文档文本内容
04 回归分析与独立性检验的应用
一、必备知识:
1.变量之间的相关关系
当自变量取值一定时,因变量的取值带有一定的随机性,则这两个变量之间的关系叫相关关系.
相关关系与函数关系是不同的,相关关系是一种非确定的关系,函数关系是一种确定的关系,而且函数
关系是一种因果关系,但相关关系不一定是因果关系,也可能是伴随关系.
2.散点图
将样本中的 个数据点 描在平面直角坐标系中,所得图形叫做散点图.根据散点图中
点的分布可以直观地判断两个变量之间的关系.
(1)如果散点图中的点散布在从左下角到右上角的区域内,对于两个变量的这种相关关系,我们将它称
为正相关,如图(1)所示;
(2)如果散点图中的点散布在从左上角到右下角的区域内,对于两个变量的这种相关关系,我们将它称
为负相关,如图(2)所示.
3.相关系数
若相应于变量 的取值 ,变量 的观测值为 ,则变量 与 的相关系数
,通常用 来衡量 与 之间的线性关系的强弱,
的范围为 .
(1)当 时,表示两个变量正相关;当 时,表示两个变量负相关.
(2) 越接近 ,表示两个变量的线性相关性越强; 越接近 ,表示两个变量间几乎不存在线性相关
关系.当 时,所有数据点都在一条直线上.(3)通常当 时,认为两个变量具有很强的线性相关关系.
4.线性回归
线性回归是研究不具备确定的函数关系的两个变量之间的关系(相关关系)的方法.
对于一组具有线性相关关系的数据(x,y),(x,y),…,(x,y),其回归方程 的求法
1 1 2 2 n n
为
其中, , ,( , )称为样本点的中心.
回归直线必过样本中心点(¯x,¯y) ,即样本中心坐标必满足回归直线方程.
5.残差分析
对于预报变量 ,通过观测得到的数据称为观测值 ,通过回归方程得到的 称为预测值,观测值减去
预测值等于残差, 称为相应于点 的残差,即有 .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.
(1)残差图
通过残差分析,残差点 比较均匀地落在水平的带状区域中,说明选用的模型比较合适,其中这样
的带状区域的宽度越窄,说明模型拟合精确度越高;反之,不合适.
(2)通过残差平方和 分析,如果残差平方和越小,则说明选用的模型的拟合效果越好;
反之,不合适.
(3)相关指数
用相关指数来刻画回归的效果,其计算公式是: .
越接近于 ,说明残差的平方和越小,也表示回归的效果越好.
6.非线性回归
解答非线性拟合问题,要先根据散点图选择合适的函数类型,设出回归方程,通过换元将陌生的非线性回归方程化归转化为我们熟悉的线性回归方程.
求出样本数据换元后的值,然后根据线性回归方程的计算方法计算变换后的线性回归方程系数,还原后
即可求出非线性回归方程,再利用回归方程进行预报预测,注意计算要细心,避免计算错误.
7.常见的非线性回归模型
(1)指数函数型 ( 且 , )
两边取自然对数, ,即 ,
令 ,原方程变为 ,然后按线性回归模型求出 , .
(2)对数函数型
令 ,原方程变为 ,然后按线性回归模型求出 , .
(3)幂函数型
两边取常用对数, ,即 ,
令 ,原方程变为 ,然后按线性回归模型求出 , .
(4)二次函数型
令 ,原方程变为 ,然后按线性回归模型求出 , .
(5)反比例函数型 型
令 ,原方程变为 ,然后按线性回归模型求出 , .
8.列联表.
一般地,假设有两个分类变量X和Y,它们的取值分别为{x,x}和{y,y},其样本频数列联表(称为
1 2 1 2
2×2列联表)为
总计总计
从 列表中,依据 与 的值可直观得出结论:两个变量是否有关系.
9.独立性检验
(1)定义:利用独立性假设、随机变量 来确定是否有一定把握认为“两个分类变量有关系”的方法
称为两个分类变量的独立性检验.
(2)公式: ,其中 为样本容量.
二、题组
题组一:回归方程与相关系数的求解
经典例题:
例1.已知两个线性相关变量 的统计数据如表所示,则其回归方程是 .
