利用散点图判断两个变量的相关关系资料讲解
散点图揭示变量关联程度的方法
散点图揭示变量关联程度的方法散点图通过点的分布情况来揭示两个变量之间的关联程度。
以下是散点图如何揭示两个变量之间关联程度的详细说明：1. 点的分布模式●正相关：如果散点图中的点大致呈现从左下角到右上角的直线或曲线分布，即随着一个变量的增加，另一个变量也相应增加，这表明两个变量之间存在正相关关系。
正相关意味着一个变量的增加往往伴随着另一个变量的增加。
●负相关：相反，如果散点图中的点大致呈现从左上角到右下角的直线或曲线分布，即随着一个变量的增加，另一个变量相应减少，这表明两个变量之间存在负相关关系。
负相关意味着一个变量的增加往往伴随着另一个变量的减少。
●无关联或弱关联：如果散点图中的点分布散乱，没有明显的上升或下降趋势，那么这表明两个变量之间可能不存在明显的线性关联或关联程度较弱。
然而，这并不意味着两个变量之间完全无关，它们之间可能存在其他类型的关系（如非线性关系）。
2. 趋势线的添加为了进一步揭示两个变量之间的关联程度，可以在散点图中添加趋势线（如线性趋势线、多项式趋势线等）。
趋势线的斜率和截距可以提供关于变量之间关系的量化信息。
例如，线性趋势线的斜率表示一个变量随另一个变量变化的速率，斜率的大小和正负可以反映关联的程度和方向。
3. 点的密集程度散点图中点的密集程度也可以反映两个变量之间的关联程度。
如果点集中分布在某个区域，且形成明显的趋势线或带状分布，那么这表明两个变量之间的关联程度较强。
相反，如果点分布散乱且稀疏，那么这表明两个变量之间的关联程度较弱。
4. 异常值的识别在观察散点图时，还需要注意识别异常值（即与其他点显著不同的点）。
异常值可能是由测量错误、数据录入错误或极端情况引起的。
如果散点图中存在异常值，可能会对关联程度的判断产生影响。
因此，在分析时需要谨慎处理异常值，并考虑其对整体结果的影响。
综上所述，散点图通过点的分布模式、趋势线的添加、点的密集程度以及异常值的识别等方式来揭示两个变量之间的关联程度。
两个变量的相关关系知识点和典例
两个变量的相关关系知识点和典例1.两个变量的线性相关(1)从散点图上看，如果这些点从整体上看大致分布在通过散点图中心的一条直线附近，称两个变量之间具有线性相关关系，这条直线叫做回归直线.（回归直线y ^＝b ^x ＋a ^必过样本点的中心(x ，y )，其它点不一定过直线只是在直线附近，这个结论既是检验所求回归直线方程是否准确的依据，也是求参数的一个依据.）(2)回归方程为y ^＝b ^x ＋a ^，其中b ^＝∑i =1nx i y i －n xy∑i =1nx 2i －n x2＝∑i =1n)(x i －x )(y i －y )∑i =1n)(x i －x )2，a ^＝y －b ^x .(3)相关系数：相关系数r ＝∑i =1n)(t i －t )(y i －y )∑i =1n)(t i －t )2∑i =1n )(y i －y )2当r ＞0时，表明两个变量正相关；当r ＜0时，表明两个变量负相关.r 的绝对值越接近于1，表明两个变量的线性相关性越强.r 的绝对值越接近于0时，表明两个变量之间几乎不存在线性相关关系.通常|r |大于0.75时，认为两个变量有很强的线性相关性.（r 的符号表明两个变量是正相关还是负相关；|r |的大小表示线性相关性的强弱.）例一．某公司借助手机微信平台推广自己的产品，对今年前5个月的微信推广费用x 与月利润y （单位：百万元）进行了初步统计，得到下列表格中的数据：经计算，微信推广费用x 与月利润y 满足线性回归方程 6.517.5y x ∧=+.求p 的值．[解] ()()11245685,3040607040555p x y p =++++==++++=+， 因为样本中心(),x y 在回归直线 6.517.5y x ∧=+上， 所以40 6.5517.55p+=⨯+，解得50p = [变式练习]已知变量x ，y 之间的线性回归方程y ^=－0.7x +10.3，且变量x ，y 之间的一组相关数据如下表所示，则下列说法错误的是( )x 6 8 10 12 y6m32A.变量x ，y 之间呈负相关关系))))B.可以预测，当x ＝20时，b ^＝－3.7 C.m ＝4))))))))))))))))))))))))D.该回归直线必过点(9，4)[解]由－0.7<0，得变量x ，y 之间呈负相关关系，故A 正确；当x ＝20时，y ^＝－0.7×20＋10.3＝－3.7，故B 正确；由表格数据可知x －＝14×(6＋8＋10＋12)＝9，y －＝14(6＋m ＋3＋2)＝11＋m 4，则11＋m 4＝－0.7×9＋10.3，解得m ＝5，故C 错；由m ＝5，得y －＝6＋5＋3＋24＝4，所以该回归直线必过点(9，4)，故D 正确.故选C.例二．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.(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2019年我国生活垃圾无害化处理量.参考数据：∑i =17y i ＝9.32，∑i =17t i y i ＝40.17,)∑i =17)(y i －y )2＝0.55，7≈2.646.参考公式：相关系数r ＝∑i =1n)(t i －t )(y i －y )∑i =1n )(t i －t )2∑i =1n )(y i －y )2，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 =1n)(t i －t )(y i －y )∑i =1n)(t i －t )2，a ^＝y －b ^)t .[解] (1)由折线图中的数据和附注中的参考数据得 t ＝4，∑i =17)(t i －t)2＝28,)∑i =17)(y i －y )2＝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 ≈ 2.890.55×2×2.646≈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大，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 =17)(t i －t )(y i －y )∑i =17)(t i －t )2＝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2019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2019年我国生活垃圾无害化处理量约为1.82亿吨.[变式练习]1.(2019·广州调研)某基地蔬菜大棚采用无土栽培方式种植各类蔬菜.过去50周的资料显示，该地周光照量X (单位：小时)都在30小时以上，其中不足50小时的有5周，不低于50小时且不超过70小时的有35周，超过70小时的有10周.根据统计，该基地的西红柿增加量y (千克)与使用某种液体肥料的质量x (千克)之间的对应数据为如图所示的折线图.(1)依据折线图计算相关系数r (精确到0.01)，并据此判断是否可用线性回归模型拟合y 与x 的关系.(若|r |＞0.75，则线性相关程度很高，可用线性回归模型拟合)(2)蔬菜大棚对光照要求较高，某光照控制仪商家为该基地提供了部分光照控制仪，但每周光照控制仪运行台数受周光照量X 限制，并有如下关系：对商家来说，若某台光照控制仪运行，则该台光照控制仪产生的周利润为3)000元；若某台光照控制仪未运行，则该台光照控制仪周亏损1)000元.若商家安装了3台光照控制仪，求商家在过去50周的周总利润的平均值.参考数据：0.3≈0.55，0.9≈0.95. 解：(1)由已知数据可得x ＝2＋4＋5＋6＋85＝5，y ＝3＋4＋4＋4＋55＝4.因为∑i ＝15)(x i －x )(y i －y )＝(－3)×(－1)＋0＋0＋0＋3×1＝6，∑i ＝15)(x i －x )2＝(－3)2＋(－1)2＋02＋12＋32＝25，∑i ＝15)(y i －y )2＝(－1)2＋02＋02＋02＋12＝2，所以相关系数r ＝∑i ＝15)(x i －x )(y i －y )∑i ＝15)(x i －x)2)∑i ＝15)(y i －y )2＝625×2＝)910≈0.95. 