《[最新]高中数学人教B版选修23教学案：3.2 回归分析》由会员分享，可在线阅读，更多相关《[最新]高中数学人教B版选修23教学案：3.2 回归分析（12页珍藏版）》请在金锄头文库上搜索。
1、精品精品资料精品精品资料_3.2回归分析 1线性模型在回归直线方程x中，.其中i，i，(，)称为样本点的中心2线性相关性检验(1)对于变量x与Y随机抽取到的n对数据(x1，y1)，(x2，y2)，(xn，yn)，检验统计量是样本相关系数rr具有以下性质：|r|1，并且r越接近1，线性相关程度越强；|r|越接近0，线性相关程度越弱(2)检验步骤如下：作统计假设：x与Y不具有线性相关关系根据小概率0.05与n2在附表中查出r的一个临界值r0.05.根据样本相关系数计算公式算出r的值作出统计推断如果|r|r0.05，表明有95%把握认为x与Y之间具有线性相关关系如果|r|r0.05，我们没有理由拒绝
2、原来的假设这时寻找回归直线方程是毫无意义的1判断变量之间的线性相关关系，一般用散点图，但在作图中，由于存在误差，有时很难判断这些点是否分布在一条直线的附近，从而就很难判断两个变量之间是否具有线性相关关系，此时就必须利用样本相关系数来判断2|r|越接近1，它们的散点图越接近一条直线，这时用线性回归模型拟合这组数据的效果就越好3样本相关系数r只能描述两个变量之间的变化方向及密切程度，不能揭示二者之间的本质联系4样本相关系数r可以定量地反映出变量间的相关程度，明确的给出有无必要建立两变量间的回归方程 求回归直线方程例1某种产品的广告费用支出x与销售额Y(单位：百万元)之间有如下的对应数据：x/百万元
3、24568Y/百万元3040605070(1)画出散点图；(2)求回归直线方程；(3)试预测广告费用支出为10百万元时，销售额多大？思路点拨(1)按表中的数据在平面直角坐标系中描点即得散点图；(2)由公式求出，写出回归直线方程；(3)利用回归方程分析精解详析(1)散点图如图所示：(2)列出下表，并用科学计算器进行有关计算：i12345合计xi2456825yi3040605070250xiyi601603003005601 380x416253664145所以，5，50，145，iyi1 380.于是可得6.5， 506.5517.5.所以所求的线性回归方程为6.5x17.5.(3)根据上面求
4、得的线性回归方程，当广告费用支出为10百万元时，6.51017.582.5(百万元)，即广告费用支出为10百万元时，销售额大约为82.5百万元一点通求线性回归方程的步骤：(1)列表表示xi，yi，xiyi；(2)计算，iyi；(3)代入公式计算，的值；(4)写出线性回归方程1已知线性回归方程为22.5x，则x25时，y的估计值为_解析：当x25时，22.52560.5，即y的估计值为60.5.答案：60.52在研究硝酸钠的可溶性程度时，对不同的温度观测它在水中的溶解度，得观测结果如下表：温度(x)010205070溶解度(y)66.776.085.0112.3128.0由此得到回归直线的斜率是
5、0.880 9，则线性回归方程为_解析：因为线性回归方程0.880 9x过样本点的中心(30,93.6)，所以67.173, 0.880 9x67.173.答案：0.880 9x67.173相关性检验例2炼钢是一个氧化降碳的过程，钢水含碳量的多少直接影响冶炼时间的长短，必须掌握钢水含碳量和冶炼时间的关系如果已测得炉料熔化完毕时钢水的含碳量x与冶炼时间Y(从炉料熔化完毕到出钢的时间)的一组数据，如下表所示：x(0.01%)104180190177147134150191204121Y(min)100200210185155135170205235125作出散点图，你能从散点图中发现含碳量与冶炼时
6、间的一般规律吗？思路点拨判断两变量之间是否具有相关关系，要计算出相关系数r，比较r与临界值的大小精解详析由已知数据列成下表.i12345678910xi104180190177147134150191204121yi100200210185155135170205235125xiyi10 40036 00039 90032 74522 78518 09025 50039 15547 94015 125159.8，172，26 5448，31 2350，iyi28 7640于是r0.990 6.又查表知相应于显著性水平0.05和n2的相关系数临界值r0.050.632.由rr0.05知，Y与x具
