回归分析的基本思想及其初步应用

个性化教学辅导教案学科: 任课教师：授课时间：年月日(星期) 姓名年级性别课题第九讲回归分析的基本思想及其初步应用知识框架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。

2. 能作出散点图，能求其回归直线方程。

3. 会用所学的知识对简单的实际问题进行回归分析。

难点重点重点：难点：课前检查作业完成情况：优□ 良□ 中□ 差□作业完成建议：教学过程如下：要点一、变量间的相关关系1. 变量与变量间的两种关系：（1）函数关系：这是一种确定性的关系，即一个变量能被另一个变量按照某种对应法则唯一确定．例如圆的面积．S与半径r之间的关系S=πr2为函数关系．（2）相关关系：这是一种非确定性关系．当一个变量取值一定时，另一个变量的取值带有一定的随机性，这两个变量之间的关系叫做相关关系。

例如人的身高不能确定体重，但一般来说“身高者，体重也重”，我们说身高与体重这两个变量具有相关关系．2. 相关关系的分类：（1）在两个变量中，一个变量是可控制变量，另一个变量是随机变量，如施肥量与水稻产量；（2）两个变量均为随机变量，如某学生的语文成绩与化学成绩．3. 散点图：将两个变量的各对数据在直角坐标系中描点而得到的图形叫做散点图．它直观地描述了两个变量之间有没有相关关系．这是我们判断的一种依据．4. 回归分析：与函数关系不同，相关关系是一种非确定性关系，对具有相关关系的两个变量进行统计分析的方法叫做回归分析。

例题讲解类型一、利用散点图判断两个变量的线性相关性例1．在某种产品表面进行腐蚀刻线试验，得到腐蚀深度y与腐蚀时间x的一组数据如下表所示．x／秒 5 10 15 20 30 40 50 60y／微米 6 10 11 13 16 17 19 23（1）画出散点图．（2）根据散点图，你能得出什么结论？课堂练习【1】给出x 与y 的数据如下：x 2 4 5 6 8 y3040605070画出散点图，并由图判断x 、y 之间是否具有线性相关关系。

回归分析的基本思想及其初步应用1．回归分析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，回归分析的基本步骤是画出两个变量的散点图，求回归直线方程，并用回归直线方程进行预报． 2．线性回归模型(1)在线性回归直线方程y ^＝a ^＋b ^x 中，b ^＝∑ni ＝1 （x i －x ）（y i －y ）∑ni ＝1（x i －x ）2，a ^＝y －－b ^x －，其中x －＝1n ∑ni ＝1x i ，y －＝1n∑ni ＝1y i ，(x ，y )称为样本点的中心，回归直线过样本点的中心． (2)线性回归模型y ＝bx ＋a ＋e ，其中e 称为随机误差，自变量x 称为解释变量，因变量y 称为预报变量．[注意] (1)非确定性关系：线性回归模型y ＝bx ＋a ＋e 与确定性函数y ＝a ＋bx 相比，它表示y 与x 之间是统计相关关系(非确定性关系)，其中的随机误差e 提供了选择模型的准则以及在模型合理的情况下探求最佳估计值a ，b 的工具．(2)线性回归方程y ^＝b ^x ＋a ^中a ^，b ^的意义是：以a ^为基数，x 每增加1个单位，y 相应地平均增加b ^个单位．3．刻画回归效果的方式方式方法计算公式 刻画效果R 2R 2＝1－∑ni ＝1（y i －y ^i ）2∑n i ＝1（y i －y ）2R 2越接近于1，表示回归的效果越好残差图e ^i 称为相应于点(x i ，y i )的残差，e ^i ＝y i －y ^i残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适，其中这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高残差平方和∑ni ＝1(y i －y ^i )2 残差平方和越小，模型的拟合效果越好判断正误(正确的打“√”，错误的打“×”) (1)求线性回归方程前可以不进行相关性检验．( )(2)在残差图中，纵坐标为残差，横坐标可以选为样本编号．