典型相关分析的基本思想

回归分析的基本思想及其初步应用

教学要求：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用.

教学重点：了解线性回归模型与函数模型的差异，了解判断刻画模型拟合效果的方法－相关指数和残差分析.

教学难点：解释残差变量的含义，了解偏差平方和分解的思想. 教学过程：

一、复习准备： 1. 提问：“名师出高徒”这句彦语的意思是什么？有名气的老师就一定能教出厉害的学生吗？这两者之间是否有关？

2. 复习：函数关系是一种确定性关系，而相关关系是一种非确定性关系. 回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法，其步骤：收集数据?作散点图?求回归直线方程?利用方程进行预报. 二、讲授新课： 1. 教学例题：

① 例1 从某大学中随机选取8名女大学生，其身高和体重数据如下表所示： 2 3 4 5 6 7 8 编 号 1 165 157 170 175 165 155 170 身高/cm 165 57 50 54 64 61 43 59 体重/kg 48 求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm的女大学生的体重. （分析思路?教师演示?学

1．1 回归分析的基本思想及其初步应用

基础梳理

1．相关关系是一种非确定性关系，回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法，函数关系是一种确定性关系．

2．在线性回归模型y＝bx＋a＋e中，最小二乘法估计^a和^b就是未知参数a和b的最好估计，其计算公式如下：

^b＝

，^a＝

1n1n－－，其中，x＝?xi，y＝?yi.

ni＝1ni＝1

另外，称为样本点的中心，回归直线一定过样本点中心．

3．衡量模型拟合效果．

(1)残差：对于样本点(x1，y1)，(x2，y2)，?，(xn，yn)而言，它们的随机误差为ei＝yi－bxi－a，i＝1，2，3，?，n，其估计值为^ei＝yi－^yi＝yi－^bxi－^a，i＝1，2，?，n，^ei称为相应于点(xi，yi)的残差．

(2)残差图：我们可以利用图形来分析残差特性，作图时纵坐标为残差，横坐标可以选为样本编号、身高数据或体重估计值等，这样作出的图形称为残差图．

残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适．这样的带状区域的宽度越窄，说明模型拟合精度越高．

(3)残差分析：可以通过残差发现原始数据中的可疑数据，判断

所建立模型的拟合效果．

(4)相关指数：计算公式是R2＝

1．1 回归分析的基本思想及其初步应用

基础梳理

1．相关关系是一种非确定性关系，回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法，函数关系是一种确定性关系．

2．在线性回归模型y＝bx＋a＋e中，最小二乘法估计^a和^b就是未知参数a和b的最好估计，其计算公式如下：

^b＝

，^a＝

1n1n－－，其中，x＝?xi，y＝?yi.

ni＝1ni＝1

另外，称为样本点的中心，回归直线一定过样本点中心．

3．衡量模型拟合效果．

(1)残差：对于样本点(x1，y1)，(x2，y2)，?，(xn，yn)而言，它们的随机误差为ei＝yi－bxi－a，i＝1，2，3，?，n，其估计值为^ei＝yi－^yi＝yi－^bxi－^a，i＝1，2，?，n，^ei称为相应于点(xi，yi)的残差．

(2)残差图：我们可以利用图形来分析残差特性，作图时纵坐标为残差，横坐标可以选为样本编号、身高数据或体重估计值等，这样作出的图形称为残差图．

残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适．这样的带状区域的宽度越窄，说明模型拟合精度越高．

(3)残差分析：可以通过残差发现原始数据中的可疑数据，判断

所建立模型的拟合效果．

(4)相关指数：计算公式是R2＝

回归分析的基本思想及其初步应用(H)

1.1 回归分析的基本思想 及其初步应用

回归分析的基本思想及其初步应用(H)

温故知新不相关 两个变量的关系 函数关系 相关关系 非线性相关 函数关系中的两个变量间是一种确定性关系。 函数关系中的两个变量间是一种确定性关系。 相关关系是一种非确定性关系。 相关关系是一种非确定性关系。 线性相关

回归分析的基本思想及其初步应用(H)

