08 第八章相关图及回归分析

合集下载

第八章 相关分析与回归分析

第八章 相关分析与回归分析
第8章 回归分析
下一页
返回本节首页
19
③在数据区域中输入B2:C11,选择“系列产 生在—列”,如下图所示,单击“下一步” 按钮。
上一页
第8章 回归分析
下一页
返回本节首页
20
④打开“图例”页面,取消图例,省略标题,如 下图所示。
上一页
第8章 回归分析
下一页
返回本节首页
21
⑤单击“完成”按钮,便得到XY散点图如下图 所示。
n 8, x 36.4, x 207.54 , y 104214 y 880, . xy 4544 6
2 2
r
n xy x y n x2 x 2 n y2 y 2 8 4544 6 36.4 880 .
第8章 回归分析
40
(二)回归分析的种类: 1、按自变量 x 的多少,分为一元回归和多 元回归; 2、按 y 与 x 关系的形式,分为线性回归和 非线性回归。
第8章 回归分析
41
二、一元线性回归分析
x y 62 86 80 110 115 132 135 160
42
(一)一元线性回归方程:
2、非线性相关:当一个变量变动时, 另一个变量也相应发生变动,但这种变 动是不均等的。
第8章 回归分析
9
㈢根据相关关系的方向 1、正相关:两个变量间的变化方向一 致,都是增长趋势或下降趋势。 2、负相关:两个变量变化趋势相反。
上一页
第8章 回归分析
下一页
返回本节首页
10
(四)根据相关关系的程度 1、完全相关:两个变量之间呈函数关系 2、不相关:两个变量彼此互不影响,其 数量的变化各自独立

第八章 相关与回归分析

第八章 相关与回归分析

相关系数的特点:
相关系数的取值在-1与1之间。 相关系数的取值在之间。 =0时 表明X 没有线性相关关系。 当r=0时,表明X与Y没有线性相关关系。 表明X 当 时,表明X与Y存在一定的线性相关关 系; 表明X 为正相关; 若 表明X与Y 为正相关; 表明X 为负相关。 若 表明X与Y 为负相关。 表明X 完全线性相关; 当 时,表明X与Y完全线性相关; r=1, 完全正相关; 若r=1,称X与Y完全正相关; r=完全负相关。 若r=-1,称X与Y完全负相关
25 20 15 10 5 0 0 2 4 6 8 10 12
11.2 11 10.8 10.6 10.4 10.2 10 0 5 10
相关关系的类型
25
● 从变量相关关系变化的方向 方向看 方向 正相关——变量同方向变化 正相关 负相关——变量反方向变化 负相关 ● 从变量相关的程度看 完全相关 不完全相关 不相关
x
最小二乘法 ˆ ˆ (α 和 β 的计算公式)
根据最小二乘法, 根据最小二乘法,可得求解 和 的公式如下
最小二乘估计的性质 ——高斯 马尔可夫定理 高斯—马尔可夫定理 前提: 在基本假定满足时
最小二乘估计是因变量的线性函数 线性函数 最小二乘估计是无偏估计 无偏估计,即 无偏估计 在所有的线性无偏估计中,回归系数的最小二 乘估计的方差最小 方差最小。 方差最小
结论:
回归系数的最小二乘估计是最佳线性无偏估计 最佳线性无偏估计
四、简单线性回归模型的检验
回归模型的检验包括: 回归模型的检验包括: 理论意义检验: 理论意义检验:主要涉及参数估计值的符号和取 值区间,检验它们与实质性科学的理论以及人们 的实践经验是否相符。 一级检验: 一级检验:又称统计学检验,利用统计学的抽样 理论来检验样本回归方程的可靠性,具体分为拟 合优度检验和显著性检验。 二级检验: 二级检验:又称计量经济学检验,它是对标准线 性回归模型的假设条件是否满足进行检验,包括 自相关检验、异方差检验、多重共线性检验等。

