4．正常情况下，年龄在18岁到38岁的人们，体重y(kg)依身高x(cm)的回归方程为y=0.72x-58.5。张红红同学不胖不瘦，身高1米78，他的体重应在　　　　 kg左右。

3．设有一个回归方程为y=2-1.5x，则变量x每增加一个单位时，y平均　　 (　 )

A．增加1.5单位　　 B．增加2单位　　 C．减少1.5单位　　 D．减少2单位

2．某市纺织工人的月工资(元)依劳动生产率(千元)变化的回归方程为y=50+80x，则下列说法中正确的是　　　　　　　　　　　　　 　　　　　　　　　　(　 )

A．劳动生产率为1000元时，月工资为130元

B．劳动生产率提高1000元时，月工资提高约为130元

C．劳动生产率提高1000元时，月工资提高约为80元

D．月工资为210元时，劳动生产率为2000元

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

2．经典回放：

例1：下列各组变量哪个是函数关系，哪个是相关关系？

(1)电压U与电流I

(2)圆面积S与半径R

(3)自由落体运动中位移s与时间t

(4)粮食产量与施肥量

(5)人的身高与体重

(6)广告费支出与商品销售额

分析：函数关系是一种确定关系；而相关关系是一种非确定关系；函数关系是自变量与因变量之间的关系，这种关系是两个非随机变量的关系；而相关关系是非随机变量与随机变量的关系。

解：前三小题中一个变量的变化可以确定另一个变量的变化，两者之间是函数关系。

对于粮食与施肥量，两者确实有非常密切的关系，实践证明，在一定的范围内，施肥量越多，粮食产量就越高，但是，施肥量并不能完全确定粮食产量，因为粮食产量还与其他因素的影响有关，如降雨量、田间管理水平等。因此，粮食与施肥量之间不存在确定的函数关系。

人的身高与人的体重也密切相关，一般来说，一个人的身高越高，体重也越重，但同样身高的人，其体重不一定相同，身高和体重这两个变量之间并不是严格的函数关系。

广告费支出与商品销售额有密切的关系，但广告费的支出不能完全决定商品的销售额。由此可见，后三小题各对变量之间的关系是相关关系。

点评：不要认为两个变量间除了函数关系，就是相关关系，事实是上，两个变量间可能毫无关系。比如地球运行的速度与某个人的行走速度就可认为没有关系。

例2：已知10只狗的血球体积及红血球的测量值如下：

x(血球体积，mm)，y(血红球数，百万)

(1)画出上表的散点图;(2)求出回归直线并且画出图形。

解：(1)见下图

(2)

设回归直线为，

则，

所以所求回归直线的方程为，图形如下:

点评：对一组数据进行线性回归分析时，应先画出其散点图，看其是否呈直线形，再依系数a、b的计算公式，算出a、b．由于计算量较大，所以在计算时应借助技术手段，认真细致，谨防计算中产生错误．求线性回归方程的步骤：计算平均数；计算的积，求；计算；将结果代入公式求a；用 求b；写出回归方程。

[同步训练]

2．求回归直线方程的思想方法

观察散点图的特征，发现各点大致分布在一条直线的附近，思考：类似图中的直线可画几条？

引导学生分析，最能代表变量x与y之间关系的直线的特征：即n个偏差的平方和最小，其过程简要分析如下：

设所求的直线方程为，其中a、b是待定系数。

则，于是得到各个偏差。

显见，偏差的符号有正负，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

表示n个点与相应直线在整体上的接近程度。

记。

上述式子展开后，是一个关于a，b的二次多项式，应用配方法，可求出使Q为最小值时的a，b的值，即

其中

以上方法称为最小二乘法。

1．相关关系的概念

在实际问题中，变量之间的常见关系有两类：

一类是确定性函数关系，变量之间的关系可以用函数表示。例如正方形的面积S与其边长之间的函数关系(确定关系)；

一类是相关关系，变量之间有一定的联系，但不能完全用函数来表达。例如一块农田的水稻产量与施肥量的关系(非确定关系)

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。

相关关系与函数关系的异同点：

相同点：均是指两个变量的关系。

不同点：函数关系是一种确定关系；而相关关系是一种非确定关系；函数关系是自变量与因变量之间的关系，这种关系是两个非随机变量的关系；而相关关系是非随机变量与随机变量的关系。

1．解析视屏：

2．学法指导：

①求回归直线方程，首先应注意到，只有在散点图大致呈线性时，求出的回归直线方程才有实标意义．否则，求出的回归直线方程毫无意义．因此，对一组数据作线性回归分析时，应先看其散点图是否成线性．

②求回归直线方程，关键在于正确地求出系数a、b，由于求a、b的计算量较大，计算时仔细谨慎、分层进行，避免因计算产生失误．

③回归直线方程在现实生活与生产中有广泛的应用．应用回归直线方程可以把非确定性问题转化成确定性问题，把“无序”变为“有序”，并对情况进行估测、补充．因此，学过回归直线方程以后，应增强学生应用回归直线方程解决相关实际问题的意识．

[教师在线]

1．学习目标：

了解非确定性关系中两个变量的统计方法；掌握散点图的画法及在统计中的作用，掌握

回归直线方程的求解方法。