例1、某大学中随机选取8名女大学生，其身高 某大学中随机选取8名女大学生， 和体重数据如下表所示. 和体重数据如下表所示.编号 体重/kg 体重/kg 1 48 2 57 3 50 4 54 5 64 6 61 7 43 8 59 身高/cm 身高/cm 165 165 157 170 175 165 155 170

求根据女大学生的身高预报体重的回归方程， 求根据女大学生的身高预报体重的回归方程， 并预报一名身高为172cm的女大学生的体重 的女大学生的体重. 并预报一名身高为 的女大学生的体重

回归分析的基本思想及其初步应用(H)

解：1、选取身高为自变量 ，体重为因变量 ，作散点图： 、选取身高为自变量x,体重为因变量y,作散点图：

2、由散点图知道身高和体重有比较好的线性相关关系， 、

回归分析的基本思想及其初步应用（第3课时）

一、 教学目标

（1） 知识与技能: 通过典型案例的探究，进一步了解回归的基本思想方法及初步应用；了解两个变量非线性相关关系.

（2） 过程与方法: 让学生体会统计方法的特点；让学生体会可以借助于线性回归模型研究呈非线性关系的两个变量之间的关系.

（3） 情感态度与价值观: 培养学生学好数学、用好数学的信心，加强与现实生活的联系，以科学的态度评价两个变量的相互关系；培养学生运用所学知识，解决实际问题的意识.

二、 教学重点和难点

教学重点: 通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型. 教学难点: 有些非线性模型如何通过变换转化为线性回归模型 .

三、 教学过程

（一） 导入新课

问题1 你能回忆建立线性回归模型的基本步骤吗? 选变量→画散点图→选模型→估计参数→分析与预测. 教科书上所列“建立回归模型的基本步骤”，不仅适用于线性回归模型，也适用于一般回归模型的建立.

（二） 讲解新课 1. 讲解例4

幻灯片出示例4，引导学生理解例题含义.

例4 一只红铃虫的产卵数y和温度x有关.现收集了7组观测数据列于表4中.

表4一只红铃虫的产卵数y与温度x的数据

温度x/℃2

精品

1. 1.2 回归分析的基本思想及其初步应用

课前预习学案

一、预习目标：回归分析的基本思想、方法及初步应用. 二、预习内容：

1.两个变量有线性相关关系且正相关，则回归直线方程中，A.

B.

C.

D.

的系数 （ ）

2.两个变量有线性相关关系且残差的平方和等于0，则（ ）

A.样本点都在回归直线上 B.样本点都集中在回归直线附近 C.样本点比较分散 D.不存在规律

课内探究学案

一、学习要求：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用.

学习重点：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和. 学习难点：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和. 二、学习过程

1．由例1知，预报变量（体重）的值受解释变量（身高）或随机误差的影响.

2．为了刻画预报变量（体重）的变化在多大程度上与解释变量（身高）有关？在多大程度上与随机误差有关？我们引入了评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和.

3．教学总偏差平方和、残差平方和、回归平方和： （1）总偏差平方和：所有单个样本值与样本均值差的平方和，即SST?

精品

1. 1.2 回归分析的基本思想及其初步应用

课前预习学案

一、预习目标：回归分析的基本思想、方法及初步应用. 二、预习内容：

1.两个变量有线性相关关系且正相关，则回归直线方程中，A.

B.

C.

D.

的系数 （ ）

2.两个变量有线性相关关系且残差的平方和等于0，则（ ）

A.样本点都在回归直线上 B.样本点都集中在回归直线附近 C.样本点比较分散 D.不存在规律

课内探究学案

一、学习要求：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用.

学习重点：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和. 学习难点：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和. 二、学习过程

1．由例1知，预报变量（体重）的值受解释变量（身高）或随机误差的影响.

2．为了刻画预报变量（体重）的变化在多大程度上与解释变量（身高）有关？在多大程度上与随机误差有关？我们引入了评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和.

3．教学总偏差平方和、残差平方和、回归平方和： （1）总偏差平方和：所有单个样本值与样本均值差的平方和，即SST?

