人教A版高中数学必修三2.3《变量间的相关关系》word学案

高中数学23变量间的相关关系一二全册精品教案新人教A版必修3教案教案名称：高中数学23变量间的相关关系一、二全册精品教案教材版本：新人教A版必修3教学目标：1.掌握变量之间的相关关系的概念；2.理解相关系数的含义和计算方法；3.能够应用相关关系解决实际问题；4.培养学生分析和解决问题的能力。

教学重点：1.相关系数的计算方法；2.相关关系的实际应用。

教学难点：1.相关系数的计算和解释；2.相关关系在实际问题中的应用。

教学准备：1.教师准备板书工具，包括黑板、彩色粉笔等；2.教师准备教学用具，如教学课件、实验仪器等。

教学过程：第一课时：1.导入（5分钟）教师通过引入相关关系在日常生活中的例子，引起学生的思考和兴趣，如“你有没有觉得吃得越多睡得越香？”、“你觉得天气越热人们购买冷饮的数量会有什么变化？”等。

2.引入（10分钟）教师通过示意图和简单的计算，引导学生理解变量之间的相关关系，并介绍相关系数的定义和计算方法。

3.基础知识讲解（25分钟）3.1相关系数的含义和计算方法：教师通过示例和公式解释相关系数的含义和计算方法，让学生掌握相关系数的计算公式。

3.2相关系数的性质和意义：教师讲解相关系数的性质和意义，引导学生理解相关系数与变量之间的线性关系程度的关系。

4.练习（10分钟）教师布置一些相关系数的计算练习题，让学生进行个人或小组练习。

第二课时：5.复习（5分钟）回顾上节课学习的内容，教师提问学生相关系数的计算方法及其含义，并解答学生疑惑。

6.拓展（15分钟）6.1相关系数的解读：教师通过实例和图表解释如何解读相关系数的大小和正负号。

6.2相关系数的应用：教师介绍相关系数在实际问题中的应用，如市场调研、经济预测等。

7.实验（20分钟）教师组织学生进行相关系数实验，通过观察和数据统计，让学生进一步理解相关系数的计算方法和含义。

8.总结归纳（10分钟）教师引导学生总结相关系数的计算方法、含义和应用，并与学生一起完成相关关系的概念思维导图。

《变量间相关关系》教学设计一、教学内容分析《变量间相关关系》是高中新教材人教A版必修3第二章2.3的内容，本节课主要探讨如何利用线性回归思想对实际问题进行分析与预测。

为以后更好地研究选修部分统计案例中的回归分析思想的应用奠定基础。

二、学生学习情况分析我校是省级示范性高中，匹配多媒体设备，学生的学习习惯较好，有强烈的求知欲，具备一定的分析、观察等能力。

高二的同学已经具备了对样本数据进行初步分析的能力，并且有一定的计算机基础，主要是电子表格的应用。

我所上的班级是文科班，可以说文科班同学最害怕的就是数学学科，所以我在整节课的设计上更多的体现了文科中文学、历史文化等知识与数学的联系，这样一可以拉近数学与文科学生的距离，二可以利用文科学生的学科特点进行教学，加强对知识点的理解和认识。

比如教材上本节课采用的例子是让学生观察物理成绩和数学成绩之间的关系，而文科班的孩子早已不学物理，对该例子的理解程度和感兴趣程度均不大，因此，我在教学设计上未采用书上的例子，而是利用文科学生感兴趣的孔子结合文学历史等知识进行引入。

三、教学目标1、理解相关关系的定义；2、利用散点图判断线性相关关系；3、了解用计算机做散点图的方法4、通过自主探究体会数形结合、类比的数学思想方法5、通过动手操作培养学生观察、分析、比较和归纳能力，引出利用计算机等现代化教学工具的必要性；6、课堂渗透历史文学等知识，通过“教体验教表达教思考”的三教思想从而达到发展学生的数学核心素养。

