🔢 高中数学选择性必修第三册第八章 成对数据的统计分析成对数据散点图相关关系相关系数异常值

成对数据的相关关系

理解成对数据与相关关系,会借助散点图和样本相关系数判断线性相关的方向与强弱,并能辨析异常值、非线性和因果误读。

难度:★★★★★

💡学习时间越长,成绩一定越高吗

记录同一批学生的每周学习时间与测验成绩,会得到一组成对数据。散点图可能总体向右上方延伸,说明学习时间较长者往往成绩较高;但点不会全部落在一条直线上,因为基础、方法和睡眠等因素也在作用。

统计相关描述变量共同变化的趋势,不保证确定函数关系,更不能单凭相关就宣布因果。

🎯学习目标与考查重点
  • 理解每一对数据必须来自同一个观察对象。
  • 会绘制、阅读散点图,判断正相关、负相关和非线性形态。
  • 掌握样本相关系数的公式、范围与含义。
  • 知道相关系数只度量线性相关程度。
  • 能识别异常值、范围限制和混杂变量对结论的影响。

一、成对数据与散点图

对同一观察对象同时测量两个变量,得到 (xi,yi)(x_i,y_i),i=1,2,…,ni=1,2,\ldots,n,称为成对数据。配对关系不能打乱:若把一列数据重新排序,两个变量各自的均值和标准差不变,但相关结构可能完全改变。

以 xix_i 为横坐标、yiy_i 为纵坐标描点得到散点图。点云大致从左下向右上延伸,称为正相关;从左上向右下延伸,称为负相关;若没有明显方向,则线性相关较弱。应先画图再计算,因为图形能揭示弯曲趋势、分组结构和异常点。

相关关系不同于函数关系。同一个 xx 附近可以有多个不同的 yy,统计目标是描述总体趋势和不确定性,而不是为每个输入给出唯一输出。

二、样本相关系数

设样本均值为 xˉ,yˉ\bar x,\bar y,样本相关系数定义为

r=∑i=1n(xi−xˉ)(yi−yˉ)∑i=1n(xi−xˉ)2∑i=1n(yi−yˉ)2.r=\frac{\sum_{i=1}^n(x_i-\bar x)(y_i-\bar y)} {\sqrt{\sum_{i=1}^n(x_i-\bar x)^2}\sqrt{\sum_{i=1}^n(y_i-\bar y)^2}}.

公式要求两个变量都有非零离散程度;若所有 xix_i 完全相同或所有 yiy_i 完全相同,分母为零,相关系数无定义。总有 −1≤r≤1-1\le r\le1。

r>0r\gt0 表示正线性相关,r<0r\lt0 表示负线性相关。∣r∣|r| 越接近 11,点越贴近某条非水平直线;越接近 00,线性相关越弱。r=0r=0 只表示没有线性相关,仍可能存在明显的曲线关系,例如关于纵轴对称的抛物线型点云。

🔑

散点图判断形态,相关系数量化线性方向和强弱。两者必须结合:只看 rr 可能漏掉非线性、分组和异常值,只看图又难以精确比较线性强弱。

三、相关系数的性质与解释

对变量进行正比例缩放和平移,不改变相关强弱。若 X∗=aX+bX^*=aX+b、Y∗=cY+dY^*=cY+d,其中 a,ca,c 非零,则相关系数绝对值不变;当 ac>0ac\gt0 时符号不变,当 ac<0ac\lt0 时符号改变。因此把厘米换成米不会改变相关程度,把温度方向反向编码则会改变符号。

相关系数没有单位,因为分子与分母中的量纲相互抵消。它也不表示斜率:r=0.8r=0.8 不等于“xx 增加一,yy 增加 0.80.8”。斜率受变量单位影响,而相关系数不受正尺度单位转换影响。

评价“强”或“弱”应结合学科背景、样本量和数据质量,不能机械套统一阈值。样本很小时,较大的 ∣r∣|r| 也可能由偶然波动产生;测量范围很窄时,真实趋势可能被压缩得不明显。

