案：∑i ＝1nx i y i －n x y∑i ＝1nx 2i －n x 2中心4．相关系数当r ＞0时，表明两个变量________； 当r ＜0时，表明两个变量________．r 的绝对值越接近于1，表明两个变量的线性相关性________．r 的绝对值越接近于0，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．答案：正相关 负相关 越强[教材习题改编]已知回归直线的斜率的估计值为1.23，样本点的中心为(4,5)，则回归直线方程为__________．答案：y ^＝1.23x ＋0.08解析：设回归直线方程为y ^＝1.23x ＋a ^， 因为回归直线必过样本点的中心(x ，y )， 将点(4,5)代入回归直线方程得a ^＝0.08， 所以所求方程为y ^＝1.23x ＋0.08.变量的相关关系：散点图；回归直线过(x ，y )．某工厂经过技术改造后，生产某种产品的产量x (吨)与相应的生产能耗y (吨标准煤)有如下几组样本数据.x 3 4 5 6 y2.5344.50.7，那么当产量x ＝10吨时，估计相应的生产能耗为__________吨标准煤．答案：7.35解析：先求得x ＝4.5，y ＝3.5，由y ^＝0.7x ＋a ^过点(x ，y )，得a ^＝0.35， 所以回归直线方程是y ^＝0.7x ＋0.35.当x ＝10吨时，y ^＝7＋0.35＝7.35(吨标准煤)．[典题2] (1)已知x ，y 的取值如下表，从散点图可以看出y 与x 线性相关，且回归方程为y ^＝0.95x ＋a ^，则a ^＝( )x 0 1 3 4 y2.24.34.86.7A.3.25 C ．2.2D ．0[答案] B[解析] 由已知得x ＝2，y ＝4.5， 因为回归方程经过点(x ，y )， 所以a ^＝4.5－0.95×2＝2.6.(2)由某种设备的使用年限x i (年)与所支出的维修费y i (万元)的数据资料算得如下结果，∑i ＝15x 2i ＝90，∑i ＝15x i y i ＝112，∑i ＝15x i ＝20，∑i ＝15y i ＝25.①求所支出的维修费y 对使用年限x 的线性回归方程y ^＝b ^x ＋a ^； ②(ⅰ)判断变量x 与y 之间是正相关还是负相关； (ⅱ)当使用年限为8年时，试估计支出的维修费是多少．附：在线性回归方程y ^＝b ^x ＋a ^中，b ^＝∑i ＝1nx i y i －n x y∑i ＝1nx 2i －n x 2，a ^＝y －b ^x ，其中x ，y 为样本平均值．[解] ①∵∑i ＝15x i ＝20，∑i ＝15y i ＝25，∴x ＝15∑i ＝15x i ＝4，y ＝15∑i ＝15y i ＝5，∴b ^＝∑i ＝15x i y i －5x y∑i ＝15x 2i －5x 2＝112－5×4×590－5×42＝1.2， a ^＝y －b ^x ＝5－1.2×4＝0.2.∴线性回归方程为y ^＝1.2x ＋0.2. ②(ⅰ)由①知，b ^＝1.2>0， ∴变量x 与y 之间是正相关．(ⅱ)由①知，当x ＝8时，y ^＝9.8，即使用年限为8年时，支出维修费约是9.8万元． [点石成金] 1.正确理解计算b ^，a ^的公式和准确的计算是求线性回归方程的关键．2．回归直线方程y ^＝b ^x ＋a ^必过样本点的中心(x ，y )．3．在分析两个变量的相关关系时，可根据样本数据作出散点图来确定两个变量之间是否具有相关关系，若具有线性相关关系，则可通过线性回归方程来估计和预测.某地最近十年粮食需求量逐年上升，下表是部分统计数据：年份 2006 2008 2010 2012 2014 需求量(万吨)236246257276286(1)利用所给数据求年需求量与年份之间的回归直线方程y ^＝b ^x ＋a ^； (2)利用(1)中所求出的回归直线方程预测该地2016年的粮食需求量．解：(1)由所给数据看出，年需求量与年份之间是近似直线上升，下面来配回归直线方程，为此对数据预处理如下：年份－2 010 －4 －2 0 2 4 需求量－257－21－111929对预处理后的数据，容易算得，x ＝0，y ＝3.2，b ^＝－4×－21＋－2×－11＋2×19＋4×29－5×0×3.2－42＋－22＋22＋42－5×02＝26040＝6.5，a ^＝y －b ^x ＝3.2. 由上述计算结果知，所求回归直线方程为 y ^－257＝b ^(x －2 010)＋a ^＝6.5(x －2 010)＋3.2， 即y ^＝6.5×(x －2 010)＋260.2.(2)利用(1)中所求回归直线方程，可预测2016年的粮食需求量为6.5×(2 016－2 010)＋260.2＝6.5×6＋260.2＝299.2(万吨)．考点3 独立性检验1.分类变量：变量的不同“值”表示个体所属的不同类别，像这类变量称为分类变量．2．列联表：列出两个分类变量的频数表，称为列联表．