2016职高对口升学数学（人教版-职业模块）二轮复习教案：两个变量的线性相关04.docVIP

备课资料 阅读材料 相关关系的强与弱 我们知道，两个变量x、y正（负）相关时，它们就有相同（反）的变化趋势，即当x由小变大时，相应的y有由小（大）变大（小）的趋势，因此可以用回归直线来描述这种关系.与此相关的一个问题是:如何描述x和y之间的这种线性关系的强弱?例如,物理成绩与数学成绩正相关,但数学成绩能够在多大程度上决定物理成绩?这就是相关强弱的问题,类似的还有吸烟与健康的负相关强度、父母身高与子女身高的正相关强度、农作物的产量与施肥量的正相关强度等. 统计中用相关系数r来衡量两个变量之间线性关系的强弱.若相应于变量x的取值xi,变量y的观测值为yi(1≤i≤n),则两个变量的相关系数的计算公式为 r=. 不相同的相关性可以从散点图上直观地反映出来.图1反映了变量x、y之间很强的线性相关关系,而图2中的两个变量的线性相关程度很弱. 对于相关系数r,首先值得注意的是它的符号.当r为正时,表明变量x、y正相关;当r为负时,表明变量x、y负相关.反映在散点图上,图1中的变量x、y正相关.这时的r为正,图2中的变量x、y负相关,这时的r为负. 另一个值得注意的是r的大小.统计学认为,对于变量x、y,如果r∈［-1,-0.75］,那么负相关很强;如果r∈［0.75,1］,那么正相关很强;如果r∈(-0.75,-0.30］或r∈［0.30,0.75),那么相关性一般;如果r∈［-0.25,0.25］,那么相关性较弱.反映在散点图上,图1的r=0.97,这些点有明显的从左下角到右上角沿直线分布趋势,这时用线性回归模型描述两个变量之间的关系效果很好;图2的r=-0.85,这些点也有明显的从左上角到右下角沿直线分布趋势.这时用线性回归模型描述两个变量之间的关系也有好的效果. 你能试着对自己身边的某个问题,确定两个变量,通过收集数据,计算相关系数,然后分析一下能否用线性回归模型来拟合它们之间的关系吗? 图1 图2 第2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 新知探究 提出问题 （1）作散点图的步骤和方法？ （2）正、负相关的概念？ （3）什么是线性相关？ （4）看人体的脂肪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？ （5）什么叫做回归直线？ （6）如何求回归直线的方程？什么是最小二乘法？它有什么样的思想？ （7）利用计算机如何求回归直线的方程？ （8）利用计算器如何求回归直线的方程？ 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,这样的图形叫做散点图.（a.如果所有的样本点都落在某一函数曲线上,就用该函数来描述变量之间的关系,即变量之间具有函数关系．b.如果所有的样本点都落在某一函数曲线附近,变量之间就有相关关系.c.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关系） （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）如下图： 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,这条直线叫做回归直线(regression line).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