第18章 成对数据的统计分析

数学学习 · 爱知数学讲义

18
本章目录 · 11 节

学习目标

会从散点图判断相关;会求并解释一元线性回归直线;会用列联表做独立性的直观判断。

18.1 成对数据与相关

许多量是成对出现的:身高与体重、广告费与销售额、学习时间与成绩。把每一对 描在平面上,得到散点图。若点大致沿一条直线上升,称正相关;沿直线下降,称负相关;看不出趋势,称相关不明显。

散点大致沿红线:用直线描述 x 与 y 的相关
散点沿红线走,就是线性相关。线往右上是正相关,往右下是负相关。

样本相关系数 衡量线性相关的强弱: 越接近 ,线性相关越强; 接近 ,线性相关越弱。 只刻画线性关系:点沿抛物线排得很整齐时 也可以接近 。

相关不是因果。冰淇淋销量与溺水人数可能同时升高,共同原因是气温,不能说冰淇淋导致溺水。

【例1】散点大致从左下到右上,相关系数大概为正还是负?若 与 ,哪一个线性相关更强?

解:

从左下到右上是正相关,。

更接近 ,线性相关更强; 接近 ,几乎看不出线性关系。

18.1.1 小结

先看散点图再算 。相关强不等于有因果关系。

18.2 一元线性回归

若散点大致在一条直线附近,可以用 来描述 随 的变化,叫做回归直线。常用最小二乘法:让残差平方和 最小,得到

直线一定过样本中心 。 是斜率:自变量增加 , 的估计平均增加 。用回归直线可以在观测范围内估计 ,远远离开样本范围去外推要非常小心。

【例2】已知 ,,。写出回归直线,并估计 时的 。

解:

,故 。

时 。这是估计值,不是保证观测一定等于 。

【例3】回归直线能否说明 导致了 ?残差是什么?

解:

不能。回归只是用直线近似成对数据的趋势,因果需要额外的研究设计。

残差是 :观测值减去直线上的估计值。最小二乘让这些残差的平方和最小。

18.2.1 小结

回归直线过 。先算斜率 ,再算截距 。估计不要离数据太远。

18.3 列联表与独立性的直观

两个分类变量(如“是否吸烟”与“是否患病”)排成一张表,行是一个变量的类别,列是另一个,格子里是频数,叫做列联表。若两个变量独立,每一格的频率应该接近“行频率乘列频率”。

独立性检验比较观测频数与“独立时该有的期望频数”。相差越大,越不像独立。高中先会读表、会算各格频率;大学概率统计里会用 统计量给出 值。

【例4】调查 人:吸烟且患病 人,吸烟未患病 人,不吸烟患病 人,不吸烟未患病 人。吸烟者里患病的频率、全体患病频率各是多少?两者接近吗?

解:

吸烟共 人,其中患病 ,频率 。

全体患病 人,频率 。

与 有差距,直观上“是否吸烟”与“是否患病”不太像独立。要下统计结论还需做独立性检验。

18.3.1 小结

分类数据先排成列联表。比较“格频率”与“行列频率之积”,看像不像独立。

18.4 本章总结

这一章一共 3 节。合上书应能用自己的话答出下面各节的要点,再去做练习。

18.1 成对数据与相关:先看散点图再算 。相关强不等于有因果关系。

18.2 一元线性回归:回归直线过 。先算斜率 ,再算截距 。估计不要离数据太远。

18.3 列联表与独立性的直观:分类数据先排成列联表。比较“格频率”与“行列频率之积”,看像不像独立。

贯通全章:先看散点图。线性相关用 ,直线用最小二乘。分类变量排成列联表。相关不是因果。

把各节小结连起来复述一遍,对照学习目标查缺,再进入易错与练习。

18.5 易错

误:相关就是因果。正:相关只说一起变化,原因可能是第三个量。

误:回归直线可以任意外推。正:远离样本范围时估计不可靠。

误: 表示两个量没有任何关系。正:只表示没有线性关系,可能有曲线关系。

误:列联表的格子频率相等才独立。正:独立时格频率应接近行频率乘列频率。

18.6 练习

先独立完成,再对照答案。看错在概念、运算、图形还是推理。

1. 正相关的散点图朝哪边?

2. 相关系数 的取值范围? 接近 说明什么?

3. 回归直线一定过哪一点?

4. 斜率 的公式?

5. 截距 怎么求?

6. 相关与因果的区别?

7. 列联表用来分析什么数据?

8. 独立性在列联表里的直观?

9. 接近 一定毫无关系吗?

10. 残差是什么?

11. 最小二乘让什么最小?

12. 用回归估计时要注意什么?

18.7 答案与解析

显示答案

1. 从左下到右上。

2. 。越接近 ,线性相关越强。

3. 样本中心 。

4. 。

5. 。

6. 相关是一起变化;因果是一个导致另一个。

7. 两个分类变量的频数。

8. 格频率接近行频率乘列频率。

9. 不一定,可能有非线性关系。

10. 观测 减去回归估计 。

11. 残差平方和。

12. 尽量在样本 的范围内,不要离得太远。