回归分析与独立性检验

考点五 回归分析与独立性检验考点要揽◆会做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。

◆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。

◆了解独立性检验（只要求22⨯列联表）的基本思想、方法及其简单应用。

◆了解回归分析的基本思想、方法及其简单应用。

命题趋向◆以选择题和填空题的形式考查线性回归系数或利用线性回归方程进行预测，在给出临界值的情况下判断两个变量是否有关。

◆在解答题中与频率分布结合考查线性回归方程的建立及应用和独立性检验的应用。

备考策略◆系统掌握有关概念◆能熟练的运用公式求线性回归系数一、回归分析(一)回归直线方程: a x b yˆˆˆ+=,其中()()()∑∑∑∑====--=---=ni ini ii ni ini i ix n xyx n yx x xy y x xb 1221121ˆx b y aˆˆ-=,()y x ,称为样本中心点,因而回归直线过样本中心点. (二)样本相关系数()r用来衡量两个变量之间线性相关关系的方法.()()()()∑∑∑===----=ni ni iini i iy yx xy y x xr 11221当0>r 时,表明两变量正相关;当0<r ,表明两变量负相关. r 越接近1,表明两变量的线性相关性越强; r 越接近0,表明两变量的线性相关关系几乎不存在,通常当75.0>r 时,认为两个变量有很强的线性相关关系.理解总结（一）线性回归分析一般情况下,在尚未断定两个变量之间是否具有线性相关关系的情况下,应先进行相关性检验,在确认具有线性相关关系后,再求回归直线方程.回归分析的一般步骤为:1.从一组数据出发,画出散点图,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.如果具有线性相关关系,求出回归方程a x b yˆˆˆ+=,其中a ˆ是常数项, b ˆ是回归系数;3.根据回归方程,由一个变量的值,预测或控制另一个变量的值.（二）估计线性回归模型中的未知参数aˆ和b ˆ时,一般利用最小二乘法.其计算公式为:()()()⎪⎪⎩⎪⎪⎨⎧-=--=---=∑∑∑∑====x b y ax n x yx n yx x x y y x xb ni i ni ii ni i ni i iˆˆˆˆ1221121其中∑==n i i x n x 11，∑==ni i y n y 11.对此公式不要求记忆,但要会用.高考导航例 1 假设关于某设备使用年限x 和所支出的维修费用y (万元)有如下的统计资若由资料知y 对x 呈线性相关关系.试求:(1)线性回归方程a x b yˆˆˆ+=的回归系数b a ˆ,ˆ; (2)估计使用年限为10时,维修费用是多少?解题思路求回归直线方程的计算量较大,需要细心、谨慎地计算.可以通过列表,计算出∑=ni i i y x 1，∑=ni i x 12，x ，y ,后将这些量代入公式计算.于是23.14590ˆ2=⨯-=b，08.0423.15ˆˆˆ=⨯-=-=x b y a . (2)回归直线方程为38.1208.023.1ˆ=+=x y. 当10=x 时, 38.12ˆ=y,即估计使用10年时,维修费用是12.38万元.二、独立性检验（一）独立性检验的概念一般地,假设有两个分类变量X 和Y ,它们的值域分别为{}21,x x 和{}21,y y ,我们利用随机变量()()()()()d b c a d c b a bc ad n K ++++-=22来确定在多大程度上可以认为“两个分类变量有关系”,这种方法称为两个分类变量的独立性检验. （二）独立性检验的基本思想独立性检验的基本思想类似于反证法.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.在该假设下我们构造的随机变量2K 应该很小,如果由观测数据计算得到的2K 的观测值k 很大,则在一定程度上说明假设不合理. 具体比较如下表:假设1H :“X 与Y 有关系”,可按如下步骤判断结论1H 成立的可能性:1.通过等高条形图,可以粗略地判断两个分类变量是否有关系,但是这种判断无法精确地给出所得结论的可靠程度.2.利用独立性检验来考查两个分类变量是否有关系,并且能较精确地给出这种判断的可靠程度,具体做法是:（1）根据实际问题的需要确定容许推断“两个分类变量有关系”犯错误概率的上界a ,然后通过下表确定临界值0k .（2）由公式()()()()()d b c a d c b a bc ad n K ++++-=22,计算2K 的观测值k .（3）如果0k k ≥,就推断“X 与Y 有关系”.这种推断犯错误的概率不超过a ;否则,就认为在犯错误的概率不超过a 的前提下不能推断“X 与Y 有关系”,或者在样本数据中没有足够证据支持结论“X 与Y 有关系”. 理解总结根据独立性检验的基本思想,可知对于2K 的观测值k ,存在一个正数0k 为判断规则的临界值,当0k k ≥,就认为“两个分类变量之间有关系”;否则就认为“两个分类变量没有关系”.在实际应用中,我们把0k k ≥解释为有()()%100102⨯≥-k KP 的把握认为“两个分类变量之间有关系”;把0k k <解释为不能以()()%100102⨯≥-k K P 的把握认为“两个分类变量之间有关系”,或者样本观测数据没有提供“两个分类变量之间有关系”的充分证据. 高考导航例1 (1)下列关系中不是相关关系的是 ( )(A)产品投入的广告费与产品的销售量.(B)数轴上的点与实数x.(C)人的身高与体重的大小.(D)一天中的湿度与气温的高低.(2)对分类变量X与Y的随机变量2K的值,下列说法正确的是 ( )(A)2K越大,“X与Y有关系”可信度越小.(B)2K越小,“X与Y有关系”可信度越小.(C)2K越接近于0,“X与Y无关”程度越小.(D)2K越大,“X与Y无关”程度越大.解题思路(1)观察给出的两个量之间是否是函数关系、是否具备一定的联系,是否没有关系,从而可以判断出各种关系.(2)2K是反映变量X与Y是否有相关关系的一个重要参数.解析：(1)A项产品投入的广告费与产品的销售量、C项的人的身高与体重的大小、D项的一天中的湿度与气温的高低之间都是有一定的联系但是是不确定性的关系,故为相关关系.B项数轴上的点与实数x之间为确定的函数关系.例2 为了比较注射A、B两种药物后产生的皮肤疱疹的面积,选200只家兔做试验,将这200只家兔随机地分成两组,每组100只,其中一组注射药物A,另一组注射药物B.(1)甲、乙是200只家兔中的2只,求甲、乙分在不同组的概率;(2)下表1和表2分别是注射药物A和B后的试验结果.(疱疹面积单位:2mm);②完成下面22⨯列联表,并回答能否有%9.99的把握认为“注射药物A 后的疱疹面积与注射药物B 后疱疹面积有差异”.表3疱疹面积小于270mm 疱疹面积不小于270mm 合计注射药物A =a =b 注射药物B =c=d合计=n附: ()()()()()d b c a d c b a bc ad n K ++++-=22()02k K P ≥0.10 0.05 0.025 0.010 0.0010k2.7063.841 5.024 6.635 10.828解题思路(1)将甲、乙两只家兔分在不同组,可在剩余的198只中选99只,也就是将剩余的分为两组,然后再将甲乙两只分在两个组中即可;(2)第①问画频率分布直方图时,应该首先计算出相应的频率,要注意其纵轴为频率与组距的比值;在频率分布直方图中,中位数将小矩形的面积分为相等的两部分,据此可以估计中位数所在的范围;第②问可以根据给出的频数分布表得到22⨯列联表,然后利用给定的公式和对应表来确定其可信程度.【解析】(1)甲、乙两只家兔分在不同组的概率为: 1991001002009919812==C C C P . (2)①在频率分布直方图中,中位数两边对应的小长方形的面积相等,都等于0.5,可以看出注射药物A 后的疱疹面积的中位数在65至70之间,而注射药物B 后的疱疹面积的中位数在70至75之间,所以注射药物A 后疱疹面积的中位数小于注射药 物B 后疱疹面积的中位数. ②表3:疱疹面积小于270mm 疱疹面积不小于270mm 合计注射药物A 70=a 30=b 100 注射药物B 35=c65=d100合计10595 200=n()56.24951051001006530657020022≈⨯⨯⨯⨯-⨯=K 由于828.102>K ,所以有%9.99的把握认为“注射药物A 后的疱疹面积与注射药物B 后的疱疹面积有差异”. 迁移应用1、（2009宁夏海南卷理科）对变量x ,y 有观测数据()i i y x ,()10,,2,1 =i ，得散点图1；对变量v u ,有观测数据()i i v u ,()10,,2,1 =i ,得散点图2. 由这两个散点图可以判断。

