高中数学《一元线性回归模型及其应用》教案、导学案与同步练习.docx

《8.2 一元线性回归模型及其应用》教案 【教材分析】 本节课选自《2019人教A版高中数学选择性必修第三册》，第七章《随机变量及其分布列》，本节课主本节课主要学习一元线性回归模型及其应用. 本章主要学习统计方面知识，在之前学生已经对统计相关的知识做了大概的了解，本节学生要继续探讨的是变量之间的相关关系，变量之间有两类关系；函数关系和相关关系，它们的联系与区别；并了解线性相关及相关系数，为了解线性回归的基本思想和方法以及求回归直线的方程和相关性检验做准备。 【教学目标与核心素养】 课程目标 学科素养 A. 能通过具体实例说明一元线性回归模型修改的依据与方法. b.通过对具体问题的进一步分析，能将某些非线性回归问题转化为线性回归问题并加以解决，提高数学运算能力. c.能通过实例说明决定系数R2的意义和作用，提高数据分析能力。 1.数学抽象：一元线性回归模型 2.逻辑推理：最小二乘法与回归方程 3.数学运算：求决定系数 4.数学建模：模型化思想 【重点与难点】 重点：决定系数R2的意义和作用 难点：某些非线性回归问题转化为线性回归问题 【教学过程】 教学过程 教学设计 一、问题导学 通过前面的学习我们已经了解到，根据成对样本数据的散点图和样本相关系数，可以推断两个变量是否存在相关关系、是正相关还是负相关，以及线性相关程度的强弱等. 如果能像建立函数模型刻画两个变量之间的确定性关系那样，通过建立适当的统计模型刻画两个随机变量的相关关系，那么我们就可以利用这个模型研究两个变量之间的随机关系，并通过模型进行预测. 二、探究新知 探究1:生活经验告诉我们,儿子的身高与父亲的身高相关.一般来说,父亲的身高较高时，儿子的身高通常也较高.为了进一步研究两者之间的关系，有人调查了14名男大学生的身高及其父亲的身高，得到的数据如表所示. 编号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 父亲身高/cm 174 170 173 169 182 172 180 172 168 166 182 173 164 180 儿子身高/cm 176 176 170 170 185 176 178 174 170 168 178 172 165 182 可以发现，散点大致分布在一条从左下角到右上角的直线附近，表明儿子身高和父亲身高线性相关.利用统计软件，求得样本相关系数为r≈0.886，表明儿子身高和父亲身高正线性相关，且相关程度较高 探究2. 根据表中的数据，儿子身高和父亲身高这两个变量之间的关系可以用函数模型刻画吗？ 编号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 父亲身高/cm 174 170 173 169 182 172 180 172 168 166 182 173 164 180 儿子身高/cm 176 176 170 170 185 176 178 174 170 168 178 172 165 182 表中的数据，存在父亲身高相同而儿子身高不同的情况.例如，第6个和第8个观测父亲的身高均为172cm，而对应的儿子的身高为176cm和174cm；同样在第3，4个观测中，儿子的身高都是170cm，而父亲的身高分别为173cm，169cm.可见儿子的身高不是父亲身高的函数同样父亲的身高也不是儿子身高的函数，所以不能用函数模型来刻画. 探究3：从成对样本数据的散点图和样本相关系数可以发现，散点大致分布在一条直线附近表明儿子身高和父亲身高有较强的线性关系.我们可以这样理解，由于有其他因素的存在，使儿子身高和父亲身高有关系但不是函数关系.那么影响儿子身高的其他因素是什么？ 影响儿子身高的因素除父亲的身外，还有母亲的身高、生活的环境、饮食习惯、营养水平、体育锻炼等随机的因素，儿子身高是父亲身高的函数的原因是存在这些随机的因素. 探究3：由探究3我们知道，正是因为存在这些随机的因素，使得儿子的身高呈现出随机性各种随机因素都是独立的，有些因素又无法量化.你能否考虑到这些随机因素的作用，用类似于函数的表达式，表示儿子身高与父亲身高的关系吗？ 如果用x表示父亲身高，Y表示儿子的身高，用e表示各种其他随机因素影响之和，称e为随机误差，由于儿子身高与父亲身高线性相关，所以Y=bx+a. 一元线性回归模型 用X表示父亲身高,Y表示儿子身高,e表示随机误差,假定随机误差e的均值为0,方差为与父亲身高无关的定值σ2，则它们之间的关系可以表示为Y= 我们称(1)式为Y关于x的一元线性回归模型(simple linear regression model). 其中,Y称为因变量或响应变量,x称为自变量或解释变量;a和b为模型的未知参数,a称为截距参数,b称为斜率参数;e是Y与bx+a之间的随机误差,模型中的Y也是随机变量,其值虽然不能由