(新)高中数学复习课(一)统计案例教学案新人教A版选修1-2

复习课(一) 统计案例回归分析(1)变量间的相关关系是高考解答题命题的一个，主要考查变量间相关关系的判断，求解回归方程并进行预报估计，题型多为解答题，有时也有小题出现．(2)掌握回归分析的步骤的是解答此类问题的关键，另外要掌握将两种非线性回归模型转化为线性回归分析求解问题．[考点精要]1．一个重要方程对于一组具有线性相关关系的数据(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )，其线性回归直线方程为y ^＝b ^x ＋a ^．其中b ^＝∑i ＝1nx i －xy i －y∑i ＝1nx i －x2，a ^＝y －b ^x ．2．重要参数相关指数R 2是用来刻画回归模型的回归效果的，其值越大，残差平方和越小，模型的拟合效果越好．3．两种重要图形 (1)散点图：散点图是进行线性回归分析的主要手段，其作用如下：一是判断两个变量是否具有线性相关关系，如果样本点呈条状分布，则可以断定两个变量有较好的线性相关关系；二是判断样本中是否存在异常． (2)残差图：残差图可以用来判断模型的拟合效果，其作用如下：一是判断模型的精度，残差点所分布的带状区域越窄，说明模型的拟合精度越高，回归方程的预报精度越高．二是确认样本点在采集中是否有人为的错误．[典例] (全国卷Ⅲ)如图是我国2008年到2014年生活垃圾无害化处理量(单位：亿吨)的折线图．(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2016年我国生活垃圾无害化处理量．附注：参考数据：∑i ＝17y i ＝9．32，∑i ＝17t i y i ＝40．17,∑i ＝17y i －y2＝0．55，7≈2．646．参考公式：相关系数r ＝∑i ＝1nt i －ty i －y∑i ＝1nt i －t2∑i ＝1n y i －y2，回归方程y ^＝a ^＋b ^t 中斜率和截距的最小二乘估计公式分别为：b ^＝∑i ＝1nt i －ty i －y∑i ＝1nt i －t2，a ^＝y －b ^t ．[解] (1)由折线图中数据和附注中参考数据得t ＝4，∑i ＝17(t i －t )2＝28,∑i ＝17y i －y2＝0．55，∑i ＝17 (t i －t )(y i －y )＝∑i ＝17t i y i －t ∑i ＝17y i ＝40．17－4×9．32＝2．89，r ≈2.892×2.646×0.55≈0．99．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y ＝9.327≈1．331及(1)得b ^＝∑i ＝17t i －ty i －y∑i ＝17t i －t2＝2.8928≈0．103， a ^＝y －b ^t ≈1．331－0．103×4≈0．92．所以y 关于t 的回归方程为y ^＝0．92＋0．10t ． 将2016年对应的t ＝9代入回归方程得 y ^＝0．92＋0．10×9＝1．82．所以预测2016年我国生活垃圾无害化处理量将约为1．82亿吨． [类题通法]回归分析是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，其步骤是先画出散点图，并对样本点进行相关性检验，在此基础上选择适合的函数模型去拟合样本数据，从而建立较好的回归方程，并且用该方程对变量值进行分析；有时回归模型可能会有多种选择(如非线性回归模型)，此时可通过残差分析或利用相关指数R 2来检查模型的拟合效果，从而得到最佳模型．[题组训练]1．变量X 与Y 相对应的一组数据为(10,1)，(11．3,2)，(11．8,3)，(12．5,4)，(13,5)；变量U 与V 相对应的一组数据为(10,5)，(11．3,4)，(11．8,3)，(12．