2018年秋高中數(shù)學(xué) 第三章 統(tǒng)計(jì)案例 階段復(fù)習(xí)課 第3課 統(tǒng)計(jì)案例學(xué)案 新人教A版選修2-3.doc

《2018年秋高中數(shù)學(xué) 第三章 統(tǒng)計(jì)案例 階段復(fù)習(xí)課 第3課 統(tǒng)計(jì)案例學(xué)案 新人教A版選修2-3.doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《2018年秋高中數(shù)學(xué) 第三章 統(tǒng)計(jì)案例 階段復(fù)習(xí)課 第3課 統(tǒng)計(jì)案例學(xué)案 新人教A版選修2-3.doc（7頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

第三課　統(tǒng)計(jì)案例 [核心速填] (建議用時(shí)4分鐘) 1．分析判斷兩個(gè)變量相關(guān)關(guān)系常用的方法 (1)散點(diǎn)圖法：把樣本數(shù)據(jù)表示的點(diǎn)在直角坐標(biāo)系中標(biāo)出，得到散點(diǎn)圖，由散點(diǎn)圖的形狀分析． (2)相關(guān)指數(shù)法：利用相關(guān)指數(shù)R2進(jìn)行檢驗(yàn)，在確認(rèn)具有相關(guān)關(guān)系后，再求線性回歸方程． 2．求線性回歸方程的步驟 (1)畫散點(diǎn)圖：從直觀上觀察兩個(gè)變量是否線性相關(guān)． (2)計(jì)算：利用公式求回歸方程的系數(shù)的值． ＝＝，＝－. (3)寫出方程：依據(jù)＝＋x，寫出回歸直線方程． 3．兩種特殊可線性化回歸模型的轉(zhuǎn)化 (1)將冪型函數(shù)y＝axm(a為正的常數(shù)，x，y取正值)化為線性函數(shù)． 如果將y＝axm兩邊同取以10為底的對(duì)數(shù)，則有l(wèi)g y＝mlg x＋lg a．令u＝lg y，v＝lg x，lg a＝b，代入上式，得u＝mv＋b，其中m，b是常數(shù)．這是u，v的線性函數(shù)．如果以u(píng)為縱坐標(biāo)，v為橫坐標(biāo)，則u＝mv＋b的圖象就是一直線． (2)將指數(shù)型函數(shù)y＝cax(a＞0且a≠1，c＞0且為常數(shù))化為線性函數(shù)． 將y＝cax兩邊同取以10為底的對(duì)數(shù)，有l(wèi)g y＝xlg a＋lg c，令lg y＝u，lg a＝k，lg c＝b，得u＝kx＋b，其中，k和b是常數(shù)，與冪型函數(shù)不同的是x依然保持原來(lái)的，只是用y的對(duì)數(shù)lg y代替了y. 4．在實(shí)際問(wèn)題中常用的三個(gè)數(shù)值 (1)當(dāng)K2＞6.635時(shí)，表示有99%的把握認(rèn)為“事件A與B有關(guān)系”． (2)當(dāng)K2＞3.841時(shí)，表示有95%的把握認(rèn)為“事件A與B有關(guān)系”． (3)當(dāng)K2≤3.841時(shí)，認(rèn)為事件A與B是無(wú)關(guān)的． [體系構(gòu)建] [題型探究] 線性回歸分析 回歸分析是對(duì)具有相關(guān)關(guān)系的兩個(gè)變量進(jìn)行統(tǒng)計(jì)分析的一種常用方法．根據(jù)兩個(gè)變量的一組觀測(cè)值，可以畫出散點(diǎn)圖或利用相關(guān)系數(shù)r，判斷兩個(gè)變量是否具有線性相關(guān)關(guān)系，若具有線性相關(guān)關(guān)系，可得出線性回歸直線方程． 利用公式求回歸直線方程時(shí)應(yīng)注意以下幾點(diǎn)： (1)求時(shí)，利用公式＝＝，先求出＝(x1＋x2＋x3＋…＋xn)，＝(y1＋y2＋y3＋…＋yn)．再由＝－ 求的值，并寫出回歸直線方程． (2)回歸直線一定經(jīng)過(guò)樣本點(diǎn)的中心(，)． (3)回歸直線方程中的截距和斜率都是通過(guò)樣本估計(jì)得來(lái)的，存在誤差，這種誤差可能導(dǎo)致預(yù)報(bào)結(jié)果的偏差． (4)回歸直線方程＝＋x中的表示x每增加1個(gè)單位時(shí)預(yù)報(bào)變量y的平均變化量，而表示預(yù)報(bào)變量y不隨x的變化而變化的部分． 　