2017年高中数学 2.3.2 两个变量的线性相关教案 新人教B版必修3.docVIP

高中数学 2.3.2 两个变量的线性相关教案 新人教B版必修3 教学分析　　　　　 由于用具体的例子来解释线性回归容易理解，所以建议以实际例子引入，让学生用散点图直观认识两个变量的相关关系，让学生尝试找到最佳的近似直线． 值得注意的是：求回归直线方程，通常是用计算器来完成的，在很多函数型科学计算器中，可通过直接按键得出线性回归方程的系数，教科书中给出了操作过程，而如果要用一般的科学计算器进行计算，则要先列出相应的表格． 三维目标　　　　　 1．经历用不同估算方法描述两个变量线性相关的过程，会建立线性回归方程． 2．能利用回归方程估计变量的值，提高学生解决问题的能力． 3．通过对数据的分析，增强学生的社会实践能力． 重点难点　　　　　 教学重点：会求线性回归方程，并进行线性回归分析，体会最小二乘法的思想． 教学难点：用最小二乘法求线性回归方程． 课时安排　　　　　 1课时 导入新课　　　　　 思路1.根据一组观测到的数据确定变量x与y之间是线性相关关系，如果x取一个值，那么怎样估计变量y的值呢？教师点出课题． 思路2.如果散点图中各点在一条直线附近，那么这两个变量具有线性相关关系，那么怎样求出这条直线方程呢？教师点出课题． 推进新课　　　　　 ①变量x与y的散点图如下图所示，如果近似成线性关系的话，请画出一条直线来近似地表示这种线性关系． ②同学们也可以自己尝试制定标准来画出近似直线，关键在于这一标准是否合理，是否能够得到最佳的近似直线(最优拟合直线)． ③怎样确定a与b呢？ ④写出求回归直线方程的算法． 讨论结果： ①根据不同的标准，可以画出不同的直线来近似表示这种线性相关关系，比如可以连接最左侧点和最右侧点得到一条直线(图1)，或者让画出的直线上方的点和下方的点数目相等(图2)。 　　　　 图1　　　　　　　　 　　　　　　　　　图2 ②由图可见，所有数据点都分布在一条直线附近．显然这样的直线还可以画出许多条，而我们希望找出其中的一条，它能最好地反映x与Y之间的关系．换言之，我们要找出一条直线，使这条直线“最贴近”已知的数据点．记此直线方程为 ＝a＋bx① 这里在y的上方加记号“Y”，是为了区分Y的实际值y，表示当x取值xi(i＝1,2，…，6)时，Y相应的观察值为yi，而直线上对应于xi的纵坐标是i＝a＋bxi.①式叫做Y对x的回归直线方程，b叫做回归系数，要确定回归直线方程①，只要确定a与回归系数b. ③下面我们来研究回归直线方程的求法，设x，Y的一组观察值为(xi，yi) i＝1,2，…，n，且回归直线方程为＝a＋bx. 当x取值xi(i＝1,2，…，n)时，Y的观察值为yi，差yi－i(i＝1,2，…，n)刻画了实际观察值yi与回归直线上相应点纵坐标之间的偏离程度，如下图所示． 我们希望这n个离差构成的总离差越小越好，才能使所找的直线很贴近已知点． 一个自然的想法是把各个离差加起来作为总离差．可是，由于离差有正有负，直接相加会相互抵消，这样就无法反映这些数据点的贴近程度，即这个总离差不能用n个离差之和(yi－i)来表示，通常是用离差的平方和，即 Q＝(yi－a－bxi)2 作为总离差，并使之达到最小．这样，回归直线就是所有直线中Q取最小值的那一条．由于平方又叫二乘方，所以这种使“离差平方和为最小”的方法，叫做最小二乘法． 用最小二乘法求回归直线方程中的a，b有下面的公式： ＝，＝－，其中a，b的上方加“y”，表示是由观察值按最小二乘法求得的估计值，也叫回归系数，，求出后，回归直线方程就建立起来了． ④算法： S1　列表：序号 x Y x2 xy 1 2 3 … … … … … n ∑ 　　S2　计算，的值． ＝，＝－， S3　写出回归直线方程＝x＋. 思路1 1某小卖部6天卖出热茶的杯数与当天气温之间是线性相关的．数据如下表：温度t/℃ 26 18 13 10 4 －1 杯数Y 20 24 34 38 50 64 试用最小二乘法求出线性回归方程． 解：从散点图中可以看出，表中的两个变量是线性相关的． 先列表求出＝，＝，其他数据如下表．序号 x Y x2 xy 1 26 20 676 520 2 18 24 324 432 3 13 34 169 442 4 10 38 100 380 5 4 50 16 200 6 －1 64 1 －64 合计 70 230 1 286 1 910 　　进而，可以求得＝≈－1.648，＝－≈57.557. 于是，线性回归方程为＝57.557－1.648x. 点评：利用＝－求得的值，则有＝＋，所以求得的线性回归方程＝x＋必过点(，)．变式训练 　假设关于某设备的使用年限x和所支出的