假设有两个分类变量X和Y，它们的可能取值分别为{x1，x2}和{y1，y2}，其样本频数列联表(称为2×2列联表)为2×2列联表：y1y2总计x1 a b a＋bx2 c d c＋d总计a＋c b＋d a＋b＋c＋dK2＝n ad－bc2a＋b a＋c b＋d c＋d(其中n＝________为样本容量)，则利用独立性检验判断表来判断“X与Y的关系”．答案：a＋b＋c＋d(1)[教材习题改编]为调查中学生的近视情况，测得某校150名男生中有80名近视，140名女生中有70名近视．在检验这些学生眼睛近视是否与性别有关时，最有说服力的方法是________．(填序号)①回归分析；②期望与方差；③独立性检验；④概率．答案：③解析：“近视”与“性别”是两个分类变量，其是否有关，应该用独立性检验来判断．(2)[教材习题改编]在研究吸烟与患肺癌的关系中，通过收集数据、整理分析数据得出“吸烟与患肺癌有关”的结论，并且有99%以上的把握认为这个结论是成立的，有下列四种说法：①100个吸烟者中至少有99人患有肺癌；②1个人吸烟，那么这人有99%的概率患有肺癌；③在100个吸烟者中一定有患肺癌的人；④在100个吸烟者中可能一个患肺癌的人也没有．其中正确说法的序号是________．答案：④对独立性检验的理解：K2的计算；对P(K2≥k0)的解释．[2017·湖南张家界模拟]某高校教“统计初步”课程的教师随机调查了选该课程的一些学生的情况，具体数据如下表：专业性别非统计专业统计专业男1310女720 为了判断主修统计专业是否与性别有关系，根据表中的数据，得到K2的观测值k＝50×13×20－10×7223×27×20×30≈4.844.因为k>3.841，所以判定主修统计专业与性别有关系，那么这种判断出错的可能性为________．附表：P(K2≥k0)0.0500.0100.001k0 3.841 6.63510.828 答案：5%解析：∵k>3.841，查临界值表，得P(K2≥3.841)＝0.05，故这种判断出错的可能性为5%.[典题3] (1)为了判断高中三年级学生选修文理科是否与性别有关，现随机抽取50名学生，得到2×2列联表：理科文科总计男131023女72027总计203050已知P2P(K2≥5.024)≈0.025.根据表中数据，得到K2＝50×13×20－10×7223×27×20×30≈4.844，则认为选修文理科与性别有关系出错的可能性约为________．[答案]5%[解析]由K2≈4.844＞3.841.故认为选修文理科与性别有关系出错的可能性约为5%.(2)[2017·江西九江模拟]某校数学课外兴趣小组为研究数学成绩是否与性别有关，先统计本校高三年级每个学生一学期数学成绩平均分(采用百分制)，剔除平均分在40分以下的学生后，共有男生300名，女生200名．现采用分层抽样的方法，从中抽取了100名学生，按性别分为两组，并将两组学生的成绩分为6组，得到如下所示的频数分布表.分数段[40，50)[50，60)[60，70)[70，80)[80，90)[90，100] 男39181569女64510132①估计男、女生各自的平均分(同一组数据用该组区间中点值作代表)，从计算结果看，数学成绩与性别是否有关；②规定80分以上为优分(含80分)，请你根据已知条件作出2×2列联表，并判断是否有90%以上的把握认为“数学成绩与性别有关”.优分 非优分 总计 男生 女生 总计100附表及公式：P (K 2≥k 0)0.100 0.050 0.010 0.001 k 02.7063.841 6.63510.828K 2＝n ad －bc 2a ＋bc ＋d a ＋cb ＋d.[解] ①x 男＝45×0.05＋55×0.15＋65×0.3＋75×0.25＋85×0.1＋95×0.15＝71.5，x 女＝45×0.15＋55×0.1＋65×0.125＋75×0.25＋85×0.325＋95×0.05＝71.5，从男、女生各自的平均分来看，并不能判断数学成绩与性别有关．②由频数分布表可知，在抽取的100名学生中，“男生组”中的优分有15人，“女生组”中的优分有15人，据此可得2×2列联表如下：优分 非优分 总计 男生 15 45 60 女生 15 25 40 总计3070100可得K 2＝100×15×25－15×45260×40×30×70≈1.79，因为1.79<2.706，所以没有90%以上的把握认为“数学成绩与性别有关”． [点石成金] 1.独立性检验的关键是正确列出2×2列联表，并计算出K 2的值． 2．弄清判断两变量有关的把握性与犯错误概率的关系，根据题目要求作出正确的回答.[2017·广西玉林、贵港联考]某市地铁即将于2015年6月开始运营，为此召开了一个价格听证会，拟定价格后又进行了一次调查，随机抽查了50人，他们的收入与态度如下； 月收入 (单位： 百元) [15， 25)[25， 35)[35， 45)[45， 55)[55， 65)[65， 75]赞成定 价者人数 1 2 3 5 3 4认为价 格偏高 者人数4812521“认为价格偏高者”的月平均收入的差距是多少(结果保留2位小数)；(2)由以上统计数据填写下面的2×2列联表分析是否有99%的把握认为“月收入以55百元为分界点对地铁定价的态度有差异”.