§2.3变量间的相关关系（一）
学习目标
（1）通过具体示例引导学生考察变量之间的关系，在讨论的过程中认识现实世界中存在着不能用函数模型描述的变量关系,从而体会研究变量之间的相关关系的重要性.
(2) 通过收集现实问题中两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系.会作散点图,并对变量间的正相关或负相关关系作出直观判断.
(3) 在解决统计问题的过程中，进一步体会用样本估计总体的思想，理解统计的作用.
重点难点
重点：利用散点图直观认识变量间的相关关系.
难点：理解变量间的相关关系.
学法指导
在解决统计问题的过程中，进一步体会用样本估计总体的思想，理解数形结合的数学思想和逻辑推理的数学方法。
问题探究
复习回顾：
函数的定义
二、情景设置：
客观事物是相互联系的,过去研究的大多数是因果关系，但实际上更多存在的是一种非因果关系.在中学校园里，有这样一种说法：“如果你的数学成绩好，那么你的物理学习就不会有什么大问题.”按照这种说法，似乎学生的物理成绩与数学成绩之间存在着某种关系，我们把数学成绩和物理成绩看成是两个变量，那么这两个变量之间的关系是函数关系吗？
二、探究新知：
知识探究（一）：变量之间的相关关系
思考1：考察下列问题中两个变量之间的关系：
（1）商品销售收入与广告支出经费；
（2）粮食产量与施肥量；
（3）人体内的脂肪含量与年龄.
这些问题中两个变量之间的关系是函数关系吗？
思考2：“名师出高徒”可以解释为教师的水平越高，学生的水平就越高，那么学生的学业成绩与教师的教学水平之间的关系是函数关系吗？你能举出类似的描述生活中两个变量之间的这种关系的成语吗？
思考3：上述两个变量之间的关系是一种非确定性关系，称之为相关关系，那么相关关系的含义如何？
思考4：相关关系与函数关系的异同点：
总结：对相关关系的理解应当注意以下几点：
其一是相关关系与函数关系不同.因为函数关系是一种非常确定的关系，而相关关系是一种非确定性关系，即相关关系是非随机变量与随机变量之间的关系.而函数关系可以看成是两个非随机变量之间的关系.因此，不能把相关关系等同于函数关系.
其二是函数关系是一种因果关系，而相关关系不一定是因果关系，也可能是伴随关系.例如，有人发现，对于在校儿童，鞋的大小与阅读能力有很强的相关关系.然而，学会新词并不能使脚变大，而是涉及到第三个因素——年龄.当儿童长大一些，他们的阅读能力会提高而且由于长大脚也变大.
其三是在现实生活中存在着大量的相关关系，如何判断和描述相关关系，统计学发挥着非常重要的作用.变量之间的相关关系带有不确定性，这需要通过收集大量的数据，对数据进行统计分析，发现规律，才能作出科学的判断.（对具有相关关系的两个变量进行统计分析的方法叫回归分析.）
知识探究（二）：散点图
【问题】在一次对人体脂肪含量和年龄关系的研究中，研究人员获得了一组样本数据：……课本85页的探究。
思考1：描述一下散点图的含义。
思考2：从上面问题的散点图中说明人的年龄的与人体脂肪含量具有什么相关关系？
思考3：正相关和负相关的定义是什么？它们各有什么特征？
思考4：你能列举一些生活中的变量成正相关或负相关的实例吗?
三、典例分析:
例1 在下列两个变量的关系中，哪些是相关关系？
①正方形边长与面积之间的关系；
②作文水平与课外阅读量之间的关系；
③人的身高与年龄之间的关系；
④降雪量与交通事故的发生率之间的关系.
房屋面积
（平方米）
61
70
115
110
80
135
105
销售价格（万元）
12.2
15.3
24.8
21.6
18.4
29.2
22
例2 以下是某地搜集到的新房屋的销售价格和房屋的面积的数据：
画出数据对应的散点图，并指出销售价格与房屋面积这两个变量是正相关还是负相关.