以下是某地收集到的新房屋的銷售價(jià)格y和房屋的面積x的數(shù)據(jù)： 房屋面積x/m2 115 110 80 135 105 銷售價(jià)格y/萬(wàn)元 24.8 21.6 18.4 29.2 22 (1)畫出數(shù)據(jù)對(duì)應(yīng)的散點(diǎn)圖； (2)若線性相關(guān)，求線性回歸方程； (3)根據(jù)(2)的結(jié)果估計(jì)當(dāng)房屋面積為150 m2時(shí)的銷售價(jià)格. 【導(dǎo)學(xué)號(hào)：95032252】 [解]　(1)數(shù)據(jù)對(duì)應(yīng)的散點(diǎn)圖如圖所示． (2)由散點(diǎn)圖知y與x具有線性相關(guān)關(guān)系．由表中數(shù)據(jù)知＝i＝109，＝i＝23.2，＝60 975，iyi＝12 952.設(shè)所求回歸直線方程為＝x＋，則＝≈0.196 2，＝－≈1.814 2，故所求回歸直線方程為＝0.196 2x＋1.814 2. (3)根據(jù)(2)，當(dāng)x＝150時(shí)，銷售價(jià)格的估計(jì)值為＝0.1962150＋1.814 2＝31.244 2(萬(wàn)元)． [規(guī)律方法]　在散點(diǎn)圖中樣本點(diǎn)大致分布在一條直線附近，則利用線性回歸模型進(jìn)行研究，可近似地利用回歸直線方程＝x＋來(lái)預(yù)報(bào)，利用公式求出回歸系數(shù)，，即可寫出回歸直線方程，并用回歸直線方程進(jìn)行預(yù)測(cè)說(shuō)明． [跟蹤訓(xùn)練] 1．已知某連鎖經(jīng)營(yíng)公司的5個(gè)零售店某月的銷售額和利潤(rùn)額資料如下表： 商店名稱 A B C D E 銷售額x(千萬(wàn)元) 3 5 6 7 9 利潤(rùn)額y(千萬(wàn)元) 2 3 3 4 5 (1)畫出散點(diǎn)圖； (2)根據(jù)如下的參考公式與參考數(shù)據(jù)，求利潤(rùn)額y與銷售額x之間的線性回歸方程； (3)若該公司還有一個(gè)零售店某月銷售額為10千萬(wàn)元，試估計(jì)它的利潤(rùn)額是多少． (參考公式：＝，＝－. 其中，iyi＝112，＝200) [解]　(1)散點(diǎn)圖． (2)由已知數(shù)據(jù)計(jì)算得n＝5，＝＝6，＝＝3.4，＝＝0.5，＝3.4－0.56＝0.4. 則線性回歸方程為＝0.5x＋0.4. (3)將x＝10代入線性回歸方程中得到＝0.510＋0.4＝5.4(千萬(wàn)元)． 即估計(jì)該零售店的利潤(rùn)額約為5.4千萬(wàn)元． 回歸模型分析 對(duì)于建立的回歸模型，我們必須對(duì)模型的擬合效果進(jìn)行分析，也就是對(duì)利用回歸模型解決實(shí)際問(wèn)題的效果進(jìn)行評(píng)價(jià)．一方面可以對(duì)比殘差或殘差平方和的大小，同時(shí)觀察殘差圖，進(jìn)行殘差分析；另一方面也可以研究數(shù)據(jù)的R2(相關(guān)系數(shù)r)．對(duì)模型擬合效果的分析能夠幫助我們利用最優(yōu)化的模型來(lái)解決實(shí)際問(wèn)題． 　在研究彈簧伸長(zhǎng)長(zhǎng)度y(cm)與拉力x(N)的關(guān)系時(shí)，對(duì)不同拉力的6根彈簧進(jìn)行測(cè)量，測(cè)得如下表中的數(shù)據(jù)： x/N 5 10 15 20 25 30 y/cm 7.25 8.12 8.95 9.90 10.9 11.8 若依據(jù)散點(diǎn)圖及最小二乘法求出的回歸直線方程為＝0.18x＋6.34，求R2，并結(jié)合殘差說(shuō)明擬合效果. 【導(dǎo)學(xué)號(hào)：95032253】 [解]　列表求值如下： xi 5 10 15 20 25 30 yi 7.25 8.12 8.95 9.90 10.9 11.8 xiyi 36.25 81.2 134.25 198 272.5 354 x 25 100 225 400 625 900 yi－i 0.01 －0.02 －0.09 －0.04 0.06 0.06 yi－ －2.24 －1.37 －0.54 0.41 1.41 2.31 ＝17.5，≈9.49，iyi＝1 076.2，＝2 275，(yi－i)2＝0.017 4，(yi－)2＝14.678 4. ∴R2＝1－≈0.998 81，回歸模型擬合效果較好．由表中數(shù)據(jù)可以看出殘差比較均勻地落在寬度不超過(guò)0.15的狹窄的水平帶狀區(qū)域中，說(shuō)明選用的線性回歸模型的精度較高． [規(guī)律方法]　在一元線性回歸模型中，相關(guān)指標(biāo)R2與相關(guān)系數(shù)r都能刻畫線性回歸模型擬合數(shù)據(jù)的效果．