知识梳理与自测人教A版文科数学《104变量间的相关关系统计案例》.docx

1、知识梳理与自测人教A版文科数学104变量间的相关关系统计案例10.4变量间的相关关系、统计案例最新考纲考情考向分析1.会作两个相关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3.了解独立性检验的基本思想、方法及其初步应用4.了解回归分析的基本思想、方法及简单应用.回归分析，独立性检验是全国卷高考重点考查的内容，必考一个解答题，选择、填空题中也会出现主要考查回归方程，相关系数，利用回归方程进行预测，独立性检验的应用等.1两个变量的线性相关(1)正相关在散点图中，点散布在从左下角到右上角的区域，对于两个变量的这种相关

2、关系，我们将它称为正相关(2)负相关在散点图中，点散布在从左上角到右下角的区域，两个变量的这种相关关系称为负相关(3)线性相关关系、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(1)最小二乘法求回归直线，使得样本数据的点到它的距离的平方和最小的方法叫做最小二乘法(2)回归方程方程x是两个具有线性相关关系的变量的一组数据(x1，y1)，(x2，y2)，(xn，yn)的回归方程，其中，是待定参数3回归分析(1)定义：对具有相关关系的两个变量进行统计分析的一种常用方法(2)样本点的中心对于一组具有线性相关关系的数据(x1

3、，y1)，(x2，y2)，(xn，yn)，其中(，)称为样本点的中心(3)相关系数当r0时，表明两个变量正相关；当r0时，正相关；当r0时，正相关；当R；x，y之间不能建立线性回归方程答案解析在散点图中，点散布在从左上角到右下角的区域，因此x，y是负相关关系，故正确；由散点图知用y拟合比用x拟合效果要好，则RR，故正确；x，y之间可以建立线性回归方程，但拟合效果不好，故错误题型二回归分析命题点1线性回归分析例2下图是我国2011年至2017年生活垃圾无害化处理量(单位：亿吨)的折线图注：年份代码17分别对应年份20112017.(1)由折线图看出，可用线性回归模型拟合y与t的关系，请用相关系数

4、加以说明；(2)建立y关于t的回归方程(系数精确到0.01)，预测2019年我国生活垃圾无害化处理量附注：参考数据：i9.32，iyi40.17，0.55，2.646.参考公式：相关系数r，回归方程t中斜率和截距的最小二乘估计公式分别为：，.解(1)由折线图中数据和附注中参考数据得4，(ti)228, 0.55.(ti)(yi)iyii40.1749.322.89，所以r0.99.因为y与t的相关系数近似为0.99，说明y与t的线性相关程度相当高，从而可以用线性回归模型拟合y与t的关系(2)由1.331及(1)得0.10，1.3310.1040.93.所以y关于t的回归方程为0.930.10t

5、.将2019年对应的t9代入回归方程得0.930.1091.83.所以预测2019年我国生活垃圾无害化处理量约为1.83亿吨命题点2非线性回归例3某公司为确定下一年度投入某种产品的宣传费，需了解年宣传费x(单位：千元)对年销售量y(单位：t)和年利润z(单位：千元)的影响，对近8年的年宣传费xi和年销售量yi(i1,2，8)数据作了初步处理，得到下面的散点图及一些统计量的值(xi)2(wi)2(xi)(yi)(wi)(yi)46.65636.8289.81.61469108.8表中wi，i.(1)根据散点图判断，yabx与ycd哪一个适宜作为年销售量y关于年宣传费x的回归方程类型？(给出判断即

6、可，不必说明理由)(2)根据(1)的判断结果及表中数据，建立y关于x的回归方程；(3)已知这种产品的年利润z与x，y的关系为z0.2yx.根据(2)的结果回答下列问题：年宣传费x49时，年销售量及年利润的预报值是多少？年宣传费x为何值时，年利润的预报值最大？附：对于一组数据(u1，v1)，(u2，v2)，(un，vn)，其回归直线u的斜率和截距的最小二乘估计分别为，.解(1)由散点图可以判断，ycd适宜作为年销售量y关于年宣传费x的回归方程类型(2)令w，先建立y关于w的线性回归方程，由于68，563686.8100.6，所以y关于w的线性回归方程为100.668w，因此y关于x的回归方程为1