月收入低于 55百元的人数月收入不低于 55百元的人数总计认为价 格偏高者赞成 定价者 总计附：K 2＝a ＋bc ＋d a ＋c b ＋d. P (K 2≥k 0)0.05 0.01 k 03.8416.635解：x 1＝20×1＋30×2＋40×3＋50×5＋60×3＋70×41＋2＋3＋5＋3＋4≈50.56.“认为价格偏高者”的月平均收入为x 2＝20×4＋30×8＋40×12＋50×5＋60×2＋70×14＋8＋12＋5＋2＋1＝38.75，∴“赞成定价者”与“认为价格偏高者”的月平均收入的差距是x 1－x 2＝50.56－38.75＝11.81(百元)．(2)根据条件可得2×2列联表如下：月收入低于55百元的人数月收入不低于55百元的人数总计认为价格偏高者29332 赞成定价者11718 总计401050 K2＝50×7×29－3×11210×40×18×32≈6.27<6.635，∴没有99%的把握认为“月收入以55百元为分界点对地铁定价的态度有差异”.[方法技巧] 1.求回归方程，关键在于正确求出系数a^，b^，由于a^，b^的计算量大，计算时应仔细谨慎，分层进行，避免因计算而产生错误．(注意线性回归方程中一次项系数为b^，常数项为a^，这与一次函数的习惯表示不同．)2．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，预测变量的取值及判断变量取值的变化趋势；(3)求出线性回归方程．[易错防范] 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，求出的线性回归方程才有实际意义，否则，求出的线性回归方程毫无意义．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．2．独立性检验中统计量K2的观测值k的计算公式很复杂，在解题中易混淆一些数据的意义，代入公式时出错，而导致整个计算结果出错．真题演练集训1．[2015·福建卷]为了解某社区居民的家庭年收入与年支出的关系，随机调查了该社区5户家庭，得到如下统计数据表：收入x(万元)8.28.610.011.311.9支出y(万元) 6.27.58.08.59.8 根据上表可得回归直线方程y＝b x＋a，其中b＝0.76，a＝y－b x.据此估计，该社区一户年收入为15万元家庭的年支出为( )A．11.4万元 B．11.8万元C．12.0万元 D．12.2万元答案：B解析：由题意知，x＝8.2＋8.6＋10.0＋11.3＋11.95＝10，y＝6.2＋7.5＋8.0＋8.5＋9.85＝8，∴a^＝8－0.76×10＝0.4，∴当x＝15时，y^＝0.76×15＋0.4＝11.8(万元)．2．[2016·新课标全国卷Ⅲ]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.(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2016年我国生活垃圾无害化处理量．附注：参考数据：∑i＝17y i＝9.32，∑i＝17t i y i＝40.17,i＝17y i－y2＝0.55，7≈2.646.参考公式：相关系数r＝∑i＝1nt i－t y i－y∑i＝1nt i－t2∑i＝1ny i－y2，回归方程y^＝b^t＋a^中斜率和截距的最小二乘估计公式分别为b^＝∑i＝1nt i－t y i－y∑i＝1nt i－t2，a^＝y－b^t.解：(1)由折线图中数据和附注中参考数据，得t ＝4，∑i ＝17(t i －t)2＝28，∑i ＝17y i －y2＝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高，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 ＝17t i －ty i －y∑i ＝17t i －t2＝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2016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2016年我国生活垃圾无害化处理量约为1.82亿吨．3．[2015·新课标全国卷Ⅰ]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．x y w∑i ＝18(x i∑i ＝18(w i∑i ＝18(x i －∑i ＝18(w i －－x )2－w )2x )(y i －y )w )(y i －y )46.65636.8289.81.61 469108.8表中w i ＝x i ，w ＝18∑i ＝18x 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： ①年宣传费x ＝49时，年销售量及年利润的预报值是多少？ ②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＋β u 的斜率和截距的最小二乘估计分别为β^＝∑i ＝1nu i －uv i －v∑i ＝1nu i －u2，α^＝v －β^u .解：(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)令w ＝x ，先建立y 关于w 的线性回归方程．由于d ^＝∑i ＝18w i －wy i －y∑i ＝18w i －w2＝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＋68x . (3)①由(2)知，当x ＝49时，年销售量y 的预报值y ^＝100.6＋6849＝576.6，年利润z 的预报值z ^＝576.6×0.2－49＝66.32.②根据(2)的结果知，年利润z 的预报值 z ^＝0.2(100.6＋68x )－x ＝－x ＋13.6x ＋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．4．[2014·新课标全国卷Ⅱ]某地区2007年至2013年农村居民家庭人均纯收入y (单位：千元)的数据如下表： 年份 2007 2008 2009 2010 2011 2012 2013 年份代号t 1 2 3 4 5 6 7 人均纯收入y2.93.33.64.44.85.25.9(1)求y 关于t 的线性回归方程；(2)利用(1)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估计公式分别为：b ^＝∑i ＝1nt i －ty i －y∑i ＝1nt i －t2，a ^＝y －b ^t .解：(1)由所给数据计算得t ＝17×(1＋2＋3＋4＋5＋6＋7)＝4，y ＝17×(2.9＋3.3＋3.6＋4.4＋4.8＋5.2＋5.9)＝4.3，∑i ＝17(t i －t )2＝9＋4＋1＋0＋1＋4＋9＝28，∑i ＝17(t i －t)(y i －y )＝(－3)×(－1.4)＋(－2)×(－1)＋(－1)×(－0.7)＋0×0.1＋1×0.5＋2×0.9＋3×1.6＝14，b ^＝∑i ＝17t i －ty i －y∑i ＝17t i －t2＝1428＝0.5， a ^＝y －b ^t ＝4.3－0.5×4＝2.3.所求回归方程为y ^＝0.5t ＋2.3.(2)由(1)知，b ^＝0.5>0，故2007年至2013年该地区农村居民家庭人均纯收入逐年增加，平均每年增加0.5千元．将2015年的年份代号t ＝9代入(1)中的回归方程，得 y ^＝0.5×9＋2.3＝6.8，故预测该地区2015年农村居民家庭人均纯收入为6.8千元．课外拓展阅读 统计案例问题的规范答题[典例] [2013·福建卷]某工厂有25周岁以上(含25周岁)工人300名，25周岁以下工人200名．为研究工人的日平均生产量是否与年龄有关，现采用分层抽样的方法，从中抽取了100名工人，先统计了他们某月的日平均生产件数，然后按工人年龄在“25周岁以上(含25周岁)”和“25周岁以下”分为两组，再将两组工人的日平均生产件数分成5组：[50,60)，[60,70)，[70,80)，[80,90)，[90,100]分别加以统计，得到如图所示的频率分布直方图．(1)从样本中日平均生产件数不足60件的工人中随机抽取2人，求至少抽到一名“25周岁以下组”工人的概率；(2)规定日平均生产件数不少于80件者为“生产能手”，请你根据已知条件完成2×2列联表，并判断是否有90%的把握认为“生产能手与工人所在的年龄组有关”？P (K 2≥k 0)0.100 0.050 0.010 0.001 k 02.7063.8416.63510.828附：K 2＝a ＋bc ＋d a ＋cb ＋d.[审题视角] 由频率分布直方图列举基本事件，结合古典概型，求概率．利用独立性检验公式计算K 2.[解] (1)由已知得，样本中有25周岁以上组工人60名，25周岁以下组工人40名．所以，样本中日平均生产件数不足60件的工人中，25周岁以上组工人有60×0.05＝3(人)，记为A 1，A 2，A 3；25周岁以下组工人有40×0.05＝2(人)，记为B 1，B 2.从中随机抽取2名工人，所有的可能结果共有10种，它们是(A 1，A 2)，(A 1，A 3)，(A 2，A 3)，(A 1，B 1)，(A 1，B 2)，(A 2，B 1)，(A 2，B 2)，(A 3，B 1)，(A 3，B 2)，(B 1，B 2)．其中，至少有1名“25周岁以下组”工人的可能结果共有7种，它们是(A 1，B 1)，(A 1，B 2)，(A 2，B 1)，(A 2，B 2)，(A 3，B 1)，(A 3，B 2)，(B 1，B 2)．故所求的概率P ＝710.