22 变量间的相关关系与统计案例-艺考生文化课百日冲刺

合集下载

高三数学(文)一轮复习课件：变量间的相关关系、统计案例

2/18/2020
某商品销售量 y（件）与销售价格 x（元/件）负相关，
则其回归方程可能是（）
A. yˆ 10x 200
B. yˆ 10x 200
C. yˆ 10x 200
D. yˆ 10x 200
【解析】 ∵商品销售量 y（件）与销售价格 x（元/件）负相关，∴a<0，排除 B，D.又∵x=0 时，y>0 ,∴排除 C，答案为 A. 【答案】 A
10.3 变量间的相关关系、统计案例
1.两个变量的线性相关（1）正相关在散点图中，点散布在从左下角到右上角的区域，对于两个变量的这种相关关系，我们将它称为正相关. （2）负相关在散点图中，点散布在从左上角到右下角的区域，对于两个变量的这种相关关系，我们将它称为负相关.
2/18/2020
和b为模型的_未__知__参__数___，_e__称为随机误差．
2/18/2020
(4)相关系数
n
xi－ x yi－ y
i＝1
n
n
xi－ x 2 yi－ y 2
i＝1
i＝1
①r＝____________________________；
②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__．
2/18/2020
有甲、乙两个班级进行数学考试，按照大于等于 85 分为优秀，85
分以下为非优秀统计成绩后，得到如下的列联表.
优秀
非优秀
总计
甲班
10
乙班
30
合计 105
已知从全部 105 人中随机抽取 1 人为优秀的概率为 2 . 7
(1)请完成上面的列联表；

2022年新高考数学总复习：变量间的相关关系、统计案例

2022年新高考数学总复习：变量间的相关关系、统计案例知识点一回归分析(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．若这些散点有y 随x 增大而增大的趋势，则称两个变量__正相关__；若这些散点有y 随x 增大而减小的趋势，则称两个变量__负相关__．(3)回归方程：y ^＝b ^x ＋a ^，其中b ^＝∑ni ＝1x i y i －n x －y －∑ni ＝1x 2i －n x 2，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 ＝1x 2i －n x 2)(∑ni ＝1y 2i －n y 2)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，表明两个变量的线性相关性__越强__；当|r |接近0时，表明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{x 1，x 2}和{y 1，y 2}，其样本频数列联表(2×2列联表)如下：(2)独立性检验利用随机变量K 2(也可表示为X 2)＝n (ad －bc )2(a ＋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K 2的观测值k ，查表确定临界值k 0：③如果k ≥k 0，就推断“X 与Y 有关系\”，这种推断犯错误的概率不超过P (K 2≥k 0)；否则，就认为在犯错误的概率不超过P (K 2≥k 0)的前提下不能推断“X 与Y 有关\”．归纳拓展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分布时，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K 2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．判断下列结论是否正确(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 ^＝－2.352x ＋147.767，则气温为2 ℃时，一定可卖出143杯热饮．( × )(5)事件x ，y 关系越密切，则由观测数据计算得到的K 2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，则他有99%的可能物理优秀．( × )题组二走进教材2．(P 97T2)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，用下列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．(P 81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，为此进行了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 ^＝0.67x ＋54.9．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 －＝0.67×30＋54.9＝75．设表中的“模糊数字”为a ，则62＋a ＋75＋81＋89＝75×5，∴a ＝68．题组三走向高考4．(2017·山东高考)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 ^，已知∑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 ＝160，因此160＝22.5×4＋a ^，∴a ^＝70，因此y ^＝4x ＋70，当x ＝24时，y ^＝4×24＋70＝166，故选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：(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 －bc )2(a ＋b )(c ＋d )(a ＋c )(b ＋d )．[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×(40×20－30×10)250×50×70×30≈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)(2021·四川资阳模拟)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，并制作成如图所示的人体脂肪含量与年龄关系的散点图．根据该图，下列结论中正确的是(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)对四组数据进行统计，获得以下关于其相关系数的比较，正确的是(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%，故选B．(2)由相关系数的定义及散点图所表达的含义，可知r2＜r4＜0＜r3＜r1．故选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)(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及其价格进行调查，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 9 9.5 10 10.5 11 按公式计算，y 与x 的回归直线方程是：y ＝－3.2x ＋a ，相关系数|r |＝0.986，则下列说法不正确．．．的是( D ) 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 的估计值为12.8D ．相应于点(10.5,6)的残差约为0.4[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(11＋10＋8＋6＋5)＝8．故回归直线恒过定点(10,8)，故8＝－3.2×10＋a ^⇒a ^＝40，故B 正确．对C ，当x ＝8.5时，y ^＝－3.2×8.5＋40＝12.8，故C 正确．对D ，相应于点(10,8)的残差约为e ^＝6－(－3.2×10.5＋40)＝－0.4，故D 不正确．故选D ．名师点拨线性回归分析问题的类型及解题方法(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)利用回归方程进行预测：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·安徽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：(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 ＝1nx 2i －n (x －)2＝∑i ＝1n(x i －x －)(y i －y －)∑i ＝1n(x i －x －)2，a ^＝y －－b x －．[解析] (1)散点图如图所示：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＋3×1.832＋12＋12＋32＝1320＝0.65，且a ^＝3.2－0.65×6＝－0.7，则线性回归方程为y ^＝0.65x －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Ⅰ，19)为加强环境保护，治理空气污染，环境监测部门对某市空气质量进行调研，随机抽查了100天空气中的PM2.5和SO 2浓度(单位：μg/m 3)，得下表：SO①估计事件“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；②根据所给数据，完成下面的2×2列联表：SO2浓度有关．附：K2＝n(ad－bc)2(a＋b)(c＋d)(a＋c)(b＋d)，(2)某校推迟2020年的春季线下开学，并采取了“停课不停学”的线上授课措施．为了解学生对线上课程的满意程度，随机抽取了该校的100名学生(男生与女生的人数之比为3∶2)对线上课程进行评价打分，若评分不低于80分视为满意，其得分情况的频率分布直方图如图所示，若根据频率分布直方图得到的评分不低于70分的频率为0.85．①估计100名学生对线上课程评分的平均值；(每组数据用该组的区间中点值为代表)②结合频率分布直方图，请完成以下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”；K2＝n(ad－bc)2(a＋b)(c＋d)(a＋c)(b＋d)，其中n ＝a ＋b ＋c ＋d ．[解析] (1)①根据抽查数据，该市100天的空气中PM2.5浓度不超过75，且SO 2浓度不超过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SO 2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：K 2＝100×(64×10－16×10)280×20×74×26≈7.484．由于7.484＞6.635，故有99%的把握认为该市一天空气中PM2.5浓度与SO 2浓度有关． (2)①由已知得(0.015＋b ＋0.03)×10＝0.85，解得b ＝0.04，又(0.005＋a )×10＝1－0.85，解得a ＝0.01，评分的平均值为55×0.05＋65×0.1＋75×0.3＋85×0.4＋95×0.15＝80． ②完成2×2列联表如下表：K 2＝100×(10×25－35×30)55×45×60×40≈10.774＞6.635，∴有99%的把握认为对“线上教学是否满意与性别有关”．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K2．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K2相比较．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·广西钦州、崇左质检)某出租汽车公司决定更换一批新的小汽车以代替原来的报废的出租车，现有A，B两款车型，根据以往这两种出租车车型的数据，得到两款出租车型使用寿命频数表如下：(1)填写下表，并判断是否有99%的把握认为出租车的使用寿命年数与汽车车型有关？(2)司机师傅小李准备在一辆开了3年的A型车和一辆开了3年的B型车中选择，为了尽最大可能实现3年内(含3年)不换车，试通过计算说明，他应如何选择．参加公式：K2＝n(ad－bc)2(a＋b)(c＋d)(a＋c)(b＋d)，其中n＝a＋b＋c＋d．参考数据：[解析](1)根据题目所给数据得到如下2×2的列联考：K 2＝200×(30×50－70×50)2100×100×80×120≈8.33＞6.635，所以有99%的把握认为出租车的使用寿命年数与汽车车型有关；(2)记事件A 1，A 2分别表示小李选择A 型出租车和B 型出租车时，3年内(含3年)换车，由表知P (A 1)＝10＋20＋45100＝0.75，P (A 2)＝15＋35＋40100＝0.9，因为P (A 1)＜P (A 2)，所以小李应选择A 型出租车．。