四、异常值、分组与因果边界

相关系数对异常值敏感。一个远离点云的观测可能显著改变 rr 的大小甚至符号。发现异常点应回查录入、单位和测量过程;若它是真实个体,不应仅因不符合预期而删除,可报告包含与不包含该点的分析。

混合不同群体也可能产生误导。若把不同年级数据合并,总体相关方向可能与每个年级内部不同,因此要结合分层散点图。另有时间趋势时,两个都随年份增长的变量可能高度相关,却没有直接因果关系。

从相关推断因果至少还要考虑时间先后、混杂因素、反向作用和研究设计。随机对照实验通常比观察性数据更有利于因果判断;仅凭一个相关系数无法排除替代解释。

例 1原创基础例题:由中心化数据计算相关系数

四组数据的 xi−xˉx_i-\bar x 为 −3,−1,1,3-3,-1,1,3,yi−yˉy_i-\bar y 为 −2,−1,1,2-2,-1,1,2。求样本相关系数并解释。

✏️ 查看分步解析

分子为

(−3)(−2)+(−1)(−1)+1×1+3×2=14.(-3)(-2)+(-1)(-1)+1\times1+3\times2=14.

两个平方和分别为

9+1+1+9=20,4+1+1+4=10.9+1+1+9=20,\qquad4+1+1+4=10.

所以

r=142010=14102=7210≈0.990.r=\frac{14}{\sqrt{20}\sqrt{10}}=\frac{14}{10\sqrt2}=\frac{7\sqrt2}{10}\approx0.990.

这组数据呈很强的正线性相关,但 rr 接近 11 不等于四点严格共线,也不能单独证明因果。

例 2原创进阶例题:识别零相关的非线性

成对数据为 (−2,4),(−1,1),(0,0),(1,1),(2,4)(-2,4),(-1,1),(0,0),(1,1),(2,4)。不直接代入完整公式,说明相关系数为何为零,并解释散点图关系。

✏️ 查看分步解析

横坐标均值为 00,纵坐标均值为 22。分子为

∑xi(yi−2)=(−2)×2+(−1)×(−1)+0×(−2)+1×(−1)+2×2=0.\sum x_i(y_i-2)=(-2)\times2+(-1)\times(-1)+0\times(-2)+1\times(-1)+2\times2=0.

分母非零,因此 r=0r=0。但这些点全部位于 y=x2y=x^2 上,存在完全确定的非线性关系。结论应是“线性相关系数为零”,而不是“两变量没有任何关系”。

⚠️易错点
  • 成对数据必须保持对象对应,不能分别排序后再配对。
  • rr 只刻画线性相关,r=0r=0 不代表完全无关。
  • 相关系数不是回归斜率,也没有测量单位。
  • 异常值可能强烈影响 rr,应核查并透明报告处理方式。
  • 相关不等于因果,观察到共同变化不能自动确定作用方向。
🌏生活应用:运动时长与心率恢复

研究运动时长与心率恢复时间时,应对同一受试者记录一对数据,并先看散点图。年龄、训练水平和运动强度都可能同时影响两个变量,构成混杂因素。若点云显示弯曲或不同人群形成两团,单一相关系数不足以概括规律,应分层或考虑非线性模型,再谨慎解释结果。

五、自测与解析

1. 方向判断

散点图整体从左上向右下延伸,相关系数通常取什么符号?

✏️ 查看答案

通常为负,表示一个变量增大时另一个变量有减小的线性趋势。

2. 完全线性相关

所有点都落在直线 y=−3x+2y=-3x+2 上且横坐标不全相同,rr 等于多少?

✏️ 查看答案

斜率为负且完全共线,所以 r=−1r=-1。

3. 单位转换

把身高从厘米换成米,身高与体重的相关系数是否改变?

✏️ 查看答案

不改变。乘以正数 0.010.01 只改变尺度,不改变相关系数。

📺B 站视频讲解去 B 站观看「成对数据相关关系视频讲解」优质讲解视频 →