(2)由频率分布直方图可知，在抽取的100名工人中，“25周岁以上组”中的生产能手有60×0.25＝15(人)，“25周岁以下组”中的生产能手有40×0.375＝15(人)，据此可得2×2列联表如下：生产能手 非生产能手总计 25周岁以上组 15 45 60 25周岁以下组15 25 40 总计3070100所以K 2＝n ad －bc 2a ＋bc ＋d a ＋cb ＋d＝100×15×25－15×45260×40×30×70＝2514≈1.79. 因为1.79<2.706，所以没有90%的把握认为“生产能手与工人所在的年龄组有关”． [答题模板] 第1步：由分层抽样计算两组工人的数目； 第2步：由频率分布直方图计算两组不足60件的人数； 第3步：列举5人抽取2人的基本事件数； 第4步，由古典概型计算概率；第5步：统计生产能手与非生产能手，列2×2列联表； 第6步：由公式计算K 2，确定答案． 归纳总结(1)分层抽样比为100500＝15，故25周岁以上有300×15＝60(人)，25周岁以下的200×15＝40(人)，然后再根据频率计算“不足60件”的人数，并设定符号．(2)列2×2列联表时，其中的数字应先由频率分布直方图算出后再列表．。
第三讲变量间的相关关系、统计案例知识梳理·双基自测知识梳理知识点一回归分析(1)相关关系：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叫做相关关系．与函数关系不同，相关关系是一种_非确定性关系__.(2)散点图：表示具有_相关__关系的两个变量的一组数据的图形叫做散点图，它可直观地判断两变量的关系是否可以用线性关系表示．假如这些散点有y随x增大而增大的趋势，如此称两个变量_正相关__；假如这些散点有y随x增大而减小的趋势，如此称两个变量_负相关__.(3)回归方程：y^＝b^x＋a^，其中b^＝∑ni＝1x i y i－n x－y－∑n i＝1x2i－n x2，a^＝_y－－b^x__，它主要用来估计和预测取值，从而获得对这两个变量之间整体关系的了解．(4)相关系数：r＝∑ni＝1x i y i－n x－y－∑ni＝1x2i－n x2∑ni＝1y2i－n y2它主要用于相关量的显著性检验，以衡量它们之间的线性相关程度．当r＞0时表示两个变量正相关，当r＜0时表示两个变量负相关．|r|越接近1，明确两个变量的线性相关性_越强__；当|r|接近0时，明确两个变量间几乎不存在相关关系，相关性_越弱__.知识点二独立性检验(1)2×2列联表设X，Y为两个分类变量，它们的取值分别为{x1，x2}和{y1，y2}，其样本频数列联表(2×2列联表)如下：y1y2总计x1 a b a＋bx2 c d c＋d总计a＋c b＋d a＋b＋c＋d (2)独立性检验利用随机变量K2(也可表示为X2)＝n ad－bc2a＋b c＋d a＋c b＋d(其中n＝a＋b＋c＋d为样本容量)来判断“两个变量有关系〞的方法称为独立性检验．(3)独立性检验的一般步骤①根据样本数据列出2×2列联表；②计算随机变量K2的观测值k，查表确定临界值k0：③如果k≥k0，就推断“X与Y有关系\〞，这种推断犯错误的概率不超过P(K2≥k0)；否如此，就认为在犯错误的概率不超过P(K2≥k0)的前提下不能推断“X与Y有关\〞．重要结论1．回归分析是对具有相关关系的两个变量进展统计分析的方法，只有在散点图大致呈线性分布时，求出的线性回归方程才有实际意义，否如此，求出的线性回归方程毫无意义．根据回归方程进展预报，仅是一个预报值，而不是真实发生的值．2．独立性检验是对两个变量的关系的可信程度的判断，而不是对其是否有关系的判断．根据K2的值可以判断两个分类变量有关的可信程度，并用来指导科研和实际生活．双基自测题组一走出误区1．判断如下结论是否正确(请在括号中打“√〞或“×〞)(1)“名师出高徒〞可以解释为教师的教学水平与学生的水平成正相关关系．( √)(2)两个随机变量的线性相关性越强，相关系数的绝对值越接近于0.( ×)(3)只有两个变量有相关关系，所得到的回归模型才有预测价值．( √)(4)某同学研究卖出的热饮杯数y与气温x(℃)之间的关系，得回归方程y^x＋147.767，如此气温为2 ℃时，一定可卖出143杯热饮．( ×)(5)事件x，y关系越密切，如此由观测数据计算得到的K2的观测值越大．( √)(6)由独立性检验可知，在犯错误的概率不超过1%的前提下认为物理成绩优秀与数学成绩有关，某人数学成绩优秀，如此他有99%的可能物理优秀．( ×)题组二走进教材2．(P97T2)为调查中学生近视情况，测得某校男生150名中有80名近视，在140名女生中有70名近视．在检验这些学生眼睛近视是否与性别有关时，用如下哪种方法最有说服力( C )A．回归分析B．均值与方差C．独立性检验D．概率[解析]“近视〞与“性别〞是两类变量，其是否有关，应用独立性检验判断．3．(P81例1)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，为此进展了5次试验．根据收集到的数据(如下表)，由最小二乘法求得回归方程y^x＋54.9.零件数x(个)1020304050加工时间y(min)62758189 现发现表中有一个数据看不清，请你推断出该数据的值为_68__.