( )(3)利用线性回归方程求出的值是准确值．( ) 答案：(1)× (2)√ (3)×变量x 与y 之间的回归方程表示( )A ．x 与y 之间的函数关系B ．x 与y 之间的不确定性关系C ．x 与y 之间的真实关系形式D ．x 与y 之间的真实关系达到最大限度的吻合 答案：D在两个变量y 与x 的回归模型中，分别选择了4个不同的模型，它们的相关指数R 2如下，其中拟合效果最好的模型是( )A ．模型1的相关指数R 2为0.98 B ．模型2的相关指数R 2为0.80 C ．模型3的相关指数R 2为0.50 D ．模型4的相关指数R 2为0.25 答案：A已知线性回归方程y ^＝0.75x ＋0.7，则x ＝11时，y 的估计值为________． 答案：8.95探究点1 线性回归方程在某种产品表面进行腐蚀刻线试验，得到腐蚀深度y 与腐蚀时间x 之间的一组观察值如下表.x (s) 5 10 15 20 30 40 50 60 70 90 120 y (μm)610101316171923252946(1)画出散点图；(2)求y 对x 的线性回归方程；(3)利用线性回归方程预测时间为100 s 时腐蚀深度为多少． 【解】 (1)散点图如图所示．(2)从散点图中，我们可以看出y 对x 的样本点分布在一条直线附近，因而求回归直线方程有意义．x ＝111(5＋10＋15＋ (120)＝51011，y ＝111(6＋10＋10＋…＋46)＝21411，a ^＝y －b ^x ≈21411－0.304×51011＝ 5.36. 故腐蚀深度对腐蚀时间的线性回归方程为y ＝0.304x ＋ 5.36.(3)根据(2)求得的线性回归方程，当腐蚀时间为100 s 时，y ^＝5.36＋0.304×100＝35.76(μm)，即腐蚀时间为100 s 时腐蚀深度大约为35.76 μm.求线性回归方程的三个步骤(1)画散点图：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． (2)求回归系数：若存在线性相关关系，则求回归系数．(3)写方程：写出线性回归方程，并利用线性回归方程进行预测说明．炼钢是一个氧化降碳的过程，钢水含碳量的多少直接影响冶炼时间的长短，必须掌握钢水含碳量和冶炼时间的关系．如果已测得炉料熔化完毕时钢水的含碳量x 与冶炼时间y (从炼料熔化完毕到出钢的时间)的数据(x i ，y i )(i ＝1，2，…，10)并已计算出＝1589,i ＝110y i ＝1 720，故冶炼时间y 对钢水的含碳量x 的回归直线方程为y ^＝1.267x －30.47. 探究点2 线性回归分析假定小麦基本苗数x 与成熟期有效穗y 之间存在相关关系，今测得5组数据如下：(1)以x 为解释变量，y 为预报变量，作出散点图；(2)求y 与x 之间的回归方程，对于基本苗数56.7预报有效穗； (3)计算各组残差，并计算残差平方和；(4)求相关指数R 2，并说明残差变量对有效穗的影响占百分之几？ 【解】 (1)散点图如下．(2)由图看出，样本点呈条状分布，有比较好的线性相关关系，因此可以用回归方程刻画它们之间的关系．设回归方程为y ^＝b ^x ＋a ^，x －＝30.36，y －＝43.5，(1)该类题属于线性回归问题，解答本题应先通过散点图来分析两变量间的关系是否线性相关，然后再利用求回归方程的公式求解回归方程，并利用残差图或相关指数R 2来分析函数模x 15.0 25.8 30.0 36.6 44.4 y39.442.942.943.149.2型的拟合效果，在此基础上，借助回归方程对实际问题进行分析． (2)刻画回归效果的三种方法①残差图法：残差点比较均匀地落在水平的带状区域内说明选用的模型比较合适； ②残差平方和法：残差平方和 i ＝1n(y i －y ^i )2越小，模型的拟合效果越好；关于x 与y 有如下数据：x 2 4 5 6 8 y3040605070由(2)可得y i －y ^i 与y i －y －的关系如下表：y i －y ^i －1 －5 8 －9 －3 y i －y －－20－101020由于R 21＝0.845，R 22＝0.82，0.845＞0.82， 所以R 21＞R 22.