1 2 3 4 5
3 0 -2 -4 -5
例2.学习于才干信仰,犹如运动于健康体魄,持之已久、行之愈远愈受益.为实现中华民族伟大复兴,
全国各行各业掀起了“学习强国”的高潮.某老师很喜欢“学习强国”中“挑战答题”模块,他记录了
自己连续七天每天一次最多答对的题数如下表:
天数x 1 2 3 4 5 6 7
一次最多答对题数y 12 15 16 18 21 24 27
参考数据: , , , , ,
相关系数由表中数据可知该老师每天一次最多答对题数y与天数x之间是正相关,其相关系数 (结果
保留两位小数).
例3.已知变量 , 之间的一组相关数据如表所示,则变量 , 之间的相关系数 .(计算结果精
确到0.01)
6 8 10 12
6 5 3 2
变式训练:
1.已知回归直线的斜率的估计值为1.27,样本点的中心为 ,则回归直线方程为 .
2.在2017年3月15日,某市物价部门对本市的5家商场的某种商品的一天销售量及其价格进行调查,5
家商场的售价 元和销售量 件之间的一组数据如下表所示:
价格 9 9.5 10 10.5 11
销售量 11 10 8 6 5
由散点图可知,销售量 与价格 之间有较好的线性相关关系,其线性回归方程是: ,则
.
3.已知碘的衰减量y与衰减时间x之间存在着较强的线性相关关系.下表是某校化学社团师生观测碘在5
天内衰减情况得出的一组数据,则y对x的线性回归方程可以是 .
x(分钟) 10 20 30 40 50
y(克) 22.5 19 17.5 15 114.某部门所属的10个工业企业的固定资产价值x与工业增加值y资料如下表(单位:百万元):
固定资产价值x 3 3 5 6 6 7 8 9 9 10
工业增加值y 15 17 25 28 30 36 37 42 40 45
根据上表资料计算的相关系数约为 .
5.已知一组成对数据 的回归方程为 ,则该组数据的
相关系数 (精确到0.001).
6.已知x与y的一组数据,
x 1 3 5
y 2 4 6
则有以下结论:①x与y正相关;②x与y负相关;③其回归方程为 ;④其相关系数 .其中
正确的是 .(填序号)
达标检测:
1.某地建立了农业科技图书馆,供农民免费借阅,收集了近5年的借阅数据如下表:
年份 2019 2020 2021 2022 2023
年份代码 1 2 3 4 5
年借阅量 万册 4.9 5.1 5.5 5.7 5.8
根据上表,可得 关于 的线性回归方程为 .则 .
2.已知变量x,y之间具有线性相关关系,根据10对样本数据求得经验回归方程为 ,若
, ,则 .
3.某种机械设备随着使用年限的增加,它的使用功能逐渐减退,使用价值逐年减少,通常把它使用价值逐年减少的“量”换算成费用,称之为“失效费”.某种机械设备的使用年限x(单位:年)与失效费y
(单位:万元)的统计数据如下表所示:
使用年限x(单位:年) 1 2 3 4 5 6 7
失效费y(单位:万元) 2.90 3.30 3.60 4.40 4.80 5.20 5.90
由上表数据可知,y与x的相关系数为 .(精确到0.01)
参考公式和数据: , , ,
题组二:回归方程的应用
经典例题:
例1.已知 , 取值如表:
画散点图分析可知: 与 线性相关,且求得回归方程为 ,则 .
例2.为了了解家庭月收入 (单位:千元)与月储蓄 (单位:千元)的关系,从某居民区随机抽取10
个家庭,根据测量数据的散点图可以看出 与 之间具有线性相关关系,其回归直线方程为 ,
若该居民区某家庭月收入为7千元,据此估计该家庭的月储蓄为 千元.
例3.某市2018年至2022年新能源汽车年销量 (单位:百台)与年份代号 的数据如下表:
年份 2018 2019 2020 2021 2022
年份代号 0 1 2 3 4
年销量 10 15 20 30 35若根据表中的数据用最小二乘法求得 关于 的回归直线方程为 ,据此计算相应于样本点
的残差为 .
例4.某同学收集了变量 , 的相关数据如下:
x 0.5 2 3 3.5 4 5
y 15
为了研究 , 的相关关系,他由最小二乘法求得 关于 的线性回归方程为 ,经验证回归直
线正好经过样本点 ,则 .