5,2)，(13,1)．r 1表示变量Y 与X 之间的线性相关系数，r 2表示变量V 与U 之间的线性相关系数，则( )A ．r 2<r 1<0B ．0<r 2<r 1C ．r 2<0<r 1D ．r 2＝r 1解析：选C 画散点图，由散点图可知X 与Y 是正相关，则相关系数r 1>0，U 与V 是负相关，相关系数r 2<0，故选C ．2．寒假中， 某同学为组织一次爱心捐款， 在网上给网友发了张帖子， 并号召网友转发，下表是发帖后一段时间收到帖子的人数统计：天数x 1 2 3 4 5 6 7 人数y711212466115325(1)作出散点图，并猜测x 与y 之间的关系． (2)建立x 与y 的关系， 预报回归模型．(3)如果此人打算在帖子传播10天时进行募捐活动， 根据上述回归模型， 估计可去多少人．解：(1)画出散点图如图所示．从散点图可以看出x 与y 不具有线性相关关系， 同时可发现样本点分布在某一个函数曲线y ＝k e mx的周围， 其中k, m 是参数．(2)对y ＝k e mx两边取对数，把指数关系变成线性关系． 令z ＝ln y ，则变换后的样本点分布在直线z ＝bx ＋a (a ＝ln k, b ＝m )的周围， 这样就可以利用线性回归模型来建立x 与y 之间的非线性回归方程了， 数据可以转化为：天数x 1 2 3 4 5 6 7人数的 对数z 1．946 2．398 3．045 3．178 4．190 4．745 5．784求得回归直线方程为z ^＝0．620x ＋1．133， 所以y ^＝e 0．620x ＋1．133．(3)当x ＝10, 此时y ^＝e 0．620×10＋1．133≈1 530(人)． 所以估计可去1 530人．独立性检验(1)近几年高考中对独立性检验的考查频率有所降低，题目多以解答题形式出现，一般为容易题，多与概率、统计等内容综合命题．(2)独立性检验的基本思想类似于数学中的反证法，要确认“两个分类变量有关系” 这一结论成立的可信程度，首先假设该结论不成立，即假设结论“两个分类变量没有关系” 成立，在该假设下构造的随机变量K 2应该很小，如果由观测数据计算得到的K 2的观测值k 很大，则在一定程度上说明假设不合理，根据随机变量K 2的含义，可以通过概率P (K 2≥6．635)≈0．01来评价该假设不合理的程度，由实际计算出的k >6．635，说明该假设不合理的程度约为99%，即“两个分类变量有关系” 这一结论成立的可信程度约为99%．[考点精要]在实际问题中常用的几个数值(1)K 2≥6．635表示认为“X 与Y 有关系”犯错误的概率不超过0．01． (2)K 2≥3．841表示认为“X 与Y 有关系”犯错误的概率不超过0．05．(3)K2≥2．706表示认为“X与Y有关系”犯错误的概率不超过0．1．[典例] 某学生对其亲属30人的饮食习惯进行了一次调查，并用茎叶图表示30人的饮食指数，如图所示．(说明：图中饮食指数低于70的人，饮食以蔬菜为主；饮食指数高于70的人，饮食为肉类为主．)(1)根据茎叶图，帮助这位同学说明其亲属30人的饮食习惯．(2)根据以上数据完成如表所示的2×2列联表．主食蔬菜主食肉类总计50岁以下50岁以上总计(3)在犯错误的概率不超过0．01的前提下，是否能认为“其亲属的饮食习惯与年龄有关”？[解] (1)30位亲属中50岁以上的人多以食蔬菜为主，50岁以下的人多以食肉类为主．(2)2×2列联表如表所示：主食蔬菜主食肉类总计50岁以下481250岁以上16218总计201030(3)随机变量K2的观测值k＝30×8－128212×18×20×10＝30×120×12012×18×20×10＝10>6．635，故在犯错误的概率不超过0．01的前提下认为“其亲属的饮食习惯与年龄有关”．[类题通法]独立性检验问题的求解策略(1)等高条形图法：依据题目信息画出等高条形图，依据频率差异来粗略地判断两个变量的相关性．