7、00.668.(3)由(2)知，当x49时，年销售量y的预报值100.668576.6，年利润z的预报值576.60.24966.32.根据(2)的结果知，年利润z的预报值0.2(100.668)xx13.620.12.所以当6.8，即x46.24时，取得最大值故年宣传费为46.24千元时，年利润的预报值最大思维升华回归分析问题的类型及解题方法(1)求回归方程根据散点图判断两变量是否线性相关，如不是，应通过换元构造线性相关利用公式，求出回归系数.待定系数法：利用回归直线过样本点的中心求系数.(2)利用回归方程进行预测，把线性回归方程看作一次函数，求函数值(3)利用回归直线判断正、负相关；决定正

8、相关还是负相关的是系数.(4)回归方程的拟合效果，可以利用相关系数判断，当|r|越趋近于1时，两变量的线性相关性越强跟踪训练2(2018全国)下图是某地区2000年至2016年环境基础设施投资额y(单位：亿元)的折线图为了预测该地区2018年的环境基础设施投资额，建立了y与时间变量t的两个线性回归模型根据2000年至2016年的数据(时间变量t的值依次为1,2，17)建立模型：30.413.5t；根据2010年至2016年的数据(时间变量t的值依次为1,2，7)建立模型：9917.5t.(1)分别利用这两个模型，求该地区2018年的环境基础设施投资额的预测值；(2)你认为用哪个模型得到的预测值

9、更可靠？并说明理由解(1)利用模型，可得该地区2018年的环境基础设施投资额的预测值为30.413.519226.1(亿元)利用模型，可得该地区2018年的环境基础设施投资额的预测值为9917.59256.5(亿元)(2)利用模型得到的预测值更可靠理由如下：()从折线图可以看出，2000年至2016年的数据对应的点没有随机散布在直线y30.413.5t上下，这说明利用2000年至2016年的数据建立的线性模型不能很好地描述环境基础设施投资额的变化趋势.2010年相对2009年的环境基础设施投资额有明显增加，2010年至2016年的数据对应的点位于一条直线的附近，这说明从2010年开始环境基础设

10、施投资额的变化规律呈线性增长趋势，利用2010年至2016年的数据建立的线性模型9917.5t可以较好地描述2010年以后的环境基础设施投资额的变化趋势，因此利用模型得到的预测值更可靠()从计算结果看，相对于2016年的环境基础设施投资额220亿元，由模型得到的预测值226.1亿元的增幅明显偏低，而利用模型得到的预测值的增幅比较合理，说明利用模型得到的预测值更可靠题型三独立性检验例4(2017全国)海水养殖场进行某水产品的新、旧网箱养殖方法的产量对比，收获时各随机抽取了100个网箱，测量各箱水产品的产量(单位：kg)，其频率分布直方图如下：(1)记A表示事件“旧养殖法的箱产量低于50kg”，估

11、计A的概率；(2)填写下面列联表，并根据列联表判断是否有99%的把握认为箱产量与养殖方法有关：箱产量50kg箱产量50kg旧养殖法新养殖法(3)根据箱产量的频率分布直方图，对两种养殖方法的优劣进行比较附：P(K2k0)0.0500.0100.001k03.8416.63510.828K2.解(1)旧养殖法的箱产量低于50kg的频率为(0.0120.0140.0240.0340.040)50.62.因此，事件A的概率估计值为0.62.(2)根据箱产量的频率分布直方图得列联表如下：箱产量6.635，故有99%的把握认为箱产量与养殖方法有关(3)箱产量的频率分布直方图表明：新养殖法的箱产量平均值(或

12、中位数)在50kg到55kg之间，旧养殖法的箱产量平均值(或中位数)在45kg到50kg之间，且新养殖法的箱产量分布集中程度较旧养殖法的箱产量分布集中程度高，因此，可以认为新养殖法的箱产量较高且稳定，从而新养殖法优于旧养殖法思维升华 (1)比较几个分类变量有关联的可能性大小的方法通过计算K2的大小判断：K2越大，两变量有关联的可能性越大通过计算|adbc|的大小判断：|adbc|越大，两变量有关联的可能性越大(2)独立性检验的一般步骤根据样本数据制成22列联表根据公式K2计算K2的观测值k.比较k与临界值的大小关系，作统计推断跟踪训练3微信是现代生活进行信息交流的重要工具，某公司200名员工中