7、有线性相关关系一点通已知x与Y呈线性相关关系，就无需进行相关性检验，否则要进行相关性检验如果两个变量不具备相关关系，或者相关关系不显著，即使求出回归直线方程也是毫无意义的，用其估计和预测也是不可信的如果通过散点图能发现线性相关关系，也可以避免求相关系数的麻烦3某厂的生产原料耗费x(单位：百万元)与销售额Y(单位：百万元)之间有如下的对应关系：x2468Y30405070x与Y之间是否具有线性相关关系？若有，求其回归直线方程解：画出(x，y)的散点图如图所示，由图可知x，Y有线性关系5，47.5，120，9 900，iyi1 080，r0.982 7.|r|0.982 7r0.050.950，从
8、而有95%的把握认为x与Y之间具有线性相关关系，由公式得回归系数6.5， 47.56.5515.故Y对x的回归直线方程为6.5x15.非线性回归问题例3(12分)下表为收集到的一组数据：x21232527293235Y711212466115325试建立Y与x之间的回归方程思路点拨画出散点图或进行相关性检验，确定两变量x，Y是否线性相关由散点图得x，Y之间的回归模型，求回归方程精解详析作出散点图，如图从散点图中可以看出x与Y不具有线性相关关系，根据已有知识可以发现样本点分布在某一条指数函数曲线yc1ec2x的周围，其中c1，c2为待定的参数(5分)对两边取对数，把指数关系变为线性关系令Zln
9、Y，则变换后的样本点分布在直线zbxa(aln c1，bc2)的周围，这样就可以利用线性回归模型来建立非线性回归方程了，数据可以转化为：x21232527293235Z1.9462.3983.0453.1784.1904.7455.784求得线性回归方程为0.272x3.849，(10分)e0.272x3.849.(12分)一点通非线性回归问题有时并不给出经验公式，这时我们可以画出已知数据的散点图，把它与已经学过的各种函数(幂函数、指数函数、对数函数等)图象作比较，挑选一种跟这些散点拟合得最好的函数，然后像本例这样，采用适当的变量变换，把问题化为线性回归分析问题，使之得到解决4某地区不同身高的
10、男性的体重平均值如下表：身高x/cm60708090100110体重Y/kg6.137.909.9912.1515.0217.50身高x/cm120130140150160170体重Y/kg20.9226.8631.1138.8547.2555.05(1)试建立Y与x之间的回归方程；(2)若体重超过相同身高男性体重平均值的1.2倍为偏胖，低于0.8倍为偏瘦，那么这个地区一名身高为175 cm体重为82 kg的在校男生体重是否正常？解：(1)根据上表中的数据画出散点图(如图所示)由图可看出，样本点分布在某条指数函数曲线yc1ec2x的周围，于是令Zln Y，得下表：x60708090100110
11、Z1.812.072.302.502.712.86x120130140150160170Z3.043.293.443.663.864.01作出散点图如图所示由表中数据可得Z与x之间的回归直线方程为0.6930.020x，则有e0.6930.020x.(2)当x175时，预测平均体重为e0.6930.02017566.22，由于66.221.279.46482，所以这个男生偏胖1判断变量的相关性通常有两种方式：一是散点图，二是相关系数r，前者只能粗略的说明变量间具有相关性，而后者从定量的角度分析变量相关性的强弱2应用回归方程时应注意：(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
12、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，一般不能超过这个适用范围，否则，将没有实用价值；(4)不能期望回归方程得到的预报值就是预报变量的准确值，事实上，它是预报变量的可能取值的平均值3建立回归模型的基本步骤如下：(1)确定研究对象(2)画出散点图，观察它们之间的关系(3)由经验确定好回归方程的类型(4)按照一定的规则估计回归方程中的参数 1以下四个散点图中，两个变量的关系适合用线性回归模型刻画的是()ABC D解析：中的点分布在一条直线附近，适合线性回归模型答案：B2设两个变量x和Y之间具有线性相关关系，它们的相关系数是r，Y关于x的回归直线方程的回归系数为，回
13、归截距是，那么必有()A.与r的符号相同B.与r的符号相同C.与r的符号相反 D.与r的符号相同解析：由公式可知与r的符号相同答案：A3某产品的广告费用x与销售额y的统计数据如下表：广告费用x(万元)4235销售额y(万元)49263954根据上表可得回归方程x中的为9.4，据此模型预报广告费用为6万元时销售额为()A63.6万元 B65.5万元C67.7万元 D72.0万元解析：样本点的中心是(3.5,42)，则429.43.59.1，所以回归直线方程是9.4x9.1，把x6代入得65.5(万元)答案：B4(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：父亲身高x(cm)1
