样本相关系数 r
|r| 越接近 1,线性相关程度越强;r>0 正相关,r<0 负相关。
相关关系 · 最小二乘估计 · 残差分析 · 非线性回归
第十二章 概率统计 · 模块四 成对数据的统计分析
← → 方向键或底部按钮逐题切换 · 右上角可全屏、画笔圈画
判断相关、估计参数、检验拟合、非线性转化
|r| 越接近 1,线性相关程度越强;r>0 正相关,r<0 负相关。
经验回归直线 $\hat{y}=\hat{b}x+\hat{a}$ 必过样本中心点 $(\bar{x},\bar{y})$。
残差点均匀落在窄水平带内、$R^2$ 越大,拟合效果越好。
取对数或换元($u=\ln x$、$z=\ln y$)转化为线性回归,题目一般给参考数据。
判相关 → 算系数 → 写方程 → 检验预测
看散点图是否集中在直线附近,或用相关系数 $r$ 判断线性相关强弱与正负。
先算 $\bar{x}$、$\bar{y}$;灵活转换公式形式 $\sum(x_i-\bar{x})(y_i-\bar{y})=\sum x_iy_i-n\bar{x}\bar{y}$。
$\hat{y}=\hat{b}x+\hat{a}$,必过样本中心点 $(\bar{x},\bar{y})$;非线性先换元(取 $\ln$)再回归。
代入 $x$ 求预测值;用残差图、决定系数 $R^2$ 评估拟合效果。
核心能力:公式两种形式的互转——$\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})=\sum_{i=1}^{n}x_iy_i-n\bar{x}\bar{y}$ 务必熟练,题目给的往往是其中一种,计算却常用另一种。
关于线性回归的描述,下列说法不正确的是( )
A.经验回归方程 $\hat{y}=-1.8x+2.1$ 中变量 x,y 成正相关关系
B.相关系数 r 的绝对值越接近 1,线性相关程度越强
C.经验回归方程 $\hat{y}=1.1x-1.6$ 中变量 x,y 成正相关关系
D.残差平方和越小,拟合效果越好
逐个判断:看斜率符号定正负相关,看 |r|、残差平方和的含义
A 项:$\hat{y}=-1.8x+2.1$ 的斜率 $\hat{b}=-1.8\lt0$,所以 x,y 成负相关关系,A 项错误;
B 项:|r| 越接近 1,线性相关程度越强;越接近 0 越弱,B 项正确;
C 项:$\hat{y}=1.1x-1.6$ 的斜率 $\hat{b}=1.1\gt0$,x,y 成正相关关系,C 项正确;
D 项:残差平方和越小,回归模型拟合效果越好,D 项正确.
答案:A
经验回归方程中斜率 $\hat{b}$ 的符号决定正负相关;"相关关系"说的是整体趋势,不是每个点都严格成立。
某同学在研究性学习中,收集到某制药厂今年前 5 个月甲胶囊生产产量(单位:万盒)的数据如下表所示:
| x | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| y | 5 | 6 | 5 | 6 | 8 |
若 x,y 线性相关,经验回归方程为 $\hat{y}=0.7x+\hat{a}$,则以下判断正确的是( )
A.x 增加 1 个单位,则 y 必增加 0.7 个单位
B.x 减少 1 个单位,则 y 必减少 0.7 个单位
C.当 x=6 时,y 的预测值为 8.1 万盒
D.经验回归直线 $\hat{y}=0.7x+\hat{a}$ 经过点 (2,6)
回归方程给出的是"预测"关系:x 每增加 1,y 大约增加 $\hat{b}$;且直线必过样本中心点 $(\bar{x},\bar{y})$
A、B 项:由 $\hat{y}=0.7x+\hat{a}$,x 增加 1 个单位时 y 大约增加 0.7 个单位,不是"必增加",A、B 均错误;
C 项:由表中数据,$\bar{x}=\dfrac{1+2+3+4+5}{5}=3$,$\bar{y}=\dfrac{5+6+5+6+8}{5}=6$,
所以 $\hat{y}=0.7x+3.9$,当 x=6 时 $\hat{y}=0.7\times6+3.9=8.1$,C 项正确;
D 项:直线过样本中心点 (3,6),不过点 (2,6),D 项错误.