第2讲 变量的相关性、回归分析及独立性检验一、知识回顾1.如何判断两个变量的线性相关：如果在散点图中，2个变量数据点分布在一条直线附近，则这2个变量之间具有线性相关关系。

2.所求直线方程 ˆy=bx +a 叫做回归直线方程；其中 ⋅∑∑∑∑nnii i ii=1i=1nn222iii=1i=1(x-x)(y -y)x -nx yb ==,a =y -bx (x-x)x-nxy回归直线方程必过中心点(,)x y3．相关系数的∑nii (x-x)(y -y)r =性质• (1)|r|≤1．(2)|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小．4. ˆˆ=-i i y y i 残差e=实际值-预测值2^^211()===-∑∑nniiii i e y y 总残差平方和:残差平方和越小,即模型拟合效果越好5. 两个分类变量的独立性检验：(1)假设结论不成立,即“两个分类变量没有关系”.(2)在此假设下计算随机变量 22n（ad -bc）K =(a +b)(c +d)(a +c)(b +d)(3) 根据随机变量K 2查表得“两个分类变量没有关系”的概率,用1减去此概率即得有联系的概率 典型例题：例1．（宁夏海南卷）对变量x, y 有观测数据理力争（，）（i=1,2,…，10），得散点图1；对变量u ，v 有观测数据（，）（i=1,2,…，10）,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1x 1y 1u 1v变式1. (韶关一模文、理)甲、乙、丙、丁四位同学各自对A 、B 两变量的线性相关性作试验，）()A 甲 ()B 乙 ()C 丙 ()D 丁 例2.一系列样本点(,)(1,2,,)=⋅⋅⋅i i x y i n 的回归直线方程为23,∧=-y x 若117==∑nii X则1==∑ni i y变式1.某地第二季各月平均气温（℃）与某户用水量（吨）如下表，根据表中数据，用最小二乘法求得用水量关于月平均气温的线性回归方程是( )A B. C. D. 例3.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）的几组对照数据．（1）请画出上表数据的散点图；（2）请根据上表提供的数据，用最小二乘法求出y 关于x 的线性回归方程ˆˆy bxa =+； （3）已知该厂技改前100吨甲产品的生产能耗为90吨标准煤．试根据（2）求出的线性回归方程，预测生产100吨甲产品的生产能耗比技改前降低多少吨标准煤？ （参考数值：3 2.543546 4.566.5⨯+⨯+⨯+⨯=）例4．(惠州一模)对196个接受心脏搭桥手术的病人和196个接受血管清障手术的病人进行了3年的跟踪x y y x 5.115ˆ-=x y5.115.6ˆ-=x y 5.112.1ˆ-=x y5.113.1ˆ-=x y0.0005300035000.00030.0004200015000.00020.0001400025001000月收入（元）频率/组距 第2讲 变量的相关性、回归分析及独立性检验课后作业：姓名： 学号：1．若施化肥量x 与小麦产量y 之间的回归直线方程为ˆ2504yx =+，当施化肥量为50kg 时，预计小麦产量为2.下表是某厂1～4月份用水量（单位：百吨）的一组数据：月份x1 2 3 4用水量y5.443 5.2由散点图可知，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a x y +-=∧7.0，则=a3.一组数据的平均数是2.8，方差是3.6，若将这组数据中的每一个数据都加上60，得到一组新数据，则所得新数据的平均数和方差分别是（ ）A ．57.2 3.6B ．57.2 56.4C ．62.8 63.6D ．62.8 3.64．有一笔统计资料，共有11个数据如下（不完全以大小排列）：2,4,4,5,5,6,7,8,9,11,x ，已知这组数据的平均数为6，则这组数据的方差为（ ） A ．6B ．6C ．66D ．6.55.为了检查某超市货架上的奶粉是否含有三聚氰胺，要从编号依次为1到50的袋装奶粉中抽取5袋进行检验，用每部分选取的号码间隔一样的系统抽样方法确定所选取的5袋奶粉的编号可能是（ ） A.5，10，15，20，25 B.2，4，8，16，32 C.1，2，3，4，5 D.7，17，27，37，476．(广州调研文、理)某校对全校男女学生共1600名进行健康调查，选用分层抽样法抽取一个容量为200的样本．已知女生比男生少抽了10人，则该校的女生人数应是 人．7. (韶关一模文、理)一个社会调查机构就某地居民的 月收入调查了10000人，并根据所得数据画了样本的频率分 布直方图（如下图）。

高中选修1-2回归分析和独立性检验知识总结与联系-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN1122211()()()n n i i i i i i n n i i i i x x y y x y nx y b x x x nx a y bx ====⎧---⎪⎪==⎪⎨--⎪⎪=-⎪⎩∑∑∑∑选修1-2第一部分 变量间的相关关系与统计案例【基础知识】一、回归分析1.两个变量的线性相关：判断是否线性相关 ①用散点图(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用相关系数r(3)除用散点图外，还可用样本相关系数r 来衡量两个变量x ，y 相关关系的强弱，ni ix y nx yr -•=∑当r ＞0，表明两个变量正相关，当r ＜0，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，表明两个变量之间几乎不存在线性相关关系，通常|r |0.75>时，认为这两个变量具有很强的线性相关关系． 2.回归方程：两个变量具有线性相关关系，数据收集如下：可用最小二乘法得到回归方程ˆy bx a =+,其中3．回归分析的基本思想及其初步应用(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，其常用的 研究方法步骤是画出散点图，求出回归直线方程，并利用回归直线方程进行预报．(2)对n 个样本数据(x 1，y 1)、(x 2，y 2)、…、(xn ，yn )，(,)x y 称为样本点的中心．样本点中心一定落在回归直线上。

4、回归效果的刻画：用相关指数2R来刻画回归的效果，公式是2 2121()1()ni iiniiy yRy y==-=--∑∑2R的值越大，说明残差平方和越小，也就是说模型拟合效果好二．独立性检验的基本思想及其初步应用题型一相关关系的判断【例1】对四组数据进行统计，获得以下散点图，关于其相关系数比较，正确的是()A.r2<r4<0<r3<r1B. r4<r2<0<r 1<r3C. r4<r2<0<r3<r1D. r2<r4<0<r1<r3【变式1】 根据两个变量x ，y 之间的观测数据画成散点图如图所示，这两个变量是否具有线性相关关系________(填“是”与“否”)．题型二 线性回归方程【例2】在2013年元旦期间，某市物价部门对本市五个商场销售的某商品一天的销售量及其价格进行调查，五个商场的售价x 元和销售量y 件之间的一价格x 9 9.5 10 10.5 11销售量y11 10 8 6 5 y 关于商品的价格x 的线性回归方程为________．(参考公式：b ^= ，a ^＝y －b ^x )【变式3】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：父亲身高x /cm 174 176 176 176 178儿子身高y /cm175 175 176 177 177则y 对x 的线性回归方程为( )． A ．y ＝x －1 B ．y ＝x ＋1C ．y ＝88＋12x D ．y ＝176题型三 独立性检验【例4】通过随机询问110名性别不同的行人，对过马路是愿意走斑马线由K 2＝n (ad －dc )(a ＋b )(c ＋d)(a ＋c )(b ＋d )，算得K 2＝110×(40×30－20×20)260×50×60×50≈7.8.附表：A. 有99%以上的把握认为“选择过马路的方式与性别有关”B. 有99%以上的把握认为“选择过马路的方式与性别无关”C. 在犯错误概率不超过0.1%的前提下，认为“选择过马路的方式与性别有关”D. 在犯错误概率不超过0.1%的前提下，认为“选择过马路的方式与性别无关【变式2】 某企业有两个分厂生产某种零件，按规定内径尺寸(单位：mm)的值落在[29.94,30.06)的零件为优质品．从两个分厂生产的零件中各抽出了500件，(2)由以上统计数据填下面2×2列联表，并问是否有99%的把握认为“两个分附 K 2巩固提高1.下列说法：①将一组数据中的每个数据都加上或减去同一个常数后，方差恒不变；②设有一个回归方程y ^＝3－5x ，变量x 增加一个单位时，y 平均增加5个单位；③线性回归方程y ^＝b ^x ＋a ^必过(x ，y )；④在一个2×2列联表中，由计算得K 2＝13.079，则有99%的把握确认这两个变量间有关系；其中错误的个数是( )A. 0B. 1C. 2D. 32.已知回归直线斜率的估计值为1.23，样本点的中心为点(4,5)，则回归直线的方程为( ) A. y ^＝1.23x ＋4 B. y ^＝1.23x ＋5 C. y ^＝1.23x ＋0.08 D. y ^＝0.08x ＋1.23 3.从所得的散点图分析可知：y 与x 线性相关，且y ＝0.95x ＋a ，则a ＝( ) A. 1.30 B. 1.45 C. 1.65 D. 1.804.根据上表可得回归直线方程：y ＝0.56x ＋a ，据此模型预报身高为172 cm 的高三男生的体重为( )A. 70.09 kgB. 70.12 kgC. 70.55 kgD. 71.05 kg5.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：y ^＝0.254x ＋0.321.由回归方程可知，家庭年收入每增加1万元，年饮食支出平均增加________万元．6．利用独立性检验对两个分类变量是否有关系进行研究时，若在犯错误的概率不超过0.005的前提下认为事件A 和B 有关系，则具体计算出的数据应该是( )A ．k≥6.635B ．k ＜6.635C ．k≥7.879D ．k ＜7.8797．某高校“统计初步”课程的教师随机调查了选该课的一些学生的情况，具体数据如下表：非统计专业统计专业男13 10女7 20为了判断主修统计专业是否与性别有关系，根据表中数据得到，k＝50（13×20－10×7）220×30×23×27≈4.844，因为k＞3.841，所以确定主修统计专业与性别有关系，那么这种判断出错的可能性为________．与销售额（单位：百万元）之间有如下对应数据：（1）画出散点图；（2）求线性回归方程；（3）试预测广告费支出为百万元时，销售额多大？9.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)的几组对照数据.（1）请画出上表数据的散点图；（2）请根据上表提供的数据，用最小二乘法求出关于的线性回归方程；（3）已知该厂技改前吨甲产品的生产能耗为吨标准煤，试根据(2)求出的线性回归方程，预测生产吨甲产品的生产能耗比技改前降低多少吨标准煤(参考数值：)9．某大学餐饮中心为了了解新生的饮食习惯，在全校一年级学生中进行了抽样调查，调查结果如下表所示：喜欢甜品不喜欢甜品合计南方学生60 20 80北方学生10 10 20合计70 30 100(1)甜品的饮食习惯方面有差异”；(2)已知在被调查的北方学生中有5名数学系学生，其中2名习惯甜品，现在从这5名学生中随机抽取3人，求至多有1人喜欢甜品的概率．10、我市某校某数学老师这学期分别用两种不同的教学方式试验高一甲、乙两个班（人数均为人，入学数学平均分和优秀率都相同，勤奋程度和自觉性都一样）。