因为|r |＞0.75，所以可用线性回归模型拟合y 与x 的关系. (2)由条件可得在过去50周里，当X ＞70时，共有10周，此时只有1台光照控制仪运行， 每周的周总利润为1×3)000－2×1)000＝1)000(元).当50≤X ≤70时，共有35周，此时有2台光照控制仪运行， 每周的周总利润为2×3)000－1×1)000＝5)000(元).当30＜X ＜50时，共有5周，此时3台光照控制仪都运行， 每周的周总利润为3×3)000＝9)000(元).所以过去50周的周总利润的平均值为1)000×10＋5)000×35＋9)000×550＝4)600(元)，所以商家在过去50周的周总利润的平均值为4)600元.例三．某机构为研究某种图书每册的成本费y(单位：元)与印刷数量x(单位：千册)的关系，收集了一些数据并进行了初步处理，得到了下面的散点图及一些统计量的值.x y u∑i＝18)(x i－x)2∑i＝18)(x i－x)(y i－y)∑i＝18)(u i－u)2∑i＝18)(u i－u)(y i－y) 15.25 3.630.2692)085.5－230.30.7877.049表中u i＝1x i，u＝18∑i＝18u i.(1)根据散点图判断：y＝a＋bx与y＝c＋dx哪一个模型更适合作为该图书每册的成本费y(单位：元)与印刷数量x(单位：千册)的回归方程？(只要求给出判断，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(回归系数的结果精确到0.01).(3)若该图书每册的定价为10元，则至少应该印刷多少册才能使销售利润不低于78)840元？(假设能够全部售出.结果精确到1)附：对于一组数据(ω1，υ1)，(ω2，υ2)，…，(ωn，υn)，其回归直线υ^＝α^＋β^ω的斜率和截距的最小二乘估计分别为β^＝∑i＝1n)(ωi－ω)(υi－υ)∑i＝1n)(ωi－ω)2，α^＝υ－β^ω.解：(1)由散点图判断，y＝c＋dx更适合作为该图书每册的成本费y(单位：元)与印刷数量x(单位：千册)的回归方程.(2)令u＝1x，先建立y关于u的线性回归方程，由于d ^＝∑i ＝18)(u i －u )(y i －y )∑i ＝18)(u i －u )2＝7.0490.787≈8.957≈8.96， ∴c ^＝y －d ^·u ＝3.63－8.957×0.269≈1.22， ∴y 关于u 的线性回归方程为y ^＝1.22＋8.96u ， ∴y 关于x 的回归方程为y ^＝1.22＋8.96x .(3)假设印刷x 千册，依题意得10x －⎝⎛⎭⎫1.22＋8.96x x ≥78.840， 解得x ≥10，∴至少印刷10)000册才能使销售利润不低于78)840元.[变式练习](2015课标Ⅰ,19)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x i )和年销售量y i ))(i =1,2,…,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.xyw∑i=18(x i -x )2∑i=18(w i -w )2 ∑i=18(x i -x )(y i -y ) ∑i=18(w i -w )(y i -y )46.6 563 6.8 289.81.61 469108.8表中w i =√x ,w =18∑i=18w i.(1)根据散点图判断,y =a +bx 与y =c +d √x 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z =0.2y −x .根据(2)的结果回答下列问题: (i)年宣传费x =49时,年销售量及年利润的预报值是多少? (ii)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(u 1,v 1),(u 2,v 2),…,(u n ,v n ))),其回归直线v =α+βu 的斜率和截距的最小二乘估计分别为β^=∑i=1n (u i -u )(v i -v )∑i=1n(u i -u )2,α^=v -β^)u .解析 (1)由散点图可以判断,y =c +d √x 适宜作为年销售量y 关于年宣传费x 的回归方程类型.(2分)(2)令w =√x ,先建立y 关于w 的线性回归方程.由于 d ^=∑i=18(w i -w )(y i -y )∑i=18(w i -w )2=108.81.6=68,c ^=y -d ^)w =563-68×6.8=100.6,所以y 关于w 的线性回归方程为y ^=100.6+68w,因此y 关于x 的回归方程为y ^=100.6+68√x .(6分) (3)(i)由(2)知,当x =49时,年销售量y 的预报值 y ^=100.6+68√49=576.6,年利润z 的预报值z ^=576.6×0.2-49=66.32.(9分) (ii)根据(2)的结果知,年利润z 的预报值 z ^=0.2(100.6+68√x )-x =-x +13.6√x +20.12. 所以当√x =13.62=6.8,即x =46.24时,z ^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.。
第三节 变量间的相关关系-高考状元之路
第三节 变量间的相关关系预习设计 基础备考知识梳理1．两个变量的线性相关(1)正相关：在散点图中，点散布在从到的区域，对于两个变量的这种相关关系，我们将它称为正相关．(2)负相关：在散点图中，点散布在从 到 的区域，对于两个变量的这种相关关系，我们将它称为负相关．(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 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 的方法叫做最小二乘法．(2)回归方程：方程a x by ˆˆ+=是两个具有线性相关关系的变量的一组数据),(,),,(),,(2211n n y x y x y x 的回归方程，其中:ˆ,ˆb a是待定参数． ⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧-=⋅-====-∑∑-∑--∑==x b y a i y x n y x i n i i i n i b x n x x x y y x x n i i i n i n ˆˆ22211ˆ111)())((典题热身1．下列选项中，两个变量具有相关关系的是 ( )A ．参加60年国庆阅兵的人数与观看第十一届全运会开幕布式的人数B ．正方体的体积与棱长C ．人体内的脂肪含量与年龄D ．汶川大地震的经济损失与全球性金融危机的经济损失答案：C2．（2011．陕西高考）设),(,),,(),,(2211n n y x y x y x ⋅⋅⋅是变量x 和y 的n 个样本点，直线l 是由这些样本点通过最小二乘法得到的线性回归直线（如图），以下结论正确的是 ( )A ．直线l 过点),(y xB ．x 和y 的相关系数为直线l 的斜率C ．x 和y 的相关系数在O 到1之间D ．当n 为偶数时，分布在l 两侧的样本点的个数一定相同答案：A3．设有一个回归直线方程为,5.12ˆx y-=则变量x 增加一个单位 ( ) A ．y 平均增加1.5个单位B ．y 平均增加两个单位C ．y 平均减少1.5个单位D ．y 平均减少两个单位答案：C4．在一次实验中，测得(x ，y)的四组值为(1，2)，(2，3)，<蝴_(4，5)，则y 与x 之间的回归直线方程为 ( )1ˆ.+=x yA 2ˆ.+=x yB 12ˆ.+=x yC 1ˆ.-=x yD 答案：A5．(2011．辽宁高考)调查了某地若干户家庭的年收入x （单位；万元）和年饮食支出y(单位：万元)，调查显示年收入x 与年饮食支出y 具有线性相关关系，并由调查数据得到y 对x 的回归直线方程：,321.0254.0ˆ+=x y 由回归直线方程可知，家庭年收入每增加l 万元，年饮食支出平均增加 万元.