2020新课标高考艺术生数学复习教师用书：第八章第3节变量间的相关关系与统计案例

第3节　变量间的相关关系与统计案例最新考纲核心素养考情聚焦1.会作两个相关变量的数据的散点图，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．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1.相关关系的判断，达成直观想象和数据分析的素养．2.回归方程的求法及回归分析，增强逻辑推理、数据分析和数学运算的素养．3.独立性检验，增强逻辑推理、数据分析和数学运算的素养　预计2020年的高考将以选择题、填空题的形式考查线性回归系数或利用线性回归方程进行预测；在给出临界值的情况下判断两个变量是否相关；在解答题中与频率分布相结合，考察线性回归方程的建立及应用和独立性检验的应用，难度中等1．相关关系与回归分析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常用方法；判断相关性的常用统计图是　散点图　；统计量有相关系数与相关指数．(1)在散点图中，点散布在从　左下角　到　右上角　的区域，对于两个变量的这种相关关系，我们将它称为正相关．(2)在散点图中，点散布在从　左上角　到　右下角　的区域，两个变量的这种相关关系称为负相关．(3)如果散点图中点的分布从整体上看大致在　一条直线　附近，称两个变量具有线性相关关系．2．线性回归方程(1)最小二乘法：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．3．残差分析(1)残差：对于样本点(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，它们的随机误差为e i ＝y i －bx i －a ，i ＝1,2，…，n ，其估计值为i ＝y i －i ＝y i －x i －，i ＝1,2，…，n .i 称为相应e ^ y ^ b ^ a ^ e^ 于点(x i ，y i )的残差．4．独立性检验(1)利用随机变量K 2来判断“两个分类变量　有关系　”的方法称为独立性检验．(2)列联表：列出的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{x 1，x 2}和{y 1，y 2}，其样本频数列联表(2×2列联表)为y 1y 2总计x 1a b a ＋b x 2c d c ＋d 总计a ＋cb ＋da ＋b ＋c ＋d　则随机变量K 2＝，其中n ＝　a ＋b ＋c ＋d 为样本容n (ad －bc )2(a ＋b )(a ＋c )(b ＋d )(c ＋d )量．(3)步骤如下①计算随机变量K 2的观测值k ，查表确定临界值k 0：P (K 2≥k 0)0.50.400.250.150.100.050.0250.0100.0050.001k 00.4550.7081.3232.0722.7063.8415.0246.6357.87910.828②如果k ≥k 0，就推断“X 与Y 有关系”，这种推断犯错误的概率不超过P (K 2≥k 0)；否则，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有关系”。