四、教学重点和难点教学重点: 理解相关关系的定义；能利用散点图直观认识两个变量之间的线性相关关系；教学难点：对相关关系的理解五、教学准备把握数学内容的本质，创设合适的教学情境，提出合理的问题。

启发学生独立思考，分组讨论，鼓励学生与他人交流合作。

让学生在掌握知识技能的同时，感悟数学的本质。

让学生积累数学思维的经验，形成和发展数学核心素养。

1、多媒体课件（文庙孔子等图片、史实）2、搜集数据（提前搜集了30位2岁到50岁人的手距数据，绘制成表）3、安装excel软件（在以往的教学中，书上课后介绍的软件作图，往往因为教学时间、教学内容、教学进度等因素的影响，通常让学生课后自己看，但我利用这一节的内容，引用了书上介绍的Excel软件作图，一是让同学们了解多媒体在数学中的应用；二是可以让同学们直观感受图像的形成过程，提高学习兴趣；三是可以节约手工绘图的时间，也大大提高了绘图的精确性）。

必修三 2.3.1 变量间的相关关系教学目标1、知识与技能（1）了解变量之间的相关关系。

（2）会区别变量之间的函数关系与变量相关关系。

（3）会举例说明现实生活中变量之间的相关关系。

（4）让学生了解产生变量之间的相关关系是由许多不确定的随机因素的影响。

2、过程与方法（1）通过复习变量之间的函数关系引出变量相关关系，有熟悉到生疏的过程便于学生理解。

（2）通过对变量之间的关系的学习让学生了解从总的变化趋势来看变量之间存在某种关系，但这种关系又不能用确定的函数关系精确表达出来，也让学生了解变量之间的不确定性关系是很普遍的，帮助学生树立科学的辨证唯物主义观点，感受自然的辩证法。

（3）通过对本课的学习，引导学生关注社会，关注生活，进一步学会观察、比较、归纳、分析等一般方法的运用。

3、情感、态度与价值观（1）通过引导学生观察生活中的例子，使学生由能直接找出变量之间的函数关系引出到无法直接找出变量之间的函数关系，即变量之间的相关关系，激发学生的求知欲。

（2）通过引导学生感受生活中实际问题转化为数学问题，学会查找资料，收取信息，学会用统计知识对实际问题进行数学分析。

教学重点1、变量之间的相关关系。

2、会区别变量之间的函数关系与变量相关关系。

3、会举例说明现实生活中变量之间的相关关系。

教学难点1、对变量之间的相关关系的理解。

2、变量之间的函数关系与变量相关关系的区别。

教辅手段教学过程一、情景设置问题1：将汽油以均匀的速度注入桶里，注入的时间t与注入的油量y的关系如下表：从表里数据得出油量y与时间t之间的函数关系式为：问题2、甲、乙两地相距150千米，某人骑车从甲地到乙地，则他的速度v（千米/时）和时间t（小时）的函数大致图象是怎样的？问题3、小麦的产量y千克每亩与施肥量x千克每亩之间的关系如下表：从表里数据能得出小麦的产量y与施肥量x之间的函数关系式吗？提问学生以下三个问题。

问题1：因为是以均匀的速度注入桶里，所以注入的油量y与注入的时间t成正比例关系，由数据表格知，注入的油量y与注入的时间t之间的函数关系式为y=2t（t 0）（实际问题，因此自变量的取值范围应该有意义）问题2：路程一定，所以走完全程所用的时间t与速度v成反比例关系所以其函数图象是反例函数图象。

§2.3变量间的相关关系学习目标（1）通过具体示例引导学生考察变量之间的关系，在讨论的过程中认识现实世界中存在着不能用函数模型描述的变量关系,从而体会研究变量之间的相关关系的重要性.(2) 通过收集现实问题中两个有关联变量的数据作出散点图，并利用散点图直观认识变量间的相关关系.会作散点图,并对变量间的正相关或负相关关系作出直观判断.(3) 在解决统计问题的过程中，进一步体会用样本估计总体的思想，理解统计的作用.重点难点重点：利用散点图直观认识变量间的相关关系. 难点：理解变量间的相关关系.学法指导在解决统计问题的过程中，进一步体会用样本估计总体的思想，理解数形结合的数学思想和逻辑推理的数学方法。

