2.3.1变量之间的相关关系(1).ppt

1、2.3变量间的相关关系(1),问题提出,在中学校园里，有这样一种说法：“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某种关系，我们把数学成绩和物理成绩看成是两个变量，那么这两个变量之间的关系是函数关系吗？,上述两个变量之间的关系是一种非确定性关系，称之为相关关系，那么相关关系的含义如何？,定义：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.,一、变量之间的相关关系,不同点：函数关系是一种确定的关系；而 相关关系是一种非确定关系.,相关关系与函数关系的异同点：,相同点：均是指两个变量的关系,两个

2、变量之间产生相关关系的原因是受许多不确定的随机因素的影响。,例：（1）商品销售收入与广告支出经费之间的关系 （2）粮食产量与施肥量之间的关系,理论迁移,例1 在下列两个变量的关系中，哪些是相关关系？ 正方形边长与面积之间的关系； 作文水平与课外阅读量之间的关系； 人的身高与年龄之间的关系； 降雪量与交通事故的发生率之间的关系.,【问题】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：,其中各年龄对应的脂肪数据是这个年龄人群脂肪含量的样本平均数.,根据上述数据，人体的脂肪含量与年龄之间 有怎样的关系？,思考1：对某一个人来说，他的体内脂肪含量不一定随年龄增长而增加或减少，但是

3、如果把很多个体放在一起，就可能表现出一定的规律性.观察上表中的数据，大体上看，随着年龄的增加，人体脂肪含量怎样变化？,思考2：为了确定年龄和人体脂肪含量之间的更明确的关系，我们需要对数据进行分析，通过作图可以对两个变量之间的关系有一个直观的印象.以x轴表示年龄，y轴表示脂肪含量，你能在直角坐标系中描出样本数据对应的图形吗？,思考3：上图叫做散点图，你能描述一下散点图的含义吗？,在平面直角坐标系中，表示具有相关关系的两个变量的一组数据图形，称为散点图.,观察散点图的大致趋势， 两个变量的散点图中点的分布的位置是从左下角到右上角的区域，我们称这种相关关系为正相关。,思考4：如果两个变量成负相关，从

4、整体上看这两个变量的变化趋势如何？其散点图有什么特点？,散点图中的点散布在从左上角到右下角的区域.,思考5：你能列举一些生活中的变量成正相关或负相关的实例吗?,正相关如学习时间与成绩。 负相关如日用眼时间和视力，汽车的重量和汽车每消耗一升汽油所行驶的平均路程等。,注：若两个变量散点图呈上图，则不具有相关关系，如：身高与数学成绩没有相关关系。,思考5：你能列举一些生活中的变量成正相关或负相关的实例吗?,例2、以下是2000年某地搜集到的新房屋的销售价格和房屋的面积的数据：,画出数据对应的散点图，并指出销售价格与房屋面积这两个变量是正相关还是负相关.,如果散点图中点的分布从整体上看大致在一条直线附

5、近，我们就称这两个变量之间具有线性相关关系，这条直线就叫做回归直线。,这条回归直线的方程，简称为回归方程。,三、回归直线,1.如果所有的样本点都落在某一函数曲线上，变量之间具有函数关系 2.如果所有的样本点都落在某一函数曲线附近，变量之间就有相关关系 3.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 只有散点图中的点呈条状集中在某一直线周围的时候，才可以说两个变量之间具有线性关系，才有两个变量的正线性相关和负线性相关的概念，才可以用回归直线来描述两个变量之间的关系,整体上最接近,方案一：采用测量的方法：先画一条直线，测量出各点到它的距离，然后移动直线，到达一个使距离之和最小的位

6、置，测量出此时直线的斜率和截距，就得到回归方程。,四、如何具体的求出这个回归方程呢？,方案二: 在图中选取两点画直线，使得直线两侧的点的个数基本相同。,三、如何具体的求出这个回归方程呢？,方案三: 在散点图中多取几组点，确定几条直线的方程，分别求出各条直线的斜率和截距的平均数，将这两个平均数作为回归方程的斜率和截距。,三、如何具体的求出这个回归方程呢？,上述三种方案均有一定的道理，但可靠性不强，我们回到回归直线的定义。,求回归方程的关键是如何用数学的方法来刻画“从整体上看，各点与直线的偏差最小”。,思考6：对一组具有线性相关关系的样本数据：(x1，y1)，(x2，y2)，(xn，yn)，设其回

7、归方程为 可以用哪些数量关系来刻画各样本点与回归直线的接近程度？,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，这条直线就叫做回归直线。,探索过程如下：,这样，用这n个偏差的和来刻画“各点与此直线的整体偏差”是比较合适的。,可以用 或 ， 其中 .,设已经得到具有线性相关关系的变量的一组数据：（x1，y1），（x2，y2），（xn，yn） 设所求的回归直线方程为 其中a，b是待定的系数。当变量x取x1，x2，xn时，可以得到 （i=1，2，n） 它与实际收集得到的 之间偏差是 （i=1，2，n）,思考7：利用计算器或计算机可求得年龄和人体脂肪含量的样

8、本数据的回归方程为 ，由此我们可以根据一个人个年龄预测其体内脂肪含量的百分比的回归值.若某人65岁，则其体内脂肪含量的百分比约为多少？,37.1 （0.57765-0.448= 37.1）,若某人65岁，可预测他体内脂肪含量在37.1（0.57765-0.448= 37.1）附近的可能性比较大。 但不能说他体内脂肪含量一定是37.1 原因：线性回归方程中的截距和斜率都是通过样本估计的，存在随机误差，这种误差可以导致预测结果的偏差，即使截距斜率没有误差，也不可能百分百地保证对应于x，预报值Y能等于实际值y,例3：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

9、热饮杯数与当天气温的对比表：,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2摄氏度，预测这天卖出的热饮杯数。,1、散点图,2、从图3-1看到，各点散布在从左上角到由下角的区域里，因此，气温与热饮销售杯数之间成负相关，即气温越高，卖出去的热饮杯数越少。,3、从散点图可以看出，这些点大致分布在一条直线的附近，因此利用公式1求出回归方程的系数。Y= -2.352x+147.767,4、当x=2时，Y=143.063 因此，某天的气温为2摄氏度时，这天大约可以卖出143杯热饮。,练习:给出施化肥量对水稻产量影响的 试验数据：,(1)画出上表的散点图; (2)求出回归直线并且画出图形.,从而得回归直线方程是,解：(1)散点图（略） (2)表中的数据进行具体计算，列成以下表格,(图形略),故可得到,归纳：,1.求样本数据的线性回归方程，可按下列步骤进行：,第一步，计算平均数 ,第二步，求和 , (列表）,第三步，计算,第四步，写出回归方程,2.回归方程被样本数据惟一确定，各样本点大致分布在回归直线附近.对