中西音乐美学基本思想比较研究

1中国音乐美学发展的基本特征

根据可靠的文献记载，中国音乐美学思想、最早出现于西周末年，中国古代音乐美学思想的发展经历了五个历史时期，即西周末年至春秋末年时期(萌芽时期)、春秋末年至战国末年时期(百家争鸣时期)、两汉时期、魏晋至隋唐时期、宋元明清时期。在历史长河中，先秦时期的儒、墨、法、道、阴阳、学思想，著影响。家吸收、受到儒、汉代以后又出现佛教音乐美学思想。但墨、阴阳家的音乐美学思想虽在汉代有所繁荣，杂各家都曾提出了自己的音乐美杂家音乐美学思想对后世并无显此后虽也长期存在，却己被儒、道两融化，而失去独立研究的价值。佛教音乐美学思想在魏晋以后长期存在，但它也道两家影响，而并无影响儒、道两家音乐美学思想。

儒则产生于先秦，影响于后世，贯穿两千多年的历史，显而易见。道两家的音乐美学思想其重要性远在其他各家之千百年来，儒、道两家音乐美学思想既互相对立斗争，又互相吸取交融。曾经历过三次大的冲突:先秦时《庄子》强调法天贵真，崇尚自然，批判儒家礼乐，束缚人性，束缚音乐;魏晋时裁康以声无哀乐，否定《乐记》的表情明中叶以后李赞等以发于情性，由乎自然说，否定发乎情，止乎礼义说，以主情说否定淡和说。其吸取交融在先秦《吕氏春秋》中己有所表示

相关分析的类型

典型相关分析：用于探究一组解释变量与一组反应变量时间的关系。

典型相关分析函数：cancor（x，y，xcenter=T，ycenter=T） x为第一组变量数据矩阵 y为第二组变量数据矩阵

xcenter表示第一组变量是否中心化 ycenter表示第二组变量是否中心化

自编典型相关函数：cancor.test（x，y，plot=T） x为第一组变量数据矩阵 y为第二组变量数据矩阵 plot为是否绘制典型相关图

例1：d11.1 生理指标与训练指标之间的典型相关性。 生理指标：体重（x1）、腰围（x2）、脉搏（x3）； 训练指标：引体向上次数（y1）、起坐次数（y2）、跳跃次数（y3）。

> X<-read.table(\ > R<-cor(X)

> R

x1 x2 x3 y1 y2 y3 x1 1.0000 0.8702 -0.36576 -0.3897 -0.4931 -0.22630 x2 0.8702 1.0000 -0.35289 -0.5522 -0.6456 -0.19150 x3 -0.3658 -0.3529 1.00000 0.1

独立性检验的基本思想及初步应用

一．基础概念的梳理与理解

1．分类变量的描述性说明：对于宗教信仰来说，其取值为信宗教信仰与不信宗教信仰两种．象这样的变量的不同值表示个体所属的不同类别的变量称为分类变量．例如性别变量其取值为男女两种，吸烟变量其取值为吸烟与不吸烟两种；

2．两个分类变量：是否吸烟与患肺癌于否，性别男和女与是否喜欢数学课程等等，这是我们所要关心的；

3．2 2列联表：列出的两个分类变量X和Y，它们的取值分别为

{x1,x2}和{y1,y2}的样本频数表称为2 2列联表1

二．两个分类变量是否有关的粗略估计

1．三维柱形图：如果列联表1的三维柱形图如下图 由各小柱形表示的频数可见，对角线上的 频数的积的差的绝对值|ad bc|较大，说明两 分类变量X和Y是有关的，否则的话是无关的．

图1

重点：一方面考察对角线频数之差，更重要的一方面是提供了构造随机变量进行独立性检验的思路方法。

2．二维条形图（相应于上面的三维柱形图而画）

由深、浅染色的高可见两种情况下所占比例，由数据可知

ac要比

c da b

小得多，由于差距较大，因此，说明两分类变量X和Y有关系的可能性较大，两个比值相差越大两分类变量X和Y有关的可能性也越的．否则是无关系的．

图

2

重点：通过图形以