13、90%的人使用微信，其中每天使用微信时间在一小时以内的有60人，其余的员工每天使用微信的时间在一小时以上，若将员工分成青年(年龄小于40岁)和中年(年龄不小于40岁)两个阶段，那么使用微信的人中75%是青年人若规定：每天使用微信时间在一小时以上为经常使用微信，那么经常使用微信的员工中有是青年人(1)若要调查该公司使用微信的员工经常使用微信与年龄的关系，列出22列联表：青年人中年人总计经常使用微信不经常使用微信总计(2)根据22列表中的数据利用独立性检验的方法判断是否有99.9%的把握认为“经常使用微信与年龄有关”？附：K2.P(K2k0)0.0100.001k06.63510.828解(1)由

14、已知可得，该公司员工中使用微信的有20090%180(人)经常使用微信的有18060120(人)，其中青年人有12080(人)，使用微信的人中青年人有18075%135(人)，故22列联表如下：青年人中年人总计经常使用微信8040120不经常使用微信55560总计13545180(2)将列联表中数据代入公式可得，K213.333，由于13.33310.828，所以有99.9%的把握认为“经常使用微信与年龄有关”线性回归方程及其应用数据分析是指针对研究对象获得相关数据，运用统计方法对数据中的有用信息进行分析和推断，形成知识的过程主要包括：收集数据、整理数据、提取信息、构建模型对信息进行分析、推断

15、、获得结论例某地最近十年粮食需求量逐年上升，下表是部分统计数据：年份20062008201020122014需求量/万吨236246257276286(1)利用所给数据求年需求量与年份之间的线性回归方程x；(2)利用(1)中所求出的线性回归方程预测该地2019年的粮食需求量解(1)由所给数据看出，年需求量与年份之间近似直线上升，下面来求线性回归方程，先将数据处理如下表.年份201042024需求257211101929对处理的数据，容易算得0，3.2，6.5，3.2.由上述计算结果，知所求线性回归方程为2576.5(x2010)3.2，即6.5(x2010)260.2.(2)利用所求得的线性回

16、归方程，可预测2019年的粮食需求量大约为65(20192010)260.26.59260.2318.7(万吨)素养提升例题中利用所给数据求回归方程的过程体现的就是数据分析素养1根据如下样本数据：x345678y4.02.50.50.50.40.1得到的线性回归方程为x，则()A.0，0 B.0，0C.0 D.0，0答案B解析根据给出的数据可发现：整体上y与x呈现负相关，所以0，故选B.2(2018湖南省五市十校联考)下表提供了某工厂节能降耗技术改造后，一种产品的产量x(单位：吨)与相应的生产能耗y(单位：吨)的几组对应数据：x/吨3456y/吨2.5t44.5根据上表提供的数据，求得y关于x

17、的线性回归方程为0.7x0.35，那么表格中t的值为()A3B3.15C3.25D3.5答案A解析4.5，线性回归方程过样本点的中心(，)，所以0.74.50.35，解得t3.3(2018广东省百校联盟联考)下表是我国某城市在2017年1月份至10月份期间各月最低温度与最高温度(单位：)的数据一览表.月份12345678910最高温度/59911172427303121最低温度/1231271719232510已知该城市的各月最低温与最高温具有相关关系，根据该一览表，则下列结论错误的是()A最低温度与最高温度为正相关B每月最高温度与最低温度的平均值在前8个月逐月增加C月温差(最高温度减最低温度)的最大值出现在1月D1月至4月的月温差(最高温度减最低温度)相对于7月至10月，波动性更大答案B解析将最高温度、最低温度、温差列表如下：月份12345678910最高温度/59911172427303121最低温度/1231271719232510温差度/171281310787611由表格可知，最低温度大致随最高温度的升高而升高，A正确；每月最高温度与最低温度的平均值在前8个月不是逐月增加，B错误；月温差的最大值出现在1月，C正确；1月至4月的月温差相对于7月至10月，波动性更大，D正确4对具有线性相关关系的变量x，y有一组观测数据(xi，yi)(i1,2，8