答案:C
回归系数只反映"平均"变化趋势,不是确定性关系;样本中心点 $(\bar{x},\bar{y})$ 一定在经验回归直线上。
某部门统计了某地区今年前 7 个月在线外卖的规模如下表:
| 月份代号 x | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|
| 规模 y(百万元) | 11 | 13 | 18 | ★ | 28 | ★ | 35 |
其中 4、6 两个月的在线外卖规模数据模糊,但这 7 个月的平均值为 23,若利用经验回归方程 $\hat{y}=\hat{b}x+\hat{a}$ 来拟合预测,且 7 月相应于点 (7,35) 的残差为 -0.6,则 $\hat{a}-\hat{b}=$( )
A.1 B.2 C.3 D.4
求 $\hat{a}-\hat{b}$,需建立关于 $\hat{a}$、$\hat{b}$ 的方程组:一个由样本中心点,一个由残差
由题意,$\bar{x}=\dfrac{1+2+3+4+5+6+7}{7}=4$,$\bar{y}=23$,样本中心点 (4,23) 满足回归方程,故
7 月相应于点 (7,35) 的残差为 -0.6,即 $35-(7\hat{b}+\hat{a})=-0.6$,故
联立 ①② 解得 $\hat{a}=6.2$,$\hat{b}=4.2$,
所以 $\hat{a}-\hat{b}=6.2-4.2=2$.
答案:B
残差 = 观测值 − 预测值,即 $y_i-\hat{y}_i$;给出残差本质上是给出关于系数的一个方程。
据一组样本数据 $(x_1,y_1),(x_2,y_2),\cdots,(x_n,y_n)$ 求得经验回归方程为 $\hat{y}=1.2x+0.4$,且 $\bar{x}=3$,现发现这组样本数据中有两个样本点 (1.2,0.5) 和 (4.8,7.5) 误差较大,去除后重新求得的经验回归直线的斜率为 1.1,则( )
A.去除两个误差较大的样本点后,y 的估计值增加速度变快
B.去除两个误差较大的样本点后,重新求得的回归方程对应直线一定过点 (3,5)
C.去除两个误差较大的样本点后,重新求得的回归方程为 $\hat{y}=1.1x+0.7$
D.去除两个误差较大的样本点后,相应于样本点 (2,2.7) 的残差为 0.1
斜率 1.2→1.1 变小 → 增加速度变慢;回归直线必过新样本中心点,先算新 $\bar{x}$、$\bar{y}$
A 项:斜率由 1.2 变为 1.1,y 的估计值增加速度变慢,A 项错误;
B、C 项:求新样本中心点
原样本中 $\bar{x}=\dfrac{x_1+x_2+\cdots+x_n}{n}=3$,所以 $x_1+x_2+\cdots+x_n=3n$;
又 $\bar{y}=\dfrac{y_1+\cdots+y_n}{n}=1.2\bar{x}+0.4=4$,所以 $y_1+\cdots+y_n=4n$;
去除两点后,$\bar{x}=\dfrac{3n-1.2-4.8}{n-2}=3$,$\bar{y}=\dfrac{4n-0.5-7.5}{n-2}=4$,新直线过 (3,4),B 项错误;
将 (3,4) 代入 $\hat{y}=1.1x+\hat{a}$ 得 $\hat{a}=0.7$,新回归方程为 $\hat{y}=1.1x+0.7$,C 项正确;
D 项:当 x=2 时 $\hat{y}=1.1\times2+0.7=2.9$,残差为 $2.7-2.9=-0.2$,D 项错误.
答案:C
去掉样本点后样本中心点会变化,需重新代入求截距;残差 = 观测值 − 预测值,注意符号。
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"。该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(年) | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| 失效费 y(万元) | 2.9 | 3.3 | 3.6 | 4.4 | 4.8 | 5.2 |
| 使用年限 x(年) | 7 | |||||
| 失效费 y(万元) | 5.9 | |||||
(1)由上表数据可知,可用线性回归模型拟合 y 与 x 的关系,请用样本相关系数加以说明;
(2)求出 y 关于 x 的经验回归方程,并估算该种机械设备使用 10 年的失效费。
参考公式:相关系数 $r=\dfrac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i-\bar{x})^2}\cdot\sqrt{\sum_{i=1}^{n}(y_i-\bar{y})^2}}$,$\hat{b}=\dfrac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sum_{i=1}^{n}(x_i-\bar{x})^2}$,$\hat{a}=\bar{y}-\hat{b}\bar{x}$。
参考数据:$\sum_{i=1}^{7}(x_i-\bar{x})(y_i-\bar{y})=14$,$\sum_{i=1}^{7}(y_i-\bar{y})^2=7.08$,$\sqrt{198.24}\approx14.08$。
(1) 相关系数公式中只差 $\sum_{i=1}^{7}(x_i-\bar{x})^2$,用表中数据计算
由表中数据,$\bar{x}=\dfrac{1+2+3+4+5+6+7}{7}=4$,
所以 $r=\dfrac{14}{\sqrt{28}\cdot\sqrt{7.08}}=\dfrac{14}{\sqrt{198.24}}\approx\dfrac{14}{14.08}\approx0.99$,
因为 r 很接近 1,所以 y 与 x 有很强的线性相关关系,可用线性回归模型拟合 y 与 x 的关系;
(2) 算 $\hat{b}$ 所需数据已齐,先求 $\hat{b}$,再算 $\bar{y}$ 求 $\hat{a}$
由表中数据,$\bar{y}=\dfrac{2.9+3.3+3.6+4.4+4.8+5.2+5.9}{7}=4.3$,
所以 $\hat{a}=\bar{y}-\hat{b}\bar{x}=4.3-0.5\times4=2.3$,故 y 关于 x 的经验回归方程为
当 x=10 时,$\hat{y}=0.5\times10+2.3=7.3$,所以该种机械设备使用 10 年的失效费约为 7.3 万元.
