第八章成對(duì)數(shù)據(jù)的統(tǒng)計(jì)分析（單元復(fù)習(xí)課件）（人教A版2019選擇性必修第三冊(cè)）

人教版

高中數(shù)學(xué)選擇性必修三第八章《成對(duì)數(shù)據(jù)的統(tǒng)計(jì)分析》復(fù)習(xí)參考題7及單元復(fù)習(xí)課件

一、本章知識(shí)網(wǎng)絡(luò)二、本章常見考點(diǎn)分析CONTENTS

01專題一、成對(duì)數(shù)據(jù)的相關(guān)關(guān)系

02專題二、一元線性回歸模型及其應(yīng)用

03專題三、分類變量與列聯(lián)表專題一、成對(duì)數(shù)據(jù)的相關(guān)關(guān)系專題一、成對(duì)數(shù)據(jù)的相關(guān)關(guān)系專題一、成對(duì)數(shù)據(jù)的相關(guān)關(guān)系專題一、成對(duì)數(shù)據(jù)的相關(guān)關(guān)系專題一、成對(duì)數(shù)據(jù)的相關(guān)關(guān)系專題一、成對(duì)數(shù)據(jù)的相關(guān)關(guān)系專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題二、一元線性回歸模型及其應(yīng)用專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表專題三、分類變量與列聯(lián)表復(fù)習(xí)參考題81．變量x與y的觀測(cè)數(shù)據(jù)的散點(diǎn)圖如圖所示，據(jù)此可以判斷變量x與y之間（）A．很可能存在負(fù)相關(guān) B．一定存在正相關(guān)C．很可能存在正相關(guān) D．一定不存在負(fù)相關(guān)CC0.10.050.010.0050.0012.7063.8416.6357.87910.828D4.8.3節(jié)例4中推斷吸煙與患肺癌是有關(guān)聯(lián)的，能用一元線性回歸模型建立它們之間的關(guān)系嗎？為什么？不能．因?yàn)槲鼰熀突挤伟┦欠诸愖兞?，一元線性回歸模型主要是刻畫數(shù)值變量之間的關(guān)系．觀察吸煙和患肺癌的散點(diǎn)圖可以發(fā)現(xiàn)，無論有多少個(gè)觀測(cè)，在圖中最多只有4個(gè)點(diǎn)，沒有線性趨勢(shì)．5．根據(jù)8.1.2節(jié)例3中的數(shù)據(jù)，建立臂展關(guān)于身高的經(jīng)驗(yàn)回歸模型，畫出殘差圖，描述殘差圖的特點(diǎn)．編號(hào)身高/cm體重/kg臂展/cm編號(hào)身高/cm體重/kg臂展/cm1173551691416666161217971170151766116631755217216176491654179621771717560173518282174181694816261736316619184861897180551742016958164817081169211825417091695416622171581641017754176231776117311177591702417358165121786717425173511691317456170身高/cm臂展/cm身高/cm臂展/cm預(yù)測(cè)值/cm殘差/cm身高/cm臂展/cm預(yù)測(cè)值/cm殘差/cm173169167.831800.20179170173.86-3.86176166170.85-4.85175172169.842.16176165170.85-5.85179177173.863843.16182174176.87-2.87169162163.81-1.81173166167.83-1.83184189178.8810.12180174174.87-0.86169164163.810.19170169164.82487-6.87169166163.812.19171164165.82-1.82177176171.85485185-1.85173165167.83-2.83178174172.861831841.16身高/cm殘差/cm殘差圖中除身高為184cm的觀測(cè)（第19個(gè)觀測(cè))，其他點(diǎn)大致均勻分布在橫軸兩側(cè)，說明模型擬合較好．第19個(gè)觀測(cè)的殘差比較大，建議檢查一下該數(shù)據(jù)在測(cè)量和記錄過程中是否有誤．6．下表是1896~2016年男子三級(jí)跳遠(yuǎn)奧運(yùn)會(huì)冠軍的成績，請(qǐng)分析這組數(shù)據(jù)，能用一元線性回歸模型刻畫這組數(shù)據(jù)嗎？年份成績/m年份成績/m年份成績/m年份成績/m189613.71192815.21196416.85199218.17190014.47193215.72196817.39199618.09190414.35193616.00197217.35200017.71190814.92194815.40197617.29200417.79191214.64195216.22198017.35200817.67192014.50195616.35198417.25201217.81192415.53196016.81198817.61201617.86年份成績/m第6題(1)先畫三級(jí)跳遠(yuǎn)成績與年份之間的散點(diǎn)圖，如圖(1)所示．