高考知识点变量间的相关关系与统计案例

第3节变量间的相关关系与统计案例最新考纲 1.会作两个有关联变量的数据的散点图，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(线性回归方程系数公式不要求记忆)；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.知识梳理1.相关关系与回归分析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常用方法；判断相关性的常用统计图是：散点图；统计量有相关系数与相关指数.(1)在散点图中，点散布在从左下角到右上角的区域，对于两个变量的这种相关关系，我们将它称为正相关.(2)在散点图中，点散布在从左上角到右下角的区域，两个变量的这种相关关系称为负相关.(3)如果散点图中点的分布从整体上看大致在一条直线附近，称两个变量具有线性相关关系.2.线性回归方程(1)最小二乘法：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.(2)回归方程：两个具有线性相关关系的变量的一组数据：(x1，y1)，(x2，y2)，…，(x n，y n)，其回归方程为y^＝b^x＋a^，则^是回归方程的斜率，a^是在y轴上的截距.其中，b回归直线一定过样本点的中心(x，y).3.回归分析(1)定义：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.(2)样本点的中心：对于一组具有线性相关关系的数据(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，其中(x ，y )称为样本点的中心. (3)相关系数当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1，表明两个变量的线性相关性越强.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.(4)相关指数：其中21()ni i i y y =-∑是残差平方和，其值越小，则R 2越大(接近1)，模型的拟合效果越好. 4.独立性检验(1)利用随机变量K 2来判断“两个分类变量有关系”的方法称为独立性检验. (2)列联表：列出的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{x 1，x 2}和{y 1，y 2}，其样本频数列联表(2×2列联表)为则随机变量K 2＝n （ad －bc ）2（a ＋b ）（a ＋c ）（b ＋d ）（c ＋d ），其中n ＝a ＋b ＋c ＋d 为样本容量.[常用结论与微点提醒]1.求解回归方程的关键是确定回归系数a ^，b ^，应充分利用回归直线过样本中心点(x ，y ).2.根据K 2的值可以判断两个分类变量有关的可信程度，若K 2越大，则两分类变量有关的把握越大.3.根据回归方程计算的y^值，仅是一个预报值，不是真实发生的值.诊断自测1.思考辨析(在括号内打“√”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)通过回归直线方程y^＝b^x＋a^可以估计预报变量的取值和变化趋势.()(3)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.()(4)事件X，Y关系越密切，则由观测数据计算得到的K2的观测值越大.()答案(1)√(2)√(3)×(4)√2.(必修3P90例题改编)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，所得数据如表：则y对x的线性回归直线方程为()A.y^＝2.3x－0.7B.y^＝2.3x＋0.7C.y^＝0.7x－2.3D.y^＝0.7x＋2.3解析易求x＝9，y＝4，样本点中心(9，4)代入验证，满足y^＝0.7x－2.3.答案 C3.两个变量y与x的回归模型中，分别选择了4个不同模型，它们的相关指数R2如下，其中拟合效果最好的模型是()A.模型1的相关指数R2为0.98B.模型2的相关指数R2为0.80C.模型3的相关指数R2为0.50D.模型4的相关指数R2为0.25解析在两个变量y与x的回归模型中，它们的相关指数R2越近于1，模拟效果越好，在四个选项中A的相关指数最大，所以拟合效果最好的是模型1.答案 A4.(2015·全国Ⅱ卷)根据下面给出的2004年至2013年我国二氧化硫年排放量(单位：万吨)柱形图，以下结论不正确的是()A.逐年比较，2008年减少二氧化硫排放量的效果最显著B.2007年我国治理二氧化硫排放显现成效C.2006年以来我国二氧化硫年排放量呈减少趋势D.2006年以来我国二氧化硫年排放量与年份正相关解析对于A选项，由图知从2007年到2008年二氧化硫排放量下降得最多，故A正确.对于B选项，由图知，由2006年到2007年矩形高度明显下降，因此B正确.对于C选项，由图知从2006年以后除2011年稍有上升外，其余年份都是逐年下降的，所以C正确.由图知2006年以来我国二氧化硫年排放量与年份负相关，D不正确.答案 D5.为了判断高中三年级学生是否选修文科与性别的关系，现随机抽取50名学生，得到如下2×2列联表：已知P(K2≥3.841)≈0.05，P(K2≥5.024)≈0.025.根据表中数据，得到K2的观测值k＝50×（13×20－10×7）223×27×20×30≈4.844.则认为选修文科与性别有关系出错的可能性为________.解析K2的观测值k≈4.844，这表明小概率事件发生.根据假设检验的基本原理，应该断定“是否选修文科与性别之间有关系”成立，并且这种判断出错的可能性约为5%.答案5%考点一相关关系的判断【例1】(1)已知变量x和y近似满足关系式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正相关，x与z负相关B.x与y正相关，x与z正相关C.x与y负相关，x与z负相关D.x与y负相关，x与z正相关(2)甲、乙、丙、丁四位同学各自对A，B两变量的线性相关性做试验，并用回归分析方法分别求得相关系数r与残差平方和m如下表：则哪位同学的试验结果体现A，B两变量有更强的线性相关性()A.甲B.乙C.丙D.丁解析(1)由y＝－0.1x＋1，知x与y负相关，即y随x的增大而减小，又y与z 正相关，所以z随y的增大而增大，减小而减小，所以z随x的增大而减小，x 与z负相关.(2)在验证两个变量之间的线性相关关系时，相关系数的绝对值越接近于1，相关性越强，在四个选项中只有丁的相关系数最大；残差平方和越小，相关性越强，只有丁的残差平方和最小，综上可知丁的试验结果体现了A，B两变量有更强的线性相关性.答案(1)C(2)D规律方法 1.散点图中如果所有的样本点都落在某一函数的曲线附近，变量之间就有相关关系.如果所有的样本点都落在某一直线附近，变量之间就有线性相关关系.若点散布在从左下角到右上角的区域，则正相关.2.利用相关系数判定，当|r|越趋近于1相关性越强.当残差平方和越小，相关指数R2越大，相关性越强.若r>0，则正相关；r<0时，则负相关.3.线性回归直线方程中：b^>0时，正相关；b^<0时，负相关.【训练1】(1)某公司在2018年上半年的收入x(单位：万元)与月支出y(单位：万元)的统计资料如下表所示：根据统计资料，则()A.月收入的中位数是15，x与y有正线性相关关系B.月收入的中位数是17，x与y有负线性相关关系C.月收入的中位数是16，x与y有正线性相关关系D.月收入的中位数是16，x与y有负线性相关关系(2)x和y的散点图如图所示，则下列说法中所有正确命题的序号为________.①x，y是负相关关系；②在该相关关系中，若用y＝c1e c2x拟合时的相关指数为R21，用y^＝b^x＋a^拟合时的相关指数为R22，则R21>R22；③x，y之间不能建立线性回归方程.解析(1)从统计图表中看出，月收入的中位数是12(15＋17)＝16，收入增加，则支出也增加，x与y正线性相关.(2)在散点图中，点散布在从左上角到右下角的区域，因此x，y是负相关关系，故①正确；由散点图知用y＝c1e c2x拟合比用y^＝b^x＋a^拟合效果要好，则R21>R22，故②正确；x，y之间可以建立线性回归方程，但拟合效果不好，故③错误.答案(1)C(2)①②考点二线性回归方程及应用【例2】(2015·全国Ⅰ卷)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.(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(u1，v1)，(u2，v2)，…，(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：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.规律方法 1.(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^必过样本点中心(x，y).2.(1)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.(2)本例中y 与x 不具有线性相关，先作变换，转化为y 与w 具有线性相关，求出y 关于w 的线性回归方程，然后进一步求解.【训练2】 (2018·日照调研)某地随着经济的发展，居民收入逐年增长，下表是该地一建设银行连续五年的储蓄存款(年底余额)，如下表1：表1为了研究计算的方便，工作人员将上表的数据进行了处理，t ＝x －2 012，z ＝y －5得到下表2：表2(1)求z 关于t 的线性回归方程；(2)通过(1)中的方程，求出y 关于x 的回归方程；(3)用所求回归方程预测到2022年年底，该地储蓄存款额可达多少？b ^＝45－5×3×2.255－5×9＝1.2，a ^＝z －b ^t －＝2.2－3×1.2＝－1.4，所以z ^＝1.2t －1.4.(2)将t＝x－2 012，z＝y－5，代入z^＝1.2t－1.4，得y－5＝1.2(x－2 012)－1.4，即y^＝1.2x－2 410.8.(3)因为y^＝1.2×2 022－2 410.8＝15.6，所以预测到2022年年底，该地储蓄存款额可达15.6千亿元.考点三独立性检验【例3】某高校共有学生15 000人，其中男生10 500人，女生4 500人.为调查该校学生每周平均体育运动时间的情况，采用分层抽样的方法，收集了300位学生每周平均体育运动时间的样本数据(单位：小时).(1)应收集多少位女生的样本数据？(2)根据这300个样本数据，得到学生每周平均体育运动时间的频率分布直方图(如图所示)，其中样本数据的分组区间为：[0，2]，(2，4]，(4，6]，(6，8]，(8，10]，(10，12].估计该校学生每周平均体育运动时间超过4小时的概率；(3)在样本数据中，有60位女生的每周平均体育运动时间超过4小时，请完成每周平均体育运动时间与性别列联表，并判断是否有95%的把握认为“该校学生的每周平均体育运动时间与性别有关”.附：K2＝n（ad－bc）2（a＋b）（c＋d）（a＋c）（b＋d）解(1)利用分层抽样，300×4 50015 000＝90，所以应收集90位女生的样本数据.(2)由频率分布直方图得1－2×(0.100＋0.025)＝0.75.所以该校学生每周平均体育运动时间超过4小时的概率的估计值为0.75.(3)由(2)知，300位学生中有300×0.75＝225人的每周平均体育运动时间超过4小时，75人的每周平均体育运动时间不超过4小时.