[解析]由x－＝30，得y－×30＋54.9＝75.设表中的“模糊数字〞为a，如此62＋a＋75＋81＋89＝75×5，∴a＝68.题组三走向高考4．(2017·某某高考)为了研究某班学生的脚长x(单位：厘米)和身高y(单位：厘米)的关系，从该班随机抽取10名学生，根据测量数据的散点图可以看出y与x之间有线性相关关系，设其回归直线方程为y^＝b^x＋a^，10i＝1x i＝225，10i＝1y i＝1 600，b^＝4.该班某学生的脚长为24，据此估计其身高为( C ) A．160B．163C ．166D ．170[解析]由题意知y ^＝4x ＋a ^又x ＝22.5，y ×4＋a ^，∴a ^＝70，因此y ^＝4x ＋70，当x ＝24时，y ^＝4×24＋70＝166，应当选C ．5．(2019·高考全国Ⅰ卷)某商场为提高服务质量，随机调查了50名男顾客和50名女顾客，每位顾客对该商场的服务给出满意或不满意的评价，得到下面列联表：满意 不满意 男顾客 40 10 女顾客3020(1)分别估计男、女顾客对该商场服务满意的概率；(2)能否有95%的把握认为男、女顾客对该商场服务的评价有差异？ 附：K 2＝n ad －bc2a ＋bc ＋da ＋cb ＋d .P (K 2≥k ) k[解析](1)由调查数据，男顾客中对该商场服务满意的比率为4050＝0.8，因此男顾客对该商场服务满意的概率的估计值为0.8. 女顾客中对该商场服务满意的比率为3050＝0.6，因此女顾客对该商场服务满意的概率的估计值为0.6. (2)由题可得K 2＝100×40×20－30×10250×50×70×30≈4.762.由于4.762>3.841，故有95%的把握认为男、女顾客对该商场服务的评价有差异．考点突破·互动探究考点一相关关系的判断——自主练透例1 (1)(2021·某某资阳模拟)在一次对人体脂肪含量和年龄关系的研究中，研究人员获得了一组样本数据，并制作成如下列图的人体脂肪含量与年龄关系的散点图．根据该图，如下结论中正确的答案是( B )A．人体脂肪含量与年龄正相关，且脂肪含量的中位数等于20%B．人体脂肪含量与年龄正相关，且脂肪含量的中位数小于20%C．人体脂肪含量与年龄负相关，且脂肪含量的中位数等于20%D．人体脂肪含量与年龄负相关，且脂肪含量的中位数小于20%(2)对四组数据进展统计，获得以下关于其相关系数的比拟，正确的答案是( A )A．r2<r4<0<r3<r1B．r4<r2<0<r1<r3C．r4<r2<0<r3<r1D．r2<r4<0<r1<r3[解析](1)观察图形，可知人体脂肪含量与年龄正相关，且脂肪含量的中位数小于20%，应当选B．(2)由相关系数的定义与散点图所表达的含义，可知r2<r4<0<r3<r1.应当选A．名师点拨判断两个变量正、负相关性的方法(1)画散点图：点的分布从左下角到右上角，两个变量正相关；点的分布从左上角到右下角，两个变量负相关．(2)相关系数：r >0时，正相关；r <0时，负相关．(3)线性回归直线方程中：b ^>0时，正相关；b ^<0时负相关． 考点二 线性回归分析——师生共研例2 (1)(多项选择题)(2021·湖湘名校教育联合体联考)2020年3月15日，某市物价部门对5家商场的某商品一天的销售量与其价格进展调查，5家商场的售价x (元)和销售量y (件)之间的一组数据如表所示：价格x 91011 销售量y1110865按公式计算，y 与x 的回归直线方程是：y x ＋a ，相关系数|r |＝0.986，如此如下说法正确的有( ABC )A ．变量x ，y 线性负相关且相关性较强B ．a ^＝40C ．当x ＝8.5时，y(2)(2020·全国Ⅱ)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200个地块，从这些地块中用简单随机抽样的方法抽取20个作为样区，调查得到样本数据(x i ，y i )(i ＝1,2，…，20)，其中x i 和y i 分别表示第i 个样区的植物覆盖面积(单位：公顷)和这种野生动物的数量，并计算得i ＝120xi ＝60，∑i ＝120y i ＝1 200，i ＝120(x i －x －)2＝80，i ＝120(y i －y －)2＝9 000，i＝120(x i －x －)(y i －y －)＝800. ①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)；②求样本(x i ，y i )(i ＝1,2，…，20)的相关系数(准确到0.01)；③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．附：相关系数r ＝i ＝1nx i －x－y i －y－i ＝1nx i －x－2i ＝1ny i －y－2，2≈1.414.[解析](1)对A ，由表可知y 随x 增大而减少，可认为变量x ，y 线性负相关，且相关性强，故A 正确．