答案：0,254课堂设计 方法备考题型一 利用散点图判断两个变量的相关关系画出散点图，判断它们是否有相关关系．题型二 求回归直线方程【例2】下表提供了某厂节能降耗技术改造后生产甲产品过程中记录的产量x(吨)与相应的生产能耗y(吨标准煤)的几组对应数据；(1)请画出表中数据的散点图；(2)请根据表中提供的数据，用最小二乘法求出y 关于x 的回归方程.ˆˆˆa x b y+= 题型三 利用回归直线方程对总体进行估计【例3】某企业上半年产品产量与单位成本资料如下：(1)求出线性回归方程；(2)指出产量每增加1000件时，单位成本平均变动多少？(3)假定产量为6000件时，单位成本为多少元？技法巧点(1)线性相关关系的理解：相关关系与函数关系不同，函数关系中的两个变量间是一种确定性关系，例如正方形面积S 与边长x 之间的关系2x s =就是函数关系．相关关系是一种非确定性关系，即相关关系是非随机变量与随机变量之间的关系，例如商品的销售额与广告费是相关关系，两个变量具有相关关系是回归分析的前提． (2)求回归方程，关键在于正确求出系数b a b aˆ,ˆ,ˆ,ˆ由于的计算量大，计算时应仔细谨慎，分层进行，避免因计算产生错误．（注意回归直线方程中一次项系数为,ˆb 常数项为,ˆa 这与一次函数的习惯表示不同．）(3)回归分析是处理变量相关关系的一种数学方法，主要解决：①确定特定量之间是否有相关关系，如果有就找出它们之间贴近的数学表达式；②根据一组观察值，预测变量的取值及削断变量取值的变化趋势；③求出回归直线方程．失误防范1．回归分析是对具有相关关系的两个变量进行统计分析的方法，只有在散点图大致呈线性时，求出的回归直线方程才有实际意义，否则，求出的回归直线方程毫无意义．2．根据回归方程进行预报，仅是一个预报值，而不是真实发生的值．随堂反馈 1．（20】】．江西高考）为了解儿子身高与其父亲身高的关系，随机抽取5对父子的身高数据如下：则y 对x 的线性回归方程为 ( )1-=⋅x y A 1+=⋅x y B x y c 2188+=⋅ 176=⋅y D 答案：C2．某考察团对全国10大城市进行职工人均工资水平x(千元）与居民人均消费水平y(千元)统计调查，y与x 具有真相关关系，回归方程为.562.166.0ˆ+=x y若某城市居民人均消费水平为7.675千元，估计该城市人均消费额占人均工资收入的百分比约为 （ ）%83.A 0072.B 0076. c %66.D 答案：A3．（2011．广东高考）为了解篮球爱好者小李的投篮命中率与打篮球时间之间的关系，下表记录了小李某月1号到5号每天打篮球时间x(单位：小时)与当天投篮命中率y 之间的关系；小李这5天的平均投篮命中率为 ；用线性 回归分析的方程，预测小李该月6号打6小时篮球的投篮命中率为答案：53.0;5.0高效作业 技能备考一、选择题1．（201-1．福州模拟）已知变量x ，y 呈线性相关关系，回归方程为,25.0ˆx y+=则变量x ，y 是( ) A ．线性正相关关系B ．由回归方程无法判断其正负相关C ．线性负相关关系D ．不存在线性相关关系答案；A2．(2011．绍兴月考)对有线性相关关系的两个变量建立的回归直线方程x b a yˆˆˆ+=中，回归系数b ˆ( ) A ．可以小于0 B ．大于O C ．能等于O D ．只能小于0答案：A3．已知x 与y 之间的一组数据：则y 与x 的线性回归方程a x b yˆˆˆ+=必过 ( ) A ．点(2，2) B ．点(1.5，O) C ．点(1，2) D ．点(1.5，4)答案：D4．（2011．泰安模拟）下表是某厂l ～4月份用水量（单位：百吨）的一组数据：散点图可知，用水量y 与月份x 之间有较好的线性相关关系，其线性回归直线方程是,ˆ7.0ˆa x y+-=则 aˆ等于( ) 5.10.A 15.5.B 2.5.c 25.5.D答案：D5.对变量x ，y 有观测数据),10,,2,1)(,( =i y x i i 得散点图(1)；对变量u ，v 有观测数据),10,,2,1)(,( =i v u i i 得散点图(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 负相关答案：C6．（2011．青岛模拟）为了考察两个变量x 和y 之间的线性相关性，甲、乙两位同学各自独立做了10次和15次试验，并且利用线性回归方法，求得回归直线分别为⋅21l l 、已知两人所得的试验数据中，变量x 和y 的数据的平均值都相等，且分别是s 、t ，那么下列说法正确的是 ( )A ．直线1l 和2l 一定有公共点(s ，t)B ．直线1l 和2l 相交，但交点不一定是(s ，t)C ．必有21//l l 21.l lD 与必定重合答案：A二、填空题7．(2011．舟山适应性考试)人的身高与手的扎长存在相关关系，且满足264.31303.0ˆ-=x y(x 为身高，y 为扎长，单位：cm)，则当扎长为24.8 cm 时，身高为 cm.答案：03.1858．(2011．芜湖模拟)已知三点(3，10)，(7，20)，(11，24)的横坐标x 与纵坐标y 具有线性关系，则其线性回归方程是 答案：42347+=x y9．（2011．丽水调研）某单位为了了解用电量y 度与气温x℃之间的关系，随机统计了某4天的用电量与当天气温，并制作了对照表：由表中数据得线性回归方程,2ˆˆˆˆ-=+=b a x b y中预测当气温为-4℃时，用电量的度数约为 答案：68三、解答题10．(2011.台州模拟)在研究硝酸钠的可溶性程度时，对于不同的温度观测它在水中的溶解度，得观测结果如下：由资料看y 与x 呈线性相关，试求回归方程．11.（2011．枣 庄模拟）在某地区的12～30岁居民中随机抽取了10个人的身高和体重的统计资料如下表：根据上述数据，画出散点图并判断居民的身高和体重之间是否有相关关系．12.（2011．北京高考）以下茎叶图记录了甲、乙两组各四名同学的植树棵数，乙组记录中有一个数据模糊，无法确认，在图中以X 表示．(1)如果X=8，求乙组同学植树棵树的平均数和方差；(2)如果X=9，分别从甲、乙两组中随机选取一名同学，求这两名同学的植树总棵树为19的概率． （注：方差],)()()[(1222212x x x x x x n s n -++-+-=其中x 为n x x x ,,,21 的平均数）。
散点图相关系数详解演示文稿
度和数据对的可能走向。 数值（相关系数）：变量间关系的密切程度常以一个数量性指标描述，这个指标称相关系数
r=0.8
11
第11页，共47页。
一、相关的概念
SPSS提供了三种相关分析的方法
二元变量分析（ Bivariate ）：
两变量之间高度负相关。
Correlations
1.5英里跑 所用时间
Pears on Correlation
1.5英 里 跑 所用时 间
1
Sig. (2-tailed)
耗氧量
N Pears on Correlation
31 -.832**
Sig. (2-tailed)
.000
N
31
**. Correlation is significant at the 0.01 level (2-tailed).
28
第28页，共47页。
三、二元变量分析
3. SPSS操作及案例分析 例二：在有氧训练中，人的耗氧量y(毫升/分*千克体重)是衡量人的身体状况的重要指标，它与多
项指标有关。为了研究人的耗氧量与多项指标之间的关系，对31名测试者进行测试。 现以人的耗氧量y为因变量，多项指标中之一1.5英里跑所用时间x3为自变量，通过散点图和
分广泛。
如：家庭收入与家庭消费支出之间关系是否相关 商品销售价格与商品销售额之间关系是否相关 客户满意度与商业企业综合竞争力之间关系是否相关
广告投入和销售额之间关系是否相关
21
第21页，共47页。
三、二元变量分析
3. SPSS操作及案例分析
例一：为了研究某项职业技能和员工年龄之间的
利用散点图判断两个变量的相关关系-PPT精品文档
一块农田的水稻产量与施肥量之间的关系 。 水稻产量并不是由施肥量唯一确定，在取值上带有随机性 不确定关系
2、相关关系的概念
自变量取值一定时，因变量的取值带有一定的随机性的两个变量之间的关系叫相关关系.