问题探究复习回顾： 函数的定义 二、情景设置：客观事物是相互联系的,过去研究的大多数是因果关系，但实际上更多存在的是一种非因果关系.在中学校园里，有这样一种说法：“如果你的数学成绩好，那么你的物理学习就不会有什么大问题.”按照这种说法，似乎学生的物理成绩与数学成绩之间存在着某种关系，我们把数学成绩和物理成绩看成是两个变量，那么这两个变量之间的关系是函数关系吗？ 二、探究新知： 知识探究（一）：变量之间的相关关系 思考1：考察下列问题中两个变量之间的关系： （1）商品销售收入与广告支出经费； （2）粮食产量与施肥量； （3）人体内的脂肪含量与年龄.这些问题中两个变量之间的关系是函数关系吗？思考2：“名师出高徒”可以解释为教师的水平越高，学生的水平就越高，那么学生的学业成绩与教师的教学水平之间的关系是函数关系吗？你能举出类似的描述生活中两个变量之间的这种关系的成语吗？思考3：上述两个变量之间的关系是一种非确定性关系，称之为相关关系，那么相关关系的含义如何？思考4：相关关系与函数关系的异同点：总结：对相关关系的理解应当注意以下几点： 其一是相关关系与函数关系不同.因为函数关系是一种非常确定的关系，而相关关系是一种非确定性关系，即相关关系是非随机变量与随机变量之间的关系.而函数关系可以看成是两个非随机变量之间的关系.因此，不能把相关关系等同于函数关系.其二是函数关系是一种因果关系，而相关关系不一定是因果关系，也可能是伴随关系.例如，有人发现，对于在校儿童，鞋的大小与阅读能力有很强的相关关系.然而，学会新词并不能使脚变大，而是涉及到第三个因素——年龄.当儿童长大一些，他们的阅读能力会提高而且由于长大脚也变大.其三是在现实生活中存在着大量的相关关系，如何判断和描述相关关系，统计学发挥着非常重要的作用.变量之间的相关关系带有不确定性，这需要通过收集大量的数据，对数据进行统计分析，发现规律，才能作出科学的判断.（对具有相关关系的两个变量进行统计分析的方法叫回归分析.）知识探究（二）：散点图【问题】在一次对人体脂肪含量和年龄关系的研究中，研究人员获得了一组样本数据：……课本85页的探究。

高中数学必修三第二章《统计》学案2.3.变量间的相关关系（学生专用）（A版）普通高中数学必修3（A版）学案 2.3. 变量间的相关关系2.3.1变量之间的相关关系授课时间：年月日【学习目标】通过收集现实问题中两个有关联变量的数据认识变量间的相关关系。

【重点难点】1. 通过收集现实问题中两个有关联变量的数据直观认识变量间的相关关系。

2. 变量之间相关关系的理解。

【学习过程】一、学习引导在中学校园里，有这样一种说法：“如果你的数学成绩好，那么你的物理学习就不会有什么大问题.”按照这种说法，似乎学生的物理成绩与数学成绩之间存在着某种关系，我们把数学成绩和物理成绩看成是两个变量，那么这两个变量之间的关系是函数关系吗？二、合作交流（教师可做点拨）相关关系的概念：两个变量之间的关系可能是确定的关系（如：函数关系），或非确定性关系。