第八章 相关与回归分析47页PPT

第八章 相关与回归分析47页PPT

Beta
1 (Constant)
28.310 5.506
5.142 .000
DQ1
.598 .064
.540 9.342 .000
a Dependent Variable: DQ2
实例分析2
• P272 图8.8 • 用国内生产总值(X)对地方预算内财政收
入(Y)的预测分析.
三.多元线性回归分析
第八章 相关与回归分析
第一节 相关分析
• 一、事物之间的关系 • 因果关系 • 共变关系 • 相关关系
相关关系(Correlation): 指变量之间存在的 不确定的依存关系。
例:
商品的消费量(y)与居民收入(x)之间的关系 商品销售额(y)与广告费支出(x)之间的关系 收入水平(y)与受教育程度(x)之间的关系 父亲身高(y)与子女身高(x)之间的关系
• 3、相关分析中两变量是对等的,改变两者的 地位,并不影响相关系数的数值,只有一个相 关系数。而在回归分析中,互为因果关系的两 个变量可以编制两个独立的回归方程。
• 4、相关分析中两变量可以都是随机的,而回 归分析中因变量是随机的,自变量不是随机的。
(二)联系
• 1、相关分析是回归分析的基础和前提。 只有在相关分析确定了变量之间存在一 定相关关系的基础上建立的回归方程才 有意义。

0 ≤r2≤1
(2)回归系数显著性检验 (计算机计算的第三个重要指标)
用t检验法: • P2690 公式8.28
• 结果判定方法: • (1)与临界比较法 • (2)用P值法
P<0.05时有效
(3)回归方程的显著性检验 (计算机计算的第四个重要指标)
• 在多元回归分析中,回归方程显著性检验的是当用多个自变量共同预测 因变量Y时,预测是否准确。

统计学-课件第八章 相关回归分析

统计学-课件第八章 相关回归分析
第八章 相关与回归分析
第一节 相关分析 第二节 一元线性回归分析
1
学习目的和要求
了解相关与回归分析的概念、特点,相 关分析与回归分析的区别与联系;
掌握相关分析的定性和定量分析方法;
掌握回归模型的拟合方法、对回归方程 拟合精度的测定和评价的方法。
2
学习重点
相关分析系数计算方法 回归方程的建立
10.9692 7
第一节 相关分析
④由于
T ,t则/拒2 绝 ,表H明0变量间
线性相关在统计上是显著的。即产品产量与
生产费用之间的相关系数是显著的。
回归分析
1.回归分析的概念 回归分析就是对具有相关关系的变量之
间数量变化的一般关系进行测定,确定一 个相关的数学表达式,以便于进行估计或 预测的统计方法。
1.相关表 相关表是一种反映变量之间相关关系
的统计表。将某一变量按其取值的大 小排列,然后再将与其相关的另一变 量的对应值平行排列,便可得到简单 的相关表。
例1:某地区某企业近8年产品产量与 生产费用的相关情况如表6-1所示:
第一节 相关分析
表1 产品产量与生产费用相关表
从表可看 出,产品产量 与生产费用之 间存在一定的 正相关关系。
160
生 140 120
产 100
费 80

60 40
20
0
产品产量与生产费用相关图
9
8
7产
6
5品
4产
3 2

1
0
1997 1998 1999 2000 2001 2002 2003 2004
时间
生产费用(万元)
产品产量(千吨)
第一节 相关分析

第8章相关和回归分析52页PPT

第8章相关和回归分析52页PPT

7.2 一元线性回归
7.2.1 标准的一元线性回归模型 7.2.2一元线性回归模型的估计 7.2.3一元线性回归模型的检验 7.2.4一元线性回归模型的预测
云南财经大学统计信息学院
统计学 STATISTICS
一元线性回归模型
1. 描述因变量 y 如何依赖于自变量 x 和误差项 的方 程称为回归模型
表示
云南财经大学统计信息学院
统计学 STATISTICS
y
离差的分解 (图示)
(xi , yi )
{ } y yˆ
yy
} yˆ y
yˆbˆ0 +bˆ1x
y
x
云南财经大学统计信息学院
统计学 STATISTICS
离差平方和的分解
(三个平方和的关系)
n
n
n
yiy2 y ˆiy2+ yiy ˆ2
云南财经大学统计信息学院
统计学 STATISTICS
相关关系(类型)
• 按相关程度划分:
完全相关、不完全相关和不相关
• 按相关方向划分:
正相关和负相关
• 按相关形式划分:
线性相关和非线性相关
• 按变量多少划分
单相关、复相关和偏相关
• 按相关性质划分
真实相关和虚假相关
云南财经大学统计信息学院
统计学 STATISTICS
1.
总体回归参数 b