回归分析与独立性检验（一）变量间的相关关系、回归分析的基本思想及初步运用一、相关关系: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相关关系. 二、散点图: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. 三、回归分析:对具有相关关系的两个变量进行统计分析的方法叫回归分析. 1、回归直线方程设所求的直线方程为y b x a ∧=+，其中121()(),()ni i i ni i x x y y b a y b x x x ==--==--∑∑，1111,,nni i i i x x y y nn====∑∑(,)x y 称为样本点的中心，回归直线过样本点的中心.回归方程的截距a 和斜率b 是用最小二乘法计算出来的. 2、相关系数：两个变量之间线性相关关系的强弱用相关系数r 来衡量.相关系数：()()ni i x x y y r --=∑0r >，表示两个变量正相关；0r <，表示两个变量负相关；r的绝对值越接近1，表明两个变量的线性相关性越强.r 的绝对值越接近0，表明两个变量之间几乎不存在线性相关关系.通常，r 的绝对值大于0.75时，表明两个变量的线性相关性很强. （二）独立性检验的基本思想及其初步运用一、用变量的不同“值”表示个体所属的不同类别，这种变量称为分类变量.例：是否吸烟，是否患肺癌等 二、独立性检验的方法：列出两个分类变量的频数表（列联表），直观判断.一般步骤： （1）2*2列联表（2）提出假设：设p 与q 没有关系 （3）根据列联表中的数据2K 计算的值22()()()()()()n a d b c Kn a b c d a b c d a c b d -==+++++++其中为样本容量（4）根据计算得到的随机变量2K 的观测值作出判断如：24.232K =因为4.232介于临界值3.841和5.024之间，2( 3.841)p K ≥=0.05,所以两个分类变量没有关系的概率是5%，即两个分类变量有关系的概率为95%.【例1】【2017课标1，文19】为了监控某种零件的一条生产线的生产过程，检验员每隔30 min 从该生产线上随机抽取一个零件，并测量其尺寸（单位：cm ）．下面是检验员在一天内依次抽取的16个零件的尺寸：经计算得16119.9716i i x x ===∑，0.212s ==≈，18.439≈，161()(8.5) 2.78i i x x i =--=-∑，其中i x 为抽取的第i 个零件的尺寸，1,2,,16i =⋅⋅⋅． （1）求(,)i x i (1,2,,16)i =⋅⋅⋅的相关系数r ，并回答是否可以认为这一天生产的零件尺寸不随生产过程的进行而系统地变大或变小（若||0.25r <，则可以认为零件的尺寸不随生产过程的进行而系统地变大或变小）． （2）一天内抽检零件中，如果出现了尺寸在(3,3)x s x s -+之外的零件，就认为这条生产线在这一天的生产过程可能出现了异常情况，需对当天的生产过程进行检查． （ⅰ）从这一天抽检的结果看，是否需对当天的生产过程进行检查？（ⅱ）在(3,3)x s x s -+之外的数据称为离群值，试剔除离群值，估计这条生产线当天生产的零件尺寸的均值与标准差．（精确到0．01）附：样本(,)i i x y (1,2,,)i n =⋅⋅⋅的相关系数()()ni i x x y y r --=∑0.09≈．【反馈检测1】下图是我国2008年至2014年生活垃圾无害化处理量（单位：亿吨）的折线图（Ⅰ）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； （Ⅱ）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：719.32i i y ==∑，7140.17i i i t y ==∑0.55=2.646≈.参考公式：相关系数()()ni i t t y y r --=∑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：121()()()ni i i ni i t t y y b t t ==--=-∑∑，=.a yb t -【例2】全国人大常委会会议于 2015年12月27日通过了关于修改人口与计划生育法的决定, “全面二孩”从2016年元旦起开始实施,A市妇联为了解该市市民对“全面二孩”政策的态度,随机抽取了男性市民30人、女性市民70人进行调查, 得到以下的22⨯列联表：（1）根椐以上数据，能否有090的把握认为A市市民“支持全面二孩”与“性别”有关？（2）现从持“支持”态度的市民中再按分层抽样的方法选出15名发放礼品，分别求所抽取的15人中男性市民和女性市民的人数；（3）将上述调查所得到的频率视为概率,.现在从A市所有市民中,采用随机抽样的方法抽取3位市民进行长期跟踪调查, 记被抽取的3位市民中持“支持”态度人数为X.①求X的分布列；②求X的数学期望()E X和方差()D X.参考公式：()()()()()22n a d b cKa b a d a c b d-=++++，其中n a b c d=+++【反馈检测3】【2017课标II ，理18】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 ）某频率分布直方图如下：(1)设两种养殖方法的箱产量相互独立，记A 表示事件：“旧养殖法的箱产量低于50kg, 新养殖法的箱产量不低于50kg”，估计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：（3）根据箱产量的频率分布直方图，求新养殖法箱产量的中位数的估计值（精确到0.01）附：22()()()()()n a d b c K a b c d a c b d -=++++。