所以(1)的拟合效果好于(2)的拟合效果． 探究点3 非线性回归分析某地今年上半年患某种传染病的人数y (人)与月份x (月)之间满足函数关系，模型为y ＝a e bx ，确定这个函数解析式．月份x /月 1 2 3 4 5 6 人数y /人526168747883【解】 设u ＝ln y ，c ＝ln a ， 得u ^＝c ^＋b ^x ，则u 与x 的数据关系如下表：x12 3 4 56u ＝ln y 3.95 4.114.224.3044.356 7 4.418 8非线性回归方程的步骤(1)确定变量，作出散点图．(2)根据散点图，选择恰当的拟合函数．(3)变量置换，通过变量置换把非线性回归问题转化为线性回归问题，并求出线性回归方程． (4)分析拟合效果：通过计算相关指数或画残差图来判断拟合效果． (5)根据相应的变换，写出非线性回归方程．某种书每册的成本费y (元)与印刷册数x (千册)有关，经统计得到数据如下：x(千册)1 2 3 5 10 20 30 50 100 200 y (元)10.155.524.082.852.111.621.411.301.211.15检验每册书的成本费y (元)与印刷册数的倒数1x之间是否具有线性相关关系，如有，求出y 对x 的回归方程，并画出其图形．解：首先作变量置换u ＝1x，题目中所给的数据变成如下表所示的10对数据．u i 1 0.5 0.33 0.2 0.1 0.05 0.03 0.02 0.01 0.005 y i10.155.524.082.852.111.621.411.301.211.15然后作相关性检测．经计算得r ≈0.999 8>0.75，从而认为u 与y 之间具有线性相关关系，由公式得a ^≈1.125，b ^≈8.973，所以y ^＝1.125＋8.973u ，最后回代u ＝1x ，可得y ^＝1.125＋8.973x.这就是题目要求的y 对x 的回归方程．回归方程的图形如图所示，它是经过平移的反比例函数图象的一个分支．1．关于回归分析，下列说法错误的是( ) A ．回归分析是研究两个具有相关关系的变量的方法 B ．散点图中，解释变量在x 轴，预报变量在y 轴C ．回归模型中一定存在随机误差D ．散点图能明确反映变量间的关系解析：选D.用散点图反映两个变量间的关系时，存在误差． 2．下列关于统计的说法：①将一组数据中的每个数据都加上或减去同一个常数，方差恒不变； ②回归方程y ^＝b ^x ＋a ^必经过点(x ，y )； ③线性回归模型中，随机误差e ＝y i －y ^i ；④设回归方程为y ^＝－5x ＋3，若变量x 增加1个单位，则y 平均增加5个单位． 其中正确的为________(写出全部正确说法的序号)．解析：①正确；②正确；③线性回归模型中，随机误差的估计值应为e ^i ＝y i －y ^i ，故错误；④若变量x 增加1个单位，则y 平均减少5个单位，故错误． 答案：①②3．某商场经营一批进价是30元/台的小商品，在市场试销中发现，此商品的销售单价x (x 取整数)(元)与日销售量y (台)之间有如下关系：x 35 40 45 50 y56412811(1)画出散点图，并判断y 与x 是否具有线性相关关系；(2)求日销售量y 对销售单价x 的线性回归方程(方程的斜率保留一个有效数字)； (3)设经营此商品的日销售利润为P 元，根据(2)写出P 关于x 的函数关系式，并预测当销售单价x 为多少元时，才能获得最大日销售利润．解：(1)散点图如图所示，从图中可以看出这些点大致分布在一条直线附近，因此两个变量具有线性相关关系．(2)因为x －＝14×(35＋40＋45＋50)＝42.5，(3)依题意有P ＝(161.5－3x )(x －30) ＝－3x 2＋251.5x －4 845＝－3⎝⎛⎭⎪⎫x －251.562＋251.5212－4 845. 所以当x ＝251.56≈42时，P 有最大值，约为426元．故预测当销售单价为42元时，能获得最大日销售利润．