系数． yˆ 是为了区分 Y 的实际值 y ，当 x 取值 xi 时，变量 Y 的相应观察值为 yi ，而直线上对应于 xi 的纵坐标是 yˆi a bxi ． 设 x ，Y 的一组观察值为 (xi ，yi ) ， i 1，2 ，，n ，且回归直线方程为 yˆ a bx ，
当 x 取值 xi 时， Y 的相应观察值为 yi ，差 yi yˆi (i 1，2 ，，n) 刻画了实际观察值 yi 与回归 直线上相应点的纵坐标之间的偏离程度，称这些值为离差． 我们希望这 n 个离差构成的总离差越小越好，这样才能使所找的直线很贴近已知点．
但这些孩子的平均身高并没有他们父母的平均身高高；身材较矮的父母，他们的孩子也较矮，
但这些孩子的平均身高却比他们父母的平均身高高．Galton 把这种后代的身高向中间值靠近 的趋势称为“回归现象”．后来，人们把由一个变量的变化去推测另一个变量的变化的方法称 为回归分析．
②回归系数的推导过程：
Q [( yi a) bxi ]2 yi2 2a yi na2 2b xi yi 2ab xi b2 xi2
抽出办法：从元素个数为 N 的总体中抽取容量为 n 的样本，如果总体容量能被样本容量整 除，设 k N ，先对总体进行编号，号码从1 到 N ，再从数字1 到 k 中随机抽取一个数 s 作
n 为起始数，然后顺次抽取第 s k ，s 2k ，，s (n 1)k 个数，这样就得到容量为 n 的样 本．如果总体容量不能被样本容量整除，可随机地从总体中剔除余数，然后再按系统抽样 方法进行抽样． 系统抽样适用于大规模的抽样调查，由于抽样间隔相等，又被称为等距抽样． ⑶分层抽样：当总体有明显差别的几部分组成时，要反映总体情况，常采用分层抽样，使 总体中各个个体按某种特征分成若干个互不重叠的几部分，每一部分叫做层，在各层中按 层在总体中所占比例进行简单随机抽样，这种抽样方法叫做分层抽样．
变量的关系． 3．如果当一个变量的值变大时，另一个变量的值也在变大，则这种相关称为正相关；此时， 散点图中的点在从左下角到右上角的区域． 反之，一个变量的值变大时，另一个变量的值由大变小，这种相关称为负相关．此时，散点 图中的点在从左上角到右下角的区域． 散点图可以判断两个变量之间有没有相关关系． 4．统计假设：如果事件 A 与 B 独立，这时应该有 P( AB) P( A)P(B) ，用字母 H0 表示此式， 即 H0 : P( AB) P( A)P(B) ，称之为统计假设． 5． 2 （读作“卡方”）统计量： 统计学中有一个非常有用的统计量，它的表达式为 2 n(n11n22 n12n21)2 ，用它的大小可以
三．茎叶图
制作茎叶图的步骤： ①将数据分为“茎”、“叶”两部分； ②将最大茎与最小茎之间的数字按大小顺序排成一列，并画上竖线作为分隔线； ③将各个数据的“叶”在分界线的一侧对应茎处同行列出．
四．统计数据的数字特征
用样本平均数估计总体平均数；用样本标准差估计总体标准差．
数据的离散程序可以用极差、方差或标准差来描述．
独立性检验的基本思想与反证法类似，由结论不成立时推出有利于结论成立的小概率事件发 生，而小概率事件在一次试验中通常是不会发生的，所以认为结论在很大程度上是成立 的． 1．独立性检验的步骤：统计假设： H0 ；列出 2 2 联表；计算 2 统计量；查对临界值表， 作出判断． 2．几个临界值： P( 2 ≥ 2. 706) 0.10 ，P( 2 ≥ 3.841) 0.05 ，P( 2 ≥ 6.635) 0.01 ．
值．
n
xi yi nxy
解得： b i1
n
xi2 nx 2
(xi x )( yi y) ， a y bx ， (xi x )2
i 1
其中
y
1 n
yi
，
x
1 n
xi
是样本平均数．
9． 对相关系数 r 进行相关性检验的步骤：
①提出统计假设 H0 ：变量 x ，y 不具有线性相关关系；
分层抽样的样本具有较强的代表性，而且各层抽样时，可灵活选用不同的抽样方法， 应用广泛． 2．简单随机抽样必须具备下列特点： ⑴简单随机抽样要求被抽取的样本的总体个数 N 是有限的． ⑵简单随机样本数 n 小于等于样本总体的个数 N ． ⑶简单随机样本是从总体中逐个抽取的． ⑷简单随机抽样是一种不放回的抽样． ⑸简单随机抽样的每个个体入样的可能性均为 n ．
②如果以 95% 的把握作出推断，那么可以根据1 0.95 0.05 与 n 2 （ n 是样本容量）在相
n
样本标准差 s (x1 x )2 (x2 x )2 (xn x )2 n
简化公式：
s2
1 n
[(
x12
x22
xn2 )
nx 2 ] ．
五．独立性检验
