2.4“线性回归方程”教案（1）.docVIP

2.4《线性回归方程》教案(1) 教学目标: （1）收集现实问题中两个有关联变量的数据作散点图，利用散点图直观认识变量间的相关关系； （2）在两个变量具有线性相关关系时，在散点较长中作出线性直线，用线性回归方程进行预测； 3）理解最小二乘法的含义及思想,能根据给出的线性回归方程系数公式建立线性回归方程1： 客观事物是相互联系的，存在着一种确定性关系，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即非确定性关系——相关关系。你能举出一些这样的事例吗？ 问题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/C 26 18 13 10 4 杯数 20 24 34 38 50 64 如果某天的气温是，你能根据这些数据预测这天小卖部卖出热茶的杯数吗？ 二、学生活动[来源:]表示气温，纵坐标表示热茶销量，建立直角坐标系，将表中数据构成的个数对所表示的点在坐标系内标出，得到下图，今后我们称这样的图为散点图(scatterplot). 从右图可以看出.这些点散布在一条直线的附近,故可用一个线性函数近似地表示热茶销量与气温之间的关系. 选择怎样的直线近似地表示热茶销量与气温之间的关系? 我们有多种思考方案: (1)选择能反映直线变化的两个点,例如取这两点的直线； （2）取一条直线,使得位于该直线一侧和另一侧的点的个数基本相同； （3）多取几组点,确定几条直线方程,再分别算出各条直线斜率、截距的平均值,作为所求直线的斜率、截距； ……………… 怎样的直线最好呢? 用方程为的直线拟合散点图中的点，应使得该直线与散点图中的点最接近.那么怎样衡量直线与图中六个点的接近程度呢？ 我们将表中给出的自变量x的六个值代入直线方程,得到相应的六个值： 它们与表中相应的实际值应该越接近越好. 是直线与各散点在垂直方向(纵轴方向)上的距离的平方和,可以用来衡量直线与图中六个点的接近程度。 所以,设法取的值，使达到最小值.这种方法叫做最小平方法(又称最小二乘法) 。 2、线性相关关系： 像这样能用直线方程近似表示的相关关系叫做线性相关关系。 3、线性回归方程： 一般地，设有n个观察数据如下： x x1 x2 x3 … xn y y1 y2 y3 … yn 当a，b使取得最小值时，就称为拟合这n对数据的线性回归方程,该方程所表示的直线称为回归直线。 上述式子展开后，是一个关于的二次多项式，应用配方法，可求出使为最小值时的的值．即 ,（*） , 1．例题： ／千台 95 110 112[来源:] 120 129 135 150 180 交通事故数／千件 6.2 7.5 7.7[来源:] 8.5 8.7 9.8 10.2 13 解：在直角坐标系中画出数据的散点图，直观判断散点在一条直线附近，故具有线性相关关系．计算相应的数据之和： ， 将它们代入（）式计算得， 所以，所求线性回归方程为． ，当变量增加1个单位时（ A ） A平均增加2个单位 B平均增加3个单位 C平均减少2个单位 D平均减少3个单位. 例3、人工资(元)依劳动生产率(千元)变化的回归方程为,下例判断正确的是（ ） A．劳动生产率为1000元时,工资为130元 B．劳动生产率提高1000元时,工资提高80元 C．劳动生产率提高1000元时,工资提高130元 D．当月工资为250元时, 劳动生产率为2000 2．练习： （1）（）必经过点（ B ） A．．．．（）必经过点（D ） A．．,0) C．) D．,) （）（）施化肥量x 15 20 25 30 35 40 45 水稻产量y 330 345 365 405 445 450 455 解：(1)散点图（略）． (2)表中的数据进行具体计算，列成以下表格 i 1 2 3 4 5 6 7 xi 15 20 25 30 35 40 45 yi 330 345 365 405 445 450 455 xiyi 4950 6900 9125 12150 15575 18000 20475 , 故可得到 从而得回归直线方程是．(图形略) 1．的计算公式，算出．由于计算量较大，所以在计算时应借助技术手段，认真细致，谨防计算中产生错误．2．；计算的积，求；计算；将结果代入公式求；用 求；写出回归方程 [来源:]课外作业：课本、2、． 7C教育资源网（)，百万资源免费下载，无须注册！ 7C教育资源网（）域名释义：7c学科网，联系QQ：372986183