0
b
是未知的,必须利用样本数
1
据去估计
2.
用样本统计量
bˆ 0


代替回归方程中的未知参
1
数b 0和 b 1,就得到了估计的回归方程
3.一元线性回归中估计的回归方程为

第八章相关与回归分析-资料.ppt

第八章相关与回归分析-资料.ppt
如果两种相关现象之间, 在图上并不表 现为直线形式而是表现为某种曲线形式 时,则称这种相关关系为非线性相关。
2021/1/4
版权所有 BY 统计学课程组
9
相关关系的种类
(四) 按相关方向划分
线性相关中按相关的方向可分为正相关 和负相关。
当一个现象的数量由小变大,另一个现 象的数量也相应由小变大,这种相关称 为正相关。
当一个现象的数量由小变大,而另一个 现象的数量相反地由大变小,这种相关 称 BY 统计学课程组
10
相关关系的种类
(五) 按相关性质划分
按相关的性质可分为“真实相关”和 “虚假相关”。
当两种现象之间的相关确实具有内在的 联系时,称之为“真实相关”。
当两种现象之间的相关只是表面存在, 实质上并没有内在的联系时,称之为"虚 假相关"。
2021/1/4
版权所有 BY 统计学课程组
2
本章难点
直线相关系数的涵义、计算与分析。直 线回归方程的确定与精确度的评价。
参数估计的理论方法,如最小二乘法的 基本原理等。
参数估计的显著性检验及拟合优度的检 验的基本理论。
非线性回归的转化问题。
2021/1/4
版权所有 BY 统计学课程组
3
学习目标
2021/1/4
版权所有 BY 统计学课程组
6
二、相关关系的种类
(一) 按变量多少划分 按相关关系涉及变量的多少可分为单相
关、复相关和偏相关。 两个现象的相关,即一个变量对另一个
变量的相关关系,称为单相关。 当所研究的是一个变量对两个或两个以
上其他变量的相关关系时,称为复相关。
2021/1/4
12
相关分析与回归分析的联系

最新8相关与回归分析汇总

最新8相关与回归分析汇总

第八章 相关与回归分析
总体相关系数:根据总体全部数据计算的相关 系数,记为 。
样本相关系数:根据样本数据计算的相关系数, 记为r 。
第八章 相关与回归分析
样本相关系数的计算公式为: ······①=
第八章 相关与回归分析
为了根据原始数据计算r,可由①式推导出简 化计算公式:
··········②
存在线性相关关系。
第八章 相关与回归分析
r的取值一般在-1<r<1之间,不同取值反映两个 变量之间的线性关系的密切程度不同:
(1) ≥0.8时,可视为高度相关; (2)0.5≤ <0.8时,可视为中度相关; (3)0.3≤ <0.5时,可视为低度相关; (4) <0.3时,说明两个变量之间相关程度极弱,
可视为不线性相关。 注意:以上说明必须建立在对相关系数的显著性进
行检验的基础上的。
第八章 相关与回归分析
三、相关关系的显著性检验 (一)r的抽样分布 当样本数据来自正态总体时,随n的增大,r的抽
样分布趋于正态分布,尤其是在总体相关系数很 小或接近0时,趋于正态分布的趋势很明显。 当总体相关系数远离0时,除非n非常大,否则r的 抽样分布呈一定的偏态。只有当总体相关系数接 近0,而样本容量n很大时,才能认为r是接近于正 态分布的随机变量。
第八章 相关与回归分析
例:某商品的销售额与销售量之间的关系。设 销售额为y,销售量为x,销售价格为p,则x与 y之间的关系可表示为y=px。
例:企业的原材料消耗额y与产量x1,单位产品 消耗x2、原材料价格x3之间的关系可表示为y= x1 x2 x3。
第八章 相关与回归分析
定义: 变量之间存在的不确定性数量关系,称为相
关关系。
例:子女的身高y与其父母身高x之间的关系。 例:农作物的单位面积产量y与施肥量x之间的关

