《1.1回归分析的基本思想及其初步应用二》教学案

1.1.1 回归分析基本思想及其初步应用第二课时(谷杨华)一、教学目标 1.核心素养:通过学习回归分析的基本思想及其初步应用，初步形成基本的数据分析能力. 2.学习目标（1）1.1.2.1 理解相关系数概念（2）1.1.2.2 判断刻画模型拟合效果的方法—相关指数和残差分析 （3）1.1.2.3 能用回归分析的方法对简单的案例进行分析. 3.学习重点判断刻画模型拟合效果的方法—相关系数、相关指数和残差分析 4.学习难点判断刻画模型拟合效果的方法—相关系数、相关指数和残差分析 二、教学设计 （一）课前设计 1.预习任务 任务1阅读教材P 4－P 6，思考在回归分析中，分析残差能够帮助我们解决那些问题？任务2刻画模型拟合效果的方法有哪些？2．预习自测1.下列说法正确的是 （ ）A.在统计学中,回归分析是检验两个分类变量是否有关系的一种统计方法B.线性回归方程对应的直线a x b yˆˆˆ+=至少经过其样本数据点1122(,),(,),,(,)n n x y x y x y L 中的一个点C.在残差图中,残差点分布的带状区域的宽度越狭窄,其模型拟合的精度越高D.在回归分析中,相关指数2R 为98.0的模型比相关指数2R 为80.0的模型拟合的效果差 【知识点：回归分析】解:C A.回归分析反映两个变量相关关系的数学方法，由建立回归方程来预报变量的情况.错误；B.线性回归方程对应的直线a x b yˆˆˆ+=，过其样本数据平均数点，错误；D.相关指数2R 越大，则相关性越强，模型的拟合效果越好. 错误；C.在残差图中,残差点分布的带状区域的宽度越狭窄,其模型拟合的精度越高. 正确.2.两个变量y 与x 的回归模型中，分别选择了4个不同模型，它们的相关指数2R 如下，其中拟合效果最好的模型是（ ） A.模型1的相关指数2R 为0.99 B.模型2的相关指数2R 为0.88 C.模型3的相关指数2R 为0.50 D.模型4的相关指数2R 为0.20 【知识点：回归分析】解:A 由相关指数的意义知，2R 越大说明相关性越强，故选A. （二）课堂设计 1.知识回顾⑴对于一组具有线性相关关系的数据1122(,),(,),,(,)n n x y x y x y L ，1211,n n i i x x x x x n n =+++==∑L 121y y y 1y y ,nn i i n n=+++==∑L 则称点),y x （为样本点的中心. （2）线性回归方程：∧∧∧+=a x b y ，其中.1122211()()()n niii ii i nniii i x x y y x y nx yb x x xnx∧====---==--∑∑∑∑，a ∧=x b ∧-y（3）线性回归模型：y =bx +a +e 其中a 和b 为模型的未知参数，e 称为随机误差. 2.问题探究问题探究一 什么是相关系数？相关系数可以用来解释什么？●活动一 理论研究，概念学习—相关系数我们知道，两个变量x 和y 正（负）相关时，它们就有相同（反）的变化趋势，因此可以用回归直线来描述这种关系.与此相关的一个问题：如何描述x 和y 之间种线性关系的强弱？在统计中用相关系数r 来衡量两个变量之间线性关系的强弱.若相应于变量x 的取值i x ，变量y 的观测值为i y （n i ≤≤1），则两个变量的相关系数r 的计算公式为∑∑∑===----=ni ni iini iiy yx x y yx x r 11221)()())((对于相关系数r ，当为正时，表明变量x 和y 正相关，当r 为负时，表明变量x 和y 负相关. 统计学认为，对于变量x,y ，如果[]75.0,1--∈r ，那么负相关很强；如果[]1,75.0∈r ，那么正。