答案:(1) r≈0.99;(2) $\hat{y}=0.5x+2.3$,使用 10 年失效费约 7.3 万元
相关系数计算:先补齐缺失的 $\sum(x_i-\bar{x})^2$;判断"能否线性拟合"看 |r| 是否接近 1。
下面给出了根据我国 2016 年~2022 年水果人均占有量 y(单位:kg)和年份代码 x 绘制的散点图(图1)和线性回归方程的残差图(图2),其中 2016 年~2022 年的年份代码 x 分别为 1~7。
散点大致沿直线上升,y 随 x 增大而增大(示意图)
残差点均匀分布在 0 两侧、带域较窄(示意图)
(1)根据散点图分析 y 与 x 之间的相关关系;
(2)根据散点图相应数据计算得 $\sum_{i=1}^{7}y_i=1074$,$\sum_{i=1}^{7}x_iy_i=4517$,求 y 关于 x 的经验回归方程(精确到 0.01);
(3)根据经验回归方程的残差图,分析线性回归方程的拟合效果。
附:$\hat{b}=\dfrac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sum_{i=1}^{n}(x_i-\bar{x})^2}$,$\hat{a}=\bar{y}-\hat{b}\bar{x}$。
(1) 看散点分布趋势
由散点图可知,样本点均匀地分布在一条直线附近,且随着 x 的增大,y 也增大,所以 y 与 x 有较强的线性相关关系,且为正相关.
(2) 分子分母都要算:先算分母 $\sum(x_i-\bar{x})^2$,分子用 $\sum x_iy_i-n\bar{x}\bar{y}$ 转换
由题意,$\bar{x}=\dfrac{1+2+3+4+5+6+7}{7}=4$,所以 $\sum_{i=1}^{7}(x_i-\bar{x})^2=(1-4)^2+(2-4)^2+\cdots+(7-4)^2=28$;
由所给参考数据,$\bar{y}=\dfrac{1}{7}\sum_{i=1}^{7}y_i=\dfrac{1074}{7}$,
故 y 关于 x 的经验回归方程为 $\hat{y}=7.89x+121.86$.
(3) 看残差图的分布
由残差图可以看出,观测数据的残差点分布在水平带状区域内,且宽度较窄,说明拟合效果较好.
答案:(1) 较强正相关;(2) $\hat{y}=7.89x+121.86$;(3) 拟合效果较好
$\sum(x_i-\bar{x})(y_i-\bar{y})$ 与 $\sum x_iy_i-n\bar{x}\bar{y}$ 的转换务必熟悉——本题公式给的是前者,但实际计算必须把分子转化成后者。
判相关 → 算系数 → 写方程 → 检验预测
散点图集中在直线附近,或计算相关系数 $r$:|r| 接近 1 则线性相关强,$r$ 的符号定正负。
先算 $\bar{x}$、$\bar{y}$;$ \sum(x_i-\bar{x})(y_i-\bar{y})=\sum x_iy_i-n\bar{x}\bar{y}$ 两种形式灵活互转。
$\hat{y}=\hat{b}x+\hat{a}$ 必过样本中心点 $(\bar{x},\bar{y})$,可用它求 $\hat{a}$、检验截距。
代入 $x$ 求预测值;残差 = 观测值 − 预测值,残差图带域越窄、$R^2$ 越大拟合越好。
关键能力:公式形式的互转 + 残差的定义($y_i-\hat{y}_i$)。题目往往用残差或样本中心点给你第二个方程。
某公司为确定下一年度投入某种产品的研发费,需了解年研发费 x(单位:万元)对年销售量 y(单位:百件)和年利润 z(单位:万元)的影响,现对近 6 年的年研发费 $x_i$ 和年销售量 $y_i$($i=1,2,\cdots,6$)数据做了初步处理,得到下面的散点图以及一些统计量的值。
增长先快后慢,适合 $\hat{y}=\hat{c}+\hat{d}\ln x$(示意图)
| $\bar{x}$ | $\bar{y}$ | $\bar{u}$ | $\sum(x_i-\bar{x})^2$ | $\sum(u_i-\bar{u})^2$ | $\sum(x_i-\bar{x})(y_i-\bar{y})$ | $\sum(u_i-\bar{u})(y_i-\bar{y})$ |
|---|---|---|---|---|---|---|
| 12.5 | 222 | 3.5 | 157.5 | 4.5 | 1854 | 270 |
表中 $u_i=\ln x_i$,$\bar{u}=\dfrac{1}{6}\sum_{i=1}^{6}u_i$。
(1)根据散点图判断 $\hat{y}=\hat{a}+\hat{b}x$ 与 $\hat{y}=\hat{c}+\hat{d}\ln x$ 哪一个更适合作为年销售量 y 关于年研发费 x 的回归方程类型(给出判断即可,不必说明理由);
(2)根据(1)的判断结果及表中数据,建立 y 关于 x 的回归方程;
(3)已知这种产品的年利润 z=0.5y−x,根据(2)的结果,求出当年研发费为多少时,年利润 z 的预测值最大?
