2017年高中数学 第一章 统计 1.8 最小二乘估计教案 北师大版必修3.docVIP

§8　最小二乘估计 教学分析　　　　　 教科书通过思考交流引入了最小二乘法，进一步提出了线性回归方程，在探索用多种方法确定线性回归直线的过程中，向学生展示创造性思维的过程，帮助学生理解最小二乘法的思想．通过气温与饮料销售量的例子及随后的思考，使同学们了解利用线性回归方程解决实际问题的全过程，体会线性回归方程作出的预测结果的随机性和并且可能犯的错误．进一步，教师可以利用计算机模拟和多媒体技术，直观形象地展示预测结果的随机性和规律性． 三维目标　　　　　 经历用不同估算方法描述两个变量线性相关的过程．了解最小二乘法的思想，能根据给出的线性回归方程的系数公式建立线性回归方程． 重点难点　　　　　 教学重点：求线性回归方程，以及线性回归分析． 教学难点：确定线性回归系数． 课时安排　　　　　 1课时 导入新课　　　　　 思路1.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．比如说：某某同学的数学成绩与物理成绩，彼此是互相联系的，但不能认为数学是“因”，物理是“果”，或者反过来说．事实上，数学成绩和物理成绩都是“果”，而真正的“因”是学生的理科学习能力和努力程度．所以说，函数关系存在着一种确定性关系，但还存在着另一种非确定性关系——相关关系．为表示这种相关关系，我们接着学习两个变量的线性相关——回归直线及其方程． 思路2.某小卖部为了了解热茶销售量与气温之间的关系，随机统计并制作了某6天卖出热茶的杯数与当天气温的对照表： 气温/ ℃ 26 18 13 10 4 －1 杯数 20 24 34 38 50 64 如果某天的气温是－5 ℃，你能根据这些数据预测这天小卖部卖出热茶的杯数吗？为解决这个问题，我们接着学习两个变量的线性相关——回归直线及其方程． 推进新课　　　　　 1．画散点图的步骤是什么？ 2．正、负相关的概念是什么？ 3．什么是线性相关？ 4．观察下面人体的脂肪含量百分比和年龄的散点图，当人的年龄增加时，体内脂肪含量到底是以什么方式增加的呢？ 图1 5．什么叫作回归直线？ 6．如何求回归直线的方程？什么是最小二乘法？ 7．利用计算机如何求线性回归方程？ 活动：学生回顾，再思考或讨论，教师及时提示指导． 讨论结果： 1．建立相应的平面直角坐标系，将各数据在平面直角坐标系中的对应点画出来，得到表示两个变量的一组数据的图形，这样的图形叫作散点图． 2．如果散点图中的点散布在从左下角到右上角的区域内，称为正相关．如果散点图中的点散布在从左上角到右下角的区域内，称为负相关． 3．如果所有的样本点都落在某一直线附近，变量之间就有线性相关的关系． 4．大体上来看，随着年龄的增加，人体中脂肪含量的百分比也在增加，呈正相关的趋势，我们可以从散点图上来进一步分析． 5．从散点图上可以看出，这些点大致分布在通过散点图中心的一条直线附近．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．如果能够求出这条回归直线的方程(简称回归方程)，那么我们就可以比较清楚地了解年龄与体内脂肪含量的相关性．就像平均数可以作为一个变量的数据的代表一样，这条直线可以作为两个变量具有线性相关关系的代表． 6．从散点图上可以发现，人体的脂肪含量百分比和年龄的对应点，大致分布在通过散点图中心的一条直线附近． 那么，我们应当如何具体求出这个回归方程呢？ 有的同学可能会想，我可以采用测量的方法，先画出一条直线，测量出各点与它的距离，然后移动直线，到达一个使距离的和最小的位置，测量出此时直线的斜率和截距，就可得到回归方程了．但是，这样做可靠吗？ 有的同学可能还会想，在图中选择这样的两点画直线，使得直线两侧的点的个数基本相同．同样地，这样做能保证各点与此直线在整体上是最接近的吗？ 还有的同学会想，在散点图中多取几组点，确定出几条直线的方程，再分别求出各条直线的斜率、截距的平均数，将这两个平均数当成回归方程的斜率和截距． 同学们不妨去实践一下，看看这些方法是不是真的可行？ (学生讨论：1.选择能反映直线变化的两个点.2.在图中放上一根细绳，使得上面和下面点的个数相同或基本相同.3.多取几组点对，确定几条直线方程．再分别算出各个直线方程斜率、截距的算术平均值，作为所求直线的斜率、截距．)教师：分别分析各方法的可靠性．如图2、图3、图4： 图2　图3 图4 上面这些方法虽然有一定的道理，但总让人感到可靠性不强． 实际上，求回归方程的关键是如何用数学的方法来刻画“从整体上看，各点与此直线的距离最小”．人们经过长期的实践与研究，已经得出了计算回归方程的斜率与截距的一般公式 这样得到的直线方程y＝a＋bx称为线性回归方程，a，b是线性回归方程的系数． 推导以上公式的计算比较复杂，