知识结构深化拓展线性回归模型的模拟效果(1)残差图法：观察残差图，如果残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适，这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高．(2)残差的平方和法：一般情况下，比较两个模型的残差比较困难(某些样本点上一个模型的残差的绝对值比另一个模型的小，而另一些样本点的情况则相反)，故通过比较两个模型的残差的平方和的大小来判断模型的拟合效果．残差平方和越小的模型，拟合的效果越好．(3)R 2法：R 2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．[注意] r 的绝对值越大说明变量间的相关性越强，通常认为r 的绝对值大于等于0.75时就是有较强的相关性，同样R 2也是如此，R 2越大拟合效果越好.[A 基础达标]1．废品率x %和每吨生铁成本y (元)之间的回归直线方程为y ^＝256＋3x ，表明( ) A ．废品率每增加1%，生铁成本增加259元 B ．废品率每增加1%，生铁成本增加3元 C ．废品率每增加1%，生铁成本平均每吨增加3元 D ．废品率不变，生铁成本为256元解析：选C.回归方程的系数b ^表示x 每增加一个单位，y ^平均增加b ^，当x 为1时，废品率应为1%，故当废品率增加1%时，生铁成本平均每吨增加3元．2．已知某产品连续4个月的广告费用为x i (i ＝1，2，3，4)千元，销售额为y i (i ＝1，2，3，4)万元，经过对这些数据的处理，得到如下数据信息：①x 1＋x 2＋x 3＋x 4＝18，y 1＋y 2＋y 3＋y 4＝14；②广告费用x 和销售额y 之间具有较强的线性相关关系；③回归直线方程y ^＝b ^x ＋a ^中，b ^＝0.8(用最小二乘法求得)，那么当广告费用为6千元时，可预测销售额约为( )A ．3.5万元B ．4.7万元C ．4.9万元D ．6.5万元解析：选B.依题意得x ＝4.5，y ＝3.5，由回归直线必过样本点中心得a ^＝3.5－0.8×4.5＝－0.1，所以回归直线方程为y ^＝0.8x －0.1.当x ＝6时，y ^＝0.8×6－0.1＝4.7.3．某化工厂为预测某产品的回收率y ，需要研究它和原料有效成分含量之间的相关关系，现取了8对观测值，计算得的线性回归方程是( )A.y ^＝11.47＋2.62xB.y ^＝－11.47＋2.62x C.y ^＝2.62＋11.47x D.y ^＝11.47－2.62x 解析：选A.由题中数据得x ＝6.5，y ＝28.5，a ^＝y －b ^x ＝28.5－2.62×6.5＝11.47，所以y 与x 的线性回归方程是y ^＝2.62x ＋11.47.故选A.4．若某地财政收入x 与支出y 满足线性回归方程y ＝bx ＋a ＋e (单位：亿元)，其中b ＝0.8，a ＝2，|e |≤0.5.如果今年该地区财政收入10亿元，则年支出预计不会超过( )A ．10亿元B ．9亿元C ．10.5亿元D ．9.5 亿元解析：选C.代入数据y ＝10＋e ，因为|e |≤0.5， 所以9.5≤y ≤10.5，故不会超过10.5亿元．5．某种产品的广告费支出x 与销售额y (单位：万元)之间的关系如下表：y 与x 的线性回归方程为y ＝6.5x ＋17.5，当广告支出5万元时，随机误差的效应(残差)为________．解析：因为y 与x 的线性回归方程为y ^＝6.5x ＋17.5，当x ＝5时，y ^＝50，当广告支出5万元时，由表格得：y ＝60，故随机误差的效应(残差)为60－50＝10. 答案：106．若一组观测值(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )之间满足y i ＝bx i ＋a ＋e i (i ＝1，2，…，n )，且e i 恒为0，则R 2为________．解析：由e i 恒为0，知y i ＝y ^i ，即y i －y ^i ＝0， 故R 2＝1－∑ni ＝1 （y i －y ^i ）2∑n i ＝1 （y i －y ）2＝1－0＝1.答案：17．