当自变量取值一定时，因变量也确定，则为确定关系；当自变量取值一定时，因变量带有随机性，这种变量之间的关系称为相关关系。

相关关系是一种非确定性关系。

（分析：两个变量→自变量取值一定→因变量带有随机性→相关关系）三、随堂练习思考1：考察下列问题中两个变量之间的关系：（1）商品销售收入与广告支出经费；（2）粮食产量与施肥量；（3）人体内的脂肪含量与年龄.这些问题中两个变量之间的关系是函数关系吗？思考2：“名师出高徒”可以解释为教师的水平越高，学生的水平就越高，那么学生的学业成绩与教师的教学水平之间的关系是函数关系吗？你能举出类似的描述生活中两个变量之间的这种关系的成语吗？思考3：商品销售收入与广告支出经费之间的关系。

（还与商品质量，居民收入，生活环境等有关）四、能力提升1. 上述两个变量之间的关系是一种非确定性关系，称之为相关关系，那么相关关系的含义如何？2. 对于一个变量，可以控制其数量大小的变量称为可控变量，否则称为随机变量，那么相关关系中的两个变量有哪种类型？3. 相关关系与函数关系的异同点？【小结反思】1. 变量具有不确定性，需要通过收集大量的数据（通过调查或试验）在对数据进行统计分析的基础上，发现其中的规律，才能对它们之间的关系做出正确的判断。