1．两个变量之间的关系； 常见的有两类：一类是确定性的函数关系；另一类是变量间存在关系，但又不具备函数关系 所要求的确定性，它们的关系是带有一定随机性的．当一个变量取值一定时，另一个变量的 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． 2．散点图：将样本中的 n 个数据点 (xi ，yi )(i 1，2 ，，n) 描在平面直角坐标系中，就得到 了散点图． 散点图形象地反映了各个数据的密切程度，根据散点图的分布趋势可以直观地判断分析两个
极差 ②决定组距与组数：取组距，用 决定组数；
组距 ③决定分点：决定起点，进行分组； ④列频率分布直方图：对落入各小组的数据累计，算出各小数的频数，除以样本容量，得 到各小组的频率．
频率 ⑤绘制频率分布直方图：以数据的值为横坐标，以 的值为纵坐标绘制直方图，
组距 频率 知小长方形的面积＝组距× ＝频率． 组距 频率分布折线图：将频率分布直方图各个长方形上边的中点用线段连接起来，就得到频率分 布折线图，一般把折线图画成与横轴相连，所以横轴左右两端点没有实际意义． 总体密度曲线：样本容量不断增大时，所分组数不断增加，分组的组距不断缩小，频率分布 直方图可以用一条光滑曲线 y f (x) 来描绘，这条光滑曲线就叫做总体密度曲线．总体密度 曲线精确地反映了一个总体在各个区域内取值的规律．
xi2 nx 2
i 1
回归系数．
3．线性回归模型：将用于估计 y 值的线性函数 a bx 作为确定性函数； y 的实际值与估计
值之间的误差记为 ，称之为随机误差；将 y a bx 称为线性回归模型．
产生随机误差的主要原因有：
①所用的确定性函数不恰当即模型近似引起的误差；
②忽略了某些因素的影响，通常这些影响都比较小；
2 2 联表的独立性检验： 如果对于某个群体有两种状态，对于每种状态又有两个情况，这样排成一张 2 2 的表，如 下：
状态 B 状态 B ቤተ መጻሕፍቲ ባይዱ计
状态 A n11
n12
n1
状态 A n21
n22
n2
n1
n2
n
如果有调查得来的四个数据 n11 ，n12 ，n21 ，n22 ，并希望根据这样的 4 个数据来检验上述的两种 状态 A 与 B 是否有关，就称之为 2 2 联表的独立性检验．
n1 n2 n1n2 用来决定是否拒绝原来的统计假设 H0 ．如果 2 的值较大，就拒绝 H0 ，即认为 A 与 B 是有 关的． 2 统计量的两个临界值： 3.841、 6.635 ；当 2 3.841 时，有 95% 的把握说事件 A 与 B 有 关；当 2 6.635 时，有 99% 的把握说事件 A 与 B 有关；当 2 ≤ 3.841 时，认为事件 A 与 B 是无关的．
板块四.统计数据的数字特征
知识内容
一．随机抽样
1．随机抽样：满足每个个体被抽到的机会是均等的抽样，共有三种经常采用的随机抽样方 法： ⑴简单随机抽样：从元素个数为 N 的总体中不放回地抽取容量为 n 的样本，如果每一次抽 取时总体中的各个个体有相同的可能性被抽到，这种抽样方法叫做简单随机抽样． 抽出办法：①抽签法：用纸片或小球分别标号后抽签的方法． ②随机数表法：随机数表是使用计算器或计算机的应用程序生成随机数的功能生成的一张 数表．表中每一位置出现各个数字的可能性相同． 随机数表法是对样本进行编号后，按照一定的规律从随机数表中读数，并取出相应的样本的 方法． 简单随机抽样是最简单、最基本的抽样方法． ⑵系统抽样：将总体分成均衡的若干部分，然后按照预先制定的规则，从每一部分抽取一个 个体，得到所需要的样本的抽样方法．
i 1
i 1
n
xi yi nx y
i 1
n
n
( xi2 n(x)2 )( yi2 n( y)2 )
i 1
i 1
6．相关系数 r 的性质：
⑴ | r |≤1；
⑵ | r | 越接近于 1， x ，y 的线性相关程度越强；
⑶ | r | 越接近于 0， x ，y 的线性相关程度越弱．
可见，一条回归直线有多大的预测功能，和变量间的相关系数密切相关．
na2 2a(b xi yi ) b2 xi2 2b xi yi yi2 ，
把上式看成 a 的二次函数， a2 的系数 n 0 ，
因此当 a 2(b xi yi ) yi b xi 时取最小值．
2n
n
同理，把 Q 的展开式按 b 的降幂排列，看成 b 的二次函数，当 b xi yi a xi 时取最小 xi2
n
记 Q ( yi a bxi )2 ，回归直线就是所有直线中 Q 取最小值的那条． i 1
这种使“离差平方和为最小”的方法，叫做最小二乘法．
用最小二乘法求回归系数 a ，b 有如下的公式：
n
xi yi nxy
bˆ
i 1 n
， aˆ y bˆx ，其中 a ，b 上方加“ ^ ”，表示是由观察值按最小二乘法求得的
N 3．系统抽样时，当总体个数 N 恰好是样本容量 n 的整数倍时，取 k N ；
n 若 N 不是整数时，先从总体中随机地剔除几个个体，使得总体中剩余的个体数能被样本容