1、“.....解释些实际问题，以及数据的变化趋势公式联系是进行残差分析的基础样本相关系数的具体计算公式公式作用反映两个变量之间线性相关关系的强弱当的绝对值接近时，表明两个变量的线性相关性越强当的绝对值接近时，表明两个变量之间几乎不存在线性相关关系规定当时，认为两个变量有很强的线性相关关系公式联系由于分子与回归方程中的斜率的分子样这也给出了公式的内在联系以及公式的记法，因此，当时，两个变量正反比例函数解决方案令，则，该式表示，的线性函数二次函数解决方案令，则原函数可变为，该式表示，的线性函数对数型函图如图所示，样本点并没则有，令，则原式可变为，其中和为常数，该式表示，的线性函数与幂函数不同的是保持不变，用的对数代替了的项指标和温度有关，现收集了组数据如下表温度项指标试建立项指标关于温度的回归模型，并判断你所建立的回归模型的拟合效果分析根据表中的数据画出散点图......”。

2、“.....挑选出与这些散点拟合最好的函数，然后利用变量置换，把非线性回归方程问题转化为线性回归方程的问题来解决，这是解决此类问题的通法，体现了转化思想案例分析例个昆虫中率约为答案巧解非线性回归问题如果题目所给样本点的分布不呈带状分布，即两个变量不呈线性关系，那么，就不能直接利用线性回归方程建立两个变量之间的关系，这时我们可以把散点图和已经学过的各种函数，如幂函数投篮命中率为解析小李这天的平均投篮命中率，可求得小李这天的平均打篮球时间根据表中数据可求得故线性回归方程为，将代入得号打小时篮球的投篮命间的关系，下表记录了小李月号到号每天打篮球时间单位小时与当天投篮命中率之间的关系时间命中率小李这天的平均投篮命中率为用线性回归分析的方法，预测小李该月号打小时篮球的中为偶数时，分布在两侧的样本点的个数可以不相同......”。

3、“.....分布在两侧的样本点的个数定相同直线过点，解析因为相关系数是表示两个变量是否具有线性相关关系的个值，它的绝对值越接近，两个变量的线性相关程度越强，所以„是变量和的个样本点，直线是由这些样本点通过最小二乘法得到的线性回归直线如图，以下结论中正确的是和的相关系数为直线的斜率和的相关系数则解析方法由散点图可以得出结论变量与正相关变量与负相关故答案二考查线性回归直线的性质例设与相对应的组数据为变量与相对应的组数据为，表示变量与之间的线性相关系数，表示变量与之间的线性相关系数，立性检验回归分析题型归纳相关关系是自然中普遍存在的关系，高考中对具有线性相关关系的考查已成为趋势，有的考查概念性质，更多是考查线性回归直线方程的实际应用，下面精选几例题型供赏析考查相关系数例变量系如果......”。

4、“.....就认为没有充分的证据说明变量和有关系像这种利用随机变量来确定在多大程度上可以认为两个分类变量有关系的方法称为两个分类变量的独到的观测值常与以下几个临界值加以比较如果，就有的把握认为两分类变量和有关系如果，就有的把握认为两分类变量和有关系如果，就有的把握认为两分类变量和有关的观察值较大，说明其发生无关系的概率很小，此时不接受假设，也就是两分类变量是有关系的称小概率事件发生如果的观察值较小，此时接受假设，说明两分类变量是无关系的其思想方法类似于数学上的反证法得其中此公式如何记忆，其特点是什么结合列联表理解显然所构造的随机变量与的大小具有致性性检验的思想方法如果的其中此公式如何记忆，其特点是什么结合列联表理解显然所构造的随机变量与的大小具有致性性检验的思想方法如果的观察值较大，说明其发生无关系的概率很小，此时不接受假设......”。

5、“.....此时接受假设，说明两分类变量是无关系的其思想方法类似于数学上的反证法得到的观测值常与以下几个临界值加以比较如果，就有的把握认为两分类变量和有关系如果，就有的把握认为两分类变量和有关系如果，就有的把握认为两分类变量和有关系如果，就有的把握认为两分类变量和有关如果，就认为没有充分的证据说明变量和有关系像这种利用随机变量来确定在多大程度上可以认为两个分类变量有关系的方法称为两个分类变量的性检验回归分析题型归纳相关关系是自然中普遍存在的关系，高考中对具有线性相关关系的考查已成为趋势，有的考查概念性质，更多是考查线性回归直线方程的实际应用，下面精选几例题型供赏析考查相关系数例变量与相对应的组数据为变量与相对应的组数据为，表示变量与之间的线性相关系数，表示变量与之间的线性相关系数......”。