独立性检验与回归分析__________________________________________________________________________________ __________________________________________________________________________________1.了解变量间的相关关系,能根据给出的线性回归方程系数建立线性回归方程.2.了解独立性检验(只要求2×2列联表)的基本思想、方法及其简单应用.3.了解回归分析的基本思想、方法及其简单应用．1.独立性检验(1)概念：用2χ统计量研究独立性问题的检验的方法称为独立性检验.(2)m×n列联表指有m行n列的列联表(3)必备公式2χ=2()()()()()n ad bca cb d a bc d-++++2.2χ统计量中的四个临界值经过对2χ统计量分布的研究，已经得到了四个经常用到的临界值：2.706、3.841、6.635、10.828.由2×2列联表计算出2χ，然后与相应的临界值进行比较，当2χ>2.706时，有______的把握说事件A与B有关.当2χ>3.841时，有______的把握说事件A与B有关.当2χ>6.635时，有______的把握说事件A与B有关.当2χ>10.828时，有______的把握说事件A与B有关.当2χ≤2.706时，认为事件A与B是无关的.3.回归分析(1)线性回归模型是指方程y a bxε=++，其中________称为确定性函数，____称为随机误差.(2)线性回归方程是指直线方程ˆˆˆya bx =+，其中回归截距ˆa 、回归系数ˆb 公式如下： ˆb=_______________________ˆa =_____________. (3)参数r 检验线性相关的程度，计算公式为r()()niix x yy --∑即ni ix ynx y-∑化简后r =x yxy x yS S -，其中y S 表示数据i y (i =1，2，…，n )的标准差，这个r 称为y 与x 的样本相关系数，简称相关系数，其中-1≤r ≤1.若r >0，则x 与y 是正相关，若r <0，则x 与y 是负相关，若r =0，则x 与y 不相关，r =1或r =-1时，x 与y 为完全线性相关.类型一.独立性检验例1：为考察高中生的性别与是否喜欢数学课程之间的关系，在某城市的某校高中生中随机抽取300名学生，得到如下列联表：判断性别与是否喜欢数学课程有关吗？用独立性检验方法判断父母吸烟对子女是否吸烟有影响.类型二.变量间的相关关系及线性回归方程例2：下列关系中,是带有随机性相关关系的是______. ①正方形的边长与面积之间的关系; ②水稻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.例3：某工业部门进行一项研究,分析该部门的产量与生产费用的关系,从这个工业部门内随机抽选了10个企业作样本,资料如下表:练习1：下列两个变量之间的关系哪个不是函数关系( ) (A)角度和它的余弦值 (B)正方形边长和面积(C)正n 边形的边数和顶点角度之和 (D)人的年龄和身高 类型三.相关检验与回归分析例3：某工业部门进行一项研究，分析该部门的产量与生产费用之间的关系.从这个工业部门内完成下列问题：(1)计算x 与y 的相关系数；(2)对这两个变量之间是否线性相关进行相关性检验；(3)设线性回归方程为ˆˆˆ,ybx a =+求系数ˆˆ,.a b试预测该运动员训练47次以及55次的成绩.1.在调查中学生近视情况中，某校男生150名中有80名近视，女生140名中有70名近视，在检验这些中学生眼睛近视是否与性别有关时用什么方法最有说服力( )A.期望与方差B.排列与组合C.独立性检验D.概率2.通过对2χ统计量的研究，得到了若干临界值，当2χ≤2.706时，我们认为事件A 与B ( ) A.有90%的把握认为A 与B 有关系 B.有95%的把握认为A 与B 有关系C.没有充分理由说明事件A 与B 有关系D.不能确定3.下列关于2χ的说法中正确的是( )A.2χ在任何相互独立问题中都可以用来检验有关还是无关 B.2χ的值越大，两个事件的相关性就越大C.2χ是用来判断两个分类变量是否有关系的随机变量，只对于两个分类变量适合D.2χ的观测值2χ的计算公式为2()()()()()n ad bc a b c d a c b d χ-=++++4.下列两个变量之间的关系是相关关系的是( ) A.角度和它的余弦值 B.正方形边长和面积 C.正n 边形的边数和顶点数 D.人的年龄和身高5.由一组样本数据1122(,),(,),,(,n x y x y x )n y 得到的回归方程为ˆˆˆ,ybx a =+下面说法不正确的是( )A.直线ˆˆˆybx a =+必经过点(,)x y B.直线ˆˆˆybx a =+至少经过点1122(,),(,),,(,)n n x y x y x y 中的一个点C.直线ˆˆˆybx a =+的斜率为1221()ni ii nii x y nxyxn x ==--∑∑D.直线ˆˆˆybx a =+和各点1122(,),(,),,(,)n n x y x y x y 的偏差平方和21ˆˆ[()]ni ii y bx a =-+∑是该坐标平面上所有直线与这些点的偏差平方和中最小的直线6.有甲、乙两个班级进行数学考试，按照大于等于85分为优秀，85分以下非优秀统计成绩，得到如下所示的列联表：已知在全部105人中随机抽取1人，成绩优秀的概率为27，则下列说法正确的是( )A ．列联表中c 的值为30，b 的值为35B ．列联表中c 的值为15，b 的值为50C ．根据列联表中的数据，若按97.5%的可靠性要求，能认为“成绩与班级有关系”D ．根据列联表中的数据，若按97.5%的可靠性要求，不能认为“成绩与班级有关系”7.为了判断高中三年级学生是否选修文科与性别的关系，现随机抽取50名学生，得到如下2×2列联表：已知P (K 2≥3.841)≈0.05根据表中数据，得到K 2＝50×（13×20－10×7）223×27×20×30≈4.844.则认为选修文科与性别有关系出错的可能性为________．8.某数学老师身高176cm ，他爷爷、父亲和儿子的身高分别是173cm 、170cm 和182cm.因儿子的身高与父亲的身高有关，该老师用线性回归分析的方法预测他孙子的身高为________cm._________________________________________________________________________________ _________________________________________________________________________________基础巩固1.(2014重庆卷)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线性回归方程可能是()A．y^＝0.4x＋2.3 B．y^＝2x－2.4C．y^＝－2x＋9.5 D．y^＝－0.3x＋4.42.(2014湖北卷）根据如下样本数据：得到的回归方程为y＝bx＋a，则()A.a>0，b>0B.a>0，b<0C.a<0，b>0D.a<0，b<03.(2014江西卷）某人研究中学生的性别与成绩、视力、智商、阅读量这4个变量的关系，随机抽查52名中学生，得到统计数据如表1至表4，则与性别有关联的可能性最大的变量是()及格2032A.成绩B.视力C.智商D.阅读量4.下列两个变量之间的关系是相关关系的是()A.正方体的棱长和体积B.角的弧度数和它的正弦值C.单产为常数时，土地面积和总产量D.日照时间与水稻的亩产量5.(2015福建)为了解某社区居民的家庭年收入所年支出的关系，随机调查了该社区5户家庭，得到如下统计数据表：根据上表可得回归直线方程ˆˆˆybx a =+，其中ˆˆˆ0.76,b a y bx ==-，据此估计，该社区一户收入为15万元家庭年支出为( )A.11.4万元B.11.8万元C.12.0万元D.12.2万元6.“回归”一词是在研究子女的身高与父母的身高之间的遗传关系时，由高尔顿提出的.他的研究结果是子代的平均身高向中心回归.根据他的结论，在儿子的身高y 与父亲的身高x 的回归方程ˆˆˆya bx =+中，ˆb ( ) A.在(-1，0)内B.等于0C.在(0，1)内D.在[1，+∞)7.线性回归方程ˆˆˆya bx =+中，回归系数ˆb 的含义是________________. 8.在一项打鼾与患心脏病是否有关的调查中，共调查了1978人，经过计算2χ=28.63，根据这一数据分析，我们有理由认为打鼾与患心脏病是________的.(填“有关”、“无关”)能力提升1.下列说法：①将一组数据中的每一个数据都加上或减去同一个常数后，方差不变；②设有一个线性回归方程y ^＝3－5x ，变量x 增加1个单位时，y 平均增加5个单位；③设具有相关关系的两个变量x ，y 的相关系数为r ，则|r |越接近于0，x 和y 之间的线性相关程度越强；④在一个2×2列联表中，由计算得K 2的值，则K 2的值越大，判断两个变量间有关联的把握就越大．其中错误的个数是( ) A.0B.1C.2D.32.已知x 与y 之间的几组数据如下表：假设根据上表数据所得线性回归直线方程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 ′3.对相关系数r ，下列说法正确的是( ) A.||r 越大，相关程度越小B.||r 越小，相关程度越大C.||r 越大，相关程度越小，||r 越小，相关程度越大D.||r≤1且||r越接近1，相关程度越大，||r越接近0，相关程度越小4.若由资料知，y对x呈线性相关关系，试求：(1)线性回归方程；(2)估计设备的使用年限为10年时，维修费用约是多少？5.若由资料可知y对x呈线性相关关系，试求：(1)线性回归直线方程；(2)根据回归直线方程，估计使用年限为12年时，维修费用是多少？6.在某医院，因为患心脏病而住院的665名男性病人中，有214人秃顶；而另外772名不是因为思心脏病而住院的男性病人中有175人秃顶，利用独立性检验方法判断秃顶与患心脏病是否有关系？课程顾问签字： 教学主管签字：。