对B ，价格平均x －＝15(9＋9.5＋10＋10.5＋11)＝10，销售量y －＝15×10＋a ^⇒a ^＝40，故B 正确．对C ，当x ＝8.5时，y ^×8.5＋40＝12.8，故C 正确．对D ，相应于点(10,8)的残差约为e ^×10.5＋40)＝－0.4，故D 不正确．应当选ABC ．(2)①样区野生动物平均数为 120∑i ＝120y i ＝120×1 200＝60，地块数为200，该地区这种野生动物的估计值为200×60＝12 000. ②样本(x i ，y i )的相关系数为r ＝i ＝120x i －x－y i －y－i ＝120x i －x－2i ＝120y i －y－2＝80080×9 000＝223≈0.94.③由于各地块间植物覆盖面积差异较大，为提高样本数据的代表性，应采用分层抽样，先将植物覆盖面积按优中差分成三层，在各层内按比例抽取样本，在每层内用简单随机抽样方法抽取样本即可．名师点拨线性回归分析问题的类型与解题方法(1)求线性回归方程：①利用公式，求出回归系数b^，a^.②待定系数法：利用回归直线过样本点中心求系数．(2)利用回归方程进展预测：把回归直线方程看作一次函数，求函数值．(3)利用回归直线判断正、负相关：决定正相关还是负相关的是系数b^.〔变式训练1〕(2021·某某六校教育研究会素质测试)某商场近5个月的销售额和利润额如表所示：销售额x/千万元35679利润额y/百万元1334 5(1)画出散点图，观察散点图，说明两个变量有怎样的相关关系；(2)求出利润额y关于销售额x的回归直线方程；(3)当销售额为4千万元时，利用(2)的结论估计该商场的利润额(百万元)．b^＝∑i＝1nx i y i－n x－y－∑i＝1nx2i－n x－2＝i＝1n x i－x－y i－y－i＝1n x i－x－2，a^＝y－－b x－.[解析](1)散点图如下列图：两个变量正相关，且具有线性相关关系．(2)易求x－＝6，y－＝3.2，由公式有b^＝3×2.2＋1×0.2＋0＋1×0.8＋3×32＋12＋12＋32＝1320＝0.65，且a^×6＝－0.7，如此线性回归方程为y^x－0.7，(3)当x＝4时，由(1)可求得y^＝1.9，即利润额约为1.9百万元．考点三独立性检验——师生共研例3 (1)(2020·新高考Ⅰ2浓度(单位：μg/m3)，得下表：SO2[0,50](50,150](150,475][0,35]3218 4(35,75]6812(75,115]37102150〞的概率；②根据所给数据，完成下面的2×2列联表：SO2[0,150](150,475][0,75](75,115]③根据②中的列联表，判断是否有99%2浓度有关．附：K2＝n ad－bc2a＋b c＋d a＋c b＋d，P(K2≥k)k(2)(2021·某某某某宝安区调研)2020年寒假是特殊的寒假，因为抗击疫情全体学生只能在家进展网上在线学习，为了研究学生在网上学习的情况，某学校在网上随机抽取120名学生对线上教学进展调查，其中男生与女生的人数之比为11∶13，其中男生30人对于线上教学满意，女生中有15名表示对线上教学不满意．①完成2×2列联表，并回答能否有99%的把握认为对“线上教学是否满意与性别有关〞；满意不满意总计男生30女生15合计120②从被调查的对线上教学满意的学生中，利用分层抽样抽取8名学生，再在8名学生中抽取3名学生，作线上学习的经验介绍，其中抽取男生的个数为ξ，求出ξ的分布列与期望值．参考公式：附：K2＝n ad－bc2a＋b a＋c b＋d c＋dP(K2>k)k 10 828 [2超过150的天数为32＋18＋6＋8＝64，因此，该市一天空气中PM2.5浓度不超过75，且SO2浓度不超过150的概率的估计值为64100＝0.64.②根据抽查数据，可得2×2列联表：SO2[0,150](150,475][0,75] 64 16 (75,115]1010③根据②的列联表得 K 2＝100×64×10－16×10280×20×74×26≈7.484.由于7.484>6.635，故有99%2浓度有关． (2)①因为男生人数为：120×1111＋13＝55，所以女生人数为120－55＝65， 于是可完成2×2列联表，如下：满意 不满意 总计 男生 30 25 55 女生 50 15 65 合计8040120根据列联表中的数据，得到K 2的观测值 K 2＝120×30×15－25×50255×65×80×40＝960143≈6.713>6.635， 所以有99%的把握认为对“线上教学是否满意与性别有关〞． ②由①可知男生抽3人，女生抽5人，依题可知ξ的可能取值为0,1,2,3，并且ξ服从超几何分布，P (ξ＝k )＝C k 3C 3－k 5C 38(k ＝0,1,2,3)，即P (ξ＝0)＝C 35C 38＝528，P (ξ＝1)＝C 25C 13C 38＝1528P (ξ＝2)＝C 15C 23C 38＝1556，P (ξ＝3)＝C 33C 38＝156.可得分布列为ξ 0 1 2 3 P52815281556156 ∴E (ξ)＝0×528＋1×1528＋2×1556＋3×156＝98.