例5.2020年,全球展开了某疫苗研发竞赛,我为处于领先地位,为了研究疫苗的有效率,在某地进行
临床试验,对符合一定条件的10000名试验者注射了该疫苗,一周后有20人感染,为了验证疫苗的有效
率,同期,从相同条件下未注射疫苗的人群中抽取2500人,分成5组,各组感染人数如下:
调查人数 300 400 500 600 700
感染人数 3 3 6 6 7
并求得 与 的回归方程为 ,同期,在人数为10000的条件下,以拟合结果估算未注射疫苗
的人群中感染人数,记为 ;注射疫苗后仍被感染的人数记为 ,则估计该疫苗的有效率为 .
(疫苗的有效率为 ;参考数据: ;结果保留3位有效数字)
例6.某工厂为了对新研发的一种产品进行合理定价,将该产品按事先拟定的价格进行试销,得到如下数据:
单价(元)
销量(件)由表中数据,求得线性回归方程 ,若在这些样本点中任取一点,则它在回归直线右上方的概
率为 .
变式训练:
1.已知 , 的取值如表:
0 1 3 4
4.3 4.8 6.7
若 , 具有线性相关关系,且回归方程为 ,则 .
2.数学兴趣小组对具有线性相关的两个变量x和y进行了统计分析,得到了下表:
x 4 6 8 10 12
y a 2 b c 6
并由表中数据求得y关于x的回归方程为 ,若a,b,c成等差数列,则 .
3.某科学兴趣小组的同学认为生物都是由蛋白质构成的,高温可以使蛋白质变性失活,于是想初步探究
某微生物的成活率与温度的关系,微生物数量 (个)与温度 的部分数据如下表:
温度 4 8 10 18
微生物数量 (个) 30 22 18 14
由表中数据算得回归方程为 ,预测当温度为 时,微生物数量为 个.4.新冠肺炎疫情发生以来,中医药全面参与疫情防控救治,做出了重要贡献.某中医药企业根据市场调研
与模拟,得到研发投入 (亿元)与产品收益 (亿元)的数据统计如下表:
研发投入 (亿元) 1 2 3 4 5
产品收益 (亿元) 3 7 9 10 11
用最小二乘法求得 关于 的经验回归直线方程是 ,当研发投入 亿元时,相应的产品收益
估计值为 .
5.已知某种商品的广告费支出 (单位:万元)与销售额 (单位:万元)之间有如下表对应数据:
1 3 4 5 7
15 20 30 40 45
根据表中数据得到 关于 的经验回归方程为 ,则当 时,残差为 .(残差 观测值-
预测值)
6.为研究变量x,y的相关关系,收集得到如下数据:
x 1 2 3 4 5
y 60
若由最小二乘法求得y关于x的线性回归方程为 ,并据此计算在样本点 处的残差为0,
则 .
7.网购作为一种新的消费方式,因其具有快捷、商品种类齐全、性价比高等优势而深受广大消费者认可.某
网购公司统计了近五年在本公司网购的人数,得到如下的相关数据(其中“ ”表示2015年,“
”表示2016年,且x为整数,依次类推;y表示人数):1 2 3 4 5
(万人) 20 50 100 150 180
根据表中的数据,可以求出 ,若预测该公司的网购人数能超过300万人,则 的
最小值为 .
8.下表是甲同学在某学期前四次考试中某科的的考试成绩 与其所在班级该科平均分 的情况:
87 85 91 97
77 74 79 84
已知 与 呈线性相关,若甲同学在第五次考试中该科的考试成绩为90,根据回归分析,预计其所在班
级该科平均分为 (用数字作答).
达标检测:
1.下表提供了某工厂节能降耗技术改造后,一种产品的产量 (单位:吨)与相应的生产能耗 (单位:
吨)的几组对应数据:
3 4 5 6
2.5 t 4 4.5
根据上表提供的数据,求得 关于 的线性回归方程为 ,那么表格中 的值为 .
2.已知一组数据点 ,用最小二乘法得到其线性回归方程为 ,若 ,
则 .3.根据下表中的数据得到线性回归方程为 ,则可以预测,当 时, 的值为 .
4 5 6 7 8 9
90 84 83 80 75 68
4.某同学在研究性学习中,收集到某制药厂今年前5个月甲胶震生产产量(单位:万盒)的数据如表所
示:若 线性相关,线性回归方程为 ,则当 时, 的预测值为 万盒.
(月份) 1 2 3 4 5
(万盒) 5 6 5 6 8
5.为了建设社会主义新农村,近年来某城关镇积极招商引资,加快经济建设,使居民收入得到了较大的
提高.已知该城关镇2016年至2020年(用 ,2,3,4,5表示年份)的居民人均收入y(万元)的数
据如下表:
x 1 2 3 4 5
y 12 15 19 24 30
由此得到y关于x的经验回归方程为 ,则可以预测2021年该城关镇居民人均收入为 万元.