第2课时（一）导入新课思路1客观事物是相互联系的,过去研究的大多数是因果关系,但实际上更多存在的是一种非因果关系.比如说：某某同学的数学成绩与物理成绩,彼此是互相联系的,但不能认为数学是“因”,物理是“果”,或者反过来说.事实上数学和物理成绩都是“果”,而真正的“因”是学生的理科学习能力和努力程度.所以说,函数关系存在着一种确定性关系,但还存在着另一种非确定性关系——相关关系.为表示这种相关关系,我们接着学习两个变量的线性相关——回归直线及其方程.思路2某小卖部为了了解热茶销售量与气温之间的关系,随机统计并制作了某6天卖出热茶的如果某天的气温是-5 ℃,你能根据这些数据预测这天小卖部卖出热茶的杯数吗？为解决这个问题我们接着学习两个变量的线性相关——回归直线及其方程.（二）推进新课、新知探究、提出问题（1）作散点图的步骤和方法？（2）正、负相关的概念？（3）什么是线性相关？（4）看人体的脂肪百分比和年龄的散点图,当人的年龄增加时,体内脂肪含量到底是以什么方式增加的呢？（5）什么叫做回归直线？（6）如何求回归直线的方程？什么是最小二乘法？它有什么样的思想？（7）利用计算机如何求回归直线的方程？（8）利用计算器如何求回归直线的方程？活动：学生回顾,再思考或讨论,教师及时提示指导.讨论结果：（1）建立相应的平面直角坐标系,将各数据在平面直角坐标中的对应点画出来,得到表示两个变量的一组数据的图形,这样的图形叫做散点图.（a.如果所有的样本点都落在某一函数曲线上,就用该函数来描述变量之间的关系,即变量之间具有函数关系．b.如果所有的样本点都落在某一函数曲线附近,变量之间就有相关关系.c.如果所有的样本点都落在某一直线附近,变量之间就有线性相关关系）（2）如果散点图中的点散布在从左下角到右上角的区域内,称为正相关.如果散点图中的点散布在从左上角到右下角的区域内,称为负相关.（3）如果所有的样本点都落在某一直线附近,变量之间就有线性相关的关系.（4）大体上来看,随着年龄的增加,人体中脂肪的百分比也在增加,呈正相关的趋势,我们可以从散点图上来进一步分析.（5）如下图：从散点图上可以看出,这些点大致分布在通过散点图中心的一条直线附近.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,这条直线叫做回归直线(regression line).如果能够求出这条回归直线的方程(简称回归方程),那么我们就可以比较清楚地了解年龄与体内脂肪含量的相关性.就像平均数可以作为一个变量的数据的代表一样,这条直线可以作为两个变量具有线性相关关系的代表.（6）从散点图上可以发现,人体的脂肪百分比和年龄的散点图,大致分布在通过散点图中心的一条直线.那么,我们应当如何具体求出这个回归方程呢?有的同学可能会想,我可以采用测量的方法,先画出一条直线,测量出各点与它的距离,然后移动直线,到达一个使距离的和最小的位置,测量出此时的斜率和截距,就可得到回归方程了.但是,这样做可靠吗?有的同学可能还会想,在图中选择这样的两点画直线,使得直线两侧的点的个数基本相同.同样地,这样做能保证各点与此直线在整体上是最接近的吗?还有的同学会想,在散点图中多取几组点,确定出几条直线的方程,再分别求出各条直线的斜率、截距的平均数,将这两个平均数当成回归方程的斜率和截距.同学们不妨去实践一下,看看这些方法是不是真的可行?（学生讨论：1.选择能反映直线变化的两个点.2.在图中放上一根细绳,使得上面和下面点的个数相同或基本相同.3.多取几组点对,确定几条直线方程.再分别算出各个直线方程斜率、截距的算术平均值,作为所求直线的斜率、截距.）教师：分别分析各方法的可靠性.如下图：上面这些方法虽然有一定的道理,但总让人感到可靠性不强.实际上,求回归方程的关键是如何用数学的方法来刻画“从整体上看,各点与此直线的距离最小”.人们经过长期的实践与研究,已经得出了计算回归方程的斜率与截距的一般公式⎪⎪⎪⎩⎪⎪⎪⎨⎧-=--=---=∑∑∑∑====.)1(,)())((2121121x b y a x n xyx n yx x x y y x x b ni ini ii n i i ni i i其中，b 是回归方程的斜率，a 是截距.推导公式①的计算比较复杂，这里不作推导.但是,我们可以解释一下得出它的原理. 假设我们已经得到两个具有线性相关关系的变量的一组数据(x 1,y 1),(x 2,y 2),…,(x n ,y n )， 且所求回归方程是^y =bx+a,其中a 、b 是待定参数.当变量x 取x i (i=1,2,…,n)时可以得到^y =bx i +a(i=1,2,…,n), 它与实际收集到的y i 之间的偏差是y i -^y =y i -(bx i +a)(i=1,2,…,n).这样，用这n 个偏差的和来刻画“各点与此直线的整体偏差”是比较合适的.由于（y i -^y ）可正可负，为了避免相互抵消，可以考虑用∑=-ni i iy y1^||来代替，但由于它含有绝对值，运算不太方便，所以改用Q=(y 1-bx 1-a)2+(y 2-bx 2-a)2+…+(y n -bx n -a)2 ②来刻画n 个点与回归直线在整体上的偏差.