（1）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 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； 关关系不一定是因果关系，也可能是随机关系.
2、从散点图上可以看出，如果变量之间存在着某种关系，这些点会有一个集中的大致趋 势.
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.
4、相关关系的类型 相关关系可分为线性相关，非线性相关两类.
注意： 两个变量之间的关系具有确定性关系—函数关系. 两个变量变量之间的关系具有随机性，不确定性—相关关系.
二：散点图
1、散点图：将样本中n个数据点（xi，yi)（i＝1，2，…，n）描在平面直角坐标系中，以表示具有相关 关系的两个变量的一组数据的图形叫做散点图.
即，函数关系是一种因果关系，而相
（2）函数关系与相关关系之间有着密切联系：
在一定的条件下可以相互转化.而对于具有线性相关关系的两个变量来说，当求得其回归直线方程后， 又可以用一种确定性的关系对这两个变量间的取值进行估计：
3、判断相关关系的基本程序
两个变量 →一个变量值一定→另一个变量带有不确定性→相关关系
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
散点图：直观判断变量相关性的步骤与注意事项
散点图：直观判断变量相关性的步骤与注意事项使用散点图判断两个变量之间的相关关系是一种直观且有效的方法。
以下是具体步骤和注意事项：步骤1.收集数据：2.首先，确保你有两个变量的数据集。
这些数据集应该是一一对应的，即每个观测值在两个变量上都有对应的取值。
3.绘制散点图：4.使用统计软件（如Excel、SPSS、R、Python等）将两个变量的数据绘制成散点图。
在散点图中，通常一个变量作为横坐标（X轴），另一个变量作为纵坐标（Y轴）。
5.观察散点分布：6.仔细观察散点图中点的分布模式。
点的分布模式会给出两个变量之间关系的直观印象。
7.识别趋势：o正相关：如果随着一个变量的增加，另一个变量也呈现增加的趋势，那么这两个变量之间存在正相关关系。
在散点图中，这通常表现为点集沿斜向上方的方向分布。
o负相关：如果随着一个变量的增加，另一个变量呈现减少的趋势，那么这两个变量之间存在负相关关系。
在散点图中，这通常表现为点集沿斜向下方的方向分布。
o无相关：如果点的分布没有明显的上升或下降趋势，而是呈现随机分布的状态，那么这两个变量之间可能不存在明显的线性相关关系。
但请注意，这并不意味着它们之间不存在其他类型的关系（如非线性关系）。
8.评估紧密程度：9.除了方向外，还可以观察点集的紧密程度来评估相关性的强弱。
如果点集紧密地围绕在某条直线（或曲线）周围，那么相关性可能较强；如果点集分散较开，那么相关性可能较弱。
10.注意异常值：11.检查是否有异常值（即与其他点显著不同的点）影响对关系的判断。
有时，异常值可能是由测量错误或数据录入错误引起的，应该进行核查和处理。
注意事项●散点图只能揭示两个变量之间的关联程度，并不能确定因果关系。
●即使两个变量之间存在显著的相关性，也不意味着一个变量是导致另一个变量变化的原因。
●相关性可以是线性的，也可以是非线性的。
散点图可以帮助识别线性关系，但对于非线性关系的识别可能需要更复杂的分析工具（如回归分析中的多项式模型）。
人教课标版高中数学必修3《变量之间的相关关系与散点图》名师课件2
②教师的执教水平与学生的学习成绩之间的关系；
③学生的身高与学生的学习成绩之间的关系;
④某个人的年龄与本人的知识水平之间的关系.
(A)①②
(B)①③
(C)②③
(D)②④
巩固训练
巩固训练
3.某市居民2005~2009年家庭平均收入x（单位：万元）与年平 均支出y（单位：万元）的统计资料如表所示：
根据统计资料，居民家庭年平均收入的中位数是 ______，家 庭年平均收入与年平均支出有 ______的线性相关关系.（填 “正相关”、“负相关”） 【解析】收入数据按大小排列为：11.5、12.1、13、13.5、 15,所以中位数为13. 答案：13 正相关
新课讲解 （二）：散点图 【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：
年龄 23 27 39 41 45 49 50
脂肪 9.5 17.8 21.2 25.9 27.5 26.3 28.2
年龄 53 54 56 57 58 60 61 脂肪 29.6 30.2 31.4 30.8 33.5 35.2 34.6
变量之间的相关关系与 散点图
复习引入
1.函数是研究两个变量之间的依存关系的一 种数量形式.对于两个变量，如果当一个变 量的取值一定时，另一个变量的取值被唯一 确定，则这两个变量之间的关系就是一个函 数关系.
函数关系：两个变量之间是一种确定的关系
复习引入
小学明也不,你物是好数理学数学怎不学成么好,物绩样的理不? 太好, 也?不??太?好?.啊.. .
