![2019届二轮复习常考题型答题技巧变量间的相关关系学案(全国通用)01](http://img-preview.51jiaoxi.com/3/3/5678632/0/0.jpg?x-oss-process=image/resize,w_794,m_lfit,g_center/sharpen,100)
![2019届二轮复习常考题型答题技巧变量间的相关关系学案(全国通用)02](http://img-preview.51jiaoxi.com/3/3/5678632/0/1.jpg?x-oss-process=image/resize,w_794,m_lfit,g_center/sharpen,100)
![2019届二轮复习常考题型答题技巧变量间的相关关系学案(全国通用)03](http://img-preview.51jiaoxi.com/3/3/5678632/0/2.jpg?x-oss-process=image/resize,w_794,m_lfit,g_center/sharpen,100)
2019届二轮复习常考题型答题技巧变量间的相关关系学案(全国通用)
展开2019届二轮复习 常考题型答题技巧 变量间的相关关系 学案 (全国通用)
【知识梳理】
1.相关关系
如果两个变量中一个变量的取值一定时,另一个变量的取值带有一定的随机性,那么这两个变量之间的关系叫做相关关系.
2.散点图
将各数据在平面直角坐标系中的对应点画出来,得到表示两个变量的一组数据的图形,这样的图形叫做散点图,利用散点图,可以判断两个变量是否相关,相关时是正相关还是负相关.
3.正相关和负相关
(1)正相关:散点图中的点散布在从左下角到右上角的区域.
(2)负相关:散点图中的点散布在从左上角到右下角的区域.
4.回归直线方程
(1)回归直线:如果散点图中点的分布从整体上看大致在一条直线附近,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.
(2)回归方程:回归直线的方程,简称回归方程.
(3)回归方程的推导过程:
①假设已经得到两个具有线性相关关系的变量的一组数据(x1,y1),(x2,y2),…,(xn,yn).
②设所求回归方程为=x+,其中,是待定参数.
③由最小二乘法得
. ]
其中:是回归方程的斜率,是截距.
【常考题型】
题型一、相关关系的判断
【例1】 (1)下列关系中,属于相关关系的是
①正方形的边长与面积之间的关系;
②农作物的产量与施肥量之间的关系;
③人的身高与年龄之间的关系;
④降雪量与交通事故的发生率之间的关系.
(2)某个男孩的年龄与身高的统计数据如下表所示.
年龄(岁)x | 1 | 2 | 3 | 4 | 5 | 6 |
身高(cm)y | 78 | 87 | 98 | 108 | 115 | 120 |
①画出散点图;
②判断y与x是否具有线性相关关系.
[解析] (1)在①中,正方形的边长与面积之间的关系是函数关系;在②中,农作物的产量与施肥量之间不具有严格的函数关系,但具有相关关系;在③中,人的身高与年龄之间的关系既不是函数关系,也不是相关关系,因为人的年龄达到一定时期身高就不发生明显变化了,因而它们不具有相关关系;在④中,降雪量与交通事故的发生率之间具有相关关系.
[答案] (1)②④
(2)①散点图如图所示.
②由图知,所有数据点接近一条直线排列,因此,认为y与x有线性相关关系.
【类题通法】
两个变量是否相关的两种判断方法
(1)根据实际经验:借助积累的经验进行分析判断.
(2)利用散点图:通过散点图,观察它们的分布是否存在一定的规律,直观地进行判断.
【对点训练】
如图所示的两个变量不具有相关关系的有 .
解析:①是确定的函数关系;②中的点大都分布在一条曲线周围;③中的点大都分布在一条直线周围;④中点的分布没有任何规律可言,x,y不具有相关关系.
答案:①④
题型二、求回归方程
【例2】 某连锁经营公司所属5个零售店某月的销售额和利润额资料如下表:
商店名称 | A | B | C | D | E |
销售额(x)/千万元 | 3 | 5 | 6 | 7 | 9 |
利润额(y)/百万元 | 2 | 3 | 3 | 4 | 5 |
(1)画出销售额和利润额的散点图;
(2)若销售额和利润额具有相关关系,计算利润额y对销售额x的回归直线方程.
[解] (1)散点图如下:
(2)数据如下表:
i | xi | yi | x | xiyi |
1 | 3 | 2 | 9 | 6 |
2 | 5 | 3 | 25 | 15 |
3 | 6 | 3 | 36 | 18 |
4 | 7 | 4 | 49 | 28 |
5 | 9 | 5 | 81 | 45 |
合计 | 30 | 17 | 200 | 112 |
可以求得=0.5,=0.4,
线性回归方程为=0.5x+0.4.
【类题通法】
求线性回归方程的步骤
(1)计算平均数,.
(2)计算xi与yi的积,求.
(3)计算.
(4)将结果代入公式=,求.
(5)用=-,求.
(6)写出回归方程.
[变式训练]
已知变量x,y有如下对应数据:
x | 1 | 2 | 3 | 4 |
y | 1 | 3 | 4 | 5 |
(1)作出散点图;
(2)用最小二乘法求关于x,y的回归直线方程.
解:(1)散点图如图所示.
(2)==,
==, ]
yi=1+6+12+20=39.
=1+4+9+16=30,
==,
=-×=0,
所以=x为所求回归直线方程.