又因为样本数据中有210份是关于男生的，90份是关于女生的，所以每周平均体育运动时间与性别列联表如下：将2×2列联表中的数据代入公式计算，得K 2的观测值 k ＝300×（45×60－165×30）275×225×210×90＝10021≈4.762＞3.841.所以，有95%的把握认为“该校学生的每周平均体育运动时间与性别有关”. 规律方法 1.在2×2列联表中，如果两个变量没有关系，则应满足ad －bc ≈0.|ad －bc |越小，说明两个变量之间关系越弱；|ad －bc |越大，说明两个变量之间关系越强.2.解决独立性检验的应用问题，一定要按照独立性检验的步骤得出结论.独立性检验的一般步骤：(1)根据样本数据制成2×2列联表： (2)根据公式K 2＝n （ad －bc ）2（a ＋b ）（a ＋c ）（b ＋d ）（c ＋d ）计算K 2的观测值k ；(3)比较观测值k 与临界值的大小关系，作统计推断.【训练3】 (2018·合肥质检)某校在高一年级学生中，对自然科学类、社会科学类校本选修课程的选课意向进行调查. 现从高一年级学生中随机抽取180名学生，其中男生105名；在这180名学生中选择社会科学类的男生、女生均为45名.(1)试问：从高一年级学生中随机抽取1人，抽到男生的概率约为多少？ (2)根据抽取的180名学生的调查结果，完成下面的2×2列联表.并判断能否在犯错误的概率不超过0.025的前提下认为科类的选择与性别有关？附：K 2＝n （ad －bc ）2（a ＋b ）（c ＋d ）（a ＋c ）（b ＋d ），其中n ＝a ＋b ＋c ＋d .解 (1)从高一年级学生中随机抽取1人，抽到男生的概率约为105180＝712. (2)根据统计数据，可得2×2列联表如下：则K 2的观测值为k ＝180×（60×45－30×45）2105×75×90×90＝367≈5.142 9>5.024，所以能在犯错误的概率不超过0.025的前提下认为科类的选择与性别有关.基础巩固题组 (建议用时：40分钟)一、选择题1.为了判定两个分类变量X 和Y 是否有关系，应用独立性检验法算得K 2的观测值为5，又已知P (K 2≥3.841)＝0.05，P (K 2≥6.635)＝0.01，则下列说法正确的是( )A.有95%的把握认为“X 和Y 有关系”B.有95%的把握认为“X 和Y 没有关系”C.有99%的把握认为“X和Y有关系”D.有99%的把握认为“X和Y没有关系”解析依题意K2的观测值为k＝5，且P(K2≥3.841)＝0.05，因此有95%的把握认为“X和Y有关系”.答案 A2.(2018·石家庄模拟)下列说法错误的是()A.回归直线过样本点的中心(x，y).B.两个随机变量的线性相关性越强，则相关系数的绝对值就越接近于1C.对分类变量X与Y，随机变量K2的观测值k越大，则判断“X与Y有关系”的把握程度越小D.在回归直线方程y^＝0.2x＋0.8中，当解释变量x每增加1个单位时，预报变量y^平均增加0.2个单位解析根据相关定义分析知A，B，D正确，C中对分类变量X与Y的随机变量K2的观测值k来说，k越大，判断“X与Y有关系”的把握程度越大，故C错误. 答案 C3.(2017·汉中模拟)已知两个随机变量x，y之间的相关关系如表所示：^＝b^x＋a^，则大致可以判断()根据上述数据得到的回归方程为yA.a^>0，b^>0B.a^>0，b^<0C.a^<0，b^>0D.a^<0，b^<0^>0，a^<0.解析作出散点图，画出回归直线直观判定b答案 C4.通过随机询问110名性别不同的学生是否爱好某项运动，得到如下的列联表：由K 2＝n （ad －bc ）2（a ＋b ）（c ＋d ）（a ＋c ）（b ＋d ）算得，K 2的观测值为k ＝110×（40×30－20×20）260×50×60×50≈7.8.附表：参照附表，得到的正确结论是( )A.有99%以上的把握认为“爱好该项运动与性别有关”B.有99%以上的把握认为“爱好该项运动与性别无关”C.在犯错误的概率不超过0.1%的前提下，认为“爱好该项运动与性别有关”D.在犯错误的概率不超过0.1%的前提下，认为“爱好该项运动与性别无关” 解析根据独立性检验的定义，由K 2的观测值为k ≈7.8>6.635，可知我们在犯错误的概率不超过0.01的前提下，即有99%以上的把握认为“爱好该项运动与性别有关”. 答案 A5.(2017·山东卷)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 ^.已知∑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( ) A.160B.163C.166D.170解析由已知得x ＝22.5，y ＝160， ∵回归直线方程过样本点中心(x ，y )，且b^＝4，∴160＝4×22.5＋a^，解得a^＝70.∴回归直线方程为y^＝4x＋70，当x＝24时，y^＝166.答案 C二、填空题6.(2017·西安模拟)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，^为此进行了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＝0.67x＋54.9.现发现表中有一个数据看不清，请你推断出该数据的值为________.解析由x＝30，得y＝0.67×30＋54.9＝75.设表中的“模糊数字”为a，则62＋a＋75＋81＋89＝75×5，∴a＝68.答案687.(2018·赣中南五校联考)心理学家分析发现视觉和空间想象能力与性别有关，某数学兴趣小组为了验证这个结论，从所在学校中按分层抽样的方法抽取50名同学(男30，女20)，给所有同学几何题和代数题各一题，让各位同学自由选择一道题进行解答.选题情况如下表：(单位：人)根据上述数据，推断视觉和空间想象能力与性别有关系，则这种推断犯错误的概率不超过________.附表：解析由列联表计算K2的观测值k＝50（22×12－8×8）230×20×20×30≈5.556>5.024.∴推断犯错误的概率不超过0.025.答案0.0258.(2018·长沙雅礼中学质检)某单位为了了解用电量y(度)与气温x(℃)之间的关系，随机统计了某4天的用电量与当天气温，并制作了对照表：由表中数据得回归直线方程y^＝b^x＋a^中的b^＝－2，预测当气温为－4 ℃时，用电量约为________度.解析根据题意知x＝18＋13＋10＋（－1）4＝10，y＝24＋34＋38＋644＝40.所以a^＝40－(－2)×10＝60，y^＝－2x＋60.所以当x＝－4时，y＝(－2)×(－4)＋60＝68，所以用电量约为68度.答案68三、解答题9.(2018·重庆调研)某厂商为了解用户对其产品是否满意，在使用该产品的用户中随机调查了80人，结果如下表：(1)根据上表，现用分层抽样的方法抽取对产品满意的用户5人，在这5人中任选2人，求被选中的恰好是男、女用户各1人的概率；(2)有多大把握认为用户对该产品是否满意与用户性别有关？请说明理由.注：K 2＝n （ad －bc ）2（a ＋b ）（c ＋d ）（a ＋c ）（b ＋d ），n ＝a ＋b ＋c ＋d .解 (1)用分层抽样的方法在满意产品的用户中抽取5人，则抽取比例为550＝110. 所以在满意产品的用户中应抽取女用户20×110＝2(人)，男用户30×110＝3(人). 抽取的5人中，三名男用户记为a ，b ，c ，两名女用户记为r ，s ，则从这5人中任选2人，共有10种情况：ab ，ac ，ar ，as ，bc ，br ，bs ，cr ，cs ，rs . 其中恰好是男、女用户各1人的有6种情况：ar ，as ，br ，bs ，cr ，cs . 故所求的概率为P ＝610＝0.6. (2)由题意，得K 2的观测值为k ＝80（30×20－20×10）2（30＋20）（10＋20）（30＋10）（20＋20）＝163≈5.333>5.024. 又P (K 2≥5.024)＝0.025.故有97.5%的把握认为“产品用户是否满意与性别有关”.10.(2018·惠州模拟)某市春节期间7家超市广告费支出x i (万元)和销售额y i (万元)数据如下表：(1)若用线性回归模型拟合y 与x 的关系，求y 与x 的线性回归方程；(2)若用二次函数回归模型拟合y 与x 的关系，可得回归方程：y ^＝－0.17x 2＋5x ＋20，经计算，二次函数回归模型和线性回归模型的R 2分别约为0.93和0.75，请用R 2说明选择哪个回归模型更合适，并用此模型预测A 超市广告费支出3万元时的销售额.∴a^＝y－b^x＝42－1.7×8＝28.4，故y关于x的线性回归方程是y^＝1.7x＋28.4.(2)∵0.75<0.93，∴二次函数回归模型更合适.当x＝3时，y^＝33.47.故选择二次函数回归模型更合适，并且用此模型预测A超市广告费支出3万元时的销售额为33.47万元.能力提升题组(建议用时：20分钟)11.(2018·济南调研)济南市地铁R1线预计2019年年底开通运营，地铁时代的到来能否缓解济南的交通拥堵状况呢？某社团进行社会调查，得到的数据如下表：则下列结论正确的是()附：K2＝n（ad－bc）2（a＋b）（a＋c）（b＋d）（c＋d）A.有95%的把握认为“对能否缓解交通拥堵的认识与性别有关”B.有95%的把握认为“对能否缓解交通拥堵的认识与性别无关”C.有99%的把握认为“对能否缓解交通拥堵的认识与性别有关”D.有99%的把握认为“对能否缓解交通拥堵的认识与性别无关”解析由2×2列联表，可求K 2的观测值， k ＝（48＋30＋12＋20）（20×48－12×30）2（48＋30）（48＋12）（12＋20）（30＋20） ≈5.288>3.841.由统计表P (K 2≥3.841)＝0.05，∴有95%的把握认为“能否缓解交通拥堵的认识与性别有关”. 答案 A12.在2018年3月15日那天，某市物价部门对本市的5家商场的某商品的一天销售量及其价格进行调查，5家商场的售价x 元和销售量y 件之间的一组数据如下表所示：由散点图可知，销售量y 与价格x 之间有较强的线性相关关系，其线性回归方程是y ^＝－3.2x ＋40，且m ＋n ＝20，则其中的n ＝________. 解析 x ＝9＋9.5＋m ＋10.5＋115＝8＋m 5， y ＝11＋n ＋8＋6＋55＝6＋n 5.回归直线一定经过样本中心(x ，y )，即6＋n 5＝－3.2⎝ ⎛⎭⎪⎫8＋m 5＋40，即3.2m ＋n ＝42.又因为m ＋n ＝20，即⎩⎪⎨⎪⎧3.2m ＋n ＝42，m ＋n ＝20，解得⎩⎪⎨⎪⎧m ＝10，n ＝10，故n ＝10.答案 1013.(2018·湖南百所重点中学阶段性诊断)已知某企业近3年的前7个月的月利润(单位：百万元)如下面的折线图所示：(1)试问这3年的前7个月中哪个月的月平均利润较高？ (2)通过计算判断这3年的前7个月的总利润的发展趋势；(3)试以第3年的前4个月的数据(如下表)，用线性回归的拟合模式估计第3年8月份的利润.解 (1)由折线图可知5月和6月的平均利润最高.(2)第1年前7个月的总利润为1＋2＋3＋5＋6＋7＋4＝28(百万元)，第2年前7个月的总利润为2＋5＋5＋4＋5＋5＋5＝31(百万元). 第3年前7个月的总利润为4＋4＋6＋6＋7＋6＋8＝41(百万元)，所以这3年的前7个月的总利润呈上升趋势.(3)∵x ＝2.5，y ＝5，12＋22＋32＋42＝30，1×4＋2×4＋3×6＋4×6＝54， ∴b^＝54－4×2.5×530－4×2.52＝0.8，∴a ^＝5－2.5×0.8＝3. 因此线性回归方程为y ^＝0.8x ＋3. 当x ＝8时，y ^＝0.8×8＋3＝9.4.∴估计第3年8月份的利润为9.4百万元.。