|r|越大，R2就越大，用線性回歸模型擬合數(shù)據(jù)的效果就越好． [跟蹤訓(xùn)練] 2．關(guān)于x與y有以下數(shù)據(jù)： x 2 4 5 6 8 y 30 40 60 50 70 已知x與y線性相關(guān)，由最小二乘法得＝6.5， (1)求y與x的線性回歸方程； (2)現(xiàn)有第二個(gè)線性模型：＝7x＋17，且R2＝0.82. 若與(1)的線性模型比較，哪一個(gè)線性模型擬合效果比較好，請(qǐng)說(shuō)明理由． [解]　(1)依題意設(shè)y與x的線性回歸方程為＝6.5x＋. ＝＝5， ＝＝50， ∴＝6.5x＋經(jīng)過(guò)(，)， ∴50＝6.55＋，∴＝17.5， ∴y與x的線性回歸方程為＝6.5x＋17.5. (2)由(1)的線性模型得yi－i與yi－的關(guān)系如下表： yi－i －0.5 －3.5 10 －6.5 0.5 yi－ －20 －10 10 0 20 所以(yi－i)2＝(－0.5)2＋(－3.5)2＋(－10)2＋(－6.5)2＋0.52＝155. (yi－)2＝(－20)2＋(－10)2＋102＋02＋202＝1 000. 所以R＝1－＝1－＝0.845. 由于R＝0.845，R2＝0.82知R>R2， 所以(1)的線性模型擬合效果比較好． 獨(dú)立性檢驗(yàn) 獨(dú)立性檢驗(yàn)是判斷兩個(gè)分類變量之間是否有關(guān)系的一種方法．在判斷兩個(gè)分類變量之間是否有關(guān)系時(shí)，作出等高條形圖只能近似地判斷兩個(gè)分類變量是否有關(guān)系，而獨(dú)立性檢驗(yàn)可以精確地得到可靠的結(jié)論． 　為了調(diào)查胃病是否與生活規(guī)律有關(guān)，在某地對(duì)540名40歲以上的人進(jìn)行了調(diào)查，結(jié)果是：患胃病者生活不規(guī)律的共60人，患胃病者生活規(guī)律的共20人，未患胃病者生活不規(guī)律的共260人，未患胃病者生活規(guī)律的共200人． (1)根據(jù)以上數(shù)據(jù)列出22列聯(lián)表； (2)判斷40歲以上的人患胃病與生活規(guī)律是否有關(guān). 【導(dǎo)學(xué)號(hào)：95032254】 [思路探究]　(1)解決本題關(guān)鍵是首先弄清問(wèn)題中的兩個(gè)分類變量及其取值分別是什么，其次掌握22列聯(lián)表的結(jié)構(gòu)特征． (2)利用22列聯(lián)表計(jì)算K2的觀測(cè)值，再結(jié)合臨界值表來(lái)分析相關(guān)性的大?。? [解]　(1)由已知可列22列聯(lián)表如下： 患胃病 未患胃病 總計(jì) 生活規(guī)律 20 200 220 生活不規(guī)律 60 260 320 總計(jì) 80 460 540 (2)根據(jù)列聯(lián)表得K2的觀測(cè)值為 k＝≈9.638. 因?yàn)?.638>7.879， 因此，我們?cè)诜稿e(cuò)誤的概率不超過(guò)0.005的前提下認(rèn)為40歲以上的人患胃病和生活規(guī)律有關(guān)． [規(guī)律方法]　獨(dú)立性檢驗(yàn)的一般步驟： (1)根據(jù)樣本數(shù)據(jù)制成22列聯(lián)表． (2)根據(jù)公式計(jì)算K2的觀測(cè)值k. (3)比較k與臨界值的大小關(guān)系作統(tǒng)計(jì)推斷． [跟蹤訓(xùn)練] 3．為了解某班學(xué)生喜愛打籃球是否與性別有關(guān)，對(duì)本班50人進(jìn)行問(wèn)卷調(diào)查得到了如下的列聯(lián)表： 喜愛打籃球 不喜愛打籃球 總計(jì) 男生 5 女生 10 總計(jì) 50 已知在全部50人中隨機(jī)抽取1人抽到喜愛打籃球的學(xué)生的概率為0.6. (1)請(qǐng)將上面的列聯(lián)表補(bǔ)充完整(不用寫計(jì)算過(guò)程)； (2)能否有99%的把握認(rèn)為喜愛打籃球與性別有關(guān)？說(shuō)明你的理由． (參考公式：K2＝， 其中n＝a＋b＋c＋d) [解]　(1)依題意可知喜愛打籃球的學(xué)生的人數(shù)為500.6＝30. 列聯(lián)表補(bǔ)充如下： 喜愛打籃球 不喜愛打籃球 總計(jì) 男生 20 5 25 女生 10 15 25 總計(jì) 30 20 50 (2)因?yàn)閗＝≈8.333>6.635，所以，有99%的把握認(rèn)為喜愛打籃球與性別有關(guān)．