附:$\hat{b}=\dfrac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sum_{i=1}^{n}(x_i-\bar{x})^2}$,$\hat{a}=\bar{y}-\hat{b}\bar{x}$。
(1) 看哪种函数图象与散点趋势更接近
由散点图可知,$\hat{y}=\hat{c}+\hat{d}\ln x$ 更适合作为年销售量 y 关于年研发费 x 的回归方程类型.
(2) 令 u=ln x 转化为线性回归
设 $u=\ln x$,则 $\hat{y}=\hat{c}+\hat{d}u$,由所给表中数据,
所以 $\hat{y}=12+60u$,即 y 关于 x 的回归方程为 $\hat{y}=12+60\ln x$.
(3) 由 z=0.5y−x 建立利润函数,求导分析最值
所以 $z'\gt0\Leftrightarrow0\lt x\lt30$,$z'\lt0\Leftrightarrow x\gt30$,
故 $z=6+30\ln x-x$ 在 $(0,30)$ 上单调递增,在 $(30,+\infty)$ 上单调递减,所以当年研发费为 30 万元时,年利润 z 的预测值最大.
答案:(1) $\hat{y}=\hat{c}+\hat{d}\ln x$;(2) $\hat{y}=12+60\ln x$;(3) 30 万元
非线性回归思路:把 $\ln x$ 看成一个整体变量 u,题目给的统计量往往直接对应 u 的线性回归所需数据。
近年来,云南省保山市龙陵县紧紧围绕打造"中国石斛之乡"的发展定位,大力发展石斛产业,该产业带动龙陵县近四分之一人口脱贫致富。2022 年 8 月,龙陵紫皮石斛获国家地理标志运用促进工程重点项目,并被评为优秀等次。在政府的大力扶持下,龙陵紫皮石斛产量逐年增长,2017 年底到 2022 年底龙陵县石斛产量统计表和散点图如下。
| 年份 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 |
|---|---|---|---|---|---|---|
| 年份代码 x | 1 | 2 | 3 | 4 | 5 | 6 |
| 产量 y(吨) | 3200 | 3400 | 3600 | 4200 | 7500 | 9000 |
后两年增速明显加快,适合 $\hat{y}=\hat{c}e^{\hat{d}x}$(示意图)
(1)根据散点图判断,$\hat{y}=\hat{b}x+\hat{a}$ 与 $\hat{y}=\hat{c}e^{\hat{d}x}$($\hat{a}$,$\hat{b}$,$\hat{c}$,$\hat{d}$ 均为常数)哪一个更适合作为龙陵县紫皮石斛产量 y 关于年份代码 x 的回归模型?(给出判断即可,不必说明理由)
(2)经计算得下表中数据,根据(1)中结果,求出 y 关于 x 的回归方程;
| $\bar{x}$ | $\bar{y}$ | $\bar{u}$ | $\sum(x_i-\bar{x})^2$ | $\sum(x_i-\bar{x})(y_i-\bar{y})$ | $\sum(x_i-\bar{x})(u_i-\bar{u})$ |
|---|---|---|---|---|---|
| 3.5 | 5150 | 8.46 | 17.5 | 20950 | 3.85 |
其中 $u_i=\ln y_i$($i=1,2,3,4,5,6$)。
(3)龙陵县计划到 2025 年底实现紫皮石斛年产量达 1.5 万吨,根据(2)所求得的回归方程,预测该目标是否能完成?(参考数据:$e^{9.45}\approx12708$,$e^{9.67}\approx15835$)
附:$\hat{b}=\dfrac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sum_{i=1}^{n}(x_i-\bar{x})^2}$,$\hat{a}=\bar{y}-\hat{b}\bar{x}$。
(1) 看散点趋势(后两年增速明显加快)
由散点图可知,$\hat{y}=\hat{c}e^{\hat{d}x}$ 更适合作为龙陵县紫皮石斛产量 y 关于年份代码 x 的回归模型.