某个服装店经营某种服装，在某周内获纯利y (元)与该周每天销售这种服装件数x 之间的一组数据关系见表：已知∑7i ＝1x 2i ＝280，∑7i ＝1x i y i ＝3 487. (1)求x ，y ；(2)已知纯利y 与每天销售件数x 线性相关，试求出其回归方程． 解：(1)x ＝3＋4＋5＋6＋7＋8＋97＝6，y ＝66＋69＋73＋81＋89＋90＋917＝5597.(2)因为y 与x 有线性相关关系，所以b ^＝∑7i ＝1x i y i－7x y ∑7i ＝1x 2i －7x 2＝3 487－7×6×5597280－7×36＝4.75，a ^＝5597－6×4.75＝71914≈51.36.故回归方程为y ^＝4.75 x ＋51.36.8．已知某校5个学生的数学和物理成绩如下表：(1)假设在对这5名学生成绩进行统计时，把这5名学生的物理成绩搞乱了，数学成绩没出现问题，问：恰有2名学生的物理成绩是自己的实际分数的概率是多少？(2)通过大量事实证明发现，一个学生的数学成绩和物理成绩具有很强的线性相关关系，在上述表格是正确的前提下，用x 表示数学成绩，用y 表示物理成绩，求y 与x 的回归方程； (3)利用残差分析回归方程的拟合效果，若残差和在(－0.1，0.1)范围内，则称回归方程为“优拟方程”，问：该回归方程是否为“优拟方程”？参考数据和公式：y ^＝b ^x ＋a ^，其中．解：(1)记事件A 为“恰有2名学生的物理成绩是自己的实际成绩”， 则P (A )＝2C 25A 55＝16.(2)因为x ＝80＋75＋70＋65＋605＝70，y ＝70＋66＋68＋64＋625＝66，学生的编号i 1 2 3 4 5 数学x i 80 75 70 65 60 物理y i7066686462[B 能力提升]9.假设关于某设备的使用年限x和所支出的维修费用y（万元）有如表的统计资料：使用年限x 2 3 4 5 6 维修费用y 2.2 3.8 5.5 6.5 7.010．(选做题)某地区不同身高的未成年男性的体重平均值如表所示：身高x(cm)60708090100110体重y(kg) 6.137.909.9912.1515.0217.50身高x(cm)120130140150160170体重y(kg)20.9226.8631.1138.8547.2555.05 (1)(2)如果体重超过相同身高男性体重平均值的1.2倍为偏胖，低于0.8倍为偏瘦，那么这个地区一名身高175 cm 、体重82 kg 的在校男生体重是否正常？ 解：(1)根据题表中的数据画出散点图如图所示．由图可看出，样本点分布在某条指数函数曲线y ＝c 1e c 2x的周围， 于是令z ＝ln y ，得下表：x 60 70 80 90 100 110 z 1.81 2.07 2.30 2.50 2.71 2.86 x 120 130 140 150 160 170 z3.043.293.443.663.864.01作出散点图如图所示：由表中数据可得z 与x 之间的回归直线方程为 z ^＝0.662 5＋0.020x ，则有y ^＝e 0.662 5＋0.020x .(2)当x ＝175时，预报平均体重为y ^＝e 0.662 5＋0.020×175≈64.23， 因为64.23×1.2≈77.08＜82，所以这个男生偏胖．。

1．1回归分析的基本思想及其初步应用（第1课时）教案教材：人民教育出版社A版必修3授课教师：中卫市第一中学俞清华【教学目标】在《数学③（必修）》之后，学生已经学习了两个变量之间的相关关系，包括画散点图，最小二乘法求回归直线方程等内容.在人教A版选修1-2第一章第一节“回归分析的基本思想及其初步应用”这一节中进一步介绍回归分析的基本思想及其初步应用.这部分内容《教师用书》共计4课时，第一课时：介绍线性回归模型的数学表达式，解释随机误差项产生的原因，使学生能正确理解回归方程的预报结果；第二课时：从相关系数、相关指数和残差分析角度探讨回归模型的拟合效果，以及建立回归模型的基本步骤；第三课时：介绍两个变量非线性相关关系；第四课时：回归分析的应用. 