7备课资料(232两个变量的线性相关第2课时).docx

《7备课资料(232两个变量的线性相关第2课时).docx》由会员分享，可在线阅读，更多相关《7备课资料(232两个变量的线性相关第2课时).docx（1页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、阅读材料相关关系的强与弱我们知道，两个变量x、y正负相关时，它们就有相同反的变化趋势，即当x由小变大时，相应的y有由小大变大小的趋势，因此可以用回归直线来描述这种关系.与此相关的一个问题是:如何描述x和y之间的这种线性关系的强弱 例如,物理成绩与数学成绩正相关,但数学成绩能够在多大程度上决定物理成绩 这就是相关强弱的问题,类似的还有吸烟与健康的负相关强度、父母身高与子女身高的正相关强度、农作物的产量与施肥量的正相关强度等.统计中用相关系数r来衡量两个变量之间线性关系的强弱.假设相应于变量x的取值xi,变量y的观测值为yi(1in),那么两个变量的相关系数的计算公式为r=.不相同的相关性可以从散

2、点图上直观地反映出来.图1反映了变量x、y之间很强的线性相关关系,而图2中的两个变量的线性相关程度很弱.对于相关系数r,首先值得注意的是它的符号.当r为正时,说明变量x、y正相关;当r为负时,说明变量x、y负相关.反映在散点图上,图1中的变量x、y正相关.这时的r为正,图2中的变量x、y负相关,这时的r为负.另一个值得注意的是r的大小.统计学认为,对于变量x、y,如果r-1,-0.75,那么负相关很强;如果r0.75,1,那么正相关很强;如果r(-0.75,-0.30或r0.30,0.75),那么相关性一般;如果r-0.25,0.25,那么相关性较弱.反映在散点图上,图1的r=0.97,这些点有明显的从左下角到右上角沿直线分布趋势,这时用线性回归模型描述两个变量之间的关系效果很好;图2的r=-0.85,这些点也有明显的从左上角到右下角沿直线分布趋势.这时用线性回归模型描述两个变量之间的关系也有好的效果.你能试着对自己身边的某个问题,确定两个变量,通过收集数据,计算相关系数,然后分析一下能否用线性回归模型来拟合它们之间的关系吗 图1 图2(设计者：路致芳)