(2) 两端取对数,令 u=ln y 转化为线性回归
由 $\hat{y}=\hat{c}e^{\hat{d}x}$ 可得 $\ln\hat{y}=\ln(\hat{c}e^{\hat{d}x})=\ln\hat{c}+\hat{d}x$,令 $\hat{u}=\ln\hat{y}$,$\hat{h}=\ln\hat{c}$,则 $\hat{u}=\hat{h}+\hat{d}x$,
所以 $\ln\hat{y}=7.69+0.22x$,即 $\hat{y}=e^{7.69+0.22x}$;
(3) 2025 年对应年份代码 9,代入预测
将 x=9 代入 $\hat{y}=e^{7.69+0.22x}$ 可得 $\hat{y}=e^{7.69+0.22\times9}=e^{9.67}\approx15835\gt15000$,
所以预测到 2025 年底实现紫皮石斛年产量达 1.5 万吨的目标能够完成.
答案:(1) $\hat{y}=\hat{c}e^{\hat{d}x}$;(2) $\hat{y}=e^{7.69+0.22x}$;(3) 能完成
指数型回归 $\hat{y}=\hat{c}e^{\hat{d}x}$ 的套路:取对数 → 线性化 → 最小二乘 → 换回。参考数据 $\bar{u}$、$\sum(x_i-\bar{x})(u_i-\bar{u})$ 直接对应 u 的线性回归。
为了研究汽车减重对降低油耗的作用,对一组样本数据 $(x_1,y_1),(x_2,y_2),\cdots,(x_n,y_n)$ 进行分析,其中 $x_i$ 表示减重质量(单位:kg),$y_i$ 表示每行驶一百公里降低的油耗(单位:升),$i=1,2,\cdots,n$,由此得到的经验回归方程为 $\hat{y}=\hat{b}x+\hat{a}$($\hat{b}\gt0$),有下列四个说法:
① $\hat{a}$ 的值一定为 0;② $\hat{b}$ 越大,减重对降低油耗的作用越大;③ 决定系数 $R^2$ 越大,拟合效果越好;④ 至少有一个数据点在经验回归直线上。
其中所有正确说法的编号是( )
A.①④ B.②③ C.②③④ D.①②④
逐条判断:估计值的性质、$\hat{b}$ 的实际意义、$R^2$ 的含义、最小二乘的性质
① $\hat{a}$ 是由样本观测数据求出的估计值,只会近似等于 0,但不一定为 0,① 错误;
② $\hat{b}$ 越大,每减重 1kg 行驶一百公里降低的油耗越多,减重对降低油耗的作用越大,② 正确;
③ 决定系数 $R^2$ 越大,则残差平方和越小,拟合效果越好,③ 正确;
④ 用最小二乘法估计经验回归方程,数据点不一定落在经验回归直线上,④ 错误.
答案:B
某校数学建模兴趣小组为研究本地区儿子身高 y(cm) 与父亲身高 x(cm) 之间的关系,抽样调查后得出 y 与 x 线性相关,且经验回归方程为 $\hat{y}=0.85x+29.5$。调查所得的部分样本数据如下:
| 父亲身高 x(cm) | 164 | 166 | 170 | 173 | 173 | 174 |
|---|---|---|---|---|---|---|
| 儿子身高 y(cm) | 165 | 168 | 176 | 170 | 172 | 176 |
| 父亲身高 x(cm) | 180 | |||||
| 儿子身高 y(cm) | 178 | |||||
则下列说法正确的是( )
A.儿子身高 y(cm) 是关于父亲身高 x(cm) 的函数
B.当父亲身高增加 1cm 时,儿子身高增加 0.85cm
C.儿子身高为 172cm 时,父亲身高一定为 173cm
D.父亲身高为 170cm 时,儿子身高的均值为 174cm
线性相关 ≠ 函数关系;回归方程只给出预测值,不保证精确
A 项:y 与 x 只是具有线性相关关系,不具有函数关系,A 项错误;
B 项:由线性相关关系只能得到 y 的预测值,当父亲身高增加 1cm 时,儿子身高大约增加 0.85cm,不一定刚好增加,B 项错误;
C 项:"父亲身高一定为 173cm"说法太绝对,C 项错误;
D 项:把 x=170 代入 $\hat{y}=0.85x+29.5$ 可得 $\hat{y}=0.85\times170+29.5=174$,所以儿子身高的均值为 174cm,D 项正确.