(2)K2统计量法：通过公式K 2＝n ad －bc 2a ＋bc ＋d a ＋cb ＋d先计算观测值k ，再与临界值表作比较，最后得出结论．[题组训练]1．下表是某地区的一种传染病与饮用水的调查表：得病 不得病 总计 干净水 52 466 518 不干净水 94 218 312 总计146684830(1)能否在犯错误概率不超过0．01的前提下认为这种传染病与饮用水的卫生程度有关，请说明理由．(2)若饮用干净水得病的有5人，不得病的有50人，饮用不干净水得病的有9人，不得病的有22人．按此样本数据分析能否在犯错误概率不超过0．025的前提下认为这种疾病与饮用水有关．解：(1)把表中的数据代入公式得 K 2的观测值k ＝830×52×218－466×942146×684×518×312≈54．21．∵54．21＞6．635，所以在犯错误的概率不超过0．01的前提下，认为该地区这种传染病与饮用水不干净有关．(2)依题意得2×2列联表：得病 不得病 总计 干净水 5 50 55 不干净水 9 22 31 总计147286此时，K 2的观测值k ＝86×5×22－50×9214×72×55×31≈5．785．因为5．785＞5．024，所以能在犯错误概率不超过0．025的前提下认为该种疾病与饮用水不干净有关． 2．2016年第三十一届奥运会在巴西首都里约热内卢举行，为调查某高校学生是否愿意提供志愿者服务，用简单随机抽样方法从该校调查了60人，结果如下：是否愿意提供志愿者服务性别愿意不愿意男生 20 10 女生1020(1)用分层抽样的方法在愿意提供志愿者服务的学生中抽取6人， 其中男生抽取多少人？(2)在(1)中抽取的6人中任选2人， 求恰有一名女生的概率．(3)你能否在犯错误的概率不超过0．01的前提下认为该校高中生是否愿意提供志愿者服务与性别有关？下面的临界值表供参考：P (K 2≥k 0)0．150．100．05 0．025 0．010 0．005 0．001k 02．072 2．706 3．841 5．024 6．635 7．879 10．828独立性检验统计量K 2＝n ad －bc 2a ＋bc ＋d a ＋cb ＋d，其中n ＝a ＋b ＋c ＋d ．解：(1)由题意，男生抽取6×2020＋10＝4(人)，女生抽取6×1020＋10＝2(人)．(2)在(1)中抽取的6人中任选2人，恰有一名女生的概率P ＝C 14C 12C 26＝815．(3)K 2＝60×20×20－10×10230×30×30×30≈6．667，由于6．667>6．635，所以能在犯错误的概率不超过0．01的前提下认为该校高中生是否愿意提供志愿者服务与性别有关．1．在两个学习基础相当的班级实行某种教学措施的实验，测试结果见下表，则实验效果与教学措施( )优、良、中差 总计 实验班 48 2 50 对比班 38 12 50 总计86 14100A ．有关 C ．关系不明确D ．以上都不正确解析：选A 随机变量K 2的观测值k ＝100×48×12－38×2250×50×86×14≈8．306>6．635，则有99%的把握认为“实验效果与教学措施有关”．2．下列说法中正确的有：( ) ①若r >0，则x 增大时，y 也相应增大；②若r <0，则x 增大时，y 也相应增大；③若r ＝1或r ＝－1，则x 与y 的关系完全对应(有函数关系)，在散点图上各个散点均在一条直线上．A ．①②B ．②③C ．①③D ．①②③解析：选C 若r >0，表示两个相关变量正相关，x 增大时，y 也相应增大，故①正确．r <0，表示两个变量负相关，x 增大时，y 相应减小，故②错误．|r |越接近1，表示两个变量相关性越高，|r |＝1表示两个变量有确定的关系(即函数关系)，故③正确．3．有下列数据( )x 1 2 3y35．99 12．01下列四个函数中，模拟效果最好的为( ) A ．