回归分析与独立性检验1.回归分析的含义是什么?有哪些基本步骤?线性回归模型怎样用表达式表示?产生随机误差的原因是什么?a b2.回归方程中与怎样求解?3.刻画回归效果的方式有哪些?（1）残差（2）残差图（3）残差图法2（4）残差平方和（5）相关指数R1.判一判(正确的打“√”,错误的打“×”)(1)在线性回归模型中,e是bx+a预报真实值y的随机误差,它是一个可观测的量. ( )(2)求线性回归方程前可以不进行相关性检验. ( )(3)在残差图中,纵坐标为残差,横坐标可以选为样本编号.( )2、一位母亲记录了儿子3～9岁的身高数据,并由此建立的身高与年龄的回归模型为 =7.19x+73.93,用这个模型预测这个孩子10岁时的身高,则下列说法正确的A.身高一定是145.83cmB.身高在145.83cm 以上C.身高在145.83cm 左右D.身高在145.83cm 以下有下列说法:①在残差图中,残差点比较均匀地落在水平的带状区域内,说明选用的模型比较合适;②用相关指数R 2来刻画回归的效果,R 2值越大,说明模型的拟合效果越好;③比较两个模型的拟合效果,可以比较残差平方和的大小,残差平方和越小的模型,拟合效果越好.其中正确命题的个数是A.0B.1C.2D.3【典例1】(1)(2014·合肥高二检测)已知一个回归方程为 =1.5x+45,x ∈{1,7,5,13,19},则 =A.9B.45C.58.5D.1.5(2)如图所示的是四个残差图,其中回归模型的拟合效果最好的是()yy(3)为研究质量x(单位:克)对弹簧长度y(单位:厘米)的影响,对不同质量的6个物体进行测量,数据如下表所示:出散点图,并求线性回归方程; ②求出R 2; ③进行残差分析.类型二 非线性回归分析【典例2】(1)两个变量的散点图如图,可考虑用如下函数进行拟合比较合理的A.y=a ·x bB.y=a+blnxC.y=a ·e bxD.y=a ·2)在一次抽样调查中,测得样本的5个样本点的数值如下表:hxe试写出y 与x 之间的回归方程.【易错误区】对回归系数的含义理解错误【典例】(2014·合肥高二检测)废品率x%和每吨生铁成本y(元)之间的回归直线方程为 =256+3x,表明 ( )A.废品率每增加1%,生铁成本增加259元B.废品率每增加1%,生铁成本增加3元C.废品率每增加1%,生铁成本平均每吨增加3元D.废品率不变,生铁成本为256元 【提升练习】1.(2014·梅州高二检测)在2012年8月15日那天,某物价部门对本市的5家商场的某商品的一天销售量价格进行调查,5家商场的售价x 元和销售量y 件之间的一组数据如下表所示:y由散点图可知,销售量y 与价格x 之间有较强的线性相关关系,其线性回归直线方程是:=-3.2x+40,且m+n=20,则其中的n= .2、设三组实验数据(x1,y 1),(x 2,y 2),(x 3,y 3)的回归直线方程是:=x+,使代数式[y1-(x 1+)]2+[y 2-(x 2+)]2+[y 3-(x 3+)]2的值最小时,=-,=,(,分别是这三组数据的横、纵坐标的平均数)若有七组数据列表如下:(1)求上表中前三组数据的回归直线方程.(2)若|y 1-(x 1+)|≤0.2,即称(x 1,y 1)为(1)中回归直线的拟合“好点”,求后四组数据中拟合“好点”的概率.1.分类变量的概念是什么?什么是列联表,什么是2×2列联表?2.等高条形图的优点是什么?如何利用等高条形图判断两个变量之间的关系?3.独立性检验的概念是什么?怎样进行独立性检验?1.判一判(正确的打“√”,错误的打“×”)(1)事件A与B的检验无关,即两个事件互不影响. ( )(2)事件A与B关系越密切,K 2就越大. ( )(3)K 2的大小是判断事件A与B是否相关的唯一数据. ( )2、下列不是分类变量的是( )A.近视B.身高C.血压D.药物反应类型一等高条形图的应用【典例1】(1)观察下列各图,其中两个分类变量X,Y之间关系最强的是( )(2)(2014·青岛高二检测)某学校对高三学生作了一项调查发现:在平时的模拟考试中,性格内向的学生426人中332人在考前心情紧张,性格外向的学生594人中有213人在考前心情紧张,作出等高条形图,利用图形判断考前心情紧张与性格类别是否有关系.类型二 独立性检验【典例2】(1)(2014·台州高二检测)在独立性检验中,统计量K 2有三个临界值:2.706,3.841和6.635;当K 2>3.841时,在犯错误的概率不超过0.05的前提下说明两个事件有关,当K 2>6.635时,在犯错误的概率不超过0.01的前提下说明两个事件有关,当K 2<2.706时,认为两个事件无关.在一项打鼾与患心脏病的调查中,共调查了2000人,经计算K 2=20.87,根据这一数据分析,认为打鼾与患心脏病之间 ( )A.在犯错误的概率不超过0.05的前提下认为两者有关B.约有95%的打鼾者患心脏病C.在犯错误的概率不超过0.01的前提下认为两者有关D.约有99%的打鼾者患心脏病(2)(2014·执信高二检测)某食品厂为了检查甲乙两条自动包装流水线的生产情况,随机在这两条流水线上各抽取40件产品作为样本称出它们的质量(单位:克),质量值落在(495,510]的产品为合格品,否则为不合格品.表1是甲流水线样本频数分布表,图1是乙流水线样本频率分布直方图.①根据上表数据作出甲流水线样本频率分布直方图;②若以频率作为概率,试估计从两条流水线分别任取1件产品,该产品恰好是合格品的概率分别是多少;③由以上统计数据作出2×2列联表,并回答在犯错误的概率不超过多少的前提下认为“产品的包装质量与两条自动包装流水线的选择有关”.【提升练习】1.(2014·德州高二检测)假设两个分类变量X与Y,它们的取值分别为{x1,x2},{y1,y2},其2×2列联表如图所示:对于以下数据,对同一样本能说明X与Y有关的可能性最大的一组为( )A.a=50,b=40,c=30,d=20B.a=50,b=30,c=20,d=40C.a=50,b=20,c=40,d=30D.a=20,b=30,c=50,d=40。