答案:D
某地以"绿水青山就是金山银山"理念为引导,推进绿色发展,现要订购一批苗木,苗木长度与售价如下表:
| 苗木长度 x(cm) | 38 | 48 | 58 | 68 | 78 | 88 |
|---|---|---|---|---|---|---|
| 售价 y(元) | 16.8 | 18.8 | 20.8 | 22.8 | 24 | 25.8 |
若苗木长度 x(cm) 与售价 y(元) 之间存在线性相关关系,其经验回归方程为 $\hat{y}=\hat{b}x+8.9$,则当售价大约为 38.9 元时,苗木长度大约为( )
A.148cm B.150cm C.152cm D.154cm
先由样本中心点求 $\hat{b}$,再代入反解 x
由题意,$\bar{x}=\dfrac{38+48+58+68+78+88}{6}=63$,$\bar{y}=\dfrac{16.8+18.8+20.8+22.8+24+25.8}{6}=21.5$,
将 (63,21.5) 代入 $\hat{y}=\hat{b}x+8.9$ 可得 $21.5=63\hat{b}+8.9$,解得 $\hat{b}=0.2$,所以 $\hat{y}=0.2x+8.9$,
当 $\hat{y}=38.9$ 时,$38.9=0.2x+8.9$,解得 x=150,
所以当售价大约为 38.9 元时,苗木长度大约为 150cm.
答案:B
某企业新研发了一种产品,产品的成本由原料成本及非原料成本组成,每件产品的非原料成本 y(元)与生产的产品数量 x(千件)有关,经统计得到如下数据:
| x | 2 | 5 | 8 | 9 | 11 |
|---|---|---|---|---|---|
| y | 12 | 10 | 8 | 8 | 7 |
(1)根据表中的数据,运用相关系数进行分析说明,可以用一元线性回归模型拟合 y 与 x 的关系,并指出是正相关还是负相关;
(2)求 y 关于 x 的经验回归方程,并预测生产该产品 13 千件时,每件产品的非原料成本为多少元?
参考公式:相关系数 $r=\dfrac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i-\bar{x})^2}\cdot\sqrt{\sum_{i=1}^{n}(y_i-\bar{y})^2}}$,$\hat{b}=\dfrac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sum_{i=1}^{n}(x_i-\bar{x})^2}$,$\hat{a}=\bar{y}-\hat{b}\bar{x}$;参考数据:$\sqrt{2}\approx1.414$。
(1) 数据绝对值小,用 $\sum x_iy_i-n\bar{x}\bar{y}$ 等转换形式更方便,先求 $\bar{x}$、$\bar{y}$
由表中数据可得,$\bar{x}=\dfrac{2+5+8+9+11}{5}=7$,$\bar{y}=\dfrac{12+10+8+8+7}{5}=9$,
因为 |r| 很接近 1,所以 x,y 的线性相关性很强,可用一元线性回归模型拟合 y 与 x 的关系;又 r<0,所以 y 与 x 负相关.
(2) 用(1)的结果直接求系数
当 x=13 时,$\hat{y}=-0.56\times13+12.92=5.64$,
所以可预测生产该产品 13 千件时,每件产品的非原料成本约为 5.64 元.
答案:(1) r≈−0.99,负相关;(2) $\hat{y}=-0.56x+12.92$,约 5.64 元
数据绝对值较小时,用 $\sum x_iy_i-n\bar{x}\bar{y}$、$\sum x_i^2-n\bar{x}^2$、$\sum y_i^2-n\bar{y}^2$ 计算比用离差形式更简单。
红旗淀粉厂 2024 年之前只生产食品淀粉,下表为年投入资金 x(万元)与年收益 y(万元)的 8 组数据:
| x | 10 | 20 | 30 | 40 | 50 | 60 | 70 | 80 |
|---|---|---|---|---|---|---|---|---|
| y | 12.8 | 16.5 | 19 | 20.9 | 21.5 | 21.9 | 23 | 25.4 |
(1)用 $\hat{y}=\hat{b}\ln x+\hat{a}$ 模拟生产食品淀粉年收益 y 与年投入资金 x 的关系,求出回归方程;
(2)为响应国家"加快调整产业结构"的号召,该企业又自主研发出一种药用淀粉,预计其收益为投入的 10%。2024 年该企业计划投入 200 万元用于生产两种淀粉,求年收益的最大值。(精确到 0.1 万元)
附:①回归直线方程 $\hat{u}=\hat{b}v+\hat{a}$ 中斜率和截距的最小二乘估计公式分别为 $\hat{b}=\dfrac{\sum_{i=1}^{n}v_iu_i-n\bar{v}\cdot\bar{u}}{\sum_{i=1}^{n}v_i^2-n\bar{v}^2}$,$\hat{a}=\bar{u}-\hat{b}\cdot\bar{v}$;
②参考数据:$\sum_{i=1}^{8}y_i=161$,$\sum_{i=1}^{8}\ln x_i=29$,$\sum_{i=1}^{8}x_i^2=20400$,$\sum_{i=1}^{8}(\ln x_i)^2=109$,$\sum_{i=1}^{8}y_i\ln x_i=603$;
③ $\ln2\approx0.7$,$\ln5\approx1.6$。
(1) 令 t=ln x 转化为线性回归,先算 $\bar{y}$、$\bar{t}$
令 $t=\ln x$,则 $\hat{y}=\hat{b}\ln x+\hat{a}$ 即为 $\hat{y}=\hat{b}t+\hat{a}$,
由表中数据,$\sum_{i=1}^{8}t_i^2=109$,$\sum_{i=1}^{8}t_i=29$,$\sum_{i=1}^{8}y_it_i=603$,且 $\bar{y}=\dfrac{161}{8}$,$\bar{t}=\dfrac{29}{8}$,
所以 $\hat{y}=5t+2$,又 $t=\ln x$,故 y 关于 x 的回归方程是 $\hat{y}=5\ln x+2$.