变量间的相关关系、统计案例教案(绝对经典)

§11.3 变量间的相关关系与独立性检验⎪⎪⎩⎪⎪⎨⎧⎩⎨⎧、不相关、非线性相关、线性相关、不确定的相关关系、确定的函数关系两个变量的关系32121 1．相关性(1)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．从散点图上看，点散布在从左下角到右上角的区域内，对于两个变量的这种相关关系，我们将它称为正相关；点散布在从左上角到右下角的区域内，两个变量的这种相关关系称为负相关．(2)从散点图上，如果变量之间存在某种关系，这些点会有一个集中的大致趋势，这种趋势通常可以用一条光滑的曲线来近似，这样的近似过程称为曲线拟合．(3)若两个变量x 和y 的散点图中，所有点看上去都在一条直线附近波动，则称变量间是线性相关，这条直线叫回归直线．若所有点看上去都在某条曲线(不是一条直线)附近波动，称此相关是非线性相关．如果所有的点在散点图中没有显示任何关系，则称变量间是不相关的． (4)相关系数①r ＝∑ni ＝1 (x i －x )(y i －y )∑ni ＝1(x i －x)2∑ni ＝1(y i －y )2或()()12211ni i i n ni i i i x ynx yr x x y y ===-=--∑∑∑；②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1，表明两个变量的线性相关性越强．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．通常当r 的绝对值>0.75时，认为两个变量有很强的线性相关关系。

2．线性回归方程 (1)最小二乘法如果有n 个点(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，可以用[y 1－(a ＋bx 1)]2＋[y 2－(a ＋bx 2)]2＋…＋[y n －(a ＋bx n )]2来刻画这些点与直线ˆˆˆybx a =+的接近程度，使得上式达到最小值的直线ˆˆˆy bx a =+就是所要求的直线，这种方法称为最小二乘法（使得样本数据的点到回归直线的距离平方和最小的方法）． (2)回归方程方程ˆˆˆybx a =+是两个具有线性相关关系的变量的一组数据(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )的回归方程，其中，是待定参数．121()()ˆ()niii nii x x y y bx x ==--=-∑∑[]112222212()()()()...()()()()...()nnnx x y y x x y y x x yy x x x x x x --+--++--=⎡⎤-+-++-⎣⎦或者1221ˆni ii nii x ynx ybxnx ==-=-∑∑[]1122222212...,...n n nx y x y x y nx y x x x nx++-⋅=⎡⎤+++-⎣⎦ˆˆay bx =- 线性回归方程过样本点的中心（，）3、回归分析(1)y ＝bx ＋a ＋e 中，a 、b 称为模型的未知参数；e 称为随机误差．(2)随机误差e 的估计值e ˆ（a x b y y y e ii i i i ˆˆˆˆ--=-=）叫做相对于点（x i ，y i ）的残差。