例3、某小卖部为了了解热茶销售量与气温之间的关系，随机统计并制作了某6天卖出热茶的杯数与当天气温的对照表：
气温/C
26
18
13
10
4
杯数
20
24
34
38
50
64
根据上述数据,气温与热茶销售量之间的有怎样的关系?
目标检测
1、下列两个变量之间的关系哪个不是函数关系（ ）
A．角度和它的余弦值
B.正方形边长和面积
C．正ｎ边形的边数和它的内角和
D.人的年龄和身高
有关法律规定,香烟盒上必须印上“吸烟有害健康”的警示语.吸烟和健康之间有因果关系吗？每一个吸烟者的健康问题都是因为吸烟引起的吗？你认为“健康问题不一定是由吸烟引起的,所以可以吸烟“的说法对吗？
地区的环境条件适合天鹅栖息繁衍.有人经统计发现了一个有趣的现象,如果村庄附近栖息的天鹅多,那么这个村庄的婴儿出生率也高；天鹅少的地方婴儿出生率低.于是,他就得出一个结论:天鹅能够带来孩子.你认为这个结论对吗？为什么？你能由此解释一下,社会上流行“乌鸦叫,没好兆”这样的迷信说法的原因吗？
下表为某地近几年机动车辆数与交通事故数的统计资料，请判断机动车辆数与交通事故数之间是否有线性相关关系，说明理由．
机动车辆数／千台
95
110
112
120
129
135
150
180
交通事故数／千件
6.2
7.5
7.7
8.5
8.7
9.8
10.2
13
纠错矫正
收获与体会
自我评价
2. 3变量间的相关关系
一、教材分析
本节知识内容不多，但分析本节内容，至少有下列特点：
1）知识的联系面广，应用性强，概念的真正理解有难度，教学既要承前启后，完成统计必修基础知识的构建；也要知道知识的来龙去脉，提升学生运用统计知识解决实际问题的能力，更要抓住本质，正确理解统计推断的结论。
2）通过典型案例进行教学，使知识形成的过程中具有可操作性，易于创设问题情境，引导学生参与，而学生借助解决问题，通过自主思维活动，会产生感悟、发现，能提出问题，思考交流，不仅能正确、全面地理解基础知识和基本方法，而且能促进、发展学生的统计意识、统计思想。
二、教学目标
1. 通过收集现实问题中两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系；
2. 知道最小二乘法的思想，能根据给出的线性回归方程系数公式建立线性回归方程。
三、教学重点难点
重点：作出散点图和根据给出的线性回归方程系数公式建立线性回归方程。
难点：对最小二乘法的理解。
四、学情分析
本节是一种对样本数据的处理方法，但侧重的是由样本推断总体，其方法是学生初识的、知识的作用也是学生初见的。知识量并不大，但涉及的数学方法、数学思想较充分，同时，在教材中留有供发现的点，设有开放性问题，既具有体验数学方法、数学思想的功能，也具有培养学生从具体到抽象能力、锻炼创造性思维能力的作用。
五、教学方法
1．自主探究，互动学习
2．学案导学：见后面的学案。
3．新授课教学基本环节：预习检查、总结疑惑→情境导入、展示目标→合作探究、精讲点拨→反思总结、当堂检测→发导学案、布置预习
六、课前准备
1．学生的学习准备：预习课本，初步把握必须的定义。
2．教师的教学准备：多媒体课件制作，课前预习学案，课内探究学案，课后延伸拓展学案。七、课时安排：1课时
八、教学过程
〖复习回顾〗
标准差的公式为：______________________________________________________
〖创设情境〗
1、函数是研究两个变量之间的依存关系的一种数量形式.对于两个变量，如果当一个变量的取值一定时，另一个变量的取值被惟一确定，则这两个变量之间的关系就是一个函数关系
2、在中学校园里，有这样一种说法：“如果你的数学成绩好，那么你的物理学习就不会有什么大问题。”按照这种说法，似乎学生的物理成绩与数学成绩之间存在着某种关系，我们把数学成绩和物理成绩看成是两个变量，那么这两个变量之间的关系是函数关系吗？
3、“名师出高徒”可以解释为教师的水平越高，学生的水平就越高，那么学生的学业成绩与教师的教学水平之间的关系是函数关系吗？
〖新知探究〗
思考：考察下列问题中两个变量之间的关系：
（1）商品销售收入与广告支出经费；
（2）粮食产量与施肥量；
（3）人体内的脂肪含量与年龄.