y ＝3×2x －1B ．y ＝log 2xC ．y ＝3xD ．y ＝x 2解析：选A 分别把x ＝1,2,3，代入求值，求最接近y 的值．即为模拟效果最好，故选A ．4．若两个变量的残差平方和是325， i ＝1n(y i －y )2＝923，则随机误差对预报变量的贡献率约为( )A ．64．8%B ．60%C ．35．2%D ．40%解析：选C 由题意可知随机误差对预报变量的贡献率约为325923≈0．352．5．已知x 与y 之间的几组数据如下表：x 1 2 3 4 5 6 y21334假设根据上表数据所得线性回归直线方程为y ＝b x ＋a ，若某同学根据上表中的前两组数据(1,0)和(2,2)求得的直线方程为y ′＝b ′x ＋a ′，则以下结论正确的是( )A ．b ^>b ′，a ^>a ′ B．b ^>b ′，a ^<a ′ C ．b ^< b ′，a ^>a ′ D．b ^<b ′，a ^<a ′解析：选C 过(1,0)和(2,2)的直线方程为y ＝2x －2，画出六点的散点图，回归直线的大概位置如图所示，显然b ^<b ′，a ^>a ′． 故选C ．6．收集一只棉铃虫的产卵数y 与温度x 的几组数据后发现两个变量有相关关系，并按不同的曲线来拟合y 与x 之间的回归方程，并算出了对应相关指数R 2如下表：拟合曲线直线指数曲线 抛物线二次曲线 y 与x 回归方程y ^＝19．8x －463．7 y ^＝e 0．27x －3．84y ^＝0．367x 2－202 y ^＝x －0.782－1相关指数R 20．7460．9960．9020．002则这组数据模型的回归方程的最好选择应是( ) A ．y ^＝19．8x －463．7 B ．y ^＝e 0．27x －3．84 C ．y ^＝0．367x 2－202 D ．y ^＝x －0.782－1解析：选B 用相关指数R 2来刻画回归效果，R 2的值越大，说明模型的拟合效果越好． 7．某学校对课程《人与自然》的选修情况进行了统计，得到如下数据：选 未选 总计 男 405 45 450 女 230 220 450 总计635265900那么，认为选修《人与自然》与性别有关的把握是________． 解析：K 2＝n ad －bc 2a ＋bc ＋d a ＋cb ＋d＝163．794>10．828，即有99．9%的把握认为选修《人与自然》与性别有关． 答案：99．9%8．某车间为了规定工时定额，需要确定加工零件所花费的时间，为此进行了5次试验．根据收集到的数据(如下表)，由最小二乘法求得回归方程y ^＝0．67x ＋54．9．零件数x (个) 10 2030 40 50 加工时间y (min) 62758189现发现表中有一个数据模糊看不清，请你推断出该数据的值为________．解析：由表知x ＝30，设模糊不清的数据为m ，则y ＝15(62＋m ＋75＋81＋89)＝307＋m5，因为y ＝0．67x ＋54．9，即307＋m5＝0．67×30＋54．9，解得m ＝68． 答案：689．变量U 与V 相对应的一组样本数据为(1,1．4)，(2,2．2)，(3,3)，(4,3．8)，由上述样本数据得到U 与V 的线性回归分析，R 2表示解释变量对于预报变量变化的贡献率，则R 2＝______．解析：在线性回归中，相关指数R 2等于相关系数，由x 1＝1，x 2＝2，x 3＝3，x 4＝4得：x ＝2．5，y 1＝1．4，y 2＝2．2，y 3＝3，y 4＝3．8得：y ＝2．6，所以相关系数r ＝∑i ＝14x i －xy i －y∑i ＝14x i －x2∑i ＝14y i －y2＝ 1.5×1.2＋0.5×0.4＋0.5×0.4＋1.5×1.2－1.52＋－0.52＋0.52＋1.52·－1.22＋－0.42＋0.42＋1.22＝45× 3.2＝44＝1．故R 2＝1． 答案：110．