教育教学论文 图形计算器下“回归分析的基本思想及其初步应用”的教学.doc

通信地址邮编联系电话电子信箱 身份证号码红铃虫，是棉花基地里的有害生物。害虫，亦是国内外重要检疫对象之一。气温20～35℃，相对湿度80%以上适其生长发育。现在已知一只红铃虫的产卵数和温度有关，收集了7组观测数据列于下表中，试建立与之间的回归方程。 温度 　21 　23 　25 　27 　29 　32 　35 产卵数个 　7 　11 　21 　24 　66 　115 　325 任务1：利用图形计算器统计模式，输入数据，画出散点图。 任务2：通过观察散点图，利用图形计算器的统计模块求其回归方程。 教师：大家准备用什么函数回归模型来拟合案例呢？ 学生分组讨论、求解回归方程。 教师：绝大部分同学选择了一次模型，也有同学选择了二次或指数等模型。实际上利用图形计算器的每个函数模型都可以求出回归方程。实际问题中，回归模型并不只有线性模型，对于样本数据，我们并不知道其来自于什么模型。我们需要做的是追求拟合效果更好的模型。但为了研究的方便我们在课上仅仅研究一次、二次和指数模型拟合效果。 学生实验得到回归方程： ①一次模型: ，得到回归方程为： ②二次模型：，得到回归方程为： ③指数模型: ，得到回归方程为： 1.2比较模型，探究模型拟合效果 教师：对于三种模型我们选择那种模型更合适呢？ 学生：从散点图来看数回归直线与后段的数据出现的偏差较大，如把代入一次模型模型，可知温度35 时产卵232个与真实值325差距较大，显然一次模型拟合的效果并不理想。 学生：对于这三个模型我们可以用残差平方和来分析不同模型拟合的效果，若残差平分和越小，则表明拟合效果越好。 学生实验残差平方和： 教师：用残差平方和来判断，能更清楚看出模型的拟合效果。三个模型中指数模型拟合的效果最好，一次模型的拟合效果最差。 任务3：探究相关指数的含义。 教师：对比三个图，你有何发现？ 学生：在前面我们知道了三个函数模型的拟合效果，而这三个图表都含有和MSe的信息。图表中的值也越来越大，而MSe的值越来越小，那么和MSe分别表示什么？和MSe的值能用来判断模型的拟合效果吗？ 教师：同学提的这个问题很好， 和MSe的值与模型的拟合效果有关。MSe在统计中称为均方误差，与我们所讲的残差平和的功能类似，一般MSe越小则拟合精确度越高。除了用残差平方和来判断拟合效果外我们还可以用相关指数（计算器的）来衡量模型的回归的效果。我们知道仅与样本数据有关，与所选用的模型无关，而残差平方和从整体上描述了用估计量近似预报的效果，显然越小，说明模型的拟合效果越好。那么的值越大，说明残差平方和越小，模型拟合的效果就越好。 1.3通过变换，模型线性化 任务5：把非线性模型转化为线性回归模型，借助线性回归模型来研究呈现非线性关系的两个变量之间的关系。 教师：若仅能借助图形计算器的线性模型，你能求出其二次和指数模型的回归方程吗？ 学生分组讨论。 教师：有些同学令，把二次模型变换为：，其是一次函数的吗？ 学生：肯定不是，如果二次模型是，设，非线性模型就可以转化为线性模型：。 教师：很好，对于一般型式上的二次函数，你们有何办法吗？ 教师：我们不妨设二次函数模型为,令，就转化为了，显然我们可以预先对二次函数的对称轴取个值就可以线性化了，我们取使得问题较为简单，当然你可以取b=1，或者其他的值。那么同学们b取不同的值对模型有何影响？ 学生：b值的不同会影响模型拟合的效果。 学生实验利用上述变换把数据线性化。 学生：我们对数据变换完的数据并不分布在一条直线的周围，因此不宜用线性回归方程来拟合它，即不宜用二次函数模型来拟合，与我们前面的判断一致。 教师：指数模型拟合效果最好，你能把指数模型变换成线性模型吗？ 学生讨论。 学生：对函数两边取以为底的对数得： 令，，指数模型变换为线性模型：。 学生实验利用变换把数据线性化： 学生：变换后z与x的散点集中在一条直线的附近，回归方程为，因此红铃虫的产卵数对温度的非线性回归方程为： 。 教师：很好，衡量一个变换的好坏最直观就是看散点是否集中在一条直线的附近。 1.4归纳总结，升华提升 通过红铃虫这一例子，大家有哪些收获。 教师：我们解决了两个问题1.如何寻找适合样本数据的模型；2.对于模型我们如何评判其拟合效果；对于这两个问题我们先通过散点图，根据问题的背景和已掌握数学知识建立模型，利用残差平方和和相关指数来衡量不同模型的拟合效果，从而寻求最有效的拟合模型。 2教学反思 2.1使用图形计算器的初衷 美国教育学家杜威曾说过:“教学不仅仅是一种简单地告诉，教学应该是一种经历，一种体验，一种感悟。”真正的数学并不能被教出来，而是需要靠学生去研究出来的。因此教师在教学中必须提供适合的情境和平台引导学生学会主动去思考、探究，自主地建构知识。图形计算器是学生一种新的学习工具，他们可以利用这个