高考数学考点突破——统计与统计案例：变量间的相关关系与统计案例

变量间的相关关系与统计案例【考点梳理】1．回归分析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常用方法；判断相关性的常用统计图是散点图；统计量有相关系数与相关指数．(1)在散点图中，点散布在从左下角到右上角的区域，对于两个变量的这种相关关系，我们将它称为正相关．(2)在散点图中，点散布在从左上角到右下角的区域，两个变量的这种相关关系称为负相关． (3)如果散点图中点的分布从整体上看大致在一条直线附近，称两个变量具有线性相关关系．2．线性回归方程(1)最小二乘法：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．(2)回归方程：两个具有线性相关关系的变量的一组数据：(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，其回归方程为y ^＝b ^x ＋a ^，则b ^＝∑ni ＝1x i －x y i －y ∑ni ＝1 x i －x 2＝∑ni ＝1x i y i －n x y∑ni ＝1x 2i －n x2，a ^＝y－b ^x .其中，b ^是回归方程的斜率，a ^是在y 轴上的截距．3．残差分析(1)残差：对于样本点(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，它们的随机误差为e i ＝y i －bx i －a ，i ＝1,2，…，n ，其估计值为e ^i ＝y i －y ^i ＝y i －b ^x i －a ^，i ＝1,2，…，n ，e ^i 称为相应于点(x i ，y i )的残差．(2)相关指数：R 2＝1－∑ni ＝1y i －y ^i2∑ni ＝1 y i －y2.4．独立性检验(1)利用随机变量K 2来判断“两个分类变量有关系”的方法称为独立性检验．(2)列联表：列出的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{x 1，x 2}和{y 1，y 2}，其样本频数列联表(2×2列联表)为(其中n＝a＋b＋c＋d为样本容量)．则随机变量K2＝a ＋b a＋c b＋d c＋d【考点突破】考点一、相关关系的判断【例1】(1)两个变量的相关关系有①正相关，②负相关，③不相关，则下列散点图从左到右分别反映的变量间的相关关系是( )A．①②③ B．②③①C．②①③ D．①③②(2)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正相关，x与z负相关B．x与y正相关，x与z正相关C．x与y负相关，x与z负相关D．x与y负相关，x与z正相关(3)对四组数据进行统计，获得如图所示的散点图，关于其相关系数的比较，正确的是( )A．r2<r4<0<r3<r1 B．r4<r2<0<r1<r3C．r4<r2<0<r3<r1 D．r2<r4<0<r1<r3[答案] (1)D (2) C (3) A[解析] (1)第一个散点图中，散点图中的点是从左下角区域分布到右上角区域，则是正相关；第三个散点图中，散点图中的点是从左上角区域分布到右下角区域，则是负相关；第二个散点图中，散点图中的点的分布没有什么规律，则是不相关，所以应该是①③②.(2)因为y ＝－0.1x ＋1的斜率小于0，故x 与y 负相关．因为y 与z 正相关，可设z ＝b ^y＋a ^，b ^＞0，则z ＝b ^y ＋a ^＝－0.1b ^x ＋b ^＋a ^，故x 与z 负相关．(3)由相关系数的定义以及散点图所表达的含义可知r 2<r 4<0<r 3<r 1. 【类题通法】1.利用散点图判断两个变量是否有相关关系是比较直观简便的方法．如果所有的样本点都落在某一函数的曲线附近，变量之间就有相关关系．如果所有的样本点都落在某一直线附近，变量之间就有线性相关关系．若点散布在从左下角到右上角的区域，则正相关，若点散布在左上角到右下角的区域，则负相关．2．利用相关系数判定，当|r |越趋近于1，相关性越强．当残差平方和越小，相关指数R 2越大，相关性越强．【对点训练】1．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，并制作成如图所示的人体脂肪含量与年龄关系的散点图．根据该图，下列结论中正确的是( )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% [答案] B[解析] 因为散点图呈现上升趋势，故人体脂肪含量与年龄正相关；因为中间两个数据大约介于15%到20%之间，故脂肪含量的中位数小于20%.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] 正相关指的是y 随x 的增大而增大，负相关指的是y 随x 的增大而减小，故不正确的为①④.3．在一组样本数据(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )(n ≥2，x 1，x 2，…，x n 不全相等)的散点图中，若所有样本点(x i ，y i )(i ＝1,2，…，n )都在直线y ＝12x ＋1上，则这组样本数据的样本相关系数为( )A ．－1B ．0C ．12 D ．1[答案] D[解析] 因为所有样本点都在直线y ＝12x ＋1上，所以这组样本数据完全正相关，故其相关系数为1.考点二、线性回归方程及应用【例2】某地随着经济的发展，居民收入逐年增长，下表是该地某银行连续五年的储蓄存款(年底余额)，如下表1：为了研究计算的方便，工作人员将上表的数据进行了处理，t ＝x －2 012，z ＝y －5得到下表2：(1)求z 关于t 的线性回归方程；(2)通过(1)中的方程，求出y 关于x 的回归方程；(3)用所求回归方程预测到2020年年底，该地储蓄存款额可达多少？(附：对于线性回归方程y ^＝b ^x ＋a ^，其中b ^＝∑i ＝1nx i y i －n x y∑i ＝1nx 2i －n x 2，a ^＝y －b ^x )[解析] (1)由已知，得t ＝3，z ＝2.2，∑i ＝15t i z i ＝45，∑i ＝15t 2i ＝55，b ^＝45－5×3×2.255－5×9＝1.2，a ^＝z －b ^t ＝2.2－1.2×3＝－1.4，∴z ^＝1.2t －1.4.(2)将t ＝x －2 012，z ＝y －5，代入z ^＝1.2t －1.4，得y －5＝1.2(x －2 012)－1.4，即y ^＝1.2x －2 410.8. (3)∵y ^＝1.2×2 020－2 410.8＝13.2，∴预测到2020年年底，该地储蓄存款额可达13.2千亿元．【类题通法】回归直线方程中系数的2种求法(1)公式法：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(x ，y )求系数．【对点训练】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．表中w i ＝x i ，w ＝18∑i ＝18w 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＋βu 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 .[解析] (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．【例3】如图是我国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．参考数据：∑ 7i ＝1y i ＝9.32，∑ 7i ＝1t i y i ＝40.17，∑7i ＝1y i －y2＝0.55，7≈2.646.参考公式：相关系数r＝∑ni ＝1t i －ty i －y∑ ni ＝1t i －t2∑ni ＝1y i －y2，回归方程y ^＝a ^＋b ^t 中斜率和截距的最小二乘估计公式分别为b ^＝∑ ni ＝1t i －ty i －y∑ i ＝1t i －t2，a ^＝y －－b ^t .[解析] (1)由折线图中的数据和附注中的参考数据得 t ＝4，∑ 7i ＝1(t i －t )2＝28，∑7i ＝1y i －y2＝0.55，∑7i ＝1(t i －t )(y i －y )＝∑ 7i ＝1t i y i －t ∑7i ＝1y i ＝40.17－4×9.32＝2.89，所以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大，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 ^＝∑ 7i＝1t i －t y i －y∑7i ＝1t 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. 【类题通法】线性回归分析就是研究两组变量间线性相关关系的一种方法，通过对统计数据的分析，可以预测可能的结果，这就是线性回归方程的基本应用，因此利用最小二乘法求线性回归方程是关键，必须熟练掌握线性回归方程中两个重要估计量的计算．【对点训练】为了监控某种零件的一条生产线的生产过程，检验员每隔30 min 从该生产线上随机抽取一个零件，并测量其尺寸（单位：cm ）．下面是检验员在一天内依次抽取的16个零件的尺寸：经计算得16119.9716i i x x ===∑，0.212s ==≈，18.439≈，161()(8.5) 2.78i i xx i =--=-∑，其中i x 为抽取的第i 个零件的尺寸，1,2,,16i =⋅⋅⋅．(1)求(,)i x i (1,2,,16)i =⋅⋅⋅的相关系数r ，并回答是否可以认为这一天生产的零件尺寸不随生产过程的进行而系统地变大或变小（若||0.25r <，则可以认为零件的尺寸不随生产过程的进行而系统地变大或变小）．(2)一天内抽检零件中，如果出现了尺寸在(3,3)x s x s -+之外的零件，就认为这条生产线在这一天的生产过程可能出现了异常情况，需对当天的生产过程进行检查．(i)从这一天抽检的结果看，是否需对当天的生产过程进行检查？(ii)在(3,3)x s x s -+之外的数据称为离群值，试剔除离群值，估计这条生产线当天生产的零件尺寸的均值与标准差．（精确到0.01）附：样本(,)i i x y (1,2,,)i n =⋅⋅⋅的相关系数()()niix x y y r --=∑，0.09≈．[解析] (1)由样本数据得(,)(1,2,,16)i x i i =的相关系数为16()(8.5)0.18ix x i r --==≈-∑.由于||0.25r <，因此可以认为这一天生产的零件尺寸不随生产过程的进行而系统地变大或变小.(2)(i)由于9.97,0.212x s =≈，由样本数据可以看出抽取的第13个零件的尺寸在(3,3)x s x s -+以外，因此需对当天的生产过程进行检查.(ii)剔除离群值，即第13个数据，剩下数据的平均数为1(169.979.22)10.0215⨯-=，这条生产线当天生产的零件尺寸的均值的估计值为10.02.162221160.212169.971591.134ii x==⨯+⨯≈∑，剔除第13个数据，剩下数据的样本方差为221(1591.1349.221510.02)0.00815--⨯≈，0.09≈.考点三、独立性检验【例4】海水养殖场进行某水产品的新、旧网箱养殖方法的产量对比，收获时各随机抽取了100个网箱，测量各箱水产品的产量(单位：kg)，其频率分布直方图如下：(1)设两种养殖方法的箱产量相互独立，记A 表示事件“旧养殖法的箱产量低于50 kg ，新养殖法的箱产量不低于50 kg”，估计A 的概率；(2)填写下面列联表，并根据列联表判断是否有99%的把握认为箱产量与养殖方法有关：(3)(精确到0.01)．附：K 2＝n a ＋bc ＋d a ＋cb ＋d.[解析] (1)记B 表示事件“旧养殖法的箱产量低于50 kg”，C 表示事件“新养殖法的箱产量不低于50 kg”．由题意知P (A )＝P (BC )＝P (B )P (C )．旧养殖法的箱产量低于50 kg 的频率为(0.012＋0.014＋0.024＋0.034＋0.040)×5＝0.62，故P (B )的估计值为0.62.新养殖法的箱产量不低于50 kg 的频率为 (0.068＋0.046＋0.010＋0.008)×5＝0.66，故P (C )的估计值为0.66.因此，事件A 的概率估计值为0.62×0.66＝0.409 2. (2)由(1)知可得列联表由表中数据及K 2K 2＝－2100×100×96×104≈15.705.由于15.705>6.635，故有99%的把握认为箱产量与养殖方法有关．(3)因为新养殖法的箱产量频率分布直方图中，箱产量低于50 kg 的直方图面积为(0.004＋0.020＋0.044)×5＝0.34<0.5，箱产量低于55 kg 的直方图面积为(0.004＋0.020＋0.044＋0.068)×5＝0.68>0.5，故新养殖法箱产量的中位数的估计值为50＋0.5－0.340.068≈52.35(kg)．【类题通法】解决独立性检验的应用问题，一定要按照独立性检验的步骤得出结论．独立性检验的一般步骤：(1)根据样本数据制成2×2列联表； (2)根据公式K 2＝n ad －bc 2a ＋ba ＋cb ＋dc ＋d计算K 2的观测值k ；(3)比较k 与临界值的大小关系，作统计推断．【对点训练】为了了解某学校高二年级学生的物理成绩，从中抽取n 名学生的物理成绩(百分制)作为样本，按成绩分成5组：[50，60)，[60，70)，[70，80)，[80，90)，[90，100]，频率分布直方图如图所示，成绩落在[70,80)中的人数为20.(1)求a 和n 的值；(2)根据样本估计总体的思想，估计该校高二学生物理成绩的平均数x －和中位数m ； (3)成绩在80分以上(含80分)为优秀，样本中成绩落在[50，80)中的男、女生人数比为1∶2，成绩落在[80，100)中的男、女生人数比为3∶2，完成2×2列联表，并判断能否在犯错误的概率不超过0.05的前提下认为物理成绩优秀与性别有关.附：参考公式和数据：K 2＝a ＋bc ＋d a ＋cb ＋d，[解析] (1)，解得a ＝0.05，则n ＝2010×0.05＝40.(2)由频率分布直方图可知各组的频率分别为0.05，0.2，0.5,0.15,0.1，所以x －＝55×0.05＋65×0.2＋75×0.5＋85×0.15＋95×0.1＝75.5， (m －70)×0.05＝0.5－(0.05＋0.2)，得m ＝75.(3)由频率分布直方图可知成绩优秀的人数为40×(0.015＋0.01)×10＝10，则不优秀的人数为40－10＝30.所以优秀的男生为6人，女生为4人；不优秀的男生为10人，女生为20人．所以2×2列联表如下：所以K 2＝4016×24×10×30≈2.222＜3.841，所以在犯错误的概率不超0.05的前提下不能认为物理成绩优秀与性别有关．。