觀察散點(diǎn)圖，可以看到隨著年份的增大，成績有增加的趨勢(shì)，因此可以考慮用一元線性回歸模型刻畫．年份成績/m第6題(2)年份成績/m預(yù)測(cè)值/m殘差/m年份成績/m預(yù)測(cè)值/m殘差/m189613.7114.27-0.56196416.8516.640.21190014.4714.410.06196817.3916.780.61190414.3514.55-0.20197217.3516.920.43190814.9214.690.23197617.2917.060.23191214.6414.83-0.19198017.3517.200.15192014.515.11-0.61198417.2517.34-0.09192415.5315.250.28198817.6117.480.13192815.2115.39-0.18199218.1717.620.55193215.7215.530.19199618.0917.760.3319361615.670.33200017.7117.90-0.19194815.416.09-0.69200417.7918.04-0.25195216.2216.220.00200817.6718.18-0.51195616.3516.36-0.01201217.8118.32-0.51196016.8116.500.31201617.8618.46-0.60年份殘差/m第6題(3)7．車胎凹槽深度是影響汽車剎車的因素，汽車行駛會(huì)導(dǎo)致輪胎胎面磨損．某實(shí)驗(yàn)室通過試驗(yàn)測(cè)得行駛里程與某品牌輪胎凹槽深度的數(shù)據(jù)，請(qǐng)根據(jù)數(shù)據(jù)建立車胎凹槽深度和汽車行駛里程的關(guān)系，并解釋模型的含義．行駛里程/萬km0.000.641.291.932.573.223.864.515.15輪胎凹槽深度/mm10.028.377.396.485.825.204.554.163.82輪胎凹槽深度/mm行駛里程/萬km第7題(1)7．車胎凹槽深度是影響汽車剎車的因素，汽車行駛會(huì)導(dǎo)致輪胎胎面磨損．某實(shí)驗(yàn)室通過試驗(yàn)測(cè)得行駛里程與某品牌輪胎凹槽深度的數(shù)據(jù)，請(qǐng)根據(jù)數(shù)據(jù)建立車胎凹槽深度和汽車行駛里程的關(guān)系，并解釋模型的含義．行駛里程/萬km0.000.641.291.932.573.223.864.515.15輪胎凹槽深度/mm10.028.377.396.485.825.204.554.163.82輪胎凹槽深度/mm行駛里程/萬km第7題(2)先畫輪胎凹槽深度與行駛里程之間的散點(diǎn)圖，如圖(1)所示．觀察散點(diǎn)圖，可以看到隨著行駛里程的增加，輪胎凹橧深度有減小的趨勢(shì)，因此可以考慮用一元線性回歸模型建模．殘差/mm行駛里程/萬km第7題(3)該模型的決定系數(shù)為0.952，殘差圖如圖(3)所示．從殘差圖可以看到，殘差與行駛里程有非線性關(guān)系，因此考慮在模型中引入行駛里程的非線性變換．m=ln(x+1)0.000.490.831.081.271.441.581.711.82輪胎凹槽深度/mm10.028.377.396.485.825.24.554.163.82輪胎凹槽深度/mm第7題(4)8．為考察某種藥物預(yù)防疾病的效果，進(jìn)行動(dòng)物試驗(yàn)，得到如下列聯(lián)表：藥物疾病合計(jì)未患病患病未服用7566141服用11247159合計(jì)187113300單位：只根據(jù)頻率穩(wěn)定于概率的原理，可以推斷服用藥物不患病的概率更大．7．氣象部門由每天的最高氣溫的數(shù)據(jù)，得到每月最高氣溫的平均數(shù)，簡稱平均高溫．下表是2017年31個(gè)城市1月和7月的平均高溫?cái)?shù)據(jù)．城市1月平均高溫/℃7月平均高溫/℃城市1月平均高溫/℃7月平均高溫/℃城市1月平均高溫/℃7月平均高溫/℃城市1月平均高溫/℃7月平均高溫/℃北京332杭州1136南京935武漢1034成都1232合肥935南寧2033西安836重慶1236呼和浩特-330上海1036西寧427福州1736濟(jì)南633沈陽-331銀川232廣州2133昆明1724石家莊333長春-829貴陽928拉薩823太原332長沙1135?？?232南昌1335烏魯木齊-332鄭州7341月平均高溫/℃7月平均高溫/℃第9題(1)（1）畫出并觀察各城市1月與7月的平均高溫的散點(diǎn)圖，你認(rèn)為1月與7月的平均高溫有線性趨勢(shì)嗎？描述散點(diǎn)圖的特點(diǎn)．（1）先畫7月的平均高溫與1月的平均高溫的散點(diǎn)圖，如圖(1)所示．觀察散點(diǎn)圖，可以看到部分城市1月的平均高溫與7月的平均高溫有線性趨勢(shì)，但有些城市沒有這個(gè)趨勢(shì)．例如拉薩、西寧和貴陽三個(gè)城市7月的平均高溫偏低，而1月的平均高溫并不低；廣州、海口和南寧三個(gè)城市1月的平均高溫不低于20℃，是偏高的，但7月的平均高溫并沒有明顯偏高；昆明7月與1月平均高溫溫差很?。?月平均高溫/℃7月平均高溫/℃第9題