《成对数据的统计分析》评价建议.docVIP

高中数学精选资源

PAGE3/NUMPAGES3

《成对数据的统计分析》评价建议

一、本章学业要求

1.能够解决成对样本数据统计相关性的简单实际问题.

2.能够结合具体实例，掌握运用一元线性回归分析的方法.

3.掌握运用列联表的方法，解决独立性检验的简单实际问题.

4.重点提升学生数据分析、数学建模、逻辑推理和数学运算素养.

二、本章评价建议

为落实本章的学业要求，以下从核心知识评价要求、思想方法评价要求和关键能力评价要求这三个维度，提出具体的评价建议.

1.核心知识评价要求

本章的主要内容有成对数据的统计相关性、一元线性回归模型和列联表，两个随机变量的相关性可以通过成对样本数据进行分析；利用一元线性回归模型可以研究变量之间的随机关系，进行预测；利用列联表可以研究两个分类变量之间的独立性.

依据本章的学习目标和学业要求，可列出本章的10个核心知识，按了解、理解、掌握分个认知层次，且高一级层次的要求包含低一级层次的要求.具体评价要求见表1.

表1

对数学知识技能的评价，本章应关注学生能否把握知识之间的内在联系，以及数学知识在实际中的应用.如学生能否真正理解变量之间的函数关系与相关关系的联系与区别；能否通过样本相关系数与标准化向量夹角的关系理解变量的相关性、推断两个变量的相关程度；能否通过函数模型与回归模型的联系与区别，了解描述随机现象的一般数学方法；能否通过逻辑推理与概率推理的联系与区别，理解分类变量独立性检验的思想.

为此，我们对本章10个核心知识的评价要求，分别按照了解、理解和掌握三个层次的具体含义进行了细化解析，使其对教学具有有效的评价和指导作用.

（1）了解变量的相关关系：能判别相关关系和函数关系，会用散点图推断两个变量的线性相关性.

（2）了解样本相关系数：知道与标准化数据向量夹角的关系；会用样本相关系数的大小判断成对数据的相关程度和变化趋势，会通过样本相关系数比较多组成对样本数据的相关性.

（3）理解一元线性回归模型：能结合具体实例，描述一元线性回归模型的含义；解释模型参数的统计意义，知道线性回归模型与函数模型的区别，知道线性回归模型中误差e的含义，以及假设误差e满足的理由.

（4）了解最小二乘原理：能利用最小二乘原理导出参数估计值的计算公式.

（5）掌握一元线性回归模型参数的最小二乘估计方法：会利用统计工具画散点图，会求样本相关系数和经验回归方程，能用残差、残差图和决定系数分析检验回归模型的优度.

（6）理解残差分析的原理和方法：理解决定系数的意义；会将某些非线性回归问题转化成线性回归问题.

（7）了解一元线性回归模型的应用：针对实际问题，会用一元线性回归模型进行预测.

（8）理解列联表及其统计意义：能解释分类变量与列联表的概念，能描述列联表的统计意义，会根据简单随机抽样获得的分类变量数据编制列联表.

（9）了解分类变量的独立性：知道两个分类变量独立的含义，会用概率语言描述两个分类变量的独立性；会利用列联表和等高堆积条形图推断两个分类变量的独立性.

（10）掌握独立性检验的应用：能归纳概括独立性检验的基本思想和检验规则，会对二选一的决策问题提出零假设；能分析统计量的构造过程，能根据零假设及频率稳定于概率的原理推导观测值计算公式；会在小概率下，根据值和临界值的关系进行独立性推断；能利用频率分析具有相关关系变量的变化规律；会结合具体实例运用列联表的方法，解决独立性检验的简单实际问题.

2.思想方法评价要求

本章的数学思想方法主要包括概率与统计、数形结合和函数与方程，具体评价要求见表2.

表2

（1）要特别关注学生能否运用数形结合的思想方法.如学生能否直观地表达数据，能否通过散点图分析成对样本数据的相关性，能否利用散点图与经验回归直线的关系理解最小二乘的原理，能否利用残差图分析回归模型，能否利用堆积条形图推断两个分类变量的独立性等.

（2）要关注函数与方程的数学思想方法.如学生能否利用函数与方程的思想理解统计模型，能否利用这种思想建立一元线性回归模型.

（3）要特别关注学生能否借助信息技术进行本章的学习.如学生能否利用技术画出散点图、残差图、堆积条形图，能否利用技术，计算经验回归方程、画出经验回归直线，能否利用技术计算统计量的观测值.评价要基于学生对信息技术的使用，允许学生在评价中使用图形计算器等统计工具，对于科学与现实问题可以按照满意原则和加分原则对学生的学习进行评价.

3.关键能力评价要求

本章的关键能力主要包括数据分析、数学建模、推理论证、运算求解和直观想象，具体评价要求见表3.

表3

（1）如果学生能够根据散点图和样本相关系数分析两个变量的相关关系，说明学生能够