回归直线方程与独立性检验一、课堂目标1、明确建立回归模型的基本步骤、熟练运用线性回归模型解决非线性相关问题．2、能够运用独立性检验对两个分类变量是否线性相关作出判断．二、直击高考知识模块知识内容全国卷常见题型回归分析一元线性回归模型2020年全国三卷18题解答题回归直线方程独立性检验分类变量2020年全国二卷18题解答题三、知识讲解1. 回归分析知识回顾方法提升考点一：回归直线方程的求解对于一组具有线性相关关系的数据：，，，，，我们知道其回归直线的斜率和截距的最小二乘法估计分别为：其中，，称为样本点的中心，位于回归直线上．【思想方法与技巧】利用线性相关回归分析处理非线性问题:研究两个变量的关系是，我们常常根据样本生成点坐标在平面直角坐标系中作出散点图，观察散点图中样本点的分布．从整体看，如果样本点并没有分布在某一条直线附近，这两个变量之间不具有线性相关关系，也就是非线性相关关系．考点二：相关系数的求解对于变量与随机抽到的对数据，，，，，可以利用相关系数来衡量两个变量之间线性相关关系，样本相关系数的计算公式为：．【思想方法与技巧】利用相关系数评判结果如下：（1）时，表示两个变量正相关；（2）时，表示两个变量负相关；（3）越接近于，表明两个变量的线性相关程度越强；（4）越接近于，表明两个变量的线性相关程度越弱．高考链接1.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个地块，从这些地块中用简单随机抽样的方法抽取个作为样区，调查得到样本数据，其中和分别表示第个样区的植物覆盖面积（单（1）（2）（3）位：公顷）和这种野生动物的数量，并计算得，，，，．附：相关系数，．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）．求样本的相关系数（精确到）．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．（1）（2）2.下图是某地区年至年环境基础设施投资额（单位：亿元）的折线图．为了预测该地区年的环境基础设施投资额，建立了与时间变量的两个线性回归模型．根据年至年的数据（时间变量的值依次为）建立模型①：．根据年至年的数据（时间变量的值依次为）建立模型②：．年份投资额分别利用这两个模型，求该地区年的环境基础设施投资额的预测值．你认为用哪个模型得到的预测值更可靠？并说明理由．3.下图是我国年至年生活垃圾无害化处理量（单位：亿吨）的折线图（1）（2）年份代码年生活垃圾无害化处理量注：年份代码分别对应年亿吨参考数据：，，，．参考公式：相关系数，回归方程中斜率和截距的最小二乘估计公式分别为：，．由折线图看出，可用线性回归模型拟合与的关系，请用相关系数加以说明．建立关于的回归方程（系数精确到），预测年我国生活垃圾无害化处理量．方法应用4.随着互联网的兴起，越来越多的人选择网上购物．某购物平台为了吸引顾客提升销售额，每年双十一都会进行某种商品的促销活动，该商品促销活动规则如下：①“价由客定”，即所有参与该商品促销活动的人进行网络报价，每个人并不知晓其他人的报价也不知道参与该商品促销活动的总人数；②报价时间截止后，系统根据当年双十一该商品数量配额，按照参与该商品促销活动人员的报价从高到低分配名额；③每人限购一件，且参与人员分配到名额时必须购买，某位顾客拟参加年双十一该商品促销活动，他为了预测该商品最低成交价，根据该购物平台的公告统计了最近年双十一参与该商品促销活动的人数（见表）：年份年份编号参与人数（百万人）12（2）由收集数据的散点图发现，可用线性回归模拟拟合参与人数（百万人）与年份编号之间的相关关系．请用最小二乘法求关于的线性回归方程：，并预测年双十一参与该商品促销活动的人数．该购物平台调研部门对位拟参与年双十一该商品促销活动人员的报价价格进行了一个抽样调查，得到如下的一份频数表：报价区间（千元）频数求这位参与人员报价的平均值和样本方差（同一区间的报价可用该价格区间的中点值代替）．假设所有参与该商品促销活动人员的报价可视为服从正态分布且与可分别由①中所求的样本平均值和样本方差估值，若预计年双十一该商品最终销售量为，请你合理预测（需说明理由）该商品的最低成交价．参考公式及数据（）回归方程：，其中，．（），，．（）若随机变量服从正态分布，则，，．5.我国全面二孩政策已于年月日起正式实施，国家统计局发布的数据显示，从年到年，中国的人口自然增长率变化始终不大，在上下波动（如图）．中国内地总人口和自然增长率总人口自然增长率出生率（万人）为了了解年龄介于岁至岁之间的适孕夫妻对生育二孩的态度如何，统计部门按年龄分为组，每组选取对夫妻进行调查，统计有生育二孩意愿的夫妻数，得到下表：‰（1）（2）有意愿数（参考数据和公式：，，，，，）设每个年龄区间的中间值为 ，有意愿数为，求样本数据的线性回归直线方程，并求该模型的相关系数（结果保留两位小数）．从，，，，这五个年龄段中各选出一对夫妻（能代表该年龄段超过半数夫妻的意愿）进一步调研，再从这对夫妻中任选对夫妻，设其中不愿意生育二孩的夫妻数为，求的分布列和数学期望．（1）（2）6.某小区为了调查居民的生活水平，随机从小区住户中抽取个家庭，得到数据如下：家庭编号月收入（千元）月支出（千元）参考公式：回归直线的方程是：，其中，，．据题中数据，求月支出（千元）关于月收入（千元）的线性回归方程（保留一位小数）；从这个家庭中随机抽取个，记月支出超过千家庭个数为，求的分布列与数学期望．7.如表中的数据是一次阶段性考试某班的数学、物理原始成绩：学号数学物理学号数学（1）（2）（3）理用这人的两科成绩制作如下散点图：物理数学学号为号的同学由于严重感冒导致物理考试发挥失常，学号为号的同学因故未能参加物理学科的考试，为了使分析结果更客观准确，老师将、两同学的成绩（对应于图中、两点）剔除后，用剩下的个同学的数据作分析，计算得到下列统计指标：数学学科平均分为，标准差为，物理学科的平均分为，标准差为，数学成绩与物理成绩的相关系数为，回归直线（如图所示）的方程为．若不剔除、两同学的数据，用全部的成绩作回归分析，设数学成绩与物理成绩的相关系数为，回归直线为，试分析与的大小关系，并在图中画出回归直线的大致位置．如果同学参加了这次物理考试，估计同学的物理分数（精确到个位）．就这次考试而言，学号为号的同学数学与物理哪个学科成绩要好一些？（通常为了比较某个学生不同学科的成绩水平可按公式统一化成标准分再进行比较，其中为学科原始分，为学科平均分，为学科标准差）．（1）（2）8.已知某校个学生的数学和物理成绩如下表：学生的编号数学物理若在本次考试中，规定数学在分以上（包括分）且物理在分以上（包括分）的学生为理科小能手．从这个学生中抽出个学生，设表示理科小能手的人数，求的分布列和数学期望．通过大量事实证明发现，一个学生的数学成绩和物理成绩具有很强的线性相关关系，在上述表格是正确的前提下，用表示数学成绩，用表示物理成绩，求与的回归方程．参考公式：，其中，．（1）（2）某调查机构为了了解某产品年产量（吨）对价格（千元/吨）和利润的影响，对近五年该产品的年产量和价格统计如下表：求关于的线性回归方程若每吨该产品的成本为千元，假设该产品可全部卖出，预测当年产量为多少时，年利润取到最大值?参考公式：，．（1）（2）10.某农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间进行分析研究，他们分别记录了月日至月日的每天昼夜温差与实验室每天每棵种子中的发芽数，得到如下资料：日期月日月日月日月日月日温差摄氏度发芽颗该农科所确定的研究方案是：先从这组数据中选取组数据求线性回归方程，再用剩下的组数据进行检验．若选取的组数据恰好是连续天的数据（表示数据来自互不相邻的三天），求的分布列及期望．根据月日至日数据，求出发芽数关于温差的线性回归方程．由所求得线性回归方程得到的估计数据与剩下的检验数据的误差均不超过颗，则认为得到的线性回归方程是可靠的，试问所得的线性回归方程是否可靠？附：参考公式：，．（1）11.在年俄罗斯世界杯期间，莫斯科的部分餐厅经营了来自中国的小龙虾，这些小龙虾均标有等级代码，为得到小龙虾等级代码数值与销售单价之间的关系，经统计得到如下数据：等级代码数值销售单价（元）已知销售单价与等级代码数值之间存在线性相关关系，求关于的线性回归方程（系数精（2）若莫斯科某个餐厅打算从上表的种等级的中国小龙虾中随机选种进行促销，记被选中的种等级代码数值在以下（不含）的数量为，求的分布列及数学期望．参考公式：对一组数据，，，，其回归直线的斜率和截距的最小二乘估计分别为：，．（1）（2）12.某动漫影视制作公司长期坚持文化自信，不断挖掘中华优秀传统文化中的动漫题材，创作出一批又一批的优秀动漫影视作品，获得市场和广大观众的一致好评，同时也为公司赢得丰厚的利润．该公司年至年的年利润关于年份代号的统计数据如下表（已知该公司的年利润与年份代号线性相关）：年份年份代号年利润（单位：亿元）求关于的线性回归方程，并预测该公司年（年份代号记为）的年利润．当统计表中某年年利润的实际值大于由（）中线性回归方程计算出该年利润的估计值时，称该年为级利润年，否则称为级利润年．将（）中预测的该公司年的年利润视作该年利润的实际值，现从年至年这年中随机抽取年，求恰有年为级利润年的概率．参考公式：，．2. 独立性检验知识回顾方法提升考点：独立性检验求解步骤（1）准确作出列联表；（2）统计假设成立；（3）计算；（4）将上一步计算得到的观测值与临界值比较，从而接收或拒绝假设．【思想方法与技巧】1、在列联表中，越小，说明两个分类变量之间关系越弱；越大，说明两个分类变量之间关系越强．2、（1）制作列联表时要注意表中相关数据的位置及对应，避免出错；（2）作的列联表的独立性检验时，要求表中的个数据都要大于，因此，在选取样本容量时一定要注意．高考链接13.某学生兴趣小组随机调查了某市天中每天的空气质量等级和当天到某公园锻炼的人次，整理数据得到下表（单位：天）：（1）（2）（3）锻炼人次空气质量等级（优）（良）（轻度污染）（中度污染）分别估计该市一天的空气质量等级为，，，的概率．求一天中到该公园锻炼的平均人次的估计值（同一组中的数据用该组区间的中点值为代表）．