名师点拨解独立性检验的应用问题的关注点(1)两个明确：①明确两类主体．②明确研究的两个问题． (2)两个关键：①准确列出2×2列联表：②准确理解K 2.注意：查表时不是查最大允许值，而是先根据题目要求的百分比找到第一行对应的数值，再将该数值对应的k 值与求得的K 2相比拟．另外，表中第一行数据表示两个变量没有关联的可能性p ，所以其有关联的可能性为1－p .〔变式训练2〕(2021·某某某某调研)某土特产超市为预估2020年元旦期间游客购置土特产的情况，对2019年元旦期间的90位游客购置情况进展统计，得到如下人数分布表.购置金额(元)[0,15) [15,30) [30,45) [45,60) [60,75) [75,90] 人数10152015201060元与性别有关；不少于60元 少于60元合计 男40 女18合计(2)为吸引游客，该超市推出一种优惠方案，购置金额不少于60元可抽奖3次，每次中奖概率为p (每次中奖互不影响，且p 的值等于人数分布表中购置金额不少于60元的频率)，中奖1次减5元，中奖2次减10元，中奖3次减15元．假如游客甲计划购置80元的土特产，请列出实际付款数X (元)的分布列并求其数学期望．附：参考公式和数据：K 2＝n ad －bc2a ＋bc ＋da ＋cb ＋d，n ＝a ＋b ＋c ＋d .附表：k 0 P (K 2≥k 0)[解析](1)2×2列联表如下：不少于60元少于60元合计 男 12 40 52 女 18 20 38 合计306090K 2＝90×12×20－40×18230×60×52×38＝1 440247>3.841， 因此有95%的把握认为购置金额是否少于60元与性别有关． (2)X 可能取值为65,70,75,80， 且p ＝10＋2090＝13，P (X ＝65)＝C 33⎝ ⎛⎭⎪⎫133＝127， P (X ＝70)＝C 23⎝ ⎛⎭⎪⎫132×23＝29，P (X ＝75)＝C 13×13×⎝ ⎛⎭⎪⎫232＝49， P (X ＝80)＝C 03⎝ ⎛⎭⎪⎫233＝827， 所以X 的分布列为X 65 70 75 80 P (X )1272949827 E (X )＝65×127＋70×29＋75×49＋80×827＝75.名师讲坛·素养提升 非线性回归问题例4(2020·某某乌兰察布等五市调研)一个调查学生记忆的研究团队从某中学随机挑选100名学生进展记忆测试，通过讲解100个陌生单词后，相隔十分钟进展听写测试，间隔时间t (分钟)和答对人数y 的统计表格如下：时间t (分钟) 10 20 30 40 50 60 70 80 90 100 答对人数y 987052363020151155 lg y时间t 与答对人数y 的散点图如图：附：∑n ＝110t 2i ＝38 500，∑n ＝110y i ＝342，∑n ＝110lg y i ＝13.5，∑n ＝110t i y i ＝10 960，∑n ＝110t i lg y i ＝620.9，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 ＝1nu i v i －n u －v －∑i ＝1nu 2i －n u －2，α^＝v －－β^u －.请根据表格数据回答如下问题：(1)根据散点图判断，y ＝at ＋b 与lg y ＝ct ＋d ，哪个更适宣作为线性回归类型？(给出判断即可，不必说明理由)(2)根据(1)的判断结果，建立y 与t 的回归方程；(数据保存3位有效数字)(3)根据(2)请估算要想记住75%的内容，至多间隔多少分钟重新记忆一遍．(参考数据：lg 2≈0.3，lg 3≈0.48)[解析](1)由图象可知，lg y ＝ct ＋d 更适宜作为线性回归类型； (2)设lg y ＝ct ＋d ，根据最小二乘法得c ＝∑i ＝110t i lg y i －10t －lg y ∑i ＝110t 2i －10t －2＝620.9－10×55×38 500－10×552≈－0.014 7，d ＝lg y －c t －≈2.16， 所以lg y ＝－0.014 7t ＋2.16， 因此y ＝10－0.014 7t ；(3)由题意知y ＝10－0.014 7t ≥75， 即－0.014 7t ≥2＋lg 3－2lg 2≈1.88，解得t ≤19.05，即至多19.05分钟，就需要重新复习一遍．名师点拨非线性相关问题一般通过换元法转化为线性相关(线性回归分析)问题解决． 〔变式训练3〕(2020·课标Ⅰ)某校一个课外学习小组为研究某作物种子的发芽率y 和温度x (单位：℃)的关系，在20个不同的温度条件下进展种子发芽实验，由实验数据(x i，y i)(i＝1,2， (20)得到下面的散点图：由此散点图，在10 ℃至40 ℃之间，下面四个回归方程类型中最适宜作为发芽率y和温度x的回归方程类型的是( D )A．y＝a＋bx B．y＝a＋bx2C．y＝a＋b e x D．y＝a＋b ln x[解析]观察题中散点图可知，散点图用光滑曲线连接起来比拟接近对数型函数的图象，应当选D．。