题型三、利用线性回归方程对总体进行估计
【例3】 一台机器由于使用时间较长,但还可以使用,它按不同的转速生产出来的某机器零件有一些会有缺点,每小时生产有缺点零件的多少随机器运转的速度而变化,下表是抽样试验结果:
转速x(转/秒)(x∈N ) | 16 | 14 | 12 | 8 |
每小时生产有缺点的零件数y(件) | 11 | 9 | 8 | 5 |
(1)如果y与x具有线性相关关系,求回归方程;
(2)若实际生产中,允许每小时的产品中有缺点的零件数最多为10个,那么机器的转速应该控制在什么范围内?
[解] (1)由题意,可得=12.5,=8.25,yi=438,=660,则=≈0.728 6,=-=-0.857 5.
所以回归直线的方程为=0.728 6x-0.857 5.
(2)要使y≤10,则0.728 6x-0.857 5≤10,
解得x≤14.90.所以机器的转速应该控制在15转/秒以下.
【类题通法】
回归分析的三个步骤
(1)进行相关性检验,若两变量无线性相关关系,则所求的线性回归方程毫无意义.
(2)求回归直线方程,其关键是正确地求得,.
(3)根据直线方程进行预测.
【对点训练】
假设关于某设备的使用年限x(年)和所支出的维修费用y(万元),有如下的统计资料:
使用年限x | 2 | 3 | 4 | 5 | 6 |
维修费用y | 2.2 | 3.8 | 5.5 | 6.5 | 7. 0 |
由资料可知y与x具有相关关系.
(1)求回归方程=x+的回归系数,;
(2)估计使用年限为10年时维修费用是多少.
解:(1)先把数据列成表.
序号 | 1 | 2 | 3 | 4 | 5 | |
xi | 2 | 3 | 4 | 5 | 6 | 20 |
yi | 2.2 | 3.8 | 5.5 | 6.5 | 7.0 | 25 |
xiyi | 4.4 | 11.4 | 22.0 | 32.5 | 42.0 | 112.3 |
x | 4 | 9 | 16 | 25 | 36 | 90 |
由表可知=4,=5,由公式可得:
===1.23,
=-=5-1.23×4=0.08.
(2)由(1)可知回归方程是=1.23x+0.08,
∴当x=10时,=1.23×10+0.08=12.3+0.08=12.38(万元).
故估计使用年限为10年时,维修费用是12.38万元.
【练习反馈】
1.下列命题正确的是( ) ]
①任何两个变量都具有相关关系;
②圆的周长与该圆的半径具有相关关系;
③某商品的需求量与该商品的价格是一种非确定性关系;
④根据散点图求得的回归直线方程可能是没有意义的;
⑤两个变量间的相关关系可以通过回归直线,把非确定性问题转化为确定性问题进行研究.
A.①③④ B.②③④
C.③④⑤ D.②④⑤
解析:选C ①显然不对,②是函数关系,③④⑤正确.
2.对变量x,y有观测数据(xi,yi)(i=1,2,…,10),得散点图图1;对变量u,v有观测数据(ui,vi)(i=1,2,…,10),得散点图图2.由这两个散点图可以判断( )
A.变量x与y正相关,u与v正相关
B.变量x与y正相关,u与v负相关
C.变量x与y负相关,u与v正相关
D.变量x与y负相关,u与v负相关
解析:选C 由这两个散点图可以判断,变量x与y负相关,u与v正相关.
3.若施肥量x(kg)与水稻产量y(kg)的线性回归方程为=5x+250,当施肥量为80 kg时,预计水稻产量约为 kg.
解析:把x=80 kg代入回归方程可得其预测值=5×80+250=650(kg).
答案:650
4.对具有线性相关关系的变量x和y,测得一组数据如下表所示.
x | 2 | 4 | 5 | 6 | 8 |
y | 30 | 40 | 60 | 50 | 70 |
若已求得它们的回归直线的斜率为6.5,这条回归直线的方程为 .
解析:由题意可知==5,
==50.
即样本中心为(5,50)
设回归直线方程为=6.5x+,
∵回归直线过样本中心(,),
∴50=6.5×5+,即=17.5,
∴回归直线方程为=6.5x+17.5
答案:=6.5x+17.5
5.2013年元旦前夕,某市统计局统计了该市2012年10户家庭的年收入和年饮食支出的统计资料如下表:
年收入 x(万元) | 2 | 4 | 4 | 6 | 6 | 6 | 7 | 7 | 8 | 10 |
年饮食支 出y(万元) | 0.9 | 1.4 | 1.6 | 2.0 | 2.1 | 1.9 | 1.8 , ,k ] | 2.1 | 2.2 | 2.3 |
(1)如果已知y与x是线性相关的,求回归方程;
(2)若某家庭年收入为9万元,预测其年饮食支出.
(参考数据:=117.7,=406)
解:依题意可计算得:
=6,=1.83,2=36, =10.98,
又∵=117.7,=406,
∴=≈0.17,
=-=0.81,
∴=0.17x+0.81.
∴所求的回归方程为=0.17x+0.81.
(2)当x=9时,=0.17×9+0.81=2.34(万元).
可估计大多数年收入为9万元的家庭每年饮食支出约为2.34万元.