(
课件网) 2.3.2 两个变量的线性相关 . 求和符号 如: 记为: 复习引入： 1、现实生活中存在许多相关关系：商品销售与广告、粮食生产与施肥量、人体的脂肪量与年龄等等的相关关系. 2、通过收集大量的数据，进行统计，对数据分析，找出其中的规律，对其相关关系作出一定判断. 3、由于变量之间相关关系的广泛性和不确定性，所以样本数据应较大，和有代表性.才能对它们之间的关系作出正确的判断. 探究： . 年龄 脂肪 23 9.5 27 17.8 39 21.2 41 25.9 45 49 27.5 26.3 50 28.2 53 29.6 54 30.2 56 31.4 57 30.8 年龄 脂肪 58 33.5 60 35.2 61 34.6 如上的一组数据，你能分析人体的脂肪含量与年龄 之间有怎样的关系吗？ 从上表发现，对某个人不一定有此规律，但对很多个体放在一起，就体现出“人体脂肪随年龄增长而增加”这一规律.而表中各年龄对应的脂肪数是这个年龄人群的样本平均数.我们也可以对它们作统计图、表，对这两个变量有一个直观上的印象和判断. 下面我们以年龄为横轴， 脂肪含量为纵轴建立直 角坐标系，作出各个点， 称该图为散点图。 如图： O 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 5 10 15 20 25 30 35 40 具有相关关系 不具有相关关系 从刚才的散点图发现：年龄越大，体内脂肪含量越高，点的位置散布在从左下角到右上角的区域。称它们成正相关。但有的两个变量的相关，如下图所示： 如高原含氧量与海拔高度 的相关关系，海平面以上， 海拔高度越高，含氧量越 少。 作出散点图发现，它们散 布在从左上角到右下角的区 域内。又如汽车的载重和汽 车每消耗1升汽油所行使的 平均路程，称它们成负相关. O 我们再观察它的图像发现这些点大致分布在一条直线附 近,像这样，如果散点图中点的分布从整体上看大致在 一条直线附近，我们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，该直线叫回归直线方程。 20 25 30 35 40 45 50 55 60 65 年龄 脂肪含量 0 5 10 15 20 25 30 35 40 用方程 在一般统计书中习惯用b表示一次项系数,用a表示常数项,这正好与我们表示的一次函数习惯相反. 离差: 将 称为离差. 叫总离差 最小二乘法: 为最小的方法. 2 求 利用配方法求得: 例1：观察两相关变量得如下表： x -1 -2 -3 -4 -5 5 3 4 2 1 y -9 -7 -5 -3 -1 1 5 3 7 9 求两变量间的回归方程 解： 列表： i 1 2 3 4 5 6 7 8 9 10 -1 -2 -3 -4 -5 5 3 4 2 1 -9 -7 -5 -3 -1 1 5 3 7 9 9 14 15 12 5 5 15 12 14 9 计算得: ∴所求回归直线方程为 y=x ^ 小结：求线性回归直线方程的步骤： 第一步：列表 ； 第二步：计算 ； 第三步：代入公式计算b,a的值； 第四步：写出直线方程。 例2：有一个同学家开了一个小卖部，他为了研究气温对热饮销售的影响，经过统计，得到一个卖出的热饮杯数与当天气温的对比表： 摄氏温度 -5 0 4 7 12 15 19 23 27 31 36 热饮杯数 156 150 132 128 130 116 104 89 93 76 54 (1)画出散点图； (2)从散点图中发现气温与热饮销售杯数之间关系的一 般规律； (3)求回归方程； (4)如果某天的气温是 C,预测这天卖出的热饮杯数。 解: (1)散点图 (2)气温与热饮杯数成负相关,即气温越高， 卖出去的热饮杯数越少。 温度 热饮杯数 (3)从散点图可以看出，这些点大致分布在一条直线附近。 y=-2.352x+147.767 ^ （4）当x=2时，y=143.063,因此，这天大约可以卖出143杯热饮。 ^ (3) =-2.352 =143.767 ... ...