变量间的相关关系,统计案例有答案

y1 y2 合计 x1 a 21 73 x2 22 25 47 合计 b 46 120
A.94,72
B．52,50
C．52,74
D．74,52
C [∵a＋21＝73，∴a＝52.又 a＋22＝b，∴b＝74.]
2．已知变量 x 与 y 正相关，且由观测数据算得样本平均数 x ＝3， y ＝3.5，则由该观测数
把握越大．
3．根据回归方程计算的^y值，仅是一个预报值，不是真实发生的值．
一、思考辨析(正确的打“√”，错误的打“×”) (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．
()
专注于中小学文化课辅导，为学生创造美好未来！
(2)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．
从散点图上看，如果这些点从整体上看大致分布在通过散点图中心的回归直线一条直线附近，称两个变量之间具有线性相关关系，这条直线叫做回
归直线
回归方程
最小二乘通过求 Q＝
的最小值而得到回归直线的方法，即使
法
得样本数据的点到回归直线的距离的平方和最小，这一方法叫做最小
二乘法
专注于中小学文化课辅导，为学生创造美好未来！
下图是我国 2012 年至 2018 年生活垃圾无害化处理量(单位：亿吨)的折线图．
专注于中小学文化课辅导，为学生创造美好未来！
注：年份代码 1～7 分别对应年份 2012～2018. (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 2020 年我国生活垃圾无害化处理量．附注：
．
23×27×20×30
5% [K2 的观测值 k≈4.844，这表明小概率事件发生．根据假设检验的基本原理，应该断定

变量间的相关关系与统计案例

变量间的相关关系与统计案例变量间的相关关系是统计学中一个重要的概念，它描述了两个或多个变量之间的关联程度。

在实际应用中，我们经常需要了解不同变量之间的相关性，以便更好地理解数据和进行预测分析。

本文将介绍变量间相关关系的基本概念，并通过统计案例来说明相关关系的计算和应用。

首先，我们需要了解相关系数的概念。

相关系数是衡量两个变量之间相关性强弱的统计指标，通常用于描述线性相关关系。

常见的相关系数有皮尔逊相关系数、斯皮尔曼相关系数和判定系数等。

其中，皮尔逊相关系数用于衡量两个连续变量之间的线性相关性，取值范围为-1到1，其绝对值越接近1，表示相关性越强。

接下来，我们通过一个实际的统计案例来说明相关系数的计算和应用。

假设我们对某公司员工的工作满意度和工作绩效进行了调查，现在我们希望了解这两个变量之间的相关关系。

我们首先收集了员工的工作满意度得分和绩效评价得分，然后计算了它们之间的皮尔逊相关系数。

假设计算结果为0.8，这意味着工作满意度和工作绩效之间存在较强的正相关关系，即工作满意度较高的员工通常也具有较好的工作绩效。

在实际应用中，相关系数的计算可以帮助我们了解变量之间的关联程度，从而指导决策和预测分析。

例如，在人力资源管理中，我们可以通过工作满意度和绩效之间的相关关系来评估员工的工作状态，制定相应的激励和管理策略。

在市场营销中，我们可以分析产品销量与广告投入之间的相关关系，从而优化营销策略和预测销售额。

除了了解相关系数的计算和应用，我们还需要注意相关关系的解释和局限性。

相关系数只能描述两个变量之间的线性相关关系，对于非线性关系或者其他类型的相关关系，相关系数可能无法准确描述。

因此，在实际应用中，我们需要结合具体情况，综合考虑多个统计指标和数据特征，以全面理解变量间的相关关系。

综上所述，变量间的相关关系是统计学中一个重要的概念，相关系数的计算和应用可以帮助我们了解变量之间的关联程度，指导决策和预测分析。

然而，我们需要注意相关关系的解释和局限性，以便更准确地理解数据和进行统计分析。

变量间的相关关系、统计案例

2．独立性检验思想的理解独立性检验的思想类似于反证法，即要确定“两个变量 X 与 Y 有关系”这一结论成立的可信度，首先假设结论不成立，即它们之间没有关系，也就是它们是相互独立的，利用概率的乘法公式可推知， (ad－bc) nad－bc2 接近于零，也就是随机变量 K ＝应该很小，如 a＋bc＋da＋cb＋d
A．y 与 x 具有正的线性相关关系 B．回归直线过样本点的中心( x ， y ) C．若该大学某女生身高增加 1 cm，则其体重约增加 0.85 kg D．若该大学某女生身高为 170 cm，则可断定其体重必为 58.79 kg
【名师点评】求样本数据的线性回归方程的步骤第一步，计算平均数 x ， y ；
2 第二步，求和i∑ x y ， ∑ x ； i i ＝1 i＝1 i n n
∑ xi－ x yi－ y ∑ x y －n x y ＝1 ＝1 i i i i ^＝第三步，计算b ＝ n 2 ， n 2 2 ∑ xi－ x ∑ x －n x i＝1 i＝1 i ^＝ y －b ^x； a ^x＋a ^. 第四步，写出回归方程^ y＝b
2
由于 9.967>6.635，所以在犯错误的概率不超过 0.01 的前提下认为该地区的老年人是否需要帮助与性别有关．
• (3)由(2)的结论知，该地区老年人是否需要帮助与性别有关，并且从样本数据能看出该地区男性老年人与女性老年人中需要帮助的比例有明显差异，因此在调查时，先确定该地区老年人中男、女的比例，再把老年人分成男、女两层并采用分层抽样方法，比采用简单随机抽样方法更好．
• 考向二回归方程的求法及回归分析 • [例2] (2013年淄博模拟)某种产品的宣传费支出x与销售额y(单位：万元)之间有如下对应数据：