[课件]第八章 直线回归与相关分析PPT

[课件]第八章 直线回归与相关分析PPT
Q SS U 283 176 . 4 106 . 6 y
(2)F检验:
U 176 . 4 F ( n 2 ) ( 5 2 ) 4 . 96 Q 106 . 6
因为 F , 4 . 96 F 10 . 13 0 . 05 ( 1 , 3 ) .05 。说明小白鼠体重和日龄间 所以, p 0 的直线关系不显著。
相关分析(correlation analysis)3
研究“一因一果”,即一个自变量与一个依 变量的回归分析称为一元回归分析;
直线回归分析 曲线回归分析
研究“多因一果”,即多个自变量与一个依 变量的回归分析称为多元回归分析。
多元线性回归分析
多元非线性回归分析
第二节:直线回归
Linear Regression
回归和相关分析结果仅适用于自变量的试验取值 范围。
9
2. 进行直线回归分析时应符合的基本条件 (基本假定) (1)x是没有误差的固定变量;而y是随机 变量,具有随机误差。 (2)x的任一值都对应着一个y的总体,且 呈正态分布。
(3)随机误差是相互独立的,且呈正态分
布。
10
对两个变量间的线性关系的显著性进行检验时, 采用的方法是 F 检验或 t 检验。 直线回归中,只有一个自变量,所以回归平方和 的自由度为1,离回归平方和的自由度为n-2 。 1. 计算回归平方和U和离回归平方和Q:
序号 日龄 x 体重 y 1 6 12 2 9 17 3 12 22 4 15 25 5 18 29
13
(一)求回归方程: (1)由观测值计算6个一级数据
n 5
x 6 9 12 15 18 60 x 6 9 12 15 18 810

统计学课件第八章相关和回归分析

统计学课件第八章相关和回归分析

2019/12/17
2
本章学习目的
1.理解相关的意义、主要形式、以及相 关分析的基本内容。
2.掌握相关系数的设计原理,以及相关 关系显著性检验。
3.回归和相关的区别和联系
4.普通最小二乘法的原理以及回归参数 的意义。
5.估计标准误差的分析等。
2019/12/17
3
第一节 相关的意义和种类
+1.0
2019/12/17
34
【例1】计算人均可支配收入和消费支出之间 的简单相关系数。
Ïû ·Ñ Ö§ö³ (°Ù Ôª )y
ÈË ¾ù ¿É Ö§ Åä ÊÕ Èë (°Ù Ôª )x
y2
x2
xy
15
18
225
324
270
20
25
400
625
500
30
45
900
2025 1350
40
60
1600 3600 2400
2019/12/17
x
y
x
1.0000
y
0.9697 1.0000
31
相关系数取值及其意义
1. r 的取值范围是 [-1,1] |r|=1,为完全相关 r =1,为完全正相关 r =-1,为完全负相关
2. r = 0,不存在线性相关关系 3. -1r<0,为负相关 4. 0<r1,为正相关 5. |r|越趋于1表示关系越密切;|r|越趋于0表示
40 30 20 10
0 0
20 40 60 80 100
广告费(万元)
2019/12/17
27二、简单相关系数 Nhomakorabea (一)简单相关系数的概念

[课件]统计学:第八章 相关与回归分析PPT

[课件]统计学:第八章 相关与回归分析PPT
2018/12/4 河北工程大学经济管理学院 8
二、相关关系的种类
把握以下问题: 1、按相关程度划分; 2、按相关方向划分; 3、按相关形式划分; 4、按变量多少划分; 5、按相关性质划分。
2018/12/4 河北工程大学经济管理学院 9
1、按相关程度划分
可分为完全相关、不完全相关和不相关 (1 )完全相关:当一种现象的数量变化完全 由另一个现象的数量变化所确定时,称这两 种现象之间的关系为完全相关,例如圆的周 长 L 决定于它的半径 R ,即 L=2∏R 。在这种 情况下,相关关系即为函数关系,也可以说 函数关系是相关关系的一种特例。
第八章 相关与回归分析
本章分三节: 第一节 相关与回归分析的基本概 念 第二节 一元线性回归分析 第三节 相关分析

