资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,两个变量的线性关系,.,复习引入:,1,、前面我们学习了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,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,注:可考虑让学生思考书,P77,的思考,.,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,回归方程,。,那么,我们该怎样来求出这个回归方程?,请同学们展开讨论,能得出哪些具体的方案?,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,.,.,方案,1,、先画出一条直线,测量出各点与它的距离,再移动直线,到达一个使距离的,和最小时,测出它的斜率和截距,得回归,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,如图:,.,方案,2,、在图中选两点作直线,使直线两侧,的点的个数基本相同。,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,方案,3,、如果多取几对点,确定多条直线,再求出 这些直线的斜率和截距的平均值作为回归 直线的斜率和截距。而得回归方程。,如图,我们还可以找到,更多的方法,但,这些方法都可行,吗,?,科学吗?,准确吗?怎样的,方法是最好的?,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,我们把由一个变量的变化,去推测另一个变量的方法,称为,回归方法。,我们上面给出的几种方案可靠性都不是很强,人们经过长期的实践与研究,已经找到了计算回归方程的斜率与截距的一般公式,:,以上公式的推导较复杂,故不作推导,但它的原理较为简单:即各点到该直线的距离的平方和最小,这一方法叫,最小二乘法,。(参看如书,P80,),练习:书,P86A,组,1,、,3,作业:,P86A,组,2,
展开阅读全文