知识要点详细说明

1．相关分析

当变量赋值一定时，自变量的赋值含有一定的偶然性，则这两个自变量中间的关联称为相关分析．即相关分析是一种非可预测性关联．

当一个自变量的值由小增大时，另一个自变量的值也由小增大，则这两个自变量正网有关；

当一个自变量的值由小增大时，而另一个自变量的值由大缩小，则这两个自变量成反比.

【留意】相关分析与函数关系的不同点点：

相同点：二者全是指2个自变量间的关联．

不同之处：函数关系是一种可预测性关联，反映的是逻辑关系；而相关分析是一种非可预测性关联，反映的不一定是逻辑关系，可能是随着关联．

2．散点图

从散点图上看，点散播在从左下方到右上方的地区内，2个自变量的这类相关分析称之为成正比，点散播在从左上方到右下方的地区内，2个自变量的相关分析为成反比．

具备成正比关联的2个自变量的散点图如图所示1，具备成反比关联的2个自变量的散点图如图2.

3．多米回归分析

假如散点图圆心的遍布从总体上看大概在一条平行线周边，则这两个自变量中间具备线性相关关联，这条平行线称为回归直线．

回归直线相匹配的方程组称为重归直线方程(通称线性回归方程)．

4．线性回归方程的求得

5．相关系数r

（1）样版相关系数r的计算方法

6．非线性回归剖析

对一些独特的离散系统关联，能够根据自变量变换，把非线性回归难题转换成线性回归难题，随后用线性回归的方式开展科学研究．

在很多的具体难题中，所科学研究的两网个自变量不一定都呈线性相关关联，当两自变量y与x不具备线性相关关联时，要依靠散点图，与已学过的涵数(如对数函数、对数函数、幂函数等)的图像相较为，寻找适合的函数模型，运用自变量代用转换为线性函数关联，进而使难题得到处理．

7．描绘重归实际效果的方法

考向剖析

考向一相关分析的分辨

考向二线形线性回归方程及运用

考向三离散系统线性回归方程及运用

求离散系统线性回归方程的流程网：

1．明确自变量，做出散点图．

2．依据散点图，挑选适当的拟合函数．

3．自变量换置，根据自变量换置把非线性回归难题转换为线性回归难题，并算出线形线性回归方程．

4．剖析线性拟合实际效果：根据测算相关指数或画残差图来分辨线性拟合实际效果．

5．依据相对应的转换，写下离散系统线性回归方程．