31回归分析的基本思想及其初步应用教学设计.docVIP

3．1回归分析的基本思想及其初步应用（课时） 一、教学内容与教学对象分析 二、学习目标1、知识与技能 通过本节的学习，了解回归分析的基本思想，会对两个变量进行回归分析，明确建立回归模型的基本步骤，并对具体问题进行回归分析，解决实际应用问题。 2过程与方法 本节的学习，应该让学生通过实际问题去理解回归分析的必要性，明确回归分析的基本思想，从散点图中点的分布上我们发现直接求回归直线方程存在明显的不足，从中引导学生去发现解决问题的新思路—进行回归分析，进而介绍残差分析的方法和利用R的平方来表示解释变量对于预报变量变化的贡献率，从中选择较为合理的回归方程，最后是建立回归模型基本步骤。 3情感、态度与价值观 通过本节课的学习，首先了解回归分析的必要性和回归分析的基本思想，明确回归分析的基本方法和基本步骤，培养我们利用整体的观点和互相联系的观点，来分析问题，进一步加强数学的应用意识，培养学生学好数学、用好数学的信心。加强与现实生活的联系，以科学的态度评价两个变量的相关系。培养学生运用所学知识，解决实际问题的能力。 教学重点、难点 教学重点：熟练掌握回归分析的步骤；各相关指数、建立回归模型的步骤 教学难点：求回归系数 a , b ；相关指数的计算、残差分析 四、教学策略： 教学方法：诱思探究教学法 学习方法：自主探究、观察发现、合作交流、归纳总结。 教学手段：多媒体辅助教学 五、教学过程： （一）、复习引入：回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法。 ) , () ，…， ()， 我们知道其回归方程的截距和斜率的最小二乘估计公式分别为： （1） （2） 其中，（）成为样本点的中心. 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 举例：例1 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 求根据女大学生的身高预报体重的回归方程，并预报一名身高为 172 cm 的女大学生的体重． 解：由于问题中要求根据身高预报体重，因此选取身高为自变量 x ，体重为因变量 y . 作散点图. 于是得到回归方程 . 因此，对于身高172 cm 的女大学生，由回归方程可以预报其体重为 ( kg ) . 是斜率的估计值，说明身高 x 每增加1个单位时，体重y就增加0.849 位，这表明体重与身高具有正的线性相关关系．如何描述它们之间线性相关关系的强弱？ 在必修 3 中，我们介绍了用相关系数；来衡量两个变量之间线性相关关系的方法．本相关系数的具体计算公式为 当r0时，表明两个变量正相关；当r0时，表明两个变量负相关．r的绝对值越接近1，表明两个变量的线性相关性越强；r的绝对值接近于0时，表明两个变量之间几乎不存在线性相关关系．通常，当r的绝对值大于0. 75 时认为两个变量有很强的线性相关关系． 在本例中，可以计算出r =0. 798．这表明体重与身高有很强的线性相关关系，从而也表明我们建立的回归模型是有意义的． 显然，身高172cm 的女大学生的体重不一定是60. 316 kg，但一般可以认为她的体重接近于60 . 316 kg .图3 . 1 一 2 中的样本点和回归直线的相互位置说明了这一点． 由于所有的样本点不共线，而只是散布在某一条直线的附近，所以身高和体重的关系可用下面的线性回归模型来表示： , ( 3 ) 这里 a 和 b 为模型的未知参数，e是 y 与之间的误差．通常e为随机变量，称为随机误差，它的均值 E (e）=0，方差D（e）=＞0 ．这样线性回归模型的完整表达式为： (4) 在线性回归模型（4）中，随机误差e的方差越小，通过回归直线 (5) 预报真实值y的精度越高．随机误差是引起预报值与真实值 y 之间的误差的原因之一，大小取决于随机误差的方差. 另一方面，由于公式（1）和（2）中 和为截距和斜率的估计值，它们与真实值a和b之间也存在误差，这种误差是引起预报值与真实值y之间误差的另一个原因． 思考:产生随机误差项e的原因是什么? 一个人的体重值除了受身高的影响外，还受许多其他因素的影响。例如饮食习惯、是否喜欢运动、度量误差等。事实上，我们无法知道身高和体重之间的确切关系是什么，这里只是利用线性回归方程来近似这种关系。这种近似以及上面提到的影响因素都是产生随机误差 e 的