2018/12/4
河北工程大学经济管理学院
3
第一节 相关与回归分析的 基本概念
本节需要把握四个问题: 一、函数关系与相关关系; 二、相关关系的种类; 三、相关分析与回归分析; 四、相关表和相关图。
16
三、相关分析与回归分析
把握以下问题: 1、相关分析与回归分析的概念; 2、二者的联系; 3、二者的区别; 4、应用中注意局限性。
2018/12/4 河北工程大学经济管理学院 7
3、二者关系
上述函数关系和相关关系之间并不存在 严格的界限,一定条件下可以转化。由 于有测量误差等原因,函数关系在实际 中往往通过相关关系表现出来;反之当 对现象之间的内在联系和规律性了解得 更清楚深刻的时候,相关关系也可能转 化为函数关系。因此,相关关系通常可 以用一定的函数关系表达式去近似地描 述。
2018/12/4 河北工程大学经济管理学院 4

统计学原理第八章相关分析与回归分析

统计学原理第八章相关分析与回归分析

21
例1:P354页,第1题
企业 产量 X 单位成 XY
X2
Y2
序号 (4件) 本(元)Y
1
2
52
104
4
2704
2
3
54
162
9
2916
3
4
52
208
16
2704
4
4
48
192
16
2304
5
5
48
240
25
2304
6
6

24
46
276
36
2116
300
1182
106 15048
即:∑X=24,∑Y=300, ∑XY=1182,
• 2) X倚Y的直线方程的确定
• 根据最小平方法的原理:(x xc )2 最小值
• 将xc = c + dy代入上述公式中,分别对c和d 求一阶偏导数,并令偏导数等于0,就可以
得出两个正规方程:
x nc dy yx cy dy2
d
nyx y n y2 (
x
y )2
c x dy
举例:P355,第4题。
• 偏相关:在复相关中,当假定其他变量不 变时,其中两个变量间的相关关系称为偏 相关。例如,在假定人们收入水平不变的 条件下,某种商品的需求与其价格水平的 关系就是一种偏相关。
9
三、相关分析与回归分析
• (一)相关分析 • 是用一个指标(相关系数)来表明现象
之间相互依存的密切程度。 • (二)回归分析 • 是根据相关关系的具体形态,选择一个
• 曲线相关:如果现象之间的相关关系近似 地表现为某种曲线形式时,就称这种相关 关系为曲线相关。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

关)
代用质量指标x能很好反映真实质量指标y;(用于分
y
x
X变大时,y变
析质量指标间的关系) 两因素x、y有密切联系。(用于因素间关系分析)
小。
(强负相关)
x
y
X变大时,y大
X 是影响质量指标y的因素,同时还应考虑其它因素;
致变大。标x能在一定程度上反映真实质量指标y
内在联系,以便在生产实践中进 行预测和控制。 §8.1 相关图 §8.2 相关系数 §8.3 一元线性回归
1
§8.1 相关图
一 概念:为了研究两个变量之间的相关关系,利用两个变量一一对应的数据做出的 坐标图称做相关图 。通过相关图,可以直观地看出两个变量间的大致关系。
二 绘制程序 例1 零件某部位进行化学铣,公差要求是1.5±0.1,现收集不同腐蚀时间下,腐 蚀深度的32组数据(如表)
因此,腐蚀深度和腐蚀时间在0.05和0.01显著性水平下均判定具有相
关关系。可 以通过腐蚀时间的变动范围预测腐蚀深度的变动范围;
同时,可通过控制腐蚀时间达到控 制腐蚀深度的目的。
7