6.对于数据组 ,如果由经验回归方程得到的对应自变量 的估计值是 ,那么将
称为对应点 的残差.某商场为了给一种新商品进行合理定价,将该商品按事先拟定的价格进
行试销,得到如下所示数据:
单价 元 8.2 8.4 8.6 8.8
销量 件 84 83 78 m
根据表中的数据,得到销量 (单位:件)与单价 (单位:元)之间的经验回归方程为 ,
据计算,样本点 处的残差为 ,则 .
7.2023年春节到来之前,某市物价部门对本市5家商场的某种商品一天的销售量及其价格进行调查,5
家商场这种商品的售价x(单位:元)与销售量y(单位:件)之间的一组数据如下表所示:
价格 8 9.5 10.5 12
销售量 16 8 6 5
经分析知,销售量 件与价格 元之间有较强的线性关系,其线性回归直线方程为 ,且
,则 .题组三:非线性回归方程的转换与应用
经典例题:
例1.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10年的年宣传费 和年销售量 的
数据作了初步处理,得到y关于x的回归方程 .且这种产品的年利润z与x、y的关系为
;则年宣传费x为 时年利润的预报值最大.
例2.以模型 去拟合一组数据时,为了求出回归方程,设 ,其变换后得到线性回归方程
,则 .
例3.预制菜指以农、畜、禽、水产品为原辅料,配以调味料等经预选、调制等工艺加工而成的半成品.
近几年预制菜市场快速增长.某城市调查近4个月的预制菜市场规模y(万元)得到如表所示的数据,根
据数据得到y关于x的非线性回归方程
1 2 3 4
按照这样的速度,预估第8个月的预制菜市场规模是 万元.(结果用e表示)
例4.某种群在繁殖季节参加生殖活动的雌雄个体的数量叫做亲体数量,一个繁殖周期后的种群数量可表
示为该种群的补充量.已知某水域中鲤鱼的亲体数量x(百条)与补充量y(百条)的关系可以用模型
拟合,设 ,变换后得到的经验回归方程为 ,则当鲤鱼的补充量y=3时,
亲体数量x的估计值为 .( ,结果保留整数)变式训练:
1.在研究两个变量的相关关系时,观察散点图发现样本点集中于某一条指数曲线 的周围.令
,求得线性回归方程为 ,则该模型的非线性回归方程为 .
2.害虫防控对于提高农作物产量具有重要意义.已知某种害虫产卵数 (单位:个)与温度 (单位:
)有关,测得一组数据 ,可用模型 进行拟合,利用 变换得到的线性
回归方程为 .若 ,则 的值为 .
3.某池塘中水生植物的覆盖水塘面积 (单位: )与水生植物的株数 (单位:株)之间的相关关
系,收集了4组数据,用模型 去拟合 与 的关系,设 , 与 的数据如表格所示:
3 4 6 7
2.5 3 4 5.9
得到 与 的线性回归方程 ,则 .
4.习近平总书记在十九大报告中指出,必须树立和践行“绿水青山就是金山银山”的生态文明发展理念,
这将进一步推动新能源汽车产业的迅速发展.根据近几年我国某新能源汽车的年销售量的调研,做出如图
所示的散点图,给出 与 销售的两种回归模型① ,② ,你认为哪个模型更适宜
.(从①②中选一个填到空格处)达标检测:
1.以函数模型 去拟合一组数据 , ,…, ,设 , ,
,则c的值为 .
2.汽车轮胎凹槽深度是影响汽车刹车的因素,汽车行驶会导致轮胎面磨损.某实验室通过实验测得行驶里
程与某品牌轮胎凹槽深度的数据,建立了如下回归模型 ,通过实验数据分析与计算得到如下结
论:① ;② ,令 , ,则回归方程应为 .
3.在新冠疫情政策改变后,某社区统计了核酸检测为阳性的人数,用 表示天数, 表示每天核酸检测
为阳性的人数,统计数据如下表所示:
1 2 3 4 5 6 7
6 11 21 34 66 101 196
根据散点图判断,核酸检测为阳性的人数 关于天数 的回归方程适合用 来表示,则其回归方程
为 .