若某天的空气质量等级为或，则称这天“空气质量好”；若某天的空气质量等级为或，则称这天“空气质量不好”．根据所给数据，完成下面的列联表；并根据列联表，判断是否有的把握认为一天中到该公园锻炼的人次与该市当天的空气质量有关？人次人次空气质量好空气质量不好附：．第一种生产方式第二种生产方式14.某工厂为提高生产效率，开展技术创新活动，提出了完成某项生产任务的两种新的生产方式．为比较两种生产方式的效率，选取名工人，将他们随机分成两组，每组人，第一组工人用第一种生产方式，第二组工人用第二种生产方式．根据工人完成生产任务的工作时间（单位：）绘制了如下茎叶图：（1）（2）（3）根据茎叶图判断哪种生产方式的效率更高？并说明理由．求名工人完成生产任务所需时间的中位数，并将完成生产任务所需时间超过和不超过的工人数填入下面的列联表：超过不超过第一种生产方式第二种生产方式根据（）中的列联表，能否有的把握认为两种生产方式的效率有差异？附：，（1）（2）（3）15.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，收获时各随机抽取个网箱，测量各箱水产品的产量（单位：），其频率直方图如下：频率组距箱产量旧养殖法频率组距箱产量新养殖法附：．设两种养殖方法的箱产量相互独立，记表示事件：旧养殖法的箱产量低于， 新养殖法的箱产量不低于，估计的概率．填写下面列联表，并根据列联表判断是否有的把握认为箱产量与养殖方法有关．箱产量箱产量旧养殖法新养殖法根据箱产量的频率分布直方图，求新养殖法箱产量的中位数的估计值（精确到）．方法应用（1）（2）（3）16.在传染病学中，通常把从致病刺激物侵入机体或者对机体发生作用起，到机体出现反应或开始呈现该疾病对应的相关症状时止的这一阶段称为潜伏期．一研究团队统计了某地区名患者的相关信息，得到如下表格：潜伏期（单位：天）人数求这名患者的潜伏期的样本平均数（同一组中的数据用该组区间的中点值作代表）．该传染病的潜伏期受诸多因素的影响，为研究潜伏期与患者年龄的关系，以潜伏期是否超过天为标准进行分层抽样，从上述名患者中抽取人，得到如下列联表．请将列联表补充完整，并根据列联表判断是否有的把握认为潜伏期与患者年龄有关．潜伏期天潜伏期天总计岁以上（含岁）岁以下总计附：，其中．以这名患者的潜伏期超过天的频率，代替该地区名患者潜伏期超过天发生的概率，每名患者的潜伏期是否超过天相互独立．为了深入研究，该研究团队随机调查了名患者，其中潜伏期超过天的人数最有可能（即概率最大）是多少？17.为了提高生产效益，某企业引进了一批新的生产设备，为了解设备生产产品的质量情况，分别从新、旧设备所生产的产品中，各随机抽取件产品进行质量检测，所有产品质量指标值均在以内，规定质量指标值大于的产品为优质品，质量指标值在的产品为合格品．旧设备所生产的产品质量指标值如频率分布直方图所示，新设备所生产的产品质量指标值如频数分布表所示．（1）（2）（3）频率组距质量指标值质量指标值频数合计请分别估计新、旧设备所生产的产品的优质品率．优质品率是衡量一台设备性能高低的重要指标，优质品率越高说明设备的性能越高．根据已知图表数据填写下面列联表（单位：件），并判断是否有的把握认为“产品质量高与新设备有关”．非优质品优质品合计新设备产品旧设备产品合计附：，其中．用频率代替概率，从新设备所生产的产品中随机抽取件产品，其中优质品数为件，求的分布列及数学期望．18.冬天的北方室外温度极低，若轻薄保暖的石墨烯发热膜能用在衣服上，可爱的医务工作者行动会更方便，石墨烯发热膜的制作：从石墨中分离出石墨烯，制成石墨烯发热膜，从石墨分离石墨烯的一（1）（2）种方法是化学气相沉积法，使石墨升华后附着在材料上再结晶，现在有材料，材料供选择，研究人员对附着在材料，材料上再结晶各做了次试验，得到如下等高条形图．材料试验结果材料试验结果石墨烯再结晶试验试验成功试验失败根据上面的等高条形图，填写如下列联表，判断是否有的把握认为试验成功与材料有关．材料材料合计成功不成功合计研究人员得到石墨烯后，再制作石墨烯发热膜有三个环节：①透明基底及胶层，②石墨烯层，③表面封装层，第一，二环节生产合格的概率均为，第三个环节生产合格的概率为，且各生产环节相互独立，已知生产吨的石墨烯发热膜的固定成本为万元，若生产不合格还需进行修复，第三个环节的修复费用为元，其余环节修复费用均为元．如何定价，才能实现每生产吨石墨烯发热膜获利可达万元以上的目标．附：参考公式：，其中．19.由团中央学校部、全国学联秘书处、中国青年报社共同举办的年度全国“最美中学生”寻访活动结果出炉啦，此项活动于年月启动，面向全国中学在校学生，通过投票方式寻访一批在热爱祖国、勤奋学习、热心助人、见义勇为等方面表现突出、自觉树立和践行社会主义核心价值观的“最美中学生”．现随机抽取了名学生的票数，绘成如图所示的茎叶图，若规定票数在票以上（包括票）定义为风华组．票数在票以下（不包括票）的学生定义为青春组．（1）（2）（3）在这名学生中，青春组学生中有男生人，风华组学生中有女生人，试问有没有的把握认为票数分在青春组或风华组与性别有关．如果用分层抽样的方法从青春组和风华组中抽取人，再从这人中随机抽取人，那么至少有人在青春组的概率是多少？用样本估计总体，把频率作为概率，若从该地区所有的中学（人数很多）中随机选取人，用表示所选人中青春组的人数，试写出的分布列，并求出的数学期望．附：；其中，独立性检验临界表：（1）（2）（3）20.为了保障全国第四次经济普查顺利进行，国家统计局从东部选择江苏，从中部选择河北、湖北，从西部选择宁夏，从直辖市中选择重庆作为国家综合试点地区，然后再逐级确定普查区域，直到基层的普查小区．在普查过程中首先要进行宣传培训，然后确定对象，最后入户登记．由于种种情况可能会导致入户登记不够顺利，这为正式普查提供了宝贵的试点经验．在某普查小区，共有家企事业单位，家个体经营户，普查情况如下表所示：普查对象类型顺利不顺利合计企事业单位个体经营户合计写出选择个国家综合试点地区采用的抽样方法．根据列联表判断是否有的把握认为“此普查小区的入户登记是否顺利与普查对象的类别有关”．以频率作为概率，某普查小组从该小区随机选择家企事业单位，家个体经营户作为普查对象，入户登记顺利的对象数记为，写出的分布列，并求的期望值．附：．（1）（2）（3）21.黄冈市有很多名优土特产，黄冈市的蕲春县就有闻名于世的“蕲春四宝”（蕲竹、蕲艾、蕲蛇、蕲龟），很多人慕名而来旅游，通过随机询问名不同性别的游客在购买“蕲春四宝”时是否在来蕲春县之前就知道“蕲春四宝”，得到如下列联表：男女总计事先知道“蕲春四宝”事先不知道“蕲春四宝”总计附：．写出列联表中各字母代表的数字．由以上列联表判断，能否在犯错误的概率不超过的前提下认为购买“蕲春四宝”和是否“事先知道’蕲春四宝’有关系”？从被询问的名事先知道“蕲春四宝”的顾客中随机选取名顾客，求抽到的女顾客人数的分布列及其数学期望．（1）22.在一次爱心捐款活动中，小李为了了解捐款数额是否和居民自身的经济收入有关，随机调查了某地区的个捐款居民每月平均的经济收入．在捐款超过元的居民中，每月平均的经济收入没有达到元的有个，达到元的有个；在捐款不超过元的居民中，每月平均的经济收入没有达到元的有个．参考数据当时，无充分证据判定变量，有关联，可以认为两变量无关联；当时，有的把握判定变量，有关联；当时，有的把握判定变量，有关联；当时，有的把握判定变量，有关联．附：，其中．在下图表格空白处填写正确数字，并说明是否有以上的把握认为捐款数额是否超过元和居民每月平均的经济收入是否达到元有关？每月平均经济收入达到元每月平均经济收入没有达到元合计捐款超过元 捐款不超过元（2）合计将上述调查所得到的频率视为概率．现在从该地区大量居民中，采用随机抽样方法每次抽取个居民，共抽取次，记被抽取的个居民中经济收入达到元的人数为，求和期望的值．（1）（2）23.2016年月日，“国际教育信息化大会”在山东青岛开幕．为了解哪些人更关注“国际教育信息化大会”，某机构随机抽取了年龄在岁之间的人进行调查，某机构随机抽取了在之间的人进行调查，经统计“青少年”与“中老年”的人数之比为．根据已知条件完成下面的列联表，并判断能否有的把握认为“中老年”比“青少年”更加关注“国际教育信息化大会”．关注不关注合计青少年中老年合计现从抽取的青少年中采取分层抽样的办法选取人进行问卷调查，在这人中再选取人进行面对面询问，记选取的人中关注“国际教育信息化大会”的人数为，求的分布列及数学期望．附：参考公式：，其中．临界值表：（1）（2）24.为了研究家用轿车在高速公路上的车速情况，交通部门对名家用轿车驾驶员进行调查，得到其在高速公路上行驶时的平均车速情况为：在名男性驾驶员中，平均车速超过的有人，不超过的有人．在名女性驾驶员中，平均车速超过的有人，不超过的有人．完成下面的列联表，并判断是否有的把握认为平均车速超过的人与性别有关．平均车速超过人数平均车速不超过人数合计男性驾驶员人数 女性驾驶员人数合计以上述数据样本来估计总体，现从高速公路上行驶的大量家用轿车中随机抽取辆，记这辆车中驾驶员为男性且车速超过的车辆数为，若每次抽取的结果是相互独立的，求的分布列和数学期望．参考公式与数据：，其中，对服务满意对服务不满意合计对商品满意 对商品不满意合计（1）（2）25.近年来，我国电子商务蓬勃发展．年“”期间，某网购平台的销售业绩高达亿元人民币，与此同时，相关管理部门推出了针对该网购平台的商品和服务的评价系统．从该评价系统中选出次成功交易，并对其评价进行统计，网购者对商品的满意率为，对服务的满意率为，其中对商品和服务都满意的交易为次．根据已知条件完成下面的列联表，并回答能否有的把握认为“网购者对商品满意与对服务满意之间有关系”？若将频率视为概率，某人在该网购平台上进行的次购物中，设对商品和服务都满意的次数为随机变量，求的分布列和数学期望．附：（其中为样本容量）26.万众瞩目的第届全国冬季运动运会（简称“十四冬”）于年月日在呼伦贝尔市盛大开幕，期间正值我市学校放寒假，寒假结束后，某校工会对全校名教职工在“十四冬”期间每天收看比赛转播的时间作了一次调查，得到如图频数分布直方图：。