这些问题中两个变量之间的关系是函数关系吗？
一、相关关系：
自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系，叫做相关关系。
【说明】函数关系是一种非常确定的关系，而相关关系是一种非确定性关系。
思考探究：
1、有关法律规定，香烟盒上必须印上“吸烟有害健康”的警示语。吸烟是否一定会引起健康问题？你认为“健康问题不一定是由吸烟引起的，所以可以吸烟”的说法对吗？
2、某地区的环境条件适合天鹅栖息繁衍，有人经统计发现了一个有趣的现象，如果村庄附近栖息的天鹅多，那么这个村庄的婴儿出生率也高，天鹅少的地方婴儿出生率低，于是他得出了一个结论：天鹅能够带来孩子。你认为这样的结论可靠吗？如何证明这个问题的可靠性？
分析：（1）吸烟只是影响健康的一个因素，对健康的影响还有其他的一些因素，两者之间非函数关系即非因果关系；
（2）不对，这也是相关关系而不是函数关系。
上面提到了很多相关关系，那它们之间的相关关系强还是弱？我们下面来研究一下。
二、散点图
探究：在一次对人体脂肪含量和年龄关系的研究中，研究人员获得了一组样本数据：
年龄
23
27
39
41
45
49
50
脂肪
9.5
17.8
21.2
25.9
27.5
26.3
28.2
年龄
53
54
56
57
58
60
61
脂肪
29.6
30.2
31.4
30.8
33.5
35.2
34.6
其中各年龄对应的脂肪数据是这个年龄人群脂肪含量的样本平均数。
思考探究：
1、对某一个人来说，他的体内脂肪含量不一定随年龄增长而增加或减少，但是如果把很多个体放在一起，就可能表现出一定的规律性.观察上表中的数据，大体上看，随着年龄的增加，人体脂肪含量怎样变化？
2、为了确定年龄和人体脂肪含量之间的更明确的关系，我们需要对数据进行分析，通过作图可以对两个变量之间的关系有一个直观的印象.以x轴表示年龄，y轴表示脂肪含量，你能在直角坐标系中描出样本数据对应的图形吗？
在平面直角坐标系中，
表示具有相关关系的
两个变量的一组数据图
形称为散点图。
3、观察人的年龄的与人体脂肪含量散点图的大致趋势，有什么样的特点？阅读课本，这种相关关系我们称为什么？还有没有其他的相关关系？它又有怎样的特点？
三、线性相关、回归直线方程和最小二乘法
在各种各样的散点图中，有些散点图中的点是杂乱分布的，有些散点图中的点的分布有一定的规律性，年龄和人体脂肪含量的样本数据的散点图中的点的分布有什么特点？
如果散点图中的点的分布，从整体上看大致在一条直线附近，则称这两个变量之间具有线性相关关系，这条直线叫做回归直线。
我们所画的回归直线应该使散点图中的各点在整体上尽可能的与其接近。我们怎么来实现这一目的呢？说一说你的想法。
设所求的直线方程为=bx+a，其中a、b是待定系数。
则i=bxi+a（i=1，2，…，n）.于是得到各个偏差
yi－i =yi－（bxi+a）（i=1，2，…，n）
显见，偏差yi－i 的符号有正有负，若将它们相加会造成相互抵消，所以它们的和不能代表几个点与相应直线在整体上的接近程度，故采用n个偏差的平方和
Q=（y1－bx1－a）2+（y2－bx2－a）2+…+（yn－bxn－a）2
表示n个点与相应直线在整体上的接近程度。
记Q=
这样，问题就归结为：当a、b取什么值时Q最小，a、b的值由下面的公式给出：
