下几个方面:⑴回归分析是对具有相关关系的两个变量进行统计分析的方法。两个变量具有相关关系是回归分析的前提。⑵散点图是定义在具有相关系的两个变量基础上的,对于性质不明确的两组数据,可先作散点图,在图上看它们有无关系,关系的密切程度,然后再进行相关回归分析。⑶求回归直线方程,首先应注意到,只有在散点图大至呈线性时,求出的回归直线方程才有实际意义,否则,求出的回归直线方程毫无意义。8.相关系数有时散点图中的各点并不集中在一条直线的附近,仍可以按照求回归直线方程的步骤求得回归直线方程。显然这种情形下求得的回归直线方程没有实际意义。那么,在什么情况下求得的回归直线方程才能对相应的一组观测数据具有代表意义?课本中不加证明地给出了相关系数的公式。相关系数公式的作用在于,我们对一组数据之间的线性相关程度可作出定量的分析,而不是仅凭画出散点图,直觉地从散点图的形状粗浅地得出数据之间的线性相关程度。9.线性相关性检验相关性检验是一种假设检验,它给出了一个具体检验y与x之间线性相关与否的具体办法。限于要求,中学阶段只要求掌握这种检验方法的操作步骤,而不要求对这种方法包含的原理进行深入研究。其具体检验的步骤如下:
2
f⑴在课本中的附表3中查出与显著性水平005与自由度
2(
为观测值组数)相应的相关系数临界值r005。
x
⑵根据公式r
2i1i1
i
yi
xy
计算r的值。
2
22i1
xi
xyi
y
⑶检验所得结果。如果rr005,那么可以认为y与x之间的线性相关关系不显著,从而接受统计假设。如果rr005,表明一个发生的概率不到5的事件在一次试验中竟发生了。这个小概率事件的发生使我们有理由认为y与x之间不具有线性相关关系的假设是不成立的,拒绝这一统计假设也就是表明可以认为y与x之间具有线性相关关系。二、基础训练1如果随机变量ξ~N(μ,σ2),且Eξ3,Dξ1,则P(-1<ξ≤1=等于BA2Φ(1)-1BΦ(4)-Φ(2)CΦ(2)-Φ(4)DΦ(-4)-Φ(-2)2随机变量ξ服从正态分布N(0,1),如果P(ξ1)08413,则P(-1ξ0)
三、例题剖析【例1】将温度调节器放置在贮存着某种液体的容器内,调节器设定在d℃,液体的温度ξ(单位:℃)是一个随机变量,且ξ~N(d,052)(1)若d90°,求ξ89的概率;(2)若要保持液体的温度至少为80℃的概率不低于099,问d至少是多少(其中若η~N(0,1),则r