随机性（ 非确定性关系) 函数关系---函数关系指的是自变量和因变量之间的关系
是相互唯一确定的. 2、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 不同点：函数关系是一种确定的关系，因果关系；而 相关关系是一种非确定性关系，也可能是伴随关系。
备战高考数学复习考点知识与题型讲解85---变量间的相关关系及回归模型
备战高考数学复习考点知识与题型讲解第85讲变量间的相关关系及回归模型考向预测核心素养两个变量线性相关的判断及应用，经验回归方程的求法及应用是高考考查的热点，各种题型均会出现.数据分析、数学运算一、知识梳理1．变量的相关关系(1)相关关系：两个变量有关系，但又没有确切到可由其中的一个去精确地决定另一个的程度，这种关系称为相关关系．(2)散点图每一个成对样本数据都可用直角坐标系中的点表示出来，由这些点组成了统计图．我们把这样的统计图叫做散点图．(3)相关关系的分类：正相关和负相关．(4)线性相关：一般地，如果两个变量的取值呈现正相关或负相关，而且散点落在一条直线附近，我们称这两个变量线性相关．2．样本相关系数(1)r＝∑ni＝1（x i－x）（y i－y）∑ni＝1（x i－x）2∑ni＝1（y i－x）2.(2)当r>0时，称成对样本数据正相关；当r<0时，称成对样本数据负相关．(3)|r|≤1；当|r|越接近1时，成对样本数据的线性相关程度越强；当|r|越接近0时，成对样本数据的线性相关程度越弱．3．一元线性回归模型参数的最小二乘估计(1)我们将y^＝b^x＋a^称为Y关于x的经验回归方程，其中⎩⎪⎨⎪⎧b ^＝∑ni ＝1（x i－x ）（y i－y ）∑ni ＝1（x i－x ）2，a ^＝y －b ^x .(2)残差分析①对于响应变量Y ，通过观测得到的数据称为观测值，通过经验回归方程得到的y ^称为预测值，观测值减去预测值称为残差．残差是随机误差的估计结果，通过对残差的分析可以判断模型刻画数据的效果，以及判断原始数据中是否存在可疑数据等，这方面工作称为残差分析．②残差的散点图比较均匀地集中在以横轴为对称轴的水平带状区域内，则满足一元线性回归模型对随机误差的假设．在R 2表达式中，∑i ＝1 n （y i －y ）2与经验回归方程无关，残差平方和∑i ＝1n(y i －y ^i )2与经验回归方程有关．因此R 2越大，意味着残差平方和越小，即模型的拟合效果越好；R 2越小，表示残差平方和越大，即模型的拟合效果越差．[提醒](1)经验回归直线过样本的中点(x ，y )．(2)回归分析和独立性检验都是基于成对样本观测数据进行估计或推断 ，得出的结论都可能犯错误．二、教材衍化1．(人A 选择性必修第三册P 103习题8.1T 1改编)下列四个散点图中，变量x 与y 之间具有负的线性相关关系的是( )解析：选D.观察题图可知，只有D选项的散点图表示的是变量x与y之间具有负的线性相关关系，故选D.2．(人A选择性必修第三册P138复习T1改编)已知变量x与y正相关，且由观测数据算得样本平均数x－＝3，y－＝3.5，则由该观测数据算得的经验回归方程可能是( )A.y^＝0.4x＋2.3B.y^＝2x－2.4C.y^＝－2x＋9.5D.y^＝－0.3x＋4.4解析：选A.由题意，x与y正相关，故排除C，D，将(x－，y－)代入经验回归方程检验得A正确．3．(人A选择性必修第三册P120习题8.2T2(2)改编)已知x，y的对应取值如下表，可得到经验回归方程为y^＝0.95x＋a^，则a^＝( )x 013 4y 2.2 4.3 4.8 6.7A.3.25B.2.6C.2.2D.0解析：选B.经验回归直线过点(2，4.5)，所以4.5＝0.95×2＋a^，所以a^＝2.6.4．(人A选择性必修第三册P120习题8.2T2(2)改编)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)，由最小二乘法求得经验回归方程y^＝0.67x＋54.9.零件数x/个1020304050加工时间y/min62758189 现发现表中有一个数据看不清，请你推断出该数据的值为________．解析：由x＝30，得y＝0.67×30＋54.9＝75.设表中的“模糊数字”为a，则62＋a＋75＋81＋89＝75×5，所以a＝68.答案：68一、思考辨析判断正误(正确的打“√”，错误的打“×”)(1)利用样本点的散点图可以直观判断两个变量的关系是否可以用线性关系来表示．( )(2)经验回归直线y^＝b^x＋a^至少经过点(x1，y1)，(x2，y2)，…，(x n，y n)中的一个点．( )(3)任何一组数据都对应着一个经验回归方程．( )答案：(1)√(2)×(3)×二、易错纠偏1．(回归模型意义不明致误)一位母亲记录了自己儿子3～9岁的身高数据(略)，由此建立的身高与年龄的一元线性回归模型为y^＝7.19x＋73.93，用这个模型预报这个孩子10岁时的身高，则正确的叙述是( )A．身高一定是145.83 cmB．身高在145.83 cm以上C．身高在145.83 cm左右D．身高在145.83 cm以下解析：选C.由一元线性回归模型可得y^＝7.19×10＋73.93＝145.83，所以预报这个孩子10岁时的身高在145.83 cm左右．2．(忽视经验回归直线过样本点中心致误)已知变量x和y的统计数据如下表：x 34567y 2.534 4.5 6根据上表可得经验回归方程为y^＝b^x－0.25，据此可以预测当x＝8时，y^＝( ) A．6.4 B.6.25C.6.55D.6.45解析：选 C.由题中图表可知，x－＝5，y－＝4，因为经验回归方程经过样本的中心(x－，y－)，则4＝5b^－0.25，得b^＝0.85，则经验回归方程为y^＝0.85x－0.25，再将x＝8代入方程，得y^＝6.55.3．(决定系数的意义及应用不清致误)x和y的散点图如图所示，在相关关系中，若用y＝c1e c2x拟合时的决定系数为R21，用y^＝b^x＋a^拟合时的决定系数为R22，则R21，R22中较大的是________．解析：由题图知，用y＝c1e c2x拟合的效果比y^＝b^x＋a^拟合的效果要好，所以R21>R22，故较大者为R21.答案：R21考点一成对数据的相关性判断(自主练透)复习指导：通过收集现实问题中的成对数据作出散点图，并利用散点图直观认识变量间的相关关系．1．对变量x，y有观测数据(x i，y i)(i＝1，2，…，10)，得散点图如图①，对变量u，v有观测数据(u，v i)(i＝1，2，…，10)，得散点图如图②.由这两个散点图可以判i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.由题图可得两组数据均线性相关，且图①的经验回归方程斜率为负，图②的经验回归方程斜率为正，则由散点图可判断变量x与y负相关，u与v正相关．2．对四组数据进行统计，获得如图所示的散点图，关于其相关系数的比较，正确的是( )A．r2<r4<0<r3<r1B．r4<r2<0<r1<r3C．r4<r2<0<r3<r1D．r2<r4<0<r1<r3解析：选A.由题图知图①与图③是正相关，故r1>0，r3>0，图②与图④是负相关，故r2<0，r4<0，且图①与图②的样本点集中在一条直线附近，因此r2<r4<0<r3<r1，故选A.3．某公司在2020年上半年的月收入x(单位：万元)与月支出y(单位：万元)的统计资料如表所示：月份1月份2月份3月份4月份5月份6月份收入x 12.314.515.017.019.820.6支出y 5.63 5.75 5.82 5.89 6.11 6.18 根据统计资料，则( )A．月收入的中位数是15，x与y有正线性相关关系B．月收入的中位数是17，x与y有负线性相关关系C．月收入的中位数是16，x与y有正线性相关关系D．