其中=，=，a为回归方程的斜率，b为截距。
求回归直线，使得样本数据的点到它的距离的平方和最小的方法叫最小二乘法。
【例题精析】
有一个同学家开了一个小卖部，他为了研究气温对热饮销售的影响，经过统计，得到一个卖出的饮料杯数与当天气温的对比表：
摄氏温度
-5
0
4
7
12
15
19
23
27
31
36
热饮杯数
156
150
132
128
130
116
104
89
93
76
54
（1）画出散点图；
（2）从散点图中发现气温与热饮杯数之间关系的一般规律；
（3）求回归方程；
（4）如果某天的气温是2℃，预测这天卖出的热饮杯数。
解：
（4）当x=2时，y=143.063
（四）反思总结，当堂检测。
1、求样本数据的线性回归方程，可按下列步骤进行：
（1）计算平均数，；
（2）求a，b；
（3）写出回归直线方程。
2、回归方程被样本数据惟一确定，对同一个总体，不同的样本数据对应不同的回归直线，所以回归直线也具有随机性.。
3、对于任意一组样本数据，利用上述公式都可以求得“回归方程”，如果这组数据不具线性相关关系，即不存在回归直线，那么所得的“回归方程”是没有实际意义的。因此，对一组样本数据，应先作散点图，在具有线性相关关系的前提下再求回归方程
教师组织学生反思总结本节课的主要内容，并进行当堂检测。
设计意图：引导学生构建知识网络并对所学内容进行简单的反馈纠正。（课堂实录）
（五）发导学案、布置预习。
完成本节的课后练习及课后延伸拓展作业。
设计意图：布置下节课的预习作业，并对本节课巩固提高。教师课后及时批阅本节的延伸拓展训练。
九、板书设计
十、教学反思
本课的设计采用了课前下发预习学案，学生预习本节内容，找出自己迷惑的地方。课堂上师生主要解决重点、难点、疑点、考点、探究点以及学生学习过程中易忘、易混点等，最后进行当堂检测，课后进行延伸拓展，以达到提高课堂效率的目的。
本节课学习了变量间的相互关系和两个变量的线性相关,以及最小二乘法和回归直线的定义,体会了用最小二乘法解决两个变量线性相关的方法,在解决问题中要熟练掌握求回归系数b、a的公式,精确计算.同时,要注意培养学生的观察分析两变量的关系和抽象概括的能力
在后面的教学过程中会继续研究本节课，争取设计的更科学，更有利于学生的学习，也希望大家提出宝贵意见，共同完善，共同进步!
2.3变量间相关关系
课前预习学案
一、预习目标
1. 通过收集现实问题中两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系；
2. 知道最小二乘法的思想，能根据给出的线性回归方程系数公式建立线性回归方程。
二、预习内容
1.举例说明函数关系为什么是确定关系？
2.一个人的身高与体重是函数关系吗?
3. 相关关系的概念：
4. 什么叫做散点图？
5.回归分析，（1）求回归直线方程的思想方法；（2）回归直线方程的求法
三、提出疑惑
同学们，通过你的自主学习，你还有哪些疑惑，请把它填在下面的表格中
疑惑点
疑惑内容
课内探究学案
一、学习目标
1.通过收集现实问题中两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系.
2.经历用不同估算方法描述两个变量线性相关的过程，知道最小二乘法的思想，能根据给出的线性回归方程系数公式建立线性回归方程.