本节课是第一课时的内容.1、知识与技能目标认识随机误差；2、过程与方法目标（1）会使用函数计算器求回归方程；（2）能正确理解回归方程的预报结果.3、情感、态度、价值观通过本节课的学习，加强数学与现实生活的联系，以科学的态度评价两个变量的相关性，理解处理问题的方法，形成严谨的治学态度和锲而不舍的求学精神.培养学生运用所学知识，解决实际问题的能力.教学中适当地利用学生合作与交流，使学生在学习的同时，体会与他人合作的重要性.【教学重点】随机误差ｅ的认识【教学难点】随机误差的来源和对预报变量的影响【教学方法】启发式教学法【教学手段】多媒体辅助教学【教学流程】【教学过程设计】．几点注明：1、复习引入时教师做示范——提供5组身高与体重的数据，用Excel展示如何画散点图、用最小二乘法求线性回归方程.随机抽样并列表如下：2、计算机做散点图的步骤如下：（1）进入Excel软件操作界面，在A1,B1分别输入“身高”和“体重”，在A,B 列输入相应的数据.（2）点击“图表向导”图标，进入“图表类型”对话框，选择“标准类型”中的“XY散点图”，单击“下一步”.（3）在“图表向导”中的“图表数据源”对话框中，选择“系列”选项，单击“添加”按钮添加系列1，在“X值”栏中输入身高所在数据区域，在“Y值”栏中输入体重所在数据区域，单击“下一步”.（4）进入“图表向导”中的图表选项对话框，对图表的一些属性进行设置. （5）单击“完成”按钮.注：也可以直接使用我们提供的文件来给学生演示，相对节约课堂时间.3、学生使用函数计算器求回归方程的过程如下：MODE SHIFT CLR =1 13 ， DT 165 49 ，DT17565， DT 165 58 ， DT 157 51 ， DT 170 53 SHIFT CLRSHIFTCLR2==1 (进入回归计算模式)(清除统计存储器)(输入五组数据)所以回归方程为 yˆ0.673x-56.79 (计算参数a) (计算参数b)（学生还会使用更先进的计算器）4、课堂使用的数据如下高二女生前15组数据列表：高二女生中间15组数据列表：高二女生后15组数据列表：课本P2例题1 女大学生8组数据列表：例1.1．1回归分析的基本思想及其初步应用（第1课时）教案说明教材：人民教育出版社A版必修3授课教师：中卫市第一中学俞清华1、设计理念《数学课程标准》明确指出：有效的数学学习活动不能单纯地模仿与记忆，动手实践、自主探索与合作交流，可以促进学生自主、全面、可持续的发展，是学生学习数学的重要方式．为使教学真正做到以学生为本，我对教材P2—P3的知识进行了适当地重组和加工，力求给学生提供研究、探讨的时间与空间，让学生充分经历“做数学”的过程，促使学生在自主中求知，在合作中获取，在探究中发展.2、授课内容的数学本质与教学目标定位回归分析，是一种从事物因果关系出发进行预测的方法．操作中，是在掌握大量观察数据的基础上，利用数理统计方法建立因变量与自变量之间的回归关系函数表达式（称回归方程式），预测今后事物发展的趋势．然而，所建立的回归方程与样本点的分布之间还存在有差异，这一差异就是我们本节课学习的主要内容：随机变量．3、学习本课内容的基础以及应用本课内容安排在《数学3（必修）》之后，学生已经学习了两个变量之间的相关关系，包括画散点图，会利用最小二乘法求回归直线方程等内容.以此为基础，进一步讨论一元线性回归模型，分析产生模型中随机误差项的原因，从而让学生了解线性回归模型与函数模型之间的区别与联系，体会统计思维与确定性思维的区别与联系.通过本节课的学习，为后继课程了解偏差平方和分解思想和相关指数的含义、了解相关指数R2和模型拟合的效果之间的关系、了解残差图的作用，体会什么是回归分析、回归分的必要性，都起到铺垫作用．在本节课的教学中，学生使用了函数计算器，教师则利用电脑Excel表格完成对数据的整理，需要学生有一定的动手能力．4、学习本课内容时容易了解与容易误解的地方由于学生对必修3中的线性回归知识已经熟悉，会抽取样本、会画散点图、会利用最小二乘法求出线性回归方程，所以本节课学生容易了解：（1）从散点图看出，样本点呈条状分布，体重与身高具有线性相关关系，因此可以用线性回归方程来近似刻画它们之间的关系．（2）可以发现样本点并不完全落在回归方程上，有随机误差存在.（3）容易理解由一条回归方程预测到的身高172cm的女生体重不是都一样，它只是一个平均值．