定性数据统计分析第六章课后答案，定性数据统计分析第三章课后答案

一、必修课我们所学的统计知识是： (1)数据的收集对抽样调查来说，最重要的是保证抽取的样本具有代表性。

抽样抽取常用的抽样方法有简单随机抽样，如抽签法、随机数字表法等。

)数据的数字特征和直观显示数据的数字特征包括百分点、方差、标准差等，数据的直观显示包括频率分布直方图、饼图等。

(3)用样本估计总体可以通过样本的频率分布估计总体的概率分布，通过样本的数字特征估计总体的数字特征。

二、本章需要掌握的内容有：两个统计案例：一元线性回归模型、独立性检验； 6个统计概念：相关关系、样本点中心、随机误差、残差、22列链表、独立性检验； 三种统计图：散点图、残差图、高堆积条形图； 四项统计数据：样本相关系数r、残差平方和、指标r方、独立性检验的随机变量x方； 一个方程：经验回归方程。

三、思想方法归纳1、归化和转化的思想化归化和转化是研究和解决数学问题时，运用某些手段转化问题进而解决问题的数学方法。 我们通过回归分析建立数学模型，实现了实际问题和数学问题之间的转化。

也可以通过函数转换将非线性回归分析转换为线性回归分析来解决。

2、数形结合的思想数形结合是将抽象的数学语言、数量关系与直观的几何图形、位置关系结合起来，达到简化复杂问题、具体化抽象问题、优化解题路径的目的。

回归分析利用散点图定性估计两个变量是否相关，利用残差图分析模型拟合效果，利用高堆积条形图判断两个相关变量的相关性。 在分析问题的过程中，利用频率分布直方图等统计图形，确定了统计问题的解决方向。 这些都体现了数形结合的妙计！ 四、归纳1，1 )回归分析基本思想回归分析是对两个相关变量进行统计分析的常用方法，其基本思想是利用采集的样本数据绘制散点图，观察散点变化趋势，根据经验和数学知识选择合适的回归曲线模型当残差平方和最小时，求解回归曲线方程中的待定系数，建立回归曲线方程，并利用该方程由解释变量得到预报变量的均值。

如果散点图中点几乎分布在直线附近，回归曲线可以选择直线。 这种回归分析的方法称为线性回归分析。

其基本思想是采用最小二乘法求解经验回归方程中的待定系数，使残差平方和最小。

回归分析的基本思想是用“最优”曲线拟合采集到的样本数据，其度量标准为“残差平方和”最小。

)2)解决线性回归分析问题的基本步骤绘制散点图，判断两个变量是否与线性相关。

当散点图中点近似分布在一条直线附近时，经验回归方程可为y=bx a； 用公式求回归系数和回归常数a，写出经验回归方程用我们建立的经验回归方程，用解释变量求预报变量的平均值，用数学知识为我们的现实生活服务。

)3)求线性回归方程的第一步是判断)绘制散点图，判断是否存在线性相关； 第二，计算：计算b、a的值，写出经验回归方程y=bx a； 第三，画直线：根据经验回归方程画经验回归直线。

进行回归分析时，必须注意以下几点。 确定线性相关关系的线性相关关系有两层含义。 一个是相关关系。 例如，广告费和销售量的关系等一定条件下存在相关关系。 二是具有线性相关关系。

判断是否为线性相关的直观依据是观察样本点的散点图。

2引起预报误差的主要原因对于线性回归模型y=bx a e，引起预报变量y的误差主要原因有两个。 一个是解释变量x，一个是随机误差e .3回归方程的预报精度回归方程的预报精度判断回归方程的预报精度通过计算残差平方和来进行，残差平方和越小方程的预报精度越高。

简而言之，线性回归分析就是建立经验回归方程预报变量。 用回归方程预报时，需要明确理解函数值。 这表明，当x取值时，真值在函数值附近，或者平均值在函数值附近，不能认为是真值。

判断四回归模型拟合效果回归模型拟合效果的过程也称为残差分析。 残差分析的方法有两种，一种是根据残差图表直观判断，另一种是计算相关指数r端的大小进行判断。

2 )独立性检验的基本思想和方法独立性检验的基本思想是：首先假设零假设H0，即两个分类变量无关，在此假设的基础上应用统计方法进行分析，得到统计量x端的值，利用统计学得出的各个阈值，我们的假设是否成立，以及假设

要进行独立性检查，必须注意并理解： (1)独立性检查适用于两个分类变量。

)两个分类变量是否相关的直观判断。

一个是根据22列连接表计算|ad-bc|，值越大两个变量的相关性越强。

二是观察高叠柱状图。 两个浓条的高度差越大，两变量的相关性越强。

)3)独立性检查是对两个分类变量是否有关系的可信度的判断，而不是对是否有关系的判断。

独立性检查的结论是在多大程度上把握和确认两个分类变量是否相关，而不是两个分类变量是否一定相关。