二、学习重难点：
重点：作出散点图和根据给出的线性回归方程系数公式建立线性回归方程
难点：对最小二乘法的理解。
三、学习过程
思考：考察下列问题中两个变量之间的关系：
（1）商品销售收入与广告支出经费；
（2）粮食产量与施肥量；
（3）人体内的脂肪含量与年龄.
这些问题中两个变量之间的关系是函数关系吗？
（一）、相关关系：
自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系，叫做相关关系。
【说明】函数关系是一种非常确定的关系，而相关关系是一种非确定性关系。
思考探究：
1、有关法律规定，香烟盒上必须印上“吸烟有害健康”的警示语。吸烟是否一定会引起健康问题？你认为“健康问题不一定是由吸烟引起的，所以可以吸烟”的说法对吗？
2、某地区的环境条件适合天鹅栖息繁衍，有人经统计发现了一个有趣的现象，如果村庄附近栖息的天鹅多，那么这个村庄的婴儿出生率也高，天鹅少的地方婴儿出生率低，于是他得出了一个结论：天鹅能够带来孩子。你认为这样的结论可靠吗？如何证明这个问题的可靠性？
（二）、散点图
探究：在一次对人体脂肪含量和年龄关系的研究中，研究人员获得了一组样本数据：
年龄
23
27
39
41
45
49
50
脂肪
9.5
17.8
21.2
25.9
27.5
26.3
28.2
年龄
53
54
56
57
58
60
61
脂肪
29.6
30.2
31.4
30.8
33.5
35.2
34.6
其中各年龄对应的脂肪数据是这个年龄人群脂肪含量的样本平均数。
思考探究：
1、对某一个人来说，他的体内脂肪含量不一定随年龄增长而增加或减少，但是如果把很多个体放在一起，就可能表现出一定的规律性.观察上表中的数据，大体上看，随着年龄的增加，人体脂肪含量怎样变化？
2、为了确定年龄和人体脂肪含量之间的更明确的关系，我们需要对数据进行分析，通过作图可以对两个变量之间的关系有一个直观的印象.以x轴表示年龄，y轴表示脂肪含量，你能在直角坐标系中描出样本数据对应的图形吗？
3、观察人的年龄的与人体脂肪含量散点图的大致趋势，有什么样的特点？阅读课本，这种相关关系我们称为什么？还有没有其他的相关关系？它又有怎样的特点？
（三）、线性相关、回归直线方程和最小二乘法
在各种各样的散点图中，有些散点图中的点是杂乱分布的，有些散点图中的点的分布有一定的规律性，年龄和人体脂肪含量的样本数据的散点图中的点的分布有什么特点？
如果散点图中的点的分布，从整体上看大致在一条直线附近，则称这两个变量之间具有线性相关关系，这条直线叫做回归直线。
我们所画的回归直线应该使散点图中的各点在整体上尽可能的与其接近。我们怎么来实现这一目的呢？说一说你的想法。
这样，问题就归结为：当a、b取什么值时Q最小，a、b的值由下面的公式给出：
其中=，=，a为回归方程的斜率，b为截距。
求回归直线，使得样本数据的点到它的距离的平方和最小的方法叫最小二乘法。
【例题精析】
【例1】下表是某小卖部6天卖出热茶的杯数与当天气温的对比表：
气温/℃
26
18
13
10
4
－1
杯数
20
24
34
38
50
64
（1）将上表中的数据制成散点图.
（2）你能从散点图中发现温度与饮料杯数近似成什么关系吗?
（3）如果近似成线性关系的话，请求出回归直线方程来近似地表示这种线性关系.
（4）如果某天的气温是－5℃时，预测这天小卖部卖出热茶的杯数.