参考数据:设 , , ,
参考公式:对于一组数据 , ,… .其回归直线 的斜率和截距的最小二乘估
计公式分别为: ,题组四:独立性检验计算及应用
经典例题:
例1.为了解患某疾病是否与性别有关,随机地调查了50人,得到如下的 列联表:
患该疾病 不患该疾病 总计
男 15 10 25
女 5 20 25
总计 20 30 50
则 (填“有”或“没有”) 的把握认为患该疾病与性别有关.
参考公式: ,其中 .
参考数据:
0.050 0.010 0.001
k 3.841 6.635 10.828
例2.为了考察某种药物预防疾病的效果,进行动物试验,得到如下列联表:
疾病
药物 合计
未患病 患病
服用 a 50
未服用 50
合计 80 20 100
若在本次考察中得出“在犯错误的概率不超过0.01的前提下认为药物有效”的结论,则a的最小值为
.(其中 且 )(参考数据: , )
附: ,
α 0.1 0.05 0.01 0.005 0.001x 2.706 3.841 6.635 7.879 10.828
α
例3.足球是一项大众喜爱的运动,某校足球社通过调查并进行科学的统计分析,对学校学生喜爱足球是
否与性别有关的问题,得出了结论:喜爱足球与性别有关,此推断犯错误的概率不大于0.005.据足球社透
露,他们随机抽取了若干人进行调查,抽取女生人数是男生人数的2倍,男生喜爱足球的人数占男生人数的 ,
女生喜爱足球的人数占女生人数的 .通过以上信息,可以确定本次足球社所调查的男生至少有 人.
参考公式:
参考数据:
0.10 0.05 0.01 0.005 0.001
2.706 3.841 5.635 7.879 10.828
变式训练:
1.已知P(χ2≥6.635)=0.01,P(χ2≥10.828)=0.001.在检验喜欢某项体育运动与性别是否有关的过程中,
某研究员搜集数据并计算得到χ2=7.235,则根据小概率值α= 的χ2独立性检验,分析喜欢该项体育
运动与性别有关.
2.某单位为了调查性别与对工作的满意程度是否具有相关性,随机抽取了若干名员工,所得数据统计如
下表所示,其中 ,且 ,若有 的把握可以认为性别与对工作的满意程度具有相关性,则
的值是 .
对工作满意 对工作不满意
男女
附: ,其中 .
3.某单位为了调查性别与对工作的满意程度是否具有相关性,随机抽取了若干名员工,所得数据统计如
下表所示,其中 ,且 ,若有90%的把握可以认为性别与对工作的满意程度具有相关性,则
的值是 .
对工作满意 对工作不满意
男
女
附: ,其中 .
4.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的这一阶段称为潜伏期.各种传染疾病的潜伏期不同,数小时、数天、甚至数月不等.
某市疾病预防控制中心统计了该市200名传染病患者的相关信息,得到如下表格:
潜伏期(单位:天)
人数 17 43 60 50 26 3 1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判断是否有99%的把握认为该传染
病的潜伏期与患者年龄有关,请根据上表数据将如下列联表补充完整后,求出随机变量 的观测值 .
潜伏期 天 潜伏期 天 总计
50岁以上(含50岁) 100
50岁以下 55
总计 200
附: ,其中 .
达标检测:
1.在一个 列联表中,通过数据计算 ,则这两个变量间有关的可能性为 .
参考表格:
2.为了考查某流感疫苗的效果,某实验室随机抽取100只健康小鼠进行试验,得到如下列联表:
感染情况
疫苗使
用情况
感染 未感染 总计
注射 10 40 50
未注射 20 30 50
总计 30 70 100
参照附表,在犯错误的概率最多不超过 的前提下,可认为“注射疫苗”与“感染某流感”有关系.
参考公式: .
3.针对“中学生追星问题”,某校团委对“学生性别和中学生追星是否有关”作了一次调查,调查样本中女生人数是男生人数的 ,男生追星人数占男生人数的 ,女生追星的人数占女生人数的 ,若有95%
的把握认为是否追星和性别有关,则调查样本中男生至少有 人.
参考数据及公式如下:
0.050 0.010 0.001
3.841 6.635 10.828
4.为了调查学生对网络课程是否喜爱,研究人员随机调查了相同人数的男、女学生,发现男生中有80%喜
欢网络课程,女生中有40%不喜欢网络课程,且有95%的把握认为喜欢网络课程与性别有关,但没有99%的
把握认为喜欢网络课程与性别有关.已知被调查的男、女学生的总人数为 ,则 .