11.1回归分析的基本思想及其初步应用（二）教学要求：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用. 教学重点：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和. 教学难点：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和. 教学过程：一、复习准备：1．由例1知，预报变量（体重）的值受解释变量（身高）或随机误差的影响.2．为了刻画预报变量（体重）的变化在多大程度上与解释变量（身高）有关？在多大程度上与随机误差有关？我们引入了评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和. 二、讲授新课：1. 教学总偏差平方和、残差平方和、回归平方和：（1）总偏差平方和：所有单个样本值与样本均值差的平方和，即21()ni i SST y y ==-∑.残差平方和：回归值与样本值差的平方和，即21()ni i i SSE y y ==-∑. 回归平方和：相应回归值与样本均值差的平方和，即21()ni i SSR y y ==-∑. （2）学习要领：①注意i y 、 i y 、y 的区别；②预报变量的变化程度可以分解为由解释变量引起的变化程度与残差变量的变化程度之和，即222111()()()n n ni i i i i i i y y y y y y ===-=-+-∑∑∑；③当总偏差平方和相对固定时，残差平方和越小，则回归平方和越大，此时模型的拟合效果越好；④对于多个不同的模型，我们还可以引入相关指数 22121()1()nii i n ii yy R yy ==-=--∑∑来刻画回归的效果，它表示解释变量对预报变量变化的贡献率. 2R 的值越大，说明残差平方和越小，也就是说模型拟合的效果越好. 2. 教学例题：为了对x 、Y 两个变量进行统计分析，现有以下两种线性模型： 6.517.5y x =+，717y x =+，试比较哪一个模型拟合的效果更好.分析：既可分别求出两种模型下的总偏差平方和、残差平方和、回归平方和，也可分别求出两种模型下的相关指数，然后再进行比较，从而得出结论. （答案：52211521()155110.8451000()i i i ii y y R y y ==-=-=-=-∑∑，221R =-521521()18010.821000()iii ii y y y y ==-=-=-∑∑，84.5%＞82%，所以甲选用的模型拟合效果较好.）3. 小结：分清总偏差平方和、残差平方和、回归平方和，初步了解如何评价两个不同模型拟合效果的好坏.第三课时。

回归分析的基本思想及其初步应用【学情分析】：教学对象是高二理科学生，学生已经学会建立回归模型的基本步骤，并有检验回归方程的拟合精确度的方法，并能解决一些实际问题。

两个变量不呈线性关系，不能直接利用线性回归方程建立两个变量的关系，通过探究使学生体会对回归模型的选择，非线性模型可以通过变换转化为线性回归模型，让学生直观的观察、思考，借助于线性回归模型研究呈非线性关系的两个变量之间的关系，并通过回归分析体会不同模型拟合数据的效果。

【教学目标】：（1）知识与技能：了解回归模型的选择；进一步理解非线性模型通过变换转化为线性回归模型；体会不同模型拟合数据的效果。

（2）过程与方法：从实例出发，求出相应的回归直线方程，从中也找出存在的不足，从而有进行回归分析的必要性，通过学习相关指数，用相关指数来刻画回归的效果，进而归纳出回归分析的一般步骤，并对具体问题进行回归分析，用于解决实际问题。

（3）情感态度与价值观：任何事物都是相对的，但又有一定的规律性，我们只要从实际出发，不断探求事物的内在联系，就会找出其中的规律性，形成解决实际问题的方法和能力。

【教学重点】：1.加深体会有些非线性模型通过变换可以转化为线性回归模型；2.了解在解决问题的过程中寻找更好的模型的方法。

【教学难点】：1.了解常用函数的图像特点，选择不同的模型建模；2.通过比较相关指数对不同的模型进行比较。

【教学过程设计】：练习与测试1． 在两个变量y 与x 的回归模型中，分别选择了4个不同模型，它们的相关指数2R 如下，其中拟合效果最好的模型是（ A ）A ．模型1的相关指数2R 为98.0B ．模型2的相关指数2R 为80.0C ．模型3的相关指数2R 为50.0D ．模型4的相关指数2R 为25.02． 已知两个变量的回归模型为x y 22⋅=，则样本点的（1，4.4）的残差是_____________________【答案】0.43． 残差平方和用数学符号表示为___________________，它代表了随机误差的效应；解释变量的效应值称为回归平方和，可以用相关指数2R 来刻画回归的效果，其计算公式是___________________。

1.1回归分析的基本思想及其初步应用学习目标：（1）通过对实际问题的分析，了解回归分析的必要性与回归分析的一般步骤；了解线性回归模型与函数模型的区别；（2）尝试做散点图，求回归直线方程；（3）能用所学的知识对实际问题进行回归分析，体会回归分析的实际价值与基本思想；了解判断刻画回归模型拟合好坏的方法――相关指数和残差分析。