月收入的中位数是16，x与y有负线性相关关系解析：选C.月收入的中位数是15＋172＝16，收入增加，支出增加，故x 与y 有正线性相关关系．判定两个变量相关性的方法(1)画散点图：点的分布从左下角到右上角，两个变量正相关；点的分布从左上角到右下角，两个变量负相关．(2)相关系数：当r >0时，正相关；当r <0时，负相关；|r |越接近于1，相关性越强．(3)经验回归方程：当b ^>0时，正相关；当b ^<0时，负相关．考点二 一元线性回归模型(多维探究)复习指导：经历用不同估算方法描述两个变量线性相关的过程，知道最小二乘法的思想，能根据给出的一元线性回归模型系数公式建立经验回归方程，并进一步了解回归的基本思想、方法及初步应用．角度1 经验回归方程(2022·贵州凯里第一中学高二期中)某市2017至2021年农村居民家庭人均纯收入y (单位：千元)的数据如下表：年份 2017 2018 2019 2020 2021 年份代号t12 3 4 5 人均纯收入y 3.13.53.94.64.9从表可以看出，人均纯收入y 与年份代号t 线性相关，已知i ＝15t i y i ＝64.70.(1)求y 关于t 的经验回归方程y ^＝b ^t ＋a ^；(2)预测2025年的人均纯收入为多少．(附：参考公式：【解】 (1)由题中表格知，n ＝5，t －＝15(1＋2＋3＋4＋5)＝3，y －＝15(3.1＋3.5＋3.9＋4.6＋4.9)＝4，i ＝15t 2i ＝12＋22＋32＋42＋52＝55，则b ^＝＝64.7－5×3×455－5×32＝0.47，a ^＝y －－b ^t －＝4－0.47×3＝2.59，故经验回归方程为y ^＝0.47t ＋2.59.(2)当年份为2025年时，对应的年份代码t ＝9， 所以y ^＝0.47×9＋2.59＝6.82， 故2025年的人均纯收入约为6.82千元． 角度2 相关系数足球是世界普及率最高的运动，我国大力发展校园足球．为了解本地区足球特色学校的发展状况，社会调查小组得到如下统计数据：年份x 2016 2017 2018 2019 2020 足球特色学校y (百个)0.30 0.60 1.00 1.40 1.70根据上表数据，计算y 与x 的相关系数r ，并说明y 与x 的线性相关程度． (已知：0.75≤|r |≤1，则认为y 与x 线性相关程度很强；0.3≤|r |<0.75，则认为y 与x 线性相关程度一般；|r |≤0.25，则认为y 与x 线性相关程度较弱．参考公式和数据：r ＝∑ni ＝1（x i －x ）（y i －y ）∑ni ＝1（x i －x ）2∑ni ＝1（y i －y ）2，∑ni ＝1(x i －x )2＝10，∑ni ＝1(y i －y )2＝1.3，13≈3.605 6)【解】 由题得x ＝2 018，y ＝1，所以r＝∑ni＝1（x i－x）（y i－y）∑ni＝1（x i－x）2∑ni＝1（y i－y）2＝3.610 × 1.3＝3.63.605 6≈0.998>0.75，所以y与x的线性相关程度很强．一元线性回归模型应用要点(1)建立经验回归方程的步骤①计算出x，y，x21＋x22＋…＋x2n，x1y1＋x2y2＋…＋x n y n的值；②利用公式计算参数a^，b^；③写出经验回归方程y^＝b^x＋a^.(2)经验回归方程的拟合效果，可以利用相关系数判断，当|r|越接近于1时，两变量的线性相关程度越强.|跟踪训练|某公司为了准确地把握市场，做好产品生产计划，对过去四年的数据进行整理得到了第x年与年销售量y(单位：万件)之间的关系如下表：x 123 4y 12284256(1)在图中画出表中数据的散点图；(2)根据散点图选择合适的回归模型拟合y与x的关系(不必说明理由)；(3)建立y 关于x 的经验回归方程，预测第5年的销售量．参考公式：经验回归方程y ^＝b ^x ＋a ^的斜率和截距的最小二乘估计分别为b ^＝∑ni ＝1 （x i －x ）（y i －y ）∑ni ＝1 （x i －x ）2＝∑ni ＝1x i y i －nx y ∑n i ＝1x 2i －n x 2，a ^＝y －b ^x . 解：(1)作出的散点图如图：(2)根据散点图观察，可以用一元线性回归模型拟合y 与x 的关系． (3)观察(1)中散点图可知各点大致分布在一条直线附近，列出表格：i x i y i x 2i x i y i 1 1 12 1 12 2 2 28 4 56 3 3 42 9 126 4 4 56 16 224 ∑1013830418可得x ＝52，y ＝692，所以b ^＝∑4i ＝1x i y i －4x y ∑4i ＝1x 2i －4x 2＝418－4×52×69230－4×⎝ ⎛⎭⎪⎫522＝735，a ^＝y －b ^x ＝692－735×52＝－2.故经验回归方程为y ^＝735x －2.当x ＝5时，y ^＝735×5－2＝71.故预测第5年的销售量大约为71万件．考点三 非线性回归模型(综合研析)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x i 和年销售量y i (i ＝1，2，…，8)数据作了初步处理，得到如图所示的散点图及一些统计量的值．x y w∑8i ＝1(x i －x )2∑8i ＝1(w i －w )2∑8i ＝1(x i －x )·(y i －y )∑8i ＝1(w i －w )·(y i －y ) 46.6 563 6.8 289.81.61469108.8表中w i ＝x i ，w ＝18∑8i ＝1w i .(1)根据散点图判断，y ＝a ＋bx 与y ＝c ＋d x 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z ＝0.2y －x .根据(2)的结果回答下列问题：①当年宣传费x ＝49千元时，年销售量及年利润的预报值是多少？ ②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)，…，(u n，v n)，其回归直线v^＝a^＋b^u的斜率和截距的最小二乘估计分别为：b^＝∑ni＝1（u i－u）（v i－v）∑ni＝1（u i－u）2，a^＝v－b^u.【解】(1)由散点图可以判断y＝c＋d x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＝x，先建立y关于w的经验回归方程，由d^＝∑8i＝1（w i－w）·（y i－y）∑8i＝1（w i－w）2＝108.81.6＝68.得c^＝y－d^w＝563－68×6.8＝100.6.所以y关于w的经验回归方程为y^＝100.6＋68w，因此y关于x的非线性经验回归方程为y^＝100.6＋68x.(3)①由(2)知，当x＝49时，年销售量y的预报值y^＝100.6＋6849＝576.6，年利润z的预报值z^＝576.6×0.2－49＝66.32.②根据(2)的结果知，年利润z的预报值z^＝0.2(100.6＋68x)－x＝－x＋13.6x ＋20.12.所以当x＝13.62＝6.8，即x＝46.24时，z^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．非线性回归分析问题求解策略有些非线性回归分析问题并不给出经验公式，这时我们可以画出已知数据的散点图，把它与学过的各种函数(幂函数、指数函数、对数函数等)的图象进行比较，挑选一种跟这些散点拟合得最好的函数，用适当的变量进行变换，把问题化为线性回归分析问题，使之得到解决．其一般步骤为：|跟踪训练|中国是茶的故乡，也是茶文化的发源地．中国茶的发现和利用已有四千七百多年的历史，且长盛不衰，传遍全球．