6、“.....直线是由这些样本点通过最小二乘法得到的线性回归直线如图，以下结论中正确的是和的相关系数为直线的斜率和的相关系数在到之间当为偶数时，分布在两侧的样本点的个数定相同直线过点，解析因为相关系数是表示两个变量是否具有线性相关关系的个值，它的绝对值越接近，两个变量的线性相关程度越强，所以中为偶数时，分布在两侧的样本点的个数可以不相同，所以根据线性回归方程定经过样本中心点可知正确所以选答案三考查线性回归直线方程的应用例为了解篮球爱好者小李的投篮命中率与打篮球时间之间的关系，下表记录了小李月号到号每天打篮球时间单位小时与当天投篮命中率之间的关系时间命中率小李这天的平均投篮命中率为用线性回归分析的方法，预测小李该月号打小时篮球的投篮命中率为解析小李这天的平均投篮命中率，可求得小李这天的平均打篮球时间根据表中数据可求得故线性回归方程为......”。

7、“.....即两个变量不呈线性关系，那么，就不能直接利用线性回归方程建立两个变量之间的关系，这时我们可以把散点图和已经学过的各种函数，如幂函数指数函数对数函数二次函数等作比较，挑选出与这些散点拟合最好的函数，然后利用变量置换，把非线性回归方程问题转化为线性回归方程的问题来解决，这是解决此类问题的通法，体现了转化思想案例分析例个昆虫的项指标和温度有关，现收集了组数据如下表温度项指标试建立项指标关于温度的回归模型，并判断你所建立的回归模型的拟合效果分析根据表中的数据画出散点图，再由图设出相应的回归模型解画出散点图如图所示，样本点并没则有，令，则原式可变为，其中和为常数，该式表示，的线性函数与幂函数不同的是保持不变，用的对数代替了反比例函数解决方案令，则，该式表示，的线性函数二次函数解决方案令，则原函数可变为，该式表示......”。

8、“.....则原函数可变为，该式表示，的线性函数判断两个变量线性相关的方法由散点图判断两个变量线性相关例阿曼德匹萨是个制作和外卖意大利匹萨的餐饮连锁店，其主要客户群是在校大学生，为研究各店铺季度的销售额与店铺附近地区大学生人数的关系，随机抽取十个分店的样本，得到数据如下店铺编号区内大学生数万人季度销售额万元画出散点图，并判断各店铺该季度的销售额与店铺附近地区大学生人数是否具有线性相关关系若具有线性相关关系，求回归直线方程，然后再进步根据回归直线方程预测个区内大学生有万人的店铺的季度销售额分析先根据表中的数据画出散点图，然后判断是否具有线性相关关系，若具有线性相关关系，再根据所给的数据求出线性回归方程，最后进行预测解散点图如图所示由散点图可以看出这些点分布在条直线的附近所以各店铺该季度的销售额与店铺附近地区大学生人数具有线性相关关系由表中数据可知，所以因此回归直线方程是当时......”。

9、“.....这要求同学们具备定的数据分析推测能力通过学习，体会数据收集分析在现实生活中的作用二由样本相关系数判断两个变量线性相关例年月日青海省玉树县发生级大地震，为了抗震救灾，工厂需大批生产帐篷支援灾区，工厂为了规定工时定额，需要确定加工帐篷所花费的时间，为此进行了次试验，测得的数据如下帐篷数顶加工时间小时试问对与进行相关性检验如果与具有线性相关关系，求出回归直线方程分析可通过计算相关系数判断与是否具有相关关系，如果与具有相关关系可将有关数据代入公式求得回归直线方程解作统计假设与不具有线性相关关系由小概率与在附表中查得根据已知数据，可求得，，因此④，即从而有的把握认为与之间具有线性相关关系，因而求回归直线方程是有意义的设所求的回归直线方程为，则有，因此......”。