(2) 设食品淀粉投入 x 万元,表示总收益,求导分析最值
设该企业生产食品淀粉的投入为 x 万元,年收益为 y 万元,则生产药用淀粉的投入为 $(200-x)$ 万元,
所以 $f'(x)\gt0\Leftrightarrow0\lt x\lt50$,$f'(x)\lt0\Leftrightarrow50\lt x\leq200$,故 $f(x)$ 在 $(0,50)$ 上单调递增、在 $(50,200]$ 上单调递减,
所以年收益的最大值为 36.5 万元.
答案:(1) $\hat{y}=5\ln x+2$;(2) 36.5 万元
最优投入问题:设出食品淀粉投入量 x,总收益 = 食品收益 + 药用收益(投入的 10%),用导数求最值;注意 $\ln50=\ln(25\times2)=2\ln5+\ln2$。
移动物联网广泛应用于生产制造、公共服务、个人消费等领域。截至 2022 年底,我国移动物联网连接数达 18.45 亿户,成为全球主要经济体中首个实现"物超人"的国家。如图是 2018~2022 年移动物联网连接数 W 与年份代码 t 的散点图,其中年份 2018~2022 对应的 t 分别为 1~5。
散点集中在直线附近,随 t 增大 W 上升(示意图)
(1)根据散点图推断两个变量是否线性相关。计算样本相关系数(精确到 0.01),并推断它们的相关程度;
(2)(i)假设变量 x 与变量 Y 的 n 对观测数据为 $(x_1,y_1),(x_2,y_2),\cdots,(x_n,y_n)$,两个变量满足一元线性回归模型 $\begin{cases}Y=bx+e\\E(e)=0,\ D(e)=\sigma^2\end{cases}$(随机误差 $e_i=y_i-bx_i$)。请推导:当随机误差平方和 $Q=\sum_{i=1}^{n}e_i^2$ 取得最小值时,参数 b 的最小二乘估计;
(ii)令变量 $x=t-\bar{t}$,$y=w-\bar{w}$,则变量 x 与变量 Y 满足一元线性回归模型,利用(i)中结论求 y 关于 x 的经验回归方程,并预测 2024 年移动物联网连接数。
附:$r=\dfrac{\sum_{i=1}^{n}(t_i-\bar{t})(w_i-\bar{w})}{\sqrt{\sum_{i=1}^{n}(t_i-\bar{t})^2}\sqrt{\sum_{i=1}^{n}(w_i-\bar{w})^2}}$,$\sum_{i=1}^{5}(w_i-\bar{w})^2=76.9$,$\sum_{i=1}^{5}(t_i-\bar{t})(w_i-\bar{w})=27.2$,$\sum_{i=1}^{5}w_i=60.8$,$\sqrt{769}\approx27.7$。
(1) 先算 $\sum(t_i-\bar{t})^2$,再代相关系数公式
由题意,$\bar{t}=\dfrac{1+2+3+4+5}{5}=3$,$\sum_{i=1}^{5}(t_i-\bar{t})^2=(1-3)^2+(2-3)^2+(3-3)^2+(4-3)^2+(5-3)^2=10$,
因为 r 的值很接近 1,所以变量 t 与 W 有很强的线性相关关系,且为正相关.
(2)(i) 把 $e_i=y_i-bx_i$ 代入 Q,看作关于 b 的二次函数
这是开口向上的二次函数(变量只有 b),在对称轴处取得最小值,
所以 b 的最小二乘估计为 $\hat{b}=\dfrac{\sum_{i=1}^{n}x_iy_i}{\sum_{i=1}^{n}x_i^2}$.
(2)(ii) 用(i)的结论:把 x、y 换回 t、w 计算
所以 $\hat{w}-\bar{w}=2.72(t-\bar{t})$,又 $\bar{w}=\dfrac{60.8}{5}=12.16$,
2024 年的年份代码 t=7,此时 $\hat{w}=2.72\times7+4=23.04$,
所以可预测 2024 年移动物联网连接数为 23.04 亿户.
