1.6.1线性回归—回归分析的意义.docxVIP

1.6.1 线性回归—回归分析的意义 一、教学目标： 1．明确两个变量具有相关关系的意义； 2．知道回归分析的意义； 3．知道回归直线、回归直线方程、线性回归分析的意义； 4．掌握对两个变量进行线性回归的方法和步骤，并能借助科学计算器确定实际问题中 两个变量间的回归直线方程； 5．培养学生形成运用数据进行推断的能力； 6．让学生体会从特殊到一般的辩证思想方法． 二、教学重点： 了解线性回归的基本思想和方法； 教学难点： 线性回归的基本思想方法和计算． 三、教学用具 ：幻灯机或多媒体 四、教学过程： 1．引入新课 先引入函数关系再引入相关关系间由正方形面积  S 与其边长  x 之间的函数关系  S  x2 （确定关系）引入一块农田的水稻产量与施肥量之间的关系（非确定关系） ，从而引入新授 内容． 2．（板书）相关关系与回归分析 1）相关关系 进一步分析水稻产量与施肥量的关系，得出相关关系的概念． （板书） 自变量取值一定时， 因变量的取值带有一定随机性的两个变量之间的关系叫做 相关关系． 相关关系与函数关系的异同点： 相同点：均是指两个变量的关系． 不同点：函数关系是一种确定的关系；而相关关系是一种非确定关系；函数关系是自 变量与因变量之间的关系， 这种关系是两个非随机变量的关系； 而相关关系是非随机变量与随机变量的关系． 引导学生列举现实生活中相关关系的例子． 2）回归分析 （板书）对具有相关关系的两个变量进行统计分析的方法叫回归分析．通俗地讲，回归分析是寻找相关关系中非确定性关系的某种确定性． 3）散点图 首先用小黑板或幻灯给出施化肥量对水稻产量影响的试验数据： 施化肥量 x 15 20 25 30 35 40 45 水稻产量 y 330 345 365 405 445 450 455 再同时给出各对数据在平面直角坐标系中表示的点． （板书）表示具有相关关系的两个变量的一组数据的图形，叫做散点图． 散点图形象地反映了各对数据的密切程度． 3．回归直线方程 （ 1）求回归直线方程的思想方法 先引导学生观察散点图的特征， 发现各点大致分布在一条直线的附近． 并问学生， 类似 图中的直线可画几条？ 显见， 可画出不止一条类似的直线． 那么，其中的哪一条直线最能代表变量 x 与 y 之间 的关系呢？ 引导学生分析， 最能代表变量 x 与 y 之间关系的直线的特征： 即 n 个偏差的平方和最小， 其过程简要分析如下： 设所求的直线方程为 y bx a ，其中 a、b 是待定系数． 则 yi bxi a.(i 1,2, , n) ．于是得到各个偏差 yi yi yi (bxi a).(i 1,2, ,n) ． 显见，偏差 yi yi 的符号有正有负，若将它们相加会造成相互抵消，所以它们的和不 能代表几个点与相应直线在整体上的接近程度，故采用 n 个偏差的平方和 Q ( y1 bx1 a) 2 ( y2 bx 2 a)2 ( yn bxn a)2 表示 n 个点与相应直线在整体上的接近程度． n a) 2 n 记 Q ( yi bxi （向学生说明 的意义）． i 1 i 1 上述式子展开后，是一个关于 a、b 的二次多项式，应用配方法，可求出使 Q 为最小值时的 a、b 的值（课前布置学生看阅读材料） ．即 n n ( xi x)( yi y) xi yi nxy b i 1 i 1 . n n (xi x)2 xi2 2 nx i 1 i 1 a y bx. 1 n 1 n 其中 x xi , y yi ． n i 1 n i 1 在此基础上，给出回归直线方程、回归直线、线性回归分析的概念． 最后，向学生指出，对回归直线方程只要求会运用它进行具体计算 a 、b，求出回归直线方程即可．不要求掌握回归直线方程的推导过程． 2）回归直线方程的求法 让学生用计算器对前面列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 xi yi 4950 6900 9125 12150 15575 18000 20475 7 7 7 xi2 7000, yi2 1132725 , xi yi 87175 i 1 i 1 i 1 提问：列表计算的优点是什么？ b 87175 7 30 399.3 4.75, 故可得到 7000 7 30 2 a 399.3 4.75 30 257, 从而得回归直线方程是 y 4.75 x 257. 最后请一位学生画出回归直线，并求出 x 35 时， y 的估计值． 例 一个工厂在某年里每月产品的总成线 y（万元）与该月产量 x（万件