相关性最小二乘估计回归分析与独立性检验一、相关性相关性是指两个变量之间的相互关系程度。

在统计学中，常用的衡量相关性的指标是相关系数。

相关系数可以分为皮尔逊相关系数和斯皮尔曼相关系数。

1. 皮尔逊相关系数（Pearson correlation coefficient）：用于测量两个连续变量之间的线性相关性。

其取值范围为[-1,1]，其中1表示完全正相关，-1表示完全负相关，0表示无相关性。

2. 斯皮尔曼相关系数（Spearman correlation coefficient）：用于测量两个变量之间的单调相关性，适用于变量类型是有序或等级的情况。

与皮尔逊相关系数类似，斯皮尔曼相关系数的取值范围也是[-1,1]。

二、最小二乘估计最小二乘估计是一种常用的参数估计方法，主要用于线性回归模型。

其思想是通过最小化残差平方和来寻找最优的模型参数。

在回归分析中，最小二乘估计可以帮助我们找到最佳拟合线，使得观测值与预测值之间的差异最小化。

具体而言，最小二乘估计的步骤如下：1.指定一个线性回归模型，并假设模型中的参数。

2.根据观测值和估计的参数计算预测值。

3.计算观测值与预测值之间的差异，即残差。

4.最小化残差平方和，得到最优的模型参数。

最小二乘估计的优点是计算简单，容易理解。

然而，最小二乘估计也有一些局限性，如对异常值敏感等。

三、回归分析回归分析是一种用于研究两个或多个变量之间关系的统计方法。

在回归分析中，自变量用于预测因变量的取值。

回归分析可以帮助我们了解变量之间的相互作用，并可以用于预测未来值。

回归分析主要有两种类型：线性回归和非线性回归。

线性回归假设自变量和因变量之间存在线性关系，而非线性回归假设关系可以是任意的。

回归分析的步骤如下：1.选择回归模型：确定自变量和因变量之间的关系类型。

2.收集数据：收集自变量和因变量的观测值。

3.估计参数：使用最小二乘估计等方法估计回归方程中的参数。

4.检验拟合优度：通过计算残差平方和等指标来评估回归模型的拟合优度。

方法技巧专题25回归分析与独立性检验回归分析与独立性检验是统计学中常用的两种方法技巧。

本文将从基本概念、执行步骤、解析方法和实际应用等方面详细介绍回归分析与独立性检验。

一、回归分析回归分析是一种用来描述和解释变量之间相互关系的统计方法。

在回归分析中，一个或多个自变量被用来预测或解释一个或多个因变量。

基本概念包括以下几点：1. 自变量（independent variable）：研究者控制和操作的变量，用来预测因变量。

2. 因变量（dependent variable）：研究者感兴趣的变量，也是我们希望预测或解释的变量。

3. 简单线性回归（simple linear regression）：只有一个自变量和一个因变量之间的关系。

4. 多元回归（multiple regression）：有两个或两个以上自变量和一个因变量之间的关系。

执行步骤如下：1.收集数据：收集自变量和因变量的数据。

2.绘制散点图：绘制自变量和因变量之间的散点图，观察两个变量之间的关系。

3.拟合回归线：通过回归线拟合数据，找到自变量和因变量之间的最佳关系。

4.计算回归方程：根据回归线的拟合情况，计算出回归方程，用来预测或解释因变量。

常用解析方法有以下几种：1.最小二乘法：通过最小化实际观测值与回归方程预测值之间的误差平方和，来确定回归方程的参数。

2. 相关系数（correlation coefficient）：用来衡量自变量和因变量之间的线性相关性强弱，常用Pearson相关系数进行计算。

3.回归方程显著性检验：用来判断回归方程是否显著，即自变量是否对因变量有显著影响。

二、独立性检验独立性检验是用来检验两个或多个分类变量之间是否存在相关性的统计方法。

基本概念包括以下几点：1. 分类变量（categorical variable）：变量的取值只能是一些有限的标称级别，而不能用具体的数值表示。

2. 单变量独立性检验（univariate independence test）：只包括一个分类变量和一个因变量的关系。

回归分析的基本思想及其初步应用（1）通过对实际问题的分析，了解回归分析的必要性与回归分析的一般步骤；了解线性回归模型与函数模型的区别；（2）尝试做散点图，求回归直线方程；（3）能用所学的知识对实际问题进行回归分析，体会回归分析的实际价值与基本思想；了解判断刻画回归模型拟合好坏的方法――相关指数和残差分析。

一、基础知识梳理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，我们就称这两个变量之间具有线性相关关系，这条直线叫作回归直线。

求回归直线方程的一般步骤：作出散点图（由样本点是否呈条状分布来判断两个量是否具有线性相关关系），若存在线性相关关系→②求回归系数→③写出回归直线方程，并利用回归直线方程进行预测说明.2.回归分析：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。

建立回归模型的基本步骤是：①确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量；②画好确定好的解释变量和预报变量的散点图，观察它们之间的关系（线性关系）.③由经验确定回归方程的类型.④按一定规则估计回归方程中的参数（最小二乘法）；⑤得出结论后在分析残差图是否异常，若存在异常，则检验数据是否有误，后模型是否合适等.3.利用统计方法解决实际问题的基本步骤：（1）提出问题；（2）收集数据；（3）分析整理数据；（4）进行预测或决策。

4.残差变量的主要来源：（1）用线性回归模型近似真实模型（真实模型是客观存在的，通常我们并不知道真实模型到底是什么）所引起的误差。

可能存在非线性的函数能够更好地描述与之间的关系，但是现在却用线性函数来表述这种关系，结果就会产生误差。

这种由于模型近似所引起的误差包含在中。

（2）忽略了某些因素的影响。

影响变量的因素不只变量一个，可能还包含其他许多因素（例如在描述身高和体重关系的模型中，体重不仅受身高的影响，还会受遗传基因、饮食习惯、生长环境等其他因素的影响），但通常它们每一个因素的影响可能都是比较小的，它们的影响都体现在中。