8.2.2 一元线性回归模型参数的最小三乘估计教学设计-高二下学期数学人教A版（2019）选择性必修第三册.docxVIP

8.2.2一元线性回归模型参数的最小二乘估计

教学内容

最小二乘原理，一元线性回归模型参数的最小二乘估计.

教学目标

（1）通过用数学方法刻画散点与直线接近的程度，能解释一元线性回归模型参数的最小二乘估计原理，能用最小二乘法推导参数估计公式，发展数学运算素养.

（2）通过对残差和残差图的分析，能用残差判断一元线性回归模型的有效性，发展数据分析素养.

（3）会使用相关的统计软件.

教学重点与难点

（1）教学重点：一元线性回归模型参数的最小二乘估计.

（2）教学难点：参数估计值公式的推导，利用残差分析回归模型.

教学过程设计

环节一创设情境，探究“最好”

引导语为了研究两个变量之间的相关关系，我们建立了一元线性回归模型

Y=bx+a+e

表达式Y=bx+a+e刻画的是变量Y与变量x之间的线性相关关系.如果e=0，那么Y与x之间的关系可用一元线性函数模型来描述.换言之，如果没有其他随机因素的影响，由成对样本数据得到的点应该都在某一条直线上.因此我们认为，存在参数a和b确定的直线Y=bx+a反映了Y与x之间的本质关系，使表示成对样本数据的这些散点分布在此直线附近，在整体上与这条直线最接近.与函数模型不同，回归模型的参数一般是无法精确求出的，我们只能通过成对样本数据估计这两个参数.

问题1你能寻找一条“最好”的直线，使得表示成对样本数据的这些散点在整体上与这条直线最“接近”吗