学习重难点：（1）求回归直线方程，会用所学的知识对实际问题进行回归分析.（2）掌握回归分析的实际价值与基本思想.（3）能运用自己所学的知识对具体案例进行检验与说明.（4）残差变量的解释；（5）偏差平方和分解的思想；学习内容：一、基础知识梳理1.回归直线：如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线叫作回归直线。

求回归直线方程的一般步骤：作出散点图（由样本点是否呈条状分布来判断两个量是否具有线性相关关系），若存在线性相关关系→②求回归系数→③写出回归直线方程，并利用回归直线方程进行预测说明.2.回归分析：对具有相关关系的两个变量进行统计分析的一种常用方法。

建立回归模型的基本步骤是：①确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量；②画好确定好的解释变量和预报变量的散点图，观察它们之间的关系（线性关系）③由经验确定回归方程的类型.④按一定规则估计回归方程中的参数（最小二乘法）；⑤得出结论后在分析残差图是否异常，若存在异常，则检验数据是否有误，后模型是否合适等.3.利用统计方法解决实际问题的基本步骤：（1）提出问题；（2）收集数据；（3）分析整理数据；（4）进行预测或决策。

4.残差变量e的主要来源：（1）用线性回归模型近似真实模型（真实模型是客观存在的，通常我们并不知道真实模型到底是什么）所引起的误差。

可能存在非线性的函数能够更好地描述y与x之间的关系，但是现在却用线性函数来表述这种关系，结果就会产生误差。

这种由于模型近似所引起的误差包含在e中。

第一章统计案例1。

1回归分析的基本思想及其初步应用（一）教学目标：（1）。

知识与技能：通过典型案例的探究,进一步了解回归分析的基本思想、方法及初步应用(2).过程与方法：了解回归分析的基本思想、方法及初步应用（3）.情感，态度与价值观：充分利用图形的直观性，简捷巧妙的解题教学重点:了解线性回归模型与函数模型的差异,了解判断刻画模型拟合效果的方法－相关指数和残差分析。

教学难点：解释残差变量的含义,了解偏差平方和分解的思想。

教学方法:讲解法，引导法教学过程:一、复习准备:1。

提问：“名师出高徒”这句彦语的意思是什么?有名气的老师就一定能教出厉害的学生吗？这两者之间是否有关？2。

复习:函数关系是一种确定性关系，而相关关系是一种非确定性关系。

回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法,其步骤:收集数据→作散点图→求回归直线方程→利用方程进行预报。

二、讲授新课:1。

教学例题:①例1从某大学中随机选取8名女大学生，其身高和体重数据如下表所示：编12345678号身高/cm165 165 157 170 175 165 155 170 体重/kg48 57 50 54 64 61 43 59 求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm 的女大学生的体重. （分析思路→教师演示→学生整理)第一步：作散点图 第二步：求回归方程 第三步：代值计算② 提问：身高为172cm 的女大学生的体重一定是60。

316kg 吗？ 不一定,但一般可以认为她的体重在60。

316kg 左右.③ 解释线性回归模型与一次函数的不同事实上，观察上述散点图,我们可以发现女大学生的体重y 和身高x 之间的关系并不能用一次函数y bx a =+来严格刻画(因为所有的样本点不共线，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名女大学生的体重分别为48kg 、57kg 和61kg ，如果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。

1.1 回归分析的基本思想及其初步【课题】：1.1.2 回归分析的基本思想及其初步【教学目标】：（1）知识与技能：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和；了解偏差平方和分解的思想；了解判断刻画模型拟合效果的方法——相关指数和残差分析；了解非线性模型通过变换转化为线性回归模型。

（2）过程与方法：本节内容先从大学中女大学生的甚高和体重之间的关系入手，求出相应的回归直线方程，从中也找出存在的不足，从而有进行回归分析的必要性，进而学习相关指数，用相关指数来刻画回归的效果。

（3）情感态度与价值观：从实际问题中发现自己已有知识的不足之处，激发学生的好奇心和求知欲，培养学生不满足于已有知识，勇于求知的良好个性品质，引导学生积极进取。

【教学重点】：1.了解判断刻画模型拟合效果的方法——相关指数和残差分析；2.通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型。