（四）反思总结
1、求样本数据的线性回归方程，可按下列步骤进行：
（1）计算平均数，；
（2）求a，b；
（3）写出回归直线方程。
2、回归方程被样本数据惟一确定，对同一个总体，不同的样本数据对应不同的回归直线，所以回归直线也具有随机性.。
3、对于任意一组样本数据，利用上述公式都可以求得“回归方程”，如果这组数据不具有线性相关关系，即不存在回归直线，那么所得的“回归方程”是没有实际意义的。因此，对一组样本数据，应先作散点图，在具有线性相关关系的前提下再求回归方程。
(五)当堂检测
1.有关线性回归的说法，不正确的是
A.相关关系的两个变量不是因果关系
B.散点图能直观地反映数据的相关程度
C.回归直线最能代表线性相关的两个变量之间的关系
D.任一组数据都有回归方程
2.下面哪些变量是相关关系
A.出租车费与行驶的里程 B.房屋面积与房屋价格
C.身高与体重 D.铁的大小与质量
3.回归方程=1.5x－15，则
A.=1.5－15 B.15是回归系数a
C.1.5是回归系数a D.x=10时，y=0
4.r是相关系数，则结论正确的个数为
①r∈［－1，－0.75］时，两变量负相关很强
②r∈［0.75，1］时，两变量正相关很强
③r∈（－0.75，－0.3］或［0.3，0.75）时，两变量相关性一般
④r=0.1时，两变量相关很弱
A.1 B.2 C.3 D.4
5.线性回归方程=bx+a过定点________.
6.一家工厂为了对职工进行技能检查,对某位职工进行了10次实验,收集数据如下:
零件数x(个)
10
20
30
40
50
60
70
80
加工时间y(分钟)
12
25
33
48
55
61
64
70
(1)画出散点图；
(2)求回归方程.
参考答案：
1. 答案：D解析：只有线性相关的数据才有回归直线.
2. 答案：C解析：A、B、D都是函数关系，其中A一般是分段函数，只有C是相关关系.
3. 答案：A解析：D中x=10时=0，而非y=0，系数a、b的意义要分清.
4. 答案：D解析：相关系数r的性质.
5.答案：（，）解析：=bx+a，=bx+－b，（－）=b（x－）
课后练习与提高
1.下列两个变量之间的关系不具有线性关系的是（ ）
A.小麦产量与施肥值
B.球的体积与表面积
C.蛋鸭产蛋个数与饲养天数
D.甘蔗的含糖量与生长期的日照天数
2.下列变量之间是函数关系的是（ ）
A.已知二次函数,其中,是已知常数,取为自变量,因变量是这个函数的判别式：
B.光照时间和果树亩产量
C.降雪量和交通事故发生率
D.每亩施用肥料量和粮食亩产量
3．下面现象间的关系属于线性相关关系的是（ ）
A.圆的周长和它的半径之间的关系
B.价格不变条件下,商品销售额与销售量之间的关系
C.家庭收入愈多,其消费支出也有增长的趋势
D.正方形面积和它的边长之间的关系
4．下列关系中是函数关系的是（ ）
A.球的半径长度和体积的关系
B.农作物收获和施肥量的关系
C.商品销售额和利润的关系
D.产品产量与单位成品成本的关系
5.设有一个回归方程为,则变量x增加一个单位时（ ）
A.平均增加1.5单位 B. 平均增加2单位
C. 平均减少1.5单位 D. 平均减少2单位
6.工人月工资（元）与劳动生产率(千元)变化的回归直线方程为,下列判
断不正确的是（ ）
A．劳动生产率为1000元时,工资约为130元
B.劳动生产率提高1000元时,则工资平均提高80元
C.劳动生产率提高1000元时,则工资平均提高130元
D.当月工资为210元时,劳动生产率约为2000元
7．某城市近10年居民的年收入x与支出y之间的关系大致符合（单位：亿元），预计今年该城市居民年收入为15亿元，则年支出估计是 ．
8、在某种产品表面进行腐蚀线试验，得到腐蚀深度y与腐蚀时间x之间对应的一组数据：
时间t(s)
5
10
15
20
30
40
50
60
70
90
120