《艺术生新高考数学百日冲刺》考点51 变量间的相关关系与统计案例20200901

其中一定不正确的结论的序号是________．答案 ①④
解析由回归直线方程^y＝b^x＋a^，知当b^>0 时，x 与 y 正相关，当b^<0 时，x 与 y 负相
关，所以①④一定错误．解题要点判断变量之间有无相关关系，一种简便可行的方法就是绘制散点图，根据散点图很容易看出两个变量之间是否具有相关性，是不是存在线性相关关系，是正相关还是负相关，相关关系是强还是弱．题型二回归分析例 2 已知 x，y 取值如下表：
解析由题意知，成绩优秀的学生数是 30，成绩非优秀的学生数是 75，所以 c＝20，b
(i)当年宣传费 x = 90 时，年销售量及年利润的预报值时多少？ (ii)当年宣传费 x 为何值时，年利润的预报值最大？
附：对于一组数据(u1，v1)，(u2，v2)，…，(un，vn)，其回归直线 v＝α＋βu 的斜率和截
n
(ui－ u )(vi－ v )
距的最小二乘估计分别为β^＝i＝1
^
变量之间的散点图．
3．正相关与负相关
从散点图上看，点分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
正相关，点分布在左上角到右下角的区域内，两个变量的相关关系为负相关．
4．回归直线方程 (1)曲线拟合从散点图上，如果变量之间存在某种关系，这些点会有一个集中的大致趋势，这种趋
势通常可以用一条光滑的曲线来近似，这样的近似过程称为曲线拟合．
优秀
非优秀
总计
甲班
10
b
乙班
c
30
总计
105
已知在全部 105 人中随机抽取 1 人，成绩优秀的概率为27，则下列说法正确的是 ________． ① 列联表中 c 的值为 30，b 的值为 35 ② 列联表中 c 的值为 15，b 的值为 50 ③ 根据列联表中的数据，若按 95%的可靠性要求，能认为“成绩与班级有关系” ④ 根据列联表中的数据，若按 95%的可靠性要求，不能认为“成绩与班级有关系” 答案 ③

变量间的相关关系与统计案例教案.docx

变量间的相关关系与统计案例适用学科数学适用年级高二适用区域全国课时时长（分钟）60知识点1相关关系的分类2线性相关3.回归方程4、线性回归模型教学目标1、理解相关关系、正相关、负相关、散点图；2、理清相关关系和散点图之间的关系.教学重点理解相关关系、正相关、负相关、散点图；教学难点熟练应用相关关系、正相关、负相关、散点图解题教学过程_•课程导入:引入新课:在学校里老师对学生经常这样说：〃如果你的数学成绩好，那么你的物理学习就不会有什么大问题.〃按照这种说法, 似乎学生的物理成绩与数学成绩之间存在着一种相关关系.这种说法有没有根据呢？二.复习预习复习已学统计的知识：1、简单随机抽样2、系统抽样3、分层抽样4、用样本估计总体预习并思考什么是相关关系、正相关、负相关？三、知识讲解考点1.相关关系的判断利用散点图判断两个变量是否有相关关系是比较简便的方法・在散点图中如果所有的样本点都落在某一函数的曲线上，就用该函数来描述变量之间的关系・即变量之间具有函数关系•如果所有的样本点落在某一函数的曲线附近，变量之间就有相关关系;如果所有的样本点都落在某一直线附近,变量之间就有线性相关关系.考点厶独立性检验独立性检验的步骤: ⑴根据样本数据制成2x2列联表;2 n(ad-bc) (a + b)(a + c)(b + d)(c + d) ⑶比较冷与临界值的大小关系作统计推断・⑵根据公式/计算考点久线性回归方程在解决具体问题时,要先进行相关性检验，通过检验确认两个变量是否具有线性相关关系，若它们之间有线性相关关系，再求回归直线方程.3.例题精析!1!【例题1]【题干】下面哪些变量是相关关系（A.出租车车费与行驶的里程C .身高与体重B.房屋面积与房屋价格D.铁块的大小与质量【答案】C【解析】A , B , D都是函数关系，其中A —般是分段函数，只有C是相关关系.【例题2】【题干】对变量X, F有观测数据(X/,拥(/di,2 ,…，10),得散点图⑴;对变量一1/有观测数据(3、16)(/= 1,210),得散点图(2)・由这两个散点图可以判断()•错误!未找到引用源。

2020新课标高考艺术生数学复习教师用书：第八章第3节变量间的相关关系与统计案例

第3节变量间的相关关系与统计案例最新考纲核心素养考情聚焦1.会作两个相关变量的数据的散点图，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．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1.相关关系的判断，达成直观想象和数据分析的素养．2.回归方程的求法及回归分析，增强逻辑推理、数据分析和数学运算的素养．3.独立性检验，增强逻辑推理、数据分析和数学运算的素养预计2020年的高考将以选择题、填空题的形式考查线性回归系数或利用线性回归方程进行预测；在给出临界值的情况下判断两个变量是否相关；在解答题中与频率分布相结合，考察线性回归方程的建立及应用和独立性检验的应用，难度中等1．相关关系与回归分析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常用方法；判断相关性的常用统计图是散点图；统计量有相关系数与相关指数．(1)在散点图中，点散布在从左下角到右上角的区域，对于两个变量的这种相关关系，我们将它称为正相关．(2)在散点图中，点散布在从左上角到右下角的区域，两个变量的这种相关关系称为负相关．(3)如果散点图中点的分布从整体上看大致在一条直线附近，称两个变量具有线性相关关系．2．线性回归方程(1)最小二乘法：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．3．残差分析(1)残差：对于样本点(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，它们的随机误差为e i ＝y i －bx i －a ，i ＝1,2，…，n ，其估计值为e ^i ＝y i －y ^i ＝y i －b ^x i －a ^，i ＝1,2，…，n .e ^i 称为相应于点(x i ，y i )的残差．4．独立性检验(1)利用随机变量K 2来判断“两个分类变量有关系 ”的方法称为独立性检验． (2)列联表：列出的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{x 1，x 2}和{y 1，y 2}，其样本频数列联表(2×2列联表)为y 1 y 2 总计 x 1 a b a ＋b x 2 c d c ＋d 总计a ＋cb ＋da ＋b ＋c ＋d则随机变量K 2＝n (ad －bc )(a ＋b )(a ＋c )(b ＋d )(c ＋d )，其中n ＝ a ＋b ＋c ＋d 为样本容量．(3)步骤如下①计算随机变量K 2的观测值k ，查表确定临界值k 0： P (K 2≥k 0) 0.50.400.250.150.100.050.025 0.010 0.0050.001k 00.455 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.82800就认为在犯错误的概率不超过P (K 2≥k 0)的前提下不能推断“X 与Y 有关系”。

22 变量间的相关关系与统计案例-艺考生文化课百日冲刺

高三数学(文)一轮复习课件：变量间的相关关系、统计案例

2022年新高考数学总复习：变量间的相关关系、统计案例

2020新课标高考艺术生数学复习教师用书：第八章第3节 变量间的相关关系与统计案例

高考知识点变量间的相关关系与统计案例

变量间的相关关系、统计案例教案(绝对经典)

高考数学考点突破——统计与统计案例：变量间的相关关系与统计案例

变量间的相关关系,统计案例有答案

变量间的相关关系与统计案例

变量间的相关关系、统计案例

《艺术生新高考数学百日冲刺》考点51 变量间的相关关系与统计案例20200901

变量间的相关关系与统计案例教案.docx

2020新课标高考艺术生数学复习教师用书：第八章第3节 变量间的相关关系与统计案例

2020新课标高考艺术生数学复习教师用书：第八章第3节变量间的相关关系与统计案例

2020新课标高考艺术生数学复习教师用书：第八章第3节变量间的相关关系与统计案例