变量间的相关关系教案.docxVIP

一、教材分析 变量间的相关关系 学生情况分析：学生已经具备了对样本数据进行初步分析的能力，且掌握了一定的计算基础。 教材地位和作用： 变量间的相关关系是高中新教材人教 A版必修 3 第二章节的内容 , 本节课主要探讨如何利用线性回归思想对实际问题进行分析与预测。为以后更好地研究选修 2-3 第三章节回归分析思想的应用奠定基础。 二、教学目标 1、知识与技能：利用散点图判断线性相关关系，了解最小二乘法的思想及线性回归方程系数公式的推导过程，求出回归直线的方程并对实际问题进行分析和预测，通过实例加强对回归直线方程含义的理解。 2 、过程与方法： ①通过自主探究体会数形结合、类比、及最小二乘法的数学思想方法。 ②通过动手操作培养学生观察、分析、比较和归纳能力。 3、情感、态度与价值观：类比函数的表示方法，使学生理解变量间的相关关系，增强应用回归直线方程对实际问题进行分析和预测的意识。 三、教学重点、难点 重点：利用散点图直观认识两个变量之间的线性相关关系，了解最小二乘法的思想并利用此思想求出回归方程。 难点：对最小二乘法的数学思想和回归方程的理解，教学实施过程中的难点是根据给出的线性回归方程的系数公式建立线性回归方程。 四、教学设计） （一）、创设情境 导入新课 1、相关关系的理解 我们曾经研究过两个变量之间的函数关系：一个自变量对应着唯一的一个函数值， 这两者之间是一种确定关系。生活中的任何两个变量之间是不是只有确定关系呢 如： 学生成绩与教师水平之间存在着某种联系，但又不是必然联系，对于学生成绩与教师水 平之间的这种不确定关系，我们称之为相关关系。这就是我们这节课要共同探讨的内容 ————变量间的相关关系。 生活中还有很多描述相关关系的成语，如：“虎父无犬子”，“瑞雪兆丰年”。通过学生熟悉的函数关系，引导学生关注生活中两个变量之间 还存在的相关关系。 让学生体会研究变量之间相关关系的重要性。 感受数学来源于生活。 （二）、初步探索，直观感知 1、根据样本数据作出散点图，直观感知变量之间的相关关系。在研究相关关系前，先回 忆一下函数的表示方法有哪些——列表，画图象，求解析式。下面我们就用这些方法来 研究相关关系。看这样一组数据： 在一次对人体脂肪含量和年龄关系的研究中 , 研究人员获得了一组样本数据，根据样本数据 , 人体的脂肪含量与年龄之间有怎样的关系 年 年 龄 脂肪 23 27 39 41 45 49 50 53 54 56 57 58 60 61 结论：随着年龄增长，脂肪含量在增加。用 x 轴表示年龄， y 轴表示脂肪。一组样本数据就对应着一个点。 年龄 脂肪 23 27 39 41 45 49 散点图 这个图跟我们所学过的函数图象有区别，它叫作散点图。 2、判断正、负相关、线性相关： 请观察这 4 幅图，看有什么特点 脂肪含量 5040 50 35 30 2553 20 25 1000 800 600 400 图 1 呈上15 升趋势，图 2 呈下降趋势。这就像函数中的增函数 54 10 200 和减函数。即5一个变量从小到大，另一个变量0 也从小到大，或从 0 图 2 r 0.84 0 50 100 150 0 5 10 15 20 25 30 35 40 45 50 55 60 65大到小。对于图 1 中的两年 0 5 10 15 20 25 30 35 40 45 50 55 60 65 变量的相关关系， 我们称它为正相关。 9图 2 中的两个变量的图相1 58 1 9 8 关关系，称为负相关。 图 2 1 6后面两个7 图很乱，前面两个图中点的分布呈条状。从数学的 6 4角度来解释：5即图 1、2 中的点的分布从整体上看大致在一条直 4 3 1线附近。我们称图 1、2 中的两个变2 1 0 量具有线性相关关系。这条直线0 叫做回归直线。图 0 1 3、4 中的两个变量是非线性相关关系4 5图 6 3 7 8 9 1 图 4 （三）、循序渐进、延伸拓展 1、找回归直线 师：下面我们再来看一下年龄与脂肪的散点图， 从整体上看， 它们是线性相关的。 如果可以求出回归直线的方程， 我们就可以清楚地了解年龄与体内脂肪含量的相关性。 这条直线可以作为两个变量具有线性相关关系的代表。能否画出这条直线 数学实验 1： 画出回归直线 脂肪含量 40 35 30 25 20 15 10 5 0  0 5 10 15 20 25 30 35 40 45 50 55 60 65 年龄 学生方案一 学生方案二 第一种 第二种 多种方法展示 总结： 第二种方法好，因为所有的点离这条直线最近。从整体上看，各点与此直线的距离和最小。 2、利用最小二乘法推导回归系数公式 假设我们已经得到两个具有线性相关关系的