高中流行这样一句话“文科就怕数学不好，理科就怕英语不好”．下表是一次针对高三文科学生的调查所得的数据，试问：文科学生总成绩不好与数学成绩不好有关系吗？总成绩情况数学成绩情况总成绩好 总成绩不好总计 数学成绩好 478 12 490 数学成绩不好399 24 423 总计87736913解：根据题意，计算随机变量的观测值： K 2＝913×478×24－399×122490×423×877×36≈6．233>5．024，因此有97．5%的把握认为“文科学生总成绩不好与数学成绩不好有关系”． 11．某班主任对全班50名学生的学习积极性和对待班级工作的态度进行了调查，统计数据如表所示：积极参加 班级工作 不太主动 参加班级工作总计 学习积极性高 18学习积极性一般19总计50(1)如果随机抽查这个班的一名学生，那么抽到积极参加班级工作的学生的概率是1225，请完成上面的2×2列联表．(2)在(1)的条件下，试运用独立性检验的思想方法分析：在犯错误概率不超过0．1%的情况下判断学生的学习积极性与对待班级工作的态度是否有关？并说明理由．P (K 2≥k 0)0．010 0．005 0．001 k 06．635 7．879 10．828解：(1)如果随机抽查这个班的一名学生，抽到积极参加班级工作的学生的概率是1225，所以积极参加班级工作的学生有24人，由此可以算出学习积极性一般且积极参加班级工作的人数为6，不太主动参加班级工作的人数为26，学习积极性高但不太主动参加班级工作的人数为7，学习积极性高的人数为25，学习积极性一般的人数为25，得到：积极参加 班级工作 不太主动 参加班级工作总计 学习积极性高 18 7 25 学习积极性一般6 19 25 总计 242650(2)K 2＝50×18×19－6×7225×25×24×26≈11．538，因为11．538>10．828，所以在犯错误的概率不超过0．001的前提下可以认为学习积极性与对待班级工作的态度有关系．12．电视传媒公司为了解某地区电视观众对某类体育节目的收视情况，随机抽取了100名观众进行调查．下面是根据调查结果绘制的观众日均收看该体育节目时间的频率分布直方图：将日均收看该体育节目时间不低于40分钟的观众称为“体育迷”，已知“体育迷”中有10名女性．(1)根据已知条件完成下面的2×2列联表，并据此资料你是否认为“体育迷”与性别有关？非体育迷体育迷总计男女1055总计(2)将日均收看该体育节目不低于50分钟的观众称为“超级体育迷”，已知“超级体育迷”中有2名女性．若从“超级体育迷”中任意选取2人，求至少有1名女性观众的概率．附：K2＝n ad－bc2a＋b c＋d a＋c b＋d．P(K2≥k0)0．050．01k03．8416．635解：(1)由频率分布直方图可知，在抽取的100人中，“体育迷”有25人，从而2×2列联表如下：非体育迷体育迷总计男301545女451055总计7525100将2×2列联表中的数据代入公式计算，得K2＝n ad－bc2a＋b c＋d a＋c b＋d＝100×30×10－45×15275×25×45×55＝10033≈3．030．因为3．030<3．841，所以没有理由认为“体育迷”与性别有关．(2)由频率分布直方图可知，“超级体育迷”为5人，从而一切可能结果所组成的基本事件空间为Ω＝{(a1，a2)，(a1，a3)，(a2，a3)，(a1，b1)，(a1，b2)，(a2，b1)，(a2，b2)，(a3，b1)，(a3，b2)，(b1，b2)}．其中a i表示男性，i＝1,2,3．b j表示女性，j＝1,2．Ω由10个基本事件组成，而且这些基本事件的出现是等可能的．用A表示“任选2人中，至少有1人是女性”这一事件，则A＝{(a1，b1)，(a1，b2)，(a2，b1)，(a2，b2)，(a3，b1)，(a3，b2)，(b1，b2)}，事件A由7个基本事件组成，因而P(A)＝710．。