- 1、本文档共35页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
变量的相关性
(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.
回归分析
了解回归分析的基本思想、方法及其简单应用.
1.相关关系
当自变量取值一定时,因变量的取值带有一定的随机性,则这两个变量之间的关系叫做相关关系.即相关关系是一种非确定性关系.
当一个变量的值由小变大时,另一个变量的值也由小变大,则这两个变量正相关;
当一个变量的值由小变大时,而另一个变量的值由大变小,则这两个变量负相关.
【注意】相关关系与函数关系的异同点:
共同点:二者都是指两个变量间的关系.
不同点:函数关系是一种确定性关系,体现的是因果关系;而相关关系是一种非确定性关系,体现的不一定是因果关系,可能是伴随关系.
2.散点图
将样本中的n个数据点描在平面直角坐标系中,所得图形叫做散点图.
从散点图上看,点散布在从左下角到右上角的区域内,两个变量的这种相关关系称为正相关,点散布在从左上角到右下角的区域内,两个变量的相关关系为负相关.
具有正相关关系的两个变量的散点图如图1,具有负相关关系的两个变量的散点图如图2.
3.回归分析
如果散点图中点的分布从整体上看大致在一条直线附近,则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.
回归直线对应的方程叫做回归直线方程(简称回归方程).
4.回归方程的求解
(1)求回归方程的方法是最小二乘法,即使得样本数据的点到回归直线的距离的平方和最小.
若变量x与y具有线性相关关系,有n个样本数据,则回归方程中,.
其中,
称为样本点的中心.
(2)线性回归模型,其中称为随机误差,自变量称为解释变量,因变量称为预报变量.
【注意】①回归直线必过样本点的中心,这个结论既是检验所求回归直线方程是否准确的依据,也是求参数的一个依据.
②利用回归直线方程不但可以预测在x取某一个值时,y的估计值,同时也能知道x每增加1个单位,的变化量.
③在回归直线方程中,既表示直线的斜率,又表示自变量x的取值每增加一个单位时,函数y的改变量.
5.相关系数
(1)样本相关系数r的计算公式
我们可以利用相关系数来定量地衡量两个变量之间的线性相关关系,计算公式为.
(2)样本相关系数r的性质
①;
②当r0时,表明两个变量正相关;当r0时,表明两个变量负相关;
③|r|越接近于1,表明两个变量的线性相关性越强;
④|r|越接近于0,表明两个变量的线性相关性越弱.
6.非线性回归分析
对某些特殊的非线性关系,可以通过变量转换,把非线性回归问题转化成线性回归问题,然后用线性回归的方法进行研究.
在大量的实际问题中,所研究的两个变量不一定都呈线性相关关系,当两变量y与x不具有线性相关关系时,要借助散点图,与已学过的函数(如指数函数、对数函数、幂函数等)的图象相比较,找到合适的函数模型,利用变量代换转化为线性函数关系,从而使问题得以解决.
7.刻画回归效果的方式
方式方法
计算公式
刻画效果
越接近于1,表示回归的效果越好
残差图
称为相应于点的残差,
残差点比较均匀地落在水平的带状区域中,说明选用的模型比较合适,其中这样的带状区域的宽度越窄,说明模型拟合精确度越高.
残差平方和
残差平方和越小,模型的拟合效果越好
考向一 相关关系的判断
判定两个变量正、负相关性的方法:
(1)画散点图:若点的分布从左下角到右上角,则两个变量正相关;若点的分布从左上角到右下角,则两个变量负相关;
(2)相关系数:r0时,正相关;r0时,负相关;
(3)线性回归方程中:时,正相关;时,负相关.
典例1 给出下列有关线性回归分析的四个命题:
①线性回归直线未必过样本数据点的中心;
②回归直线就是散点图中经过样本数据点最多的那条直线;
③当相关系数时,两个变量正相关;
④如果两个变量的相关性越强,则相关系数就越接近于.
其中真命题的个数为
A. B.
C. D.
【答案】A
1.对两个变量x,y进行线性回归分析,计算得到相关系数r
A.x与y正相关 B.x与y具有较强的线性相关关系
C.x与y几乎不具有线性相关关系 D.x与y的线性相关关系还需进一步确定
2.某国际控股有限公司2012~2017年的年广告支出y(单位:百万元)与年利润x(单位:百万元)的统计资料如表所示:
年份
2012
2013
2014
2015
2016
2017
支出y
0.64
0.72
0.79
0.85
0.98
1.06
利润x
11.9
13.1
15.7
17.1
19.6
21.5
根据统计资料,则
A.利润的中位数是15.7,y与x为正相关关系 B.利润的中位数是16.4,y与x为正相关关系
C.利润的中位数是17.1,y与x为负相关关系 D.利润的中位数是16.4,y
您可能关注的文档
- 届高考数学(文科,通用)二轮复习突破练 高考小题综合练(四)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考小题综合练(一)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考压轴大题突破练(二)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考压轴大题突破练(三)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考压轴大题突破练(四)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考压轴大题突破练(一)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考中档大题规范练(二)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考中档大题规范练(三)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考中档大题规范练(四)含答案.doc
- 届高考数学(文科,通用)二轮复习突破练 高考中档大题规范练(一)含答案.doc
文档评论(0)