答案:(1) r≈0.98;(2)(i) $\hat{b}=\dfrac{\sum x_iy_i}{\sum x_i^2}$;(ii) $\hat{w}=2.72t+4$,23.04 亿户
过原点的回归模型(无截距):最小二乘估计为 $\hat{b}=\dfrac{\sum x_iy_i}{\sum x_i^2}$,推导关键是把 Q 看成关于 b 的二次函数。
规定抽球试验规则如下:盒子中初始装有白球和红球各一个,每次有放回地任取一个,连续取两次,将以上过程记为一轮。如果每一轮取到的两个球都是白球,则记该轮为成功,否则记为失败。在抽取过程中,如果某一轮成功,则停止;否则,在盒子中再放入一个红球,然后接着进行下一轮抽球,如此不断继续下去,直至成功。
(1)某人进行该抽球试验时,最多进行三轮,即使第三轮不成功,也停止抽球,记其进行抽球试验的轮数为随机变量 X,求 X 的分布列和数学期望;
(2)为验证抽球试验成功的概率不超过 $\dfrac{1}{2}$,有 1000 名数学爱好者独立地进行该抽球试验,记 t 表示成功时抽球试验的轮数,y 表示对应的人数,统计数据如下:
| t | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| y | 232 | 98 | 60 | 40 | 20 |
求 y 关于 t 的回归方程 $\hat{y}=\dfrac{\hat{b}}{t}+\hat{a}$,并预测成功的总人数(精确到 1);
(3)证明:$\dfrac{1}{2^2}+\left(1-\dfrac{1}{2^2}\right)\dfrac{1}{3^2}+\left(1-\dfrac{1}{2^2}\right)\left(1-\dfrac{1}{3^2}\right)\dfrac{1}{4^2}+\cdots+\left(1-\dfrac{1}{2^2}\right)\left(1-\dfrac{1}{3^2}\right)\cdots\left(1-\dfrac{1}{n^2}\right)\dfrac{1}{(n+1)^2}\lt\dfrac{1}{2}$。
附:$\hat{b}=\dfrac{\sum_{i=1}^{n}x_iy_i-n\bar{x}\cdot\bar{y}}{\sum_{i=1}^{n}x_i^2-n\bar{x}^2}$,$\hat{a}=\bar{y}-\hat{b}\bar{x}$;参考数据:$\sum_{i=1}^{5}x_i^2=1.46$,$\bar{x}=0.46$,$\bar{x}^2=0.212$,其中 $x_i=\dfrac{1}{t_i}$,$\bar{x}=\dfrac{1}{5}\sum_{i=1}^{5}x_i$。
(1) 逐轮算概率:第 k 轮成功 = 前 k−1 轮全失败 × 第 k 轮成功
$P(X=1)=\dfrac{1}{C_2^1\cdot C_2^1}=\dfrac{1}{4}$,
所以 X 的分布列为:
| X | 1 | 2 | 3 |
|---|---|---|---|
| P | $\dfrac{1}{4}$ | $\dfrac{1}{12}$ | $\dfrac{2}{3}$ |
(2) 令 $x=\dfrac{1}{t}$ 转化为线性回归,先算 $\bar{y}$、$\sum x_iy_i$
令 $x_i=\dfrac{1}{t_i}$,由表可得 $\bar{y}=\dfrac{232+98+60+40+20}{5}=90$,
所以 $\hat{y}=270x-34.2$,即 y 关于 t 的回归方程为 $\hat{y}=\dfrac{270}{t}-34.2$,
将 t=6、7、8…逐个代入:t=6 时 $\hat{y}=10.8\approx11$,t=7 时 $\hat{y}\approx4$,t=8 时 $\hat{y}=-0.45\lt0$,说明从第 8 轮开始就没有人成功,
所以可预测成功的总人数为 $232+98+60+40+20+11+4=465$.
(3) 用对立事件:p 表示最多 n 轮成功的概率,则 1−p 为前 n 轮全失败的概率,可裂项相消
所以 $1-p=\dfrac{n+2}{2(n+1)}=\dfrac{1}{2}+\dfrac{1}{2(n+1)}\gt\dfrac{1}{2}$,
因此 $p\lt\dfrac{1}{2}$,原不等式成立.
答案:(1) $E(X)=\dfrac{29}{12}$;(2) $\hat{y}=\dfrac{270}{t}-34.2$,约 465 人;(3) 证明略
第 k 轮成功的概率是"前 k−1 轮全失败 × 第 k 轮成功";第(3)问把求和转化为对立事件,再用 $\left(1-\dfrac{1}{k^2}\right)=\dfrac{k-1}{k}\cdot\dfrac{k+1}{k}$ 裂项相消。
|r| 越接近 1,线性相关程度越强;r>0 正相关,r<0 负相关。
经验回归直线 $\hat{y}=\hat{b}x+\hat{a}$ 必过样本中心点 $(\bar{x},\bar{y})$。
题目往往给其中一种形式,计算却必须用另一种——务必熟练互转。
残差点均匀落在窄水平带内、$R^2$ 越大,拟合效果越好。
取对数或换元(令 $u=\ln x$、$z=\ln y$)转化为线性回归,题目一般给出参考数据。