【教学难点】：1.解释残差变量的含义；2.了解偏差平方和分解的思想。

【课前准备】：课件列表计算出各个量编号1234567温度x/°C21232527293235产卵数y/个711212466115325 z=ln y 1.946 2.398 3.045 3.178 4.190 4.745 5.784 x i244152962572984110241225 x i z i40.9 55.2 76.1 85.8 121.5 151.8 202.4练习与测试1．下面4 个散点图中，不适合用线性回归模型拟合其中两个变量的是（ A ）A ．B ．C ．D ．2．将非线性模型进行适当变形使之线性化。

xe y 32=答案：2ln 32ln ln 3ln +=⇒+=x z e x y 3．已知回归方程，则样本点P （4，2．71）的残差为________________。

35.0log 21.1ˆ2-=x y答案：()56.015.271.235.04log 2.171.2ˆˆ2=-=--=-=y y e4．已知线性相关的两变量，的三个样本点A （0，0），B （1，3），C （4，11），若用直线AB 作为其x y 预测模型，则点C 的残差是________。

回归分析的基本思想及其初步应用（二）1. 通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用;2. 通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型，了解在解决实际问题的过程中寻找更好的模型的方法.3. 了解常用函数的图象特点，选择不同的模型建模，并通过比较相关指数对不同的模型进行比较.一、课前准备复习1：求线性回归方程的步骤复习2：作函数2x=+的图像y=和2y x0.25二、新课导学※学习探究探究任务：如何建立非线性回归模型？实例一只红铃虫的产卵数y和温度x有关，现收集了7组观测数据列于下表中，试建立y与x之间的回归方程.（1）根据收集的数据，做散点图上图中，样本点的分布没有在某个区域，因此两变量之间不呈关系，所以不能直接用线性模型.由图，可以认为样本点分布在某一条指数函数曲线bx a=的周围y e+（,a b为待定系数）.对上式两边去对数，得ln y=令ln,=，则变换后样本点应该分布在直线z y的周围.这样，就利用模型来建立y和x的非线性回归方程.作散点图（描点(,)x z）i i由上表中的数据得到回归直线方程z=因此红铃虫的产卵数y和温度x的非线性回归方程为※ 典型例题例1一只红铃虫的产卵数y 和温度x 有关，现收集了7组观测数据列于下表中，（散点图如由图，可以认为样本点集中于某二次曲线234y c x c =+的附近，其中34,c c 为待定参数）试建立y 与x 之间的回归方程.思考：评价这两个模型的拟合效果.小结：利用线性回归方程探究非线性回归问题，可按“作散点图→建模→确定方程”这三个步骤进行. 其关键在于如何通过适当的变换，将非线性回归问题转化成线性回归问题.三、总结提升※ 学习小结利用线性回归方程探究非线性回归问题，可按“作散点图→建模→确定方程”这三个步骤进行.※ 知识拓展非线性回归问题的处理方法：1、 指数函数型bx a y e +=① 函数bx a y e +=的图像：② 处理方法：两边取对数得ln ln()bx a y e +=，即ln y bx a =+.令ln ,z y =把原始数据（x,y ）转化为（x,z ），再根据线性回归模型的方法求出,b a .２、二次函数型2y bx a =+处理方法：设2x x '=，原方程可化为y bx a '=+，再根据线性回归模型的方法求出,a b . ※ 当堂检测（时量：5分钟 满分：10分）计分：1. 两个变量 y 与x 的回归模型中，求得回归方程为0.232x y e -=，当预报变量10x =时（ ）.A. 解释变量30y e -=B. 解释变量y 大于30e -C. 解释变量y小于30e-D. 解释变量y在30e-左右2.在回归分析中，求得相关指数20.89R=，则（）.A. 解释变量解对总效应的贡献是11%B. 解释变量解对总效应的贡献是89%C. 随机误差的贡献是89%D. 随机误差的贡献是0.89%３.在研究两个变量的相关关系时，观察散点图发现样本点集中于某一条指数曲线bx ay e+=的周围，令lnz y=，求得回归直线方程为0.25 2.58z x=-，则该模型的回归方程为.４. 已知回归方程0.5ln ln2y x=-,则100x=时,y的估计值为 .为了研究某种细菌随时间x变化，繁殖的个数，收集数据如下：（1）用天数作解释变量，繁殖个数作预报变量，作出这些数据的散点图；（2）试求出预报变量对解释变量的回归方程.。

教学方案精美句子1、善思则能“从无字句处读书”。

读沙漠，读出了它坦荡豪放的胸怀；读太阳，读出了它普照万物的无私；读春雨，读出了它润物无声的柔情。

读大海，读出了它气势磅礴的豪情。

读石灰，读出了它粉身碎骨不变色的清白。

2、幸福幸福是“临行密密缝，意恐迟迟归”的牵挂；幸福是“春种一粒粟，秋收千颗子”的收获. 幸福是“采菊东篱下，悠然见南山”的闲适；幸福是“奇闻共欣赏，疑义相与析”的愉悦。

