（人教2019版）数学选修3 第8章 《成对数据的统计分析》大单元教学设计.docx

8．1成对数据的统计相关性（单元教学设计）

一、【单元目标】

（1）了解变量的相关关系，结合散点图识别相关关系的类型．

（2）结合实例，了解样本相关系数的统计含义，了解样本相关系数与标准化数据向量夹角的关系．

（3）结合实例，会通过相关系数比较多组成对数据的相关性．

二、【单元知识结构框架】

三、【学情分析】

在必修课程中，学生习惯了单个变量样本数据的直观表示方法和统计特征的刻画方法，本单元中学生对于双变量统计关系的处理方法可能感到生疏和无方向，教学中要适时引导学生回顾单变量的研究方法和思想，如先直观描述后定量刻画、核心思想是样本估计总体等，用类比迁移的方式帮助学生克服心理障碍和畏难情绪．

四、【教学设计思路/过程】

课时安排：约2课时

教学重点：两个变量间的相关关系，散点图，样本的相关系数．

教学难点：了解样本相关系数的统计含义．

教学方法/过程：

五、【教学问题诊断分析】

环节一、情景引入，温故知新

情景：“瑞雪兆丰年”是一句流传比较广的农谚，它的意思是适时的冬雪预示着来年是丰收之年，是来年庄稼获得丰收的预兆．但是冬天下几场大雪，来年一定会获得丰收吗？

环节二、抽象概念，内涵辨析

1．相关关系

问题1：下列两个变量是否具有函数关系？

（1）球的面积与半径的关系；

（2）人的身高和体重的关系；

（3）角度和它的余弦值的关系；

（4）父母的身高和子女的身高的关系．

【破解方法】（1）（3）是函数关系；（2）（4）不是函数关系．

【归纳新知】

（1）相关关系

两个变量间的关系有函数关系，相关关系和不相关关系

两个变量有关系，但又没有确切到可由其中的一个去精确地决定另一个的程度，这种关系称为相关关系．

2．散点图

问题2：在一次对人体的脂肪含量和年龄之间关系的研究中，研究人员获得了成对样本数据如下表．

年龄/岁

23

27

39

41

45

49

50

脂肪含量/%

9．5

17．8

21．2

25．9

27．5

26．3

28．2

年龄/岁

53

54

56

57

58

60

61

脂肪含量/%

29．6

30．2

31．4

30．8

33．5

35．2

34．6

其中各年龄对应的脂肪数据是这个年龄人群脂肪含量的样本平均数．根据上述数据，你能推断出人体的脂肪含量与年龄之间存在怎样的关系吗？

【破解方法】用横轴表示年龄，纵轴表示脂肪含量，可将成对样本数据用直角坐标系中的点表示出来，得到相应的统计图如图所示，图中的点散布在从左下角到右上角的区域，大致在一条直线附近，推断脂肪含量变量和年龄变量之间存在着相关关系．

【归纳新知】

（1）散点图

为直观地描述成对样本数据中两个变量间的关系，用横轴表示其中的一个变量，纵轴表示另一个变量，则成对样本数据都可以用直角坐标系中的点表示出来，由这些点组成的统计图叫做散点图．

（2）正相关、负相关

从整体上看，当一个变量的值增加时，另一个变量的相应值也呈现增加的趋势，我们就称这两个变量正相关；如果一个变量值增加时，另一个变量的相应值呈现减少的趋势，则称这个两个变量负相关．

（3）线性相关

一般地，如果两个变量的取值呈现正相关或负相关，而且散点落在一条线附近，我们就称这两个变量线性相关．

一般地，如果两个变量具有相关性，但不是线性相关，那么我们就称这两个变量非线性相关或曲线相关．

3．样本相关系数

问题3：设和的均值分别为和．将数据以为零点进行平移，得到平移后的成对数据为，并绘制散点图，则绘制的散点图有什么特征？你能利用正负相关变量的成对样本数据平移后呈现的规律，构造一个度量成对样本数据是正相关还是负相关的数字特征吗？

【破解方法】正相关时散点大多数分布在第一象限，第三象限，负相关时散点大多数分布在第二象限，第四象限．构造一个量：

一般情形下，表明成对样本数据正相关；表明成对样本数据负相关．

问题4：你认为的大小一定能度量出成对样本数据的相关程度吗？

【破解方法】不一定．因为的大小与数据的度量单位有关，所以不宜直接用它度量成对样本数据相关程度的大小．

【归纳新知】

（1）相关系数的计算

注意：相关系数是研究变量之间线性相关程度的量

假设两个随机变量的数据分别为，对数据作进一步的“标准化处理”处理，，分别除和（和分别为，和的均值），得，为简单起见，把上述“标准化”处理后的成对数据分别记为，则变量和变量的样本相关系数的计算公式如下：．

（2）相关关系的强弱

样本相关系数的取值范围为．

当越接近1时，成对样本数据的线性相关程度越强；

当越接近0时，成对样本数据的线性相关程度越弱．

环节三：例题练习，巩固理解

例1．有人收集了某城市居民年收入（即所有居民在一年内收入的总和）与商品销售额的年数据，如表．

表

第年

居民年收入/亿元

商品销售额/万元

画出散点图，判断成对样本数据是否线性相关，并通过样本相关系数判