为了弘扬中国茶文化，某酒店推出特色茶食品“排骨茶”，为了解每壶“排骨茶”中所放茶叶量x(单位：克)与食客的满意率y的关系，通过调查研究发现可选择函数模型y＝1100e kx＋c来拟合y与x的关系，根据以下数据：茶叶量x/克1234 5ln(100y) 4.34 4.36 4.44 4.45 4.51 可求得y关于x的回归方程为( )A.y^＝1100e0.043x＋4.291B.y^＝1100e0.043x－4.291C.y^＝e0.043x＋4.291D.y^＝e0.043x－4.291解析：选 A.由表中数据可知x－＝1＋2＋3＋4＋55＝3，4.34＋4.36＋4.44＋4.45＋4.515＝4.42.对于A，y^＝1100e0.043x＋4.291化简变形可得100y^＝e0.043x＋4.291，两边同时取对数可得ln(100y^)＝0.043x＋4.291，将x－＝3代入可得ln(100y^)＝0.043×3＋4.291＝4.42，与题中数据吻合，故选项A正确；对于B，y^＝1100e0.043x－4.291化简变形可得100y^＝e0.043x－4.291，两边同时取对数可得ln(100y^)＝0.043x－4.291，将x－＝3代入可得ln(100y^)＝0.043×3－4.291＝－4.162≠4.42，所以选项B错误；对于C，y^＝e0.043x＋4.291，两边同时取对数可得ln y^＝ 0.043x＋4.291，而表中所给数据为ln(100y^)的相关量，所以C错误；对于D，y^＝e0.043x－4.291，两边同时取对数可知ln y^＝0.043x－4.291，而表中所给数据为ln(100y^)的相关量，所以D错误；故选A.[A 基础达标]1．对两个变量x，y进行线性回归分析，计算得到相关系数r＝－0.996 2，则下列说法中正确的是( )A．x与y正相关B．x与y具有较强的线性相关关系C．x与y几乎不具有线性相关关系D．x与y的线性相关关系还需进一步确定解析：选B.因为相关系数r＝－0.996 2，所以x与y负相关，因为|r|＝0.996 2，非常接近1，所以相关性很强，故选B.2．(2022·四川省彭山一中高三入学考试)下列命题错误的是( )A．线性相关系数r越大，两个变量的线性相关性越强；反之，线性相关性越弱B．抛掷均匀硬币一次，出现正面的次数是随机变量C．将一组数据中的每个数据都乘以同一个非零常数a后，标准差也变为原来的a倍D．若回归直线的斜率估计值为0.25，x＝2，y＝3，则回归直线的方程为y＝0.25x＋2.5解析：选A.对于A，线性相关系数|r|越接近于1，则相关性越强，所以A错误；对于B，抛掷均匀硬币一次，出现正面的次数是随机变量，所以B正确；对于C，由标准差的定义可知将一组数据中的每个数据都乘以同一个非零常数a后，标准差也变为原来的a倍，所以C正确；对于D，因为回归直线的斜率估计值为0.25，x＝2，y＝3，所以b^＝0.25，a^＝y－b^x＝3－2×0.25＝2.5，则回归直线的方程为y＝0.25x＋2.5，所以D 正确．3.(多选)(2022·重庆巴蜀中学高三月考)为了建立茶水温度y随时间x变化的函数模型，小明每隔1分钟测量一次茶水温度，得到若干组数据(x1，y1)，(x2，y2)，…，(x n，y)，绘制了如图所示的散点图．小明选择了如下2个函数模型来拟合茶水温度y随时间nx的变化情况，函数模型一：y＝kx＋b(k<0，x≥0)；函数模型二：y＝ka x＋b(k>0，0<a<1，x≥0)，下列说法正确的是( )A．变量y与x具有负的相关关系B．由于水温开始降得快，后面降得慢，最后趋于平缓，因此模型二能更好的拟合茶水温度随时间的变化情况C．若选择函数模型二，利用最小二乘法求得y＝ka x＋b的图象一定经过点(x－，y－)D．当x＝5时，通过函数模型二计算得y＝65.1，用温度计测得实际茶水温度为65.2，则残差为0.1解析：选ABD.观察散点图，变量x与y具有负的相关关系，A正确；由于函数模型二中的函数y＝ka x＋b(k>0，0<a<1，x≥0)，在x≥0时，函数单调递减，可得B正确；若选择函数模型二，利用最小二乘法求出的回归方程一定经过(a x，y)，C错误；由于残差＝真实值－预测值，因此残差为65.2－65.1＝0.1，故D正确．4．经调查某地若干户家庭的年收入x(万元)和年饮食支出y(万元)具有线性相关关系，并得到y关于x的经验回归方程：y^＝0.245x＋0.321，可知，家庭年收入每增加1万元，年饮食支出平均增加________万元．解析：x变为x＋1，y^＝0.245(x＋1)＋0.321＝0.245x＋0.321＋0.245，因此家庭年收入每增加1万元，年饮食支出平均增加0.245万元．答案：0.2455．(2022·合肥检测)某公司一种型号的产品近期销售情况如下表：根据上表可得到经验回归方程y^＝0.75x＋a^，据此估计，该公司7月份这种型号产品的销售额为________万元．解析：由题意，x＝2＋3＋4＋5＋65＝4，y＝15.1＋16.3＋17.0＋17.2＋18.45＝16.8，经验回归直线y^＝0.75x＋a^过(x，y)，可得a^＝13.8，当x＝7时，可得y^＝0.75×7＋13.8＝19.05.答案：19.056．(2020·高考全国卷Ⅱ)某沙漠地区经过治理，生态系统得到很大改善，野生动物数量有所增加．为调查该地区某种野生动物的数量，将其分成面积相近的200个地块，从这些地块中用简单随机抽样的方法抽取20个作为样区，调查得到样本数据(x i，yi)(i＝1，2，…，20)，其中x i和y i分别表示第i个样区的植物覆盖面积(单位：公顷)和这种野生动物的数量，并计算得∑20i ＝1x i ＝60，∑20i ＝1y i ＝1 200，∑20i ＝1(x i －x )2＝80，∑20i ＝1(y i －y )2＝9 000，∑20i ＝1(x i －x )(y i －y )＝800.(1)求该地区这种野生动物数量的估计值(这种野生动物数量的估计值等于样区这种野生动物数量的平均数乘以地块数)；(2)求样本(x i ，y i )(i ＝1，2，…，20)的相关系数(精确到0.01)；(3)根据现有统计资料，各地块间植物覆盖面积差异很大．为提高样本的代表性以获得该地区这种野生动物数量更准确的估计，请给出一种你认为更合理的抽样方法，并说明理由．附：相关系数r ＝∑ni ＝1（x i －x ）（y i －y ）∑ni ＝1 （x i －x ）2∑ni ＝1（y i －y ）2，2≈1.414.解：(1)由已知得样本平均数y ＝120∑20i ＝1y i ＝60，从而该地区这种野生动物数量的估计值为60×200＝12 000.(2)样本(x i ，y i )(i ＝1，2，…，20)的相关系数r ＝∑20i ＝1（x i －x ）（y i －y ）∑20i ＝1 （x i －x ）2∑20i ＝1（y i －y ）2＝80080×9 000＝223≈0.94.(3)分层随机抽样：根据植物覆盖面积的大小对地块分层，再对200个地块进行分层随机抽样．理由如下：由(2)知各样区的这种野生动物数量与植物覆盖面积有很强的正相关．由于各地块间植物覆盖面积差异很大，从而各地块间这种野生动物数量差异也很大，采用分层随机抽样的方法较好地保持了样本结构与总体结构的一致性，提高了样本的代表性，从而可以获得该地区这种野生动物数量更准确的估计．7．某品牌手机厂商推出新款的旗舰机型，并在某地区跟踪调查得到这款手机上市时间(x 个月)和市场占有率(y %)的几组相关对应数据：(1)根据上表中的数据，用最小二乘法求出y 关于x 的经验回归方程；(2)根据上述经验回归方程，分析该款旗舰机型市场占有率的变化趋势，并预测自上市起经过多少个月，该款旗舰机型市场占有率能超过0.5%(精准到月)．解：(1)根据表中数据，计算x －＝15×(1＋2＋3＋4＋5)＝3，y －＝15×(0.02＋0.05＋0.1＋0.15＋0.18)＝0.1，所以b ^＝1×0.02＋2×0.05＋3×0.1＋4×0.15＋5×0.18－5×3×0.112＋22＋32＋42＋52－5×32＝0.042，所以a ^＝0.1－0.042×3＝－0.026， 所以经验回归方程为y ^＝0.042x －0.026.