幸福是“随风潜入夜，润物细无声”的奉献；幸福是“夜来风雨声，花落知多少”的恬淡。

幸福是“零落成泥碾作尘，只有香如故”的圣洁。

幸福是“壮志饥餐胡虏肉，笑谈渴饮匈奴血”的豪壮。

幸福是“先天下之忧而忧，后天下之乐而乐”的胸怀。

幸福是“人生自古谁无死，留取丹心照汗青”的气节。

3、大自然的语言丰富多彩：从秋叶的飘零中，我们读出了季节的变换；从归雁的行列中，我读出了集体的力量；从冰雪的消融中，我们读出了春天的脚步；从穿石的滴水中，我们读出了坚持的可贵；从蜂蜜的浓香中，我们读出了勤劳的甜美。

4、成功与失败种子，如果害怕埋没，那它永远不能发芽。

鲜花，如果害怕凋谢，那它永远不能开放。

矿石，如果害怕焚烧（熔炉），那它永远不能成钢（炼成金子）。

蜡烛，如果害怕熄灭（燃烧），那它永远不能发光。

航船，如果害怕风浪，那它永远不能到达彼岸。

5、墙角的花，当你孤芳自赏时，天地便小了。

井底的蛙，当你自我欢唱时，视野便窄了。

笼中的鸟，当你安于供养时，自由便没了。

山中的石！当你背靠群峰时，意志就坚了。

水中的萍！当你随波逐流后，根基就没了。

空中的鸟！当你展翅蓝天中，宇宙就大了。

空中的雁！当你离开队伍时，危险就大了。

地下的煤！你燃烧自己后，贡献就大了6、朋友是什么？朋友是快乐日子里的一把吉它，尽情地为你弹奏生活的愉悦；朋友是忧伤日子里的一股春风，轻轻地为你拂去心中的愁云。

朋友是成功道路上的一位良师，热情的将你引向阳光的地带；朋友是失败苦闷中的一盏明灯，默默地为你驱赶心灵的阴霾。

§3.1 回归分析的基本思想及其初步应用（2）【学情分析】：教学对象是高二理科学生，学生已掌握建立线性回归模型的知识，并能用所学知识解决一些简单的实际问题。

在教学中，要结合实例，让学生了解随机误差产生的原因。

初步了解可以通过求回归模型的相关指数或利用残差分析不同的回归模型的拟合精确度。

在起点高的班级中通过让学生观察、思考与讨论，进一步体会回归分析中的数理计算，及运用相关指数与残差分析来刻画模型拟合效果，初步形成运用统计方法解决实际问题的基本思想，认识统计方法在决策中的作用。

【教学目标】：（1）知识与技能：了解求线形回归方程的两个计算公式的推导过程，、回归平方和；了解随机误差产生的原因；了解判断刻画模型拟合效果的方法——相关指数和残差分析；了解非线性模型通过变换转化为线性回归模型。

（2）过程与方法：本节内容先从大学中女大学生的甚高和体重之间的关系入手，求出相应的回归直线方程，从中也找出存在的不足，从而有进行回归分析的必要性，进而学习相关指数，用相关指数来刻画回归的效果。

（3）情感态度与价值观：从实际问题中发现自己已有知识的不足之处，激发学生的好奇心和求知欲，培养学生不满足于已有知识，勇于求知的良好个性品质，引导学生积极进取。

【教学重点】：1.了解判断刻画模型拟合效果的方法——相关指数和残差分析；2.通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型。

【教学难点】：1.了解随机误差产生的原因，用残差平方和衡量回归方程的预报精度；2.了解判断刻画模型拟合效果的方法——相关指数和残差分析。

列表计算出各个量编号 1 2 3 4 5温度/°C21 23 25 27 29产卵数y/个7 11 21 24 66 115=ln y 1.9462.3983.0453.1784.194.74x i2441 529 625 729 841 1024x i z i40.9 55.2 76.1 85.8 121.5151.练习与测试1． 下面4 个散点图中，不适合用线性回归模型拟合其中两个变量的是（ A ）A ．B ．C ．D ．2． 将非线性模型xe y 32=进行适当变形使之线性化。