2024_2025学年高中数学第一章统计案例1.1回归分析的基本思想及其初步应用教案2新人教A版选修1_2.docVIP

PAGE

1-

§1.1回来分析的基本思想及其初步应用

【学情分析】：

教学对象是高二文科学生，学生已经初步学会用最小二乘法建立线性回来模型的学问，并能用所学学问解决一些简洁的实际问题。回来分析是数理统计中的重要内容，在教学中，要结合实例进行相关性检验，理解只有两个变量相关性显著时，回来方程才具有实际意义。在起点低的班级中注意让学生参加实践，结合画图表的方法整理数据，激励学生通过收集数据，经验数据处理的过程，从而相识统计方法的特点，达到学习的目的。

【教学目标】：

（1）学问与技能：

回忆线性回来模型与函数模型的差异，理解用最小二乘法求回来模型的步骤，了解推断两变量间的线性相关关系的强度——相关系数。

（2）过程与方法：

本节内容先从高校中女高校生的甚高和体重之间的关系入手，求出相应的回来直线方程。

（3）情感看法与价值观：

从实际问题中发觉自己已有学问的不足之处，激发学生的新奇心和求知欲，培育学生不满意于已有学问，勇于求知的良好特性品质，引导学生主动进取。

【教学重点】：

1、了解线性回来模型与函数模型的差异；

2、了解两变量间的线性相关关系的强度——相关系数。

【教学难点】：

1、了解线性回来模型与一次函数模型的差异；

2、了解偏差平方和分解的思想。

【课前打算】：

课件

【教学过程设计】：

教学环节

教学活动

设计意图

一、创设情境

问题一：一般状况下，体重与身高有肯定的关系，通常个子较高的人体重比较大，但这是否肯定正确？（是否存在普遍性）

提出问题，引导学生推断体重与身高之间的关系（函数关系、相关关系）

（学生思索、探讨。）

问题二：统计方法解决问题的基本过程是什么？

提出问题，引导学生回忆用最小二乘法求回来直线方程的方法。

（由学生回忆、叙述）

回来分析的基本过程：⑴画出两个变量的散点图；

⑵推断是否线性相关

⑶求回来直线方程（利用最小二乘法）

⑷并用回来直线方程进行预报

复习回来分析用于解决什么样的问题。

复习回来分析的解题步骤

二、例题选讲

问题三：思索例1：从某高校中随机选取8名女高校生，其身高和体重数据如表所示。求依据一名女高校生的身高预报她的体重的回来方程，并预报一名身高为172cm的女高校生的体重。

编号

1

2

3

4

5

6

7

8

身高/cm

165

165

157

170

175

165

155

170

体重/kg

48

57

50

54

64

61

43

59

题目中表达了哪些信息？

师：读例1的要求，引导学生理解例题含义。

（例题含义：①数据体重与身高之间是一种不确定性的关系

②求出以身高为自变量x，体重为因变量y的回来方程。

③由方程求出当x=172时，y的值。

生：思索、探讨、叙述自己的理解，归纳出题目中的信息。

依据以前所学的学问，让学生自己动手求出回来方程

求解过程如下：

画出散点图，推断身高x与体重y之间存在什么关系（线性关系）？

②列表求出相关的量，并求出线性回来方程

代入公式有

所以回来方程为

③利用回来方程预报身高172cm

当时，

引导学生复习总结求线性回来方程的步骤：

第一步：作散点图—→其次步：求回来方程—→第三步：代值计算

复习统计方法解决问题的基本过程。

学生动手画散点图，老师用EXCEL的作图工作演示，并引导学生找出两个变量之间的关系。

学生经验数据处理的过程，并借助EXCEL的统计功能激励学生运用计算器或计算机等现代工具来处理数据。

三、探究新知

问题四：身高为172cm的女高校生的体重肯定是60.316kg吗？

（不肯定，但一般可以认为她的体重在60.316kg左右.）

师：提出问题，引导学生比较函数模型与线性回来模型的不同，并引出相关系数的作用。

生：思索、探讨、说明

说明线性回来模型与一次函数的不同

从散点图可视察出，女高校生的体重和身高之间的关系并不能用一次函数来严格刻画（因为全部的样本点不共线，所以线性模型只能近似地刻画身高和体重的关系）.在数据表中身高为165cm的3名女高校生的体重分别为48kg、57kg和61kg，假如能用一次函数来描述体重与身高的关系，那么身高为165cm的3名女在学生的体重应相同.这就说明体重不仅受身高的影响还受其他因素的影响，把这种影响的结果（即残差变量或随机变量）引入到线性函数模型中，得到线性回来模型，其中残差变量中包含体重不能由身高的线性函数说明的全部部分.当残差变量恒等于0时，线性回来模型就变成一次函数模型.因此，一次函数模型是线性回来模型的特别形式，线性回来模型是一次函数模型的一般形式.

问题五：如何衡量两个变量之间线性相关关系的强弱呢？

相关系数：

相关系数的肯定值越接近于1，两个变量的线性相关关系越强，它们的散点图越接近一条直线，这时用线性回来模型拟合这组数据就越好，此时建立