《回归分析的初步应用》教案示例.docVIP

《回归分析的初步应用》教案示例.doc

  1. 1、本文档共6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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《回归分析的初步应用》教案示例

选修1-2。第一章、统计案例 1、1回归分析的基本思想及其初步应用(第1课时)    一、教学内容分析 高中新课程中增加了有关统计学初步的内容,先后出现在必修3和选修1-2(文科)、选修2-3(理科)。《数学3》中的“统计”一章,给出了运用统计的方法解决问题的思路。在这一章中,学习了如何画散点图、利用最小二乘法的思想,利用计算器求回归直线方程、利用回归直线方程进行预报等内容。 本节课内容回归分析的基本思想及其初步应用, 是一种分析整理数据的方法,是在学习了必修三统计的基础上,通过实例的解决让学生进一步让学生经历数据处理的过程,体会统计方法的特点,认识统计方法的应用。。 同时让学生了解在大量的实际问题中,两个变量不一定都呈线性相关关系,他们可能呈指数关系或对数关系等非线性关系,本课时就是学习如何建立线性回归模型,在此的基础上,探索如何建立非线性关系的回归模型。  二、目标及目标分析 知识与技能 1.通过对典型案例的探究,进一步了解回归的基本思想,方法及初步应用. 2.能根据散点分布特点,建立不同的回归模型。 3.知道有些非线性模型通过变换可以转化为线性回归模型。 过程与方法 1. 让学生经历数据处理的过程,体会统计方法的特点,认识统计方法的应用。 2.通过将非线性模型转化为线性回归模型,使学生体会“转化”的思想。 3.培养学生的应用意识和解决实际问题的能力。 情感、态度与价值观 1.通过寻求有效的数据处理方法,开阔学生的思路,培养学生的探索精神和转化能力。 2.通过案例的分析,使学生了解回归分析在生活实际中的应用,增强数学“取之生活,用于生活”的意识,提高学习兴趣。  三、教学重点、难点 重点:线性回归模型的建立和线性回归系数的最佳估计值的探求方法.通过探究使学生体会有些非线性模型运用等量变换、对数变换可以转化为线性回归模型。 难点:相关性检验及回归分析基本思想的理解与应用,“对变量作适当的变换(等量变换、对数变换)”,变非线性为线性,建立线性回归模型。 四、教学方法:问题探究,动手操作 五、教学过程设计 环节一:创设情境 问题1:你能回忆一下建立回归模型的基本步骤吗? 回归分析的基本步骤: (1) 画出两个变量的散点图。 (2) 求回归直线方程。 (3) 用回归直线方程进行预报。 实例1.课本第3页习题1.1第一题 据统计1993年到2002年中国的国内生产总值(GDP)的数据如下(参看课本) 探究1:请结合以上数据,猜想他们的关系是什么? 探究2:你选择了什么样的回归模型?根据自己得到的模型,预报2003年的(GDP)? 环节二.学生活动 由学生思考,讨论交流。 (1)选择变量,画散点图。(2)通过计算器求得线性回归方程。 (3)给出于2003年的预报值,. 问题2:预报设值一定是实际值吗?误差是多少? 问题3:你认为你得到的模型能较好的刻画GDP和年份的关系吗? 环节三.建构数学模型 1.由学生解决的过程提出的问题,引入线性回归模型: 我们将Y=bx+a+e称为线性回归模型.解释变量x,预报变量y,e称为随机误差。 其中a+bx是确定性函数, ( 是随机误差 注:( 产生的主要原因: (1)所用确定性函数不恰当; (2)忽略了某些因素的影响; (3)观测误差。 2.线性回归模型应考虑的问题:  模型是否合理; 在合理的情况下,如何求a,b 3.线性回归方程: (1) 相关系数r: 相关系数的性质: ≤1,r0 正相关,r0 负相关; 越接近1,x,y的线性相关程度越强;越接近于0,x,y的线性相关程度越弱. 环节四:深入探究 问题4:结合以上公式探究,进一步阐述问题3的解决。 实例2:课本第9页例2. 背景介绍: 红铃虫喜高温高湿,适宜各虫态发育的温度为 25一32C,相对湿度为80%一100%,低于 20C和高于35C卵不能孵化,相对湿度60% 以下成虫不产卵。冬季月平均气温低于一4.8 ℃时,红铃虫就不能越冬而被冻死。 例2.现收集了一只红铃虫的产卵数y和温度x之间的7组观测数据列于下表: 温度xoC 21 23 25 27 29 32 35 产卵数y/个 7 11 21 24 66 115 325 (1)试建立y与x之间的回归方程;并预测温度为28oC时产卵数目。 (2)你所建立的模型中温度在多大程度上解释了产卵数的变化? 探究:给出数据,让学生分析两个变量的关系。类比前面所学过的建立线性回归模型的步骤,动手实施 方案1:(1)选择变量,画散点图。 (2)通过计算器求得线性回归方程:=19.87x-463.73 (3)进行回归分析和预测:R2=r2≈0.8642=0.7464 预测当气温为28 时,产卵数为92个。这个线性回归模型中温度解释了74.64%产卵数

文档评论(0)

busuanzi + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档