1 数据一定要成对出现,否则无法制作相关图。 2 数据要先分层,再作相关图,否则会出现判
断失误。 3 明确在什么范围内相关。 4 对相关图上出现的孤岛要查找原因,加以消
由表可知腐蚀深度与腐蚀时间之间具有线性正相关关系
5
四 简易相关检定法
1 在相关图上分别画出中值线 ~x和 ,~y 使 左~x右两侧的点
数大致相同, 上~y 下两部分的点数大致相同。
n2=3
1.60 (Ⅱ)
~x
n1=13
(Ⅰ)
1.50
~y
腐蚀深度/mm
1.40 (Ⅲ)
n3=13
(Ⅳ)
n4=3
820 830 840 850 860 870 880 890 900 腐蚀时间/s
x
的情况,应当再考察其它代用质量指标;(用于分析质量 指标间的关系)
y
X变大时,y大 致变小。
两因素x、y有一定联系。(用于因素关系分析)
(弱负相关)
x
y
X与y无任何关
X 不是影响质量指标y的影响因素;(用于因果分析)
系。
X不能成为真实质量指标的代用质量指标;(用于分
(无关)
析质量指标间的关系)
x
两因素x、y无关。(用于因素关系分析)
N=32,若α=0.05,则可查得S 0.05(32)=9;若α=0.01,则可查得 S 0.01(32)=8 6 检定相关性。将n+,n-中的较小值min(n+,n-)与Sα(N)比较 ,若 min(n+,n-)≤Sα(N) 则判定在显著性水平α下x,y相关,反之则
本例中 min(n+,n-)=6<S 0.05(32)=9 min(n+,n-)=6<S 0.01(32)=8
3
腐蚀深度/mm
1.60
1.50
1.40
820 830 840 850 860 870 880 890 900 腐蚀时间/s
腐蚀时间-腐蚀深度相关图
4
相关图的典型形状及用法表
图形
X与y关系
主要结论
y
X变大时,y也
X是质量指标y的重要因素。通过控制因素x,可达到
变大。(强正相 控制结果y的目的;(用于因素分析)
第八章 相关图及回归分析
●相关关系:两个变量没有确定性的关系,但一个变量发生变化,另一也发 生相应的变化;或两个变量在各种干扰因素的综合作用下表 现出来的相互关联的关系称为相关关系。
●相关分析:研究两个变量之间相互关联的程度称为相关分析。 ●相关分析方法:
﹡相关图是研究相关关系的图表法; ﹡回归分析是研究相关关系的数学方法,它帮助人们求得变量之间的
除,才能正确估计变量之间的关系。孤岛点 的出现常常是由于测量错误,数据记录错误
8
y

○○ ○ ×○○ × ×○○ ○ ×○×○××
× ×

● ●● ●●
●●
●●
y
× ×××××××××××××××× × ×× ×× ×× × × ×× ××× × × ××× ×
落在同一位置(即同点),则用“ ⊙”或“·2”表示,若有三对、四对数据同点,
则用 “ ”或·“
”或“··3”、“·4”表示,依此类推。
三 相关图的观察与使用
四 简易相关检定法
五 应用注意事项
2
腐蚀时间——腐蚀深度数据表
序 腐蚀 腐蚀 序 腐蚀 腐蚀 序 腐蚀 腐蚀 序 腐蚀 腐蚀
号 时间 深度 号 时间 深度 号 时间 深度 号 时间 深度
简易相关检定
6
2 x,y将相关图分为四个区域(Ⅰ)、(Ⅱ)、( Ⅲ)、(Ⅳ),右上为(Ⅰ)区, 按逆时针顺序编号,记录下各区点数和线上点数。本例中n1=13,n2 =3,n3=13,n4=3,线上点数=0
3 计算: N=n-线上点数 (n为数据对数) n+=n1+n3 n-=n2+n4
本例中N=32,n+=26,n-=6 4 确定显著性水平α。一般取α=0.05,也可取0.01,0.10,0.25 5 查符号检验表,据N和给定的α查出对应的点数界限Sα(N)。本例中,
/s /mm
/s /mm
/s /mm
/s /mm
1 885 1.59 9 847 1.50 17 860 1.50 25 874 1.51 2 828 1.46 10 849 1.42 18 864 1.48 26 879 1.55 3 835 1.40 11 850 1.46 19 865 1.54 27 881 1.54 4 835 1.45 12 852 1.52 20 867 1.57 28 882 1.53 5 839 1.43 13 851 1.55 21 869 1.55 29 884 1.56 6 836 1.48 14 856 1.47 22 870 1.52 30 888 1.57 7 842 1.43 15 859 1.45 23 870 1.57 31 891 1.55 8 847 1.47 16 859 1.52 24 873 1.48 32 892 1.58
(1) ●数据要以(xi,yi)的形式成对出现; ●一般将原因变量作为x,结果变量作为y; ●数据对数 n应为30~50对,本例n=32。
(2) 做坐标系o-xy ●本例中,以腐蚀时间作为x,腐蚀深度作为y。 ●在确定坐标的长度单位时,应使x的散布范围与y的散布范围大致相等,
(3)
依每组数据的数值在坐标系中描点。如有两对数据的点
相关文档
最新文档