在学习过程中，相对不易理解的地方有：（1）对于随机误差的来源，学生是能够从样本的个体差异上来理解的，但是对于由用线性回归模型近似真实模型所引起的误差，学生理解还是有一定困难的.（2）随机误差对预报变量的影响，学生从感性上很好理解，当然是随机误差越小越好.但是从理性上认识，怎样从数据上刻画出随机误差是否变小了呢？学生还有困难.5、本节课的教法特点以及预期效果分析5.1 改造创新教师通过分析教材和学生认知规律，创造性地使用教材，做到既重视教材，更重视学生.具体说来有以下改造：（1）创设生活情景.利用学生的“体检经验”设置问题，既没有脱离课本例题1的相关内容，又能激发学生对数学的亲切感，引发学生看个究竟的冲动，兴趣盎然地投入学习.（2）充分体现随机观念.课本上仅仅希望利用8组数据就要学生体会到统计的思想和后继课程中回归分析的必要性，实在是为难学生了．在本课教学设计学生操作时强调“增多数据，加强比较”. 帮助学生体会“不同事件（如课本例1女大学生和高二女生）”，则统计结果不同、“同一事件（如都是高二女生），采样不同结果也不同”的基本事实.（3）教师的作用. 在这节课里，教师在学生操作结束后，利用更多数据的操作，形成一个与学生结果的对比，这一操作与展示为学生创造了新的思维增长点，引领学生进入更深层领悟.5.2 问题性本课教学以问题引导学习活动，通过恰时恰点地提出问题，提好问题，给学生提问的示范，使他们领悟发现和提出问题的艺术，引导他们更加主动和有兴趣地学，逐步培养学生的问题意识，孕育创新精神.例如，在“结果的分析”中的问题4、“预测出的体重值都不同，那么它还有参考价值吗？”目的是让学生充分认识随机误差e的来源和对预报变量的影响，而这一问题的提出，立刻吸引学生细细体会随机观念，同时激发出学生的好奇心，提升深入探求的欲望．5.3 合作、探究的学习方式本节课的合作学习体现在两个方面：除了体现在每个小组内部成员之间，还体现在整堂课的教学结构上．小组成员内部提倡“不同的人作不同的事”，面对不同分组，学生可以自主选择的不同工作，动手带动动脑，遇到小的问题，通过探讨和帮助，能做到“学生的问题由学生自己解决”，促进对某一问题更清晰的认识，还能感受到团结合作的好处与必要.同时，每个小组的劳动成果共同构成课堂教学需要的多条回归方程，组与组之间的合作推动整节课的比较与区分得以实现.5.4教学手段本课积极将数学课程与信息技术进行整合，采用多种技术手段，特点主要体现如下：（1）以PPT 为操作平台，界面活泼，操作简单，能有效支持多种其它技术；（2）教师用Excel图表展示，直观形象，节约时间，帮助学生顺利完成学习内容；（3）学生使用函数计算器动手操作，求出回归方程．本课预期：（1）学生可以很好地复习使用函数计算器求回归方程，虽然在要求学生自己操作前教师有一个示例，但是还是会有一少部分人不会使用，所以在教学前要有一定的思想准备，和必要措施.（2）在分析各个组的预测结果为什么有差异时，由于个体经验不同，对问题的挖掘深度产生不同，这时教师的启发引导可能会十分必要，不能完全由学生漫无目的的“讨论”，使学生活动流于形式.（3）“结果分析”前，由学生展示操作成果，这些结果已经够用来说明问题，教师不要急于参与.在“结果分析”的第4个问题中引入教师利用电脑求出的由45 组数据得到的回归方程，让学生再一次通过比较得到新的思考点——怎样知道自己模拟的回归方程身高变化对体重变化影响有多大呢？这样会使学生自然而然渴望进一步了解相关回归分析的知识，为后继课程做好伏笔.对于体现本节课承上启下的作用，可能更好一些.6 教学反思通过本节课的教学实践，我再次体会到什么是由“关注知识”转向“关注学生”，在教学过程中，注意到了由“给出知识”转向“引起活动”，由“完成教学任务”转向“促进学生发展”，课堂上的真正主人应该是学生．一堂好课，师生一定会有共同的、积极的情感体验．本节课的教学中，知识点均是学生通过探索“发现”的，学生充分经历了探索与发现的过程．教学中没有以练习为主，而是定位在知识形成过程的探索，注重数学的思想性，如统计思想、随机观念、函数思想、数形结合的思想方法等，引导学生体验数学中的理性精神，加强数学形式下的思考和推理。