深度y(μm)
6
10
10
13
16
17
19
23
25
29
46
(1)画出散点图；
(2)试求腐蚀深度y对时间t的回归直线方程。
学业分层测评(十四)
变量间的相关关系
(建议用时：45分钟)
[学业达标]
一、选择题
1．(2015·张掖高一检测)有几组变量：
①汽车的重量和汽车每消耗1升汽油所行驶的平均路程；
②平均日学习时间和平均学习成绩；
③立方体的棱长和体积．
其中两个变量成正相关的是( )
A．①③ B．②③
C．② D．③
【解析】 ①是负相关；②是正相关；③是函数关系，不是相关关系．
【答案】 C
2．对于给定的两个变量的统计数据，下列说法正确的是( )
A．都可以分析出两个变量的关系
B．都可以用一条直线近似地表示两者的关系
C．都可以作出散点图
D．都可以用确定的表达式表示两者的关系
【解析】 由两个变量的数据统计，不能分析出两个变量的关系，A错；不具有线性相关的两个变量不能用一条直线近似地表示他们的关系，更不能用确定的表达式表示他们的关系，B，D错．
【答案】 C
3．对有线性相关关系的两个变量建立的回归直线方程＝＋x中，回归系数( )
A．不能小于0 B．不能大于0
C．不能等于0 D．只能小于0
【解析】 当＝0时，r＝0，这时不具有线性相关关系，但能大于0，也能小于0.
【答案】 C
4．四名同学根据各自的样本数据研究变量x，y之间的相关关系，并求得回归直线方程，分别得到以下四个结论：
①y与x负相关且＝2.347x－6.423；②y与x负相关且＝－3.476x＋5.648；③y与x正相关且＝5.437x＋8.493；④y与x正相关且＝－4.326x－4.578.
其中一定不正确的结论的序号是( )
A．①② B．②③
C.③④ D．①④
【解析】 由正负相关性的定义知①④一定不正确．
【答案】 D
5．某产品的广告费用x与销售额y的统计数据如下表：
广告费用x/万元
4
2
3
5
销售额y/万元
49
26
39
54
根据上表可得回归方程＝x＋中的为9.4，据此模型预报广告费用为6万元时，销售额为( )
A．63.6万元 B．65.5万元
C．67.7万元 D．72.0万元
【解析】 ＝(4＋2＋3＋5)＝3.5，
＝(49＋26＋39＋54)＝42，
所以＝－＝42－9.4×3.5＝9.1，
所以回归方程为＝9.4x＋9.1，
令x＝6，得＝9.4×6＋9.1＝65.5(万元)．故选B.
【答案】 B
二、填空题
6．若施化肥量x(千克/亩)与水稻产量y(千克/亩)的回归方程为＝5x＋250，当施化肥量为80千克/亩时，预计水稻产量为亩产________千克左右．
【解析】 当x＝80时，＝400＋250＝650.
【答案】 650
7．已知一个回归直线方程为＝1.5x＋45，x∈{1，7，5，13，19}，则＝________．
【解析】 因为＝(1＋7＋5＋13＋19)＝9，
且回归直线过样本中心点(，)，
所以＝1.5×9＋45＝58.5.
【答案】 58.5
8．调查了某地若干户家庭的年收入x(单位：万元)和年饮食支出y(单位：万元)，调查显示年收入x与年饮食支出y具有线性相关关系，并由调查数据得到y对x的回归直线方程：＝0.254x＋0.321.由回归直线方程可知，家庭年收入每增加1万元，年饮食支出平均增加________万元．
【解析】 由于＝0.254x＋0.321知，当x增加1万元时，年饮食支出y增加0.254万元．
【答案】 0.254
三、解答题
9．某工厂对某产品的产量与成本的资料分析后有如下数据：
产量x(千件)
2
3
5
6
成本y(万元)
7
8
9
12
(1)画出散点图；
(2)求成本y与产量x之间的线性回归方程．(结果保留两位小数)
【解】 (1)散点图如图所示．
(2)设y与产量x的线性回归方程为＝x＋，
＝＝4，＝＝9，
＝1.10，
＝y－＝9－1.10×4＝4.60.
