变量间的相干关系(变量之间的关系有几种)
(1)会作两个有关联变量的数据的散点图,会应用散点图认识变量间的相干百思特网关系.
(2)懂得最小二乘法的思想,能依据给出的线性回归方程系数公式树立线性回归方程.
回归剖析
懂得回归剖析的根本思想、办法及其简略运用.
知识点详解
1.相干关系
当自变量取值必定时,因变量的取值带有必定的随机性,则这两个变量之间的关系叫做相干关系.即相干关系是一种非肯定性关系.
当一个变量的值由小变大时,另一个变量的值也由小变大,则这两个变量正相干;
当一个变量的值由小变大时,而另一个变量的值由大变小,则这两个变量负相干.
【注意】相干关系与函数关系的异同点:
共同点:二者都是指两个变量间的关系.
不同点:函数关系是一种肯定性关系,体现的是因果关系;而相干关系是一种非肯定性关系,体现的不必定是因果关系,可能是随同关系.
2.散点图
从散点图上看,点分布在从左下角到右上角的区域内,两个变量的这种相干关系称为正相干,点分布在从左上角到右下角的区域内,两个变量的相干关系为负相干.
具有正相干关系的两个变量的散点图如图1,具有负相干关系的两个变量的散点图如图2.
3.(原创版权www.isoyu.com)回归剖析
如果散点图中点的散布从整体上看大致在一条直线邻近,则这两个变量之百思特网间具有线百思特网性相干关系,这条直线叫做回归直线.
回归直线对应的方程叫做回归直线方程(简称回归方程).
4.回归方程的求解
5.相干系数
(1)样原形关系数r的盘算公式
6.非线性回归剖析
对某些特别的非线性关系,可以通过变量转换,把非线性回归问题转化成线性回归问题,然后用线性回归的办法进行研讨.
在大批的实际问题中,所研讨的两个变量不必定都呈线性相干关系,当两变量y与x不具有线性相干关系时,要借助散点图,与已学过的函数(如指数函数、对数函数、幂函数等)的图象相比拟,找到适合的函数模型,应用变量代换转化为线性函数关系,从而使问题得以解决.
7.描绘回归后果的方法
考向剖析
考向一 相干关系的断定
考向二 线性回归方程及运用
考向三 非线性回归方程及运用
求非线性回归方程的步骤:
1.肯定变量,作出散点图.
2.依据散点图,选择适当的拟合函数.
3.变量置换,通过变量置换把非线性回归问题转化为线性回归问题,并求出线性回归方程.
4.剖析拟合后果:通过盘算相干指数或画残差图来断定拟合后果.
5.依据相应的变换,写出非线性回归方程.