(2)由上面的经验回归方程可知，上市时间与市场占有率正相关， 即上市时间每增加1个月，市场占有率都增加0.042个百分点； 由y ^＝0.042x －0.026>0.5， 解得x ≥13；预计上市13个月时，该款旗舰机型市场占有率能超过0.5%.[B 综合应用]8．(2022·河南省湘豫名校联盟高三联考)如下表，根据变量x 与y 之间的对应数据可求出y ^＝－0.32x ＋b .其中y －＝8.现从这5个样本点对应的残差中任取一个值，则残差不大于0的概率为( )A.15B.25C.35D.45解析：选C.由表中的数据可知，x ＝10＋15＋20＋25＋305＝20，设y 的最后一个数据为n ，则y ＝11＋10＋8＋6＋n5＝8，所以n ＝5，将x ，y 代入y ^＝－0.32x ＋b 得b ＝14.4， 这5个样本点对应的残差分别为：y 1－y ^1＝11－(－0.32×10＋14.4)＝－0.2， y 2－y ^2＝10－(－0.32×15＋14.4)＝0.4， y 3－y ^3＝8－(－0.32×20＋14.4)＝0， y 4－y ^4＝6－(－0.32×25＋14.4)＝－0.4， y 5－y ^5＝5－(－0.32×30＋14.4)＝0.2， 所以残差不大于0的概率为35.9．(多选)(2022·石家庄市藁城新冀明中学阶段性测试)某市对2016年至2020年这五年间全市烧烤店盈利店铺的个数进行了统计，具体统计数据如下表所示：根据所给数据，得出y 关于t 的经验回归方程为y ^＝b ^t ＋273，则下列说法正确的是( )A ．该市2016年至2020年全市烧烤店盈利店铺个数的平均数y ＝219B ．y 关于t 的经验回归方程为y ^＝－18t ＋273 C ．估计该市2022年烧烤店盈利店铺的个数为147D ．预测从2027年起，该市烧烤店盈利店铺的个数将不超过100解析：选ABC.由已知数据得t －＝3，y －＝219，故A 正确；因为y 关于t 的经验回归直线过点(3，219)，所以219＝3b ^＋273，所以b ^＝－18，所以y 关于t 的经验回归方程为y ^＝－18t ＋273.故B 正确；2022年的年份代码为7，故2022年该市烧烤店盈利店铺的个数约为y ^＝－18×7＋273＝147.故C 正确；令－18t ＋273≤100，由t ∈N *，得t ≥10，故从2025年起，该市烧烤店盈利店铺的个数将不超过100.故D 不正确，故选ABC.[C 素养提升]10．(2022·江苏省南通市高三教学质量监测)紫甘薯对环境温度要求较高，根据以往的经验，随着温度的升高，其死亡株数呈增长的趋势．下表给出了2019年种植的一批试验紫甘薯在温度升高时6组死亡的株数．经计算，x ＝16∑i ＝16 x i ＝26，y ＝16∑i ＝16y i ＝33，∑i ＝16 （x i －x ）·（y i －y ）＝557，∑i ＝16（x i －x ）2＝84，∑i ＝16 （y i －y ）2＝3 930，∑i ＝16(y i －y ^i )2＝236.64，e 8.060 5≈3 167，其中x i ，y i 分别为试验数据中的温度和死亡株数，i ＝1，2，3，4，5，6.(1)若用一元线性回归模型，求y 关于x 的经验回归方程y ^＝b ^x ＋a ^(结果精确到0.1)；(2)若用非线性回归模型求得y 关于x 的非线性经验回归方程y ^＝0.06e 0.230 3x ，且决定系数为R 2＝0.884 1.①试与(1)中的回归模型相比，用R2说明哪种模型的拟合效果更好；②用拟合效果好的模型预测温度为35 ℃时该批紫甘薯的死亡株数(结果取整数)．解：(1)由题意，得b^＝∑i＝16（x i－x－）（y i－y－）∑i＝16（x i－x－）2＝55784≈6.6，所以a^＝33－6.6×26＝－138.6，所以y关于x的经验回归方程为y^＝6.6x－138.6. (2)①经验回归方程y^＝6.6x－138.6对应的决定系数为R2＝1－∑i＝16（y i－y^i）∑i＝16（y i－y－）2＝1－236.643 930≈0.939 8，因为0.939 8>0.884 1，所以经验回归方程y^＝6.6x－138.6比非线性经验回归方程y^＝0.06e0.230 3x的拟合效果更好．②当x＝35时，y＝6.6×35－138.6＝92.4≈92，即当温度为35 ℃时，该批紫甘薯的死亡株数为92.21 / 21。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
负相关：如果散点图的点散布的位置是从在左上角到右下角的区域，即一个变量的值由小变大时，另 一个变量的值也近似的由大变小，对于两个变量的这种相关关系，我们称为负相关.
在考虑两个量的关系时，为了对变量之间的关系有一个大致的了解，人们将变量所对应的 点描出来，这些点就组成了变量之间的一个散点图.
探究：
（2）函数关系与相关关系之间有着密切联系： 在一定的条件下可以相互转化.而对于具有线性相关关系的两个变量来说，当求得其回归直线方程后， 又可以用一种确定性的关系对这两个变量间的取值进行估计：
3、判断相关关系的基本程序
两个变量 →一个变量值一定→另一个变量带有不确定性→相关关系
4、相关关系的类型 相关关系可分为线性相关，非线性相关两类.
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
1、散点图的特点形象地体现了各数据的密切程度，因此我们可以根据散点图来判断两个 变量有没有线性关系.
利用散点图判断两个变量的相关关系
讲授新课
一：变量之间的相关关系
1.两变量之间的关系
（1）函数关系： 当自变量取值一定时，因变量取值由它唯一确定
正方形面积S与其边长x之间的函数关系S=x2 ， 对自变量边长的每一个确定值，都有唯一确定值一定时，因变量的取值带有一定的随机性
一块农田的水稻产量与施肥量之间的关系 。 水稻产量并不是由施肥量唯一确定，在取值上带有随机性
不确定关系
2、相关关系的概念 自变量取值一定时，因变量的取值带有一定的随机性的两个变量之间的关系叫相关关系.
（1）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 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； 即，函数关系是一种因果关系，而相 关关系不一定是因果关系，也可能是随机关系.
注意： 两个变量之间的关系具有确定性关系—函数关系. 两个变量变量之间的关系具有随机性，不确定性—相关关系.
二：散点图
1、散点图：将样本中n个数据点（xi，yi)（i＝1，2，…，n）描在平面直角坐标系中，以表示具有相关 关系的两个变量的一组数据的图形叫做散点图.
2、正相关、负相关 正相关：如果散点图的点散布在从左下角到右上角的区域，即一个变量的值由小变大时，另一个变量 的值也近似的由小变大，对于两个变量的这种相关关系，我们称为正相关
.
年龄 23 27
39
41
45
49 50
53
54
56
57
58
脂肪
9.5 17.8 21.2 25.9 27.5 26.3 28.2 29.6
30.2
31.4 30.8 33.5
年龄 60
61
脂肪 35.2 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。
脂肪含量 40 35
如图：
30 25 20 15 10 5
O
20
25
30 35 40
年龄
45 50 55
60 65
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：