∴回归方程为：＝1.10x＋4.60.
10．假设关于某设备的使用年限x(年)和所支出的年平均维修费用y(万元)(即维修费用之和除以使用年限)，有如下的统计资料：
使用年限x
2
3
4
5
6
维修费用y
2.2
3.8
5.5
6.5
7.0
(1)画出散点图；
(2)从散点图中发现使用年限与所支出的年平均维修费用之间关系的一般规律；
(3)求回归方程；
(4)估计使用年限为10年时所支出的年平均维修费用是多少？ 【导学号：28750043】
【解】 (1)画出散点图如图所示．
(2)由图可知，各点散布在从左下角到右上角的区域里，因此，使用年限与所支出的年平均维修费用之间成正相关，即使用年限越长，所支出的年平均维修费用越多．
(3)从散点图可以看出，这些点大致分布在一条直线的附近，因此，两变量呈线性相关关系．
由题表数据可得，x＝4，y＝5，xiyi＝112.3，x＝90，由公式可得＝＝1.23，＝y－＝5－1.23×4＝0.08.即回归方程是＝1.23x＋0.08.
(4)由(3)知，当x＝10时，＝1.23×10＋0.08＝12.38(万元)．
故估计使用年限为10年时所支出的年平均维修费用是12.38万元．
[能力提升]
1．(2014·湖北高考)根据如下样本数据
x
3
4
5
6
7
8
y
4.0
2.5
－0.5
0.5
－2.0
－3.0
得到的回归方程为＝bx＋a，则( )
A．a＞0，b＞0 B．a＞0，b＜0
C．a＜0，b＞0 D．a＜0，b＜0
【解析】 作出散点图如下：
观察图象可知，回归直线＝bx＋a的斜率b＜0，当x＝0时，＝a＞0.故a＞0，b＜0.
【答案】 B
2．工人工资y(元)与劳动生产率x(千元)的相关关系的回归方程为＝50＋80x，下列判断正确的是( )
A．劳动生产率为1 000元时，工人工资为130元
B．劳动生产率提高1 000元时，工人工资平均提高80元
C．劳动生产率提高1 000元时，工人工资平均提高130元
D．当月工资为250元时，劳动生产率为2 000元
【解析】 因为回归方程斜率为80，所以x每增加1，y平均增加80，即劳动生产率提高1 000元时，工人工资平均提高80元．
【答案】 B
3．期中考试后，某校高三(9)班对全班65名学生的成绩进行分析，得到数学成绩y对总成绩x的回归直线方程为＝6＋0.4x.由此可以估计：若两个同学的总成绩相差50分，则他们的数学成绩大约相差________分．
【解析】 令两人的总成绩分别为x1，x2.
则对应的数学成绩估计为
1＝6＋0.4x1，2＝6＋0.4x2，
所以|1－2|＝|0.4(x1－x2)|＝0.4×50＝20.
【答案】 20
4．从某居民区随机抽取10个家庭，获得第i个家庭的月收入xi(单位：千元)与月储蓄yi(单位：千元)的数据资料，算得 xi=80, yi=20, xi yi =184, +=720.
(1)求家庭的月储蓄y对月收入x的线性回归方程y=bx+a;?
(2)判断变量x与y之间是正相关还是负相关；?
（3）若该居民区某家庭月收入为7千元，预测该家庭的月储蓄.?
【解】 (1)由题意知n＝10，x＝i＝＝8，
y＝i＝＝2，
，
由此得b＝＝＝0.3，a＝－b＝2－0.3×8＝－0.4.
故所求线性回归方程为y＝0.3x－0.4.
(2)由于变量y的值随x值的增加而增加(b＝0.3>0)，故x与y之间是正相关．
(3)将x＝7代入回归方程可以预测该家庭的月储蓄为y＝0.3×7－0.4＝1.7(千元)．
