教学设计3(0).docVIP

3.1回归分析的基本思想及其初步应用 一、教材分析 本节是选修2—3统计案例的第一小节，前面研究了随机抽样的方法及数据收集、用样本的数据特征估计总体、线性相关关系等。本节课主要研究如何系统地处理数据，是对前面统计知识的综合运用，课时为3个课时。 教材编写，通过对对具有相关关系的一组变量中应变量发展趋势的预测估计能力。感受数学对实际生活的需要，体现了统计的思想及其在实际问题中的应用价值，真正体会数学知识与现实生活的联系。 二、学情分析 1、学生已有的基础知识 通过初中和高中必修3对统计知识的学习，对统计的知识有一定的了解，能够很好的通过绘图、列表的方法对统计问题进行分析。 2、学生学习的困难 学生的生活经验不足，可能影响解决实际问题的能力，特别是模型参数的估计。 三、教学目标 1、知识和技能 能识别两个量间是确定关系还是相关关系。 会画散点图，并能利用散点图判断是否是线性回归直线。 知道如何系统地处理数据。掌握回归分析的一般步骤。 能利用EXCEL表格处理数据，求解线性回归方程。 了解最小二乘法的思想，会根据给出的公式求解线性回归方程。 培养收集数据、处理数据的能力；对具有相关关系的一组变量中应变量发展趋势的预测估计能力。 2、过程与方法 ①使学生在经历较为系统的数据处理过程中学会如何处理数据。 ②提高学生运用所学知识与方法，运用现代化信息技术解决实际问题的能力。 3、情感态度与价值观 感受数学对实际生活的需要，体现了统计的思想及其在实际问题中的应用价值，真正体会数学知识与现实生活的联系。 四、教学的重点 运用线性回归的基本思想，运用EXCEL表格处理数据，求解回归方程。 五、教学难点 利用最小二乘法估计参数值的推导过程。 六、教学方法 讨论式和启发式相结合 七、设计的思想 充分的利用现代信息技术，吸引学生的感官。 八、教学过程 1、回顾知识 对于一组具有线性相关关系的数据 我们知道其回归直线的斜率和截距的最小二乘法估计分别为 其中，，称为样本的中心（回归直线过样本中心） 2、呈现问题 客观事物是相互联系的过去研究的大多数是因果关系，但实际上更多存在的是一种非因果关系，不如说：某某同学的数学成绩与物理成绩，彼此是相互联系，但不能认为数学是“因”，物理是“果”，或者反过来说，事实上数学和物理成绩都是“果”，而真正的“因”是学生学习能力和努力程度，所以说，函数关系是一种确定性关系，但还存在另一种非确定性关系_____相关关系 比如：①粮食的产量和施肥的数量，在一定程度上有没有关系呢？若有关系，是怎样的关系呢？ ②广告与产品销售量之间，在一定程度上有没有关系呢？若有关系，是怎样的关系呢？ 例1 下表是我们班8名女大学生的身高和体重数据如下表： 编号 1 2 3 4 5 6 7 8 9 10 11 12 身高 152.4 151.30 151.1 148.2 151.3 150.3 165 159.5 161.2 165.7 160.9 150.3 体重 37.5 48.50 43.5 42.30 45 46.6 48.8 45.7 49.9 49.3 49.5 46.2 求根据女大学生的身高预报体重的回归方程，并预报一名身高为164㎝的女大学生的体重。 解：由于问题中要求根据身高预报体重，因此选取身高为自变量，体重为因变量。 做散点图： 从图中可以看出，样本点呈条状分布，身高和体重有比较好的线性相关关系，因此可以用回归直线 来近似的刻画它们之间的关系。根据探究中的公式（1）和（2），可以得到 于是得到回归方程 当时，说明具有正线性关系。 当=172㎝时 问题一 身高为172cm的女大学生的体重一定是60.316吗？为什么？ 看图像： 由于所有的样本点不共线，而只是散布在某一条直线的附近，所以身高和体重的关系可以用线性回归模型 来表示，这里的和为模型的未知参数，是与之间误差，通常为随机变量，称为随机误差，它的均值，方差，这样线性回归模型的完整表达式为 问题二 产生误差的原因是什么？ 一个人的体重值除了受身高的影响外，还受其他许多因素的影响，如饮食习惯、是否喜欢运动、度量误差等，事实上，我们无法知道身高和体重之间的确切关系是什么，这里只是利用线性回归方程来近似这种关系，这种近似以及上面提到的影响因素都是产生随机误差的原因。 问题三 如何发现数据中的错误？如何衡量模型的拟合效果？ 可以通过残差分析发现原始数据中的可疑数据，判断所建立模型的拟合效果，如下表： 编号 1 2 3 4 5 6 7 8 9 10 11 12 身高 152.4 151.30 151.1 148.2 15