新课标高中数学选修1-2全册学案.doc

  1. 1、本文档共77页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
 新课标高中数学选修1-2全册学案

学校: 临清一中 学科:数学 编写人:金荣辉 审稿人: 贾志安 统计案例 回归分析的基本思想及初步应用 1.1.1线性回归的思想方法及应用 课前预习学案1.回归直线:如果散点图中点的分布从整体上看大致在一条直线附近,我们就称这两个变量之间具有线性相关关系,这条直线叫作回归直线。求回归直线方程的一般步骤:.研究某灌溉渠道水的流速 与水深 之间的关系,测得一组数据如下: 水深 1.40 1.50 1.60 1.70 1.80 1.90 2.00 2.10 流速 1.70 1.79 1.88 1.95 2.03 2.10 2.16 2.21 (1)求 对 的回归直线方程;(2)预测水深为1.95 时水的流速是多少?[来源:Z_xx_k.Com]作散点图求回归直线方程利用方程进行预报. 3. 典型例题: 例1 从某大学中随机选取8名女大学生,其身高和体重数据如下表所示: 编 号  1  2  3  4  5  6  7  8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54[来源:Zxxk.Com]教师演示学生整理) 评注:事实上,观察上述散点图,我们可以发现女大学生的体重和身高之间的关系并不能用一次函数来严格刻画(因为所有的样本点不共线,所以线性模型只能近似地刻画身高和体重的关系). 在数据表中身高为165cm的3名女大学生的体重分别为48kg、57kg和61kg,如果能用一次函数来描述体重与身高的关系,那么身高为165cm的3名女在学生的体重应相同. 这就说明体重不仅受身高的影响还受其他因素的影响,把这种影响的结果(即残差变量或随机变量)引入到线性函数模型中,得到线性回归模型,其中残差变量中包含体重不能由身高的线性函数解释的所有部分. 当残差变量恒等于0时,线性回归模型就变成一次函数模型. 因此,一次函数模型是线性回归模型的特殊形式,线性回归模型是一次函数模型的一般形式. 4.相关系数:相关系数的绝对值越接近于1,两个变量的线性相关关系越强,它们的散点图越接近一条直线,这时用线性回归模型拟合这组数据就越好,此时建立的线性回归模型是有意义. 5. 小结:求线性回归方程的步骤、线性回归模型与一次函数的不同. 课后练习与提高 1.对具有相关关系的两个变量统计分析的一种常用的方法是(   )A.回归分析   B.相关系数分析   C.残差分析   D.相关指数分析2.在画两个变量的散点图时,下面叙述正确的是(   )A.预报变量在 轴上,解释变量在 轴上  B.解释变量在 轴上,预报变量在 轴上C.可以选择两个变量中任意一个变量在 轴上D.可以选择两个变量中任意一个变量在 轴上3.两个变量相关性越强,相关系数 (   )A.越接近于0     B.越接近于1   C.越接近于-1   D.绝对值越接近14.若散点图中所有样本点都在一条直线上,解释变量与预报变量的相关系数为(   )  A.0   B.1     C.-1     D.-1或15.一位母亲记录了她儿子3到9岁的身高,数据如下表: 年龄(岁) 3 4 5 6 7 8 9 身高( 94.8 104.2 108.7[来源:学§科§网Z§X§X§K] 117.8 124.3 130.8 139.0 由此她建立了身高与年龄的回归模型 ,她用这个模型预测儿子10岁时的身高,则下面的叙述正确的是(   )A.她儿子10岁时的身高一定是145.83   B.她儿子10岁时的身高在145.83 以上C.她儿子10岁时的身高在145.83 左右D.她儿子10岁时的身高在145.83 以下作散点图求回归直线方程利用方程进行预报.[来源:Z#xx#k.Com][来源:学科网]教师演示学生整理)  第一步:作散点图 第二步:求回归方程 第三步:代值计算 ② 提问:身高为172cm的女大学生的体重一定是60.316kg吗? 不一定,但一般可以认为她的体重在60.316kg左右. ③ 解释线性回归模型与一次函数的不同 事实上,观察上述散点图,我们可以发现女大学生的体重和身高之间的关系并不能用一次函数来严格刻画(因为所有的样本点不共线,所以线性模型只能近似地刻画身高和体重的关系). 在数据表中身高为165cm的3名女大学生的体重分别为48kg、57kg和61kg,如果能用一次函数来描述体重与身高的关系,那么身高为165cm的3名女在学生的体重应相同. 这就说明体重不仅受身高的影响还受其他因素的影响,把这种影响的结果(即残差变量或随机变量)引入到线性函数模型中,得到线性回归模型,其中残差变量中包含体重不能由身高的线性函数解释的

您可能关注的文档

文档评论(0)

tfbbs2 + 关注
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档