高二数学课件统计案例课件 新课标人教A版必修5.ppt

1.教学目标 通过典型案例的探究，进一步了解回归分 析的基本思想、方法及其初步应用。 通过典型案例的探究，了解独立性检验（只要求2×2列联表）的基本思想、方法及其初步应用。 2. 结构设置与课时分配 a. 比《数学3》中“回归”增加的内容 数学３——统计 画散点图 了解最小二乘法的思想 求回归直线方程 y＝bx＋a 用回归直线方程解决应用问题 选修１-２——统计案例 引入线性回归模型 y＝bx＋a＋e 了解模型中随机误差项e产生的原因 了解相关指数 R2 和模型拟合的效果之间的关系 了解残差图的作用 利用线性回归模型解决一类非线性回归问题 正确理解分析方法与结果 d.教学建议 散点图； 回归方程： 通过探究“身高172 cm 的女大学生的体重一定是60.23 kg吗？”引入线性回归模型。此处可以引导学生们体会函数模型与回归模型之间的差别。 散点图： 从散点图中可以看出产卵数和温度之间的关系并不能用线性回归模型来很好地近似。这些散点更像是集中在一条指数曲线或二次曲线的附近。 a.反证法原理与假设检验原理 反证法原理： 在一个已知假设下，如果推出一个矛盾，就证明了这个假设不成立。 假设检验原理：在一个已知假设下，如果一个与该假设矛盾的小概率事件发生，就推断这个假设不成立。 f.教学建议 1. 教学目标 在对具体问题的分析中，理解取有限值的离散型随机变量及其分布列的概念，认识分布列对于刻画随机现象的重要性。 通过实例，理解超几何分布及其导出过程，并能进行简单的应用。 2. 结构设置与课时分配 例1.秃头与患心脏病 在解决实际问题时，可以直接计算K2的观测值k进行独立检验，而不必写出K2的推导过程 。 本例中的边框中的注解，主要是使得学生们注意统计结果的适用范围（这由样本的代表性所决定）。 因为这组数据来自住院的病人，因此所得到的结论适合住院的病人群体． 例2.性别与喜欢数学课 本例主要是使学生理解独立性检验的原理。 在教学过程中向同学们说明：在掌握了两个分类变量的独立性检验方法之后，就可以模仿例1中的计算解决实际问题，而没有必要画相应的图形。 图形可帮助向非专业人士解释所得结果； 也可以帮助我们判断所得结果是否合理 独立性检验结束 第二章 随机变量及其分布简 介 在具体情景中，了解条件概率和两个事件相互独立的概念，理解n次独立重复试验的模型及二项分布，并能解决一些简单的实际问题。 通过实例，理解取有限值的离散型随机变量均值、方差的概念，能计算简单离散型随机变量的均值、方差，并能解决一些实际问题。 通过实际问题，借助直观，认识正态分布曲线的特点及曲线所表示的意义。 随机变量及其分布 （12学时） 二项分布及其应用 ︵4课时︶ 正态分布 ︵2课时︶ 离散型随机变量的 均值与方差︵3课时︶ 离散型随机变量及其分布列 ︵3课时︶ 3. 教材内容的变化与特点 知识的引入的变化: 注重利用学生熟悉的实例和具体情景，以引发学生的学习兴趣； 通过思考或探究栏目提出问题，以调动学生解决问题的积极性。 具体内容的变化： 以取有限值的离散型随机变量为载体； 增加了超几何分布。 知识的应用 体现概率统计的应用价值； 利用思考、探究等栏目提高学生解决实际问题能力。 例如：① 随机变量的引入 思考：抛一枚骰子，出现的点数可以用数字1， 2，3，4，5，6来表示，那么掷一枚硬币的结果是否也可以用数字来表示呢？ * 第一章 统计案例简 介 统计案例 （10课时） 独立性检验模型 （3课时） 回归分析模型 （4课时） 实习作业 （2课时） （4学时） 3.回归分析模型 b.函数模型与“回归模型”的关系 函数模型： 回归模型： 不能提供 选择模型的准则 可以提供 选择模型的准则 问题背景分析 线性回归模型 两个变量线性相关 最小二乘法 两个变量非线性相关 非线性回归模型 残差分析 相关指数 散点图 线性相关系数 应用 c.回归分析知识结构图 案例1：女大学生的 身高与体重 使学生理解：在回归模型中，预报变量（因变量）是解释变量（自变量）与残差变量共同作用的结果。 解释残差变量的来源(可以推广到一般）： 其它因素的影响：影响身高 y 的因素不只是体重 x，可能还包括遗传基因、饮食习惯、生长环境等因素； 用线性回归模型近似真实模型所引起的误差； 身高 y 的观测误差。 使学生正确理解相关指数的含义，他是度量模型拟合效果的一种指标。在线性模型中，他代表自变量刻画预报变量的能力。 总偏差平方和： 预报变量的变化程度 回归平方和： 解释变量引起的变化程度 残差平方和： 残差变量的变化程度 在线性模型中， 并不要求学生掌握 偏差平方和分解公式 可以直接由相关指数的定义理解其含义 使学生了解残差图的