这样，问题就归结为:当a,b 取什么值时Q 最小，即总体偏差最小.经过数学上求最小值的运算，a,b 的值由公式①给出.通过求②式的最小值而得出回归直线的方法，即求回归直线，使得样本数据的点到它的距离的平方和最小，这一方法叫做最小二乘法（method of least square ）. （7）利用计算机求回归直线的方程.根据最小二乘法的思想和公式①，利用计算器或计算机，可以方便地求出回归方程. 以Excel 软件为例,用散点图来建立表示人体的脂肪含量与年龄的相关关系的线性回归方程,具体步骤如下：①在Excel 中选定表示人体的脂肪含量与年龄的相关关系的散点图（如下图）,在菜单中选定“图表”中的“添加趋势线”选项,弹出“添加趋势线”对话框.②单击“类型”标签,选定“趋势预测/回归分析类型”中的“线性”选项,单击“确定”按钮,得到回归直线.③双击回归直线,弹出“趋势线格式”对话框.单击“选项”标签,选定“显示公式”,最后单击“确定”按钮,得到回归直线的回归方程^y =0.577x-0.448.（8）利用计算器求回归直线的方程.用计算器求这个回归方程的过程如下：所以回归方程为^y =0.577x-0.448.正像本节开头所说的，我们从人体脂肪含量与年龄这两个变量的一组随机样本数据中，找到了它们之间关系的一个规律，这个规律是由回归直线来反映的. 直线回归方程的应用:①描述两变量之间的依存关系；利用直线回归方程即可定量描述两个变量间依存的数量关系.②利用回归方程进行预测；把预报因子（即自变量x ）代入回归方程对预报量（即因变量Y ）进行估计,即可得到个体Y 值的容许区间.③利用回归方程进行统计控制规定Y 值的变化,通过控制x 的范围来实现统计控制的目标.如已经得到了空气中NO 2的浓度和汽车流量间的回归方程,即可通过控制汽车流量来控制空气中NO 2的浓度.（三）应用示例思路1例1 有一个同学家开了一个小卖部，他为了研究气温对热饮销售的影响，经过统计，得到（2）从散点图中发现气温与热饮销售杯数之间关系的一般规律； （3）求回归方程；（4）如果某天的气温是2 ℃，预测这天卖出的热饮杯数.解：（1）散点图如下图所示：（2）从上图看到，各点散布在从左上角到右下角的区域里，因此，气温与热饮销售杯数之间呈负相关，即气温越高，卖出去的热饮杯数越少.（3）从散点图可以看出，这些点大致分布在一条直线的附近，因此，可用公式①求出回归方程的系数.利用计算器容易求得回归方程^y =-2.352x+147.767.(4)当x=2时，^y =143.063.因此，某天的气温为2 ℃时，这天大约可以卖出143杯热饮. 思考气温为2 ℃时，小卖部一定能够卖出143杯左右热饮吗？为什么？ 这里的答案是小卖部不一定能够卖出143杯左右热饮，原因如下：1.线性回归方程中的截距和斜率都是通过样本估计出来的，存在随机误差，这种误差可以导致预测结果的偏差.2.即使截距和斜率的估计没有误差，也不可能百分之百地保证对应于x 的预报值，能够与实际值y 很接近.我们不能保证点（x,y ）落在回归直线上，甚至不能百分之百地保证它落在回归直线的附近，事实上，y=bx+a+e=^y +e.这里e 是随机变量，预报值^y 与实际值y 的接近程度由随机变量e 的标准差所决定. 一些学生可能会提出问题：既然不一定能够卖出143杯左右热饮，那么为什么我们还以“这天大约可以卖出143杯热饮”作为结论呢？这是因为这个结论出现的可能性最大.具体地说，假如我们规定可以选择连续的3个非负整数作为可能的预测结果，则我们选择142，143和144能够保证预测成功（即实际卖出的杯数是这3个数之一）的概率最大.(1)请判断机动车辆数与交通事故数之间是否有线性相关关系,如果不具有线性相关关系,说明理由；(2)如果具有线性相关关系,求出线性回归方程.解：（1）在直角坐标系中画出数据的散点图,如下图.直观判断散点在一条直线附近,故具有线性相关关系． (2)计算相应的数据之和：∑=81i ix=1 031，∑=81i iy=71.6,∑=812i ix=137 835，∑=81i ii yx =9 611.7.将它们代入公式计算得b≈0.077 4,a=-1.024 1, 所以,所求线性回归方程为=0.077 4x-1.024 1.思路2例1 给出施化肥量对水稻产量影响的试验数据： (2)求出回归直线的方程.解：(1)散点图如下图．(2)表中的数据进行具体计算,列成以下表格:故可得到 b=230770003.39930787175⨯-⨯⨯-≈4.75,a=399.3-4.75×30≈257.从而得回归直线方程是^y =4.75x+257.例2 一个车间为了规定工时定额,需要确定加工零件所花费的时间．为此进行了10次试验, 请判断y 与x 是否具有线性相关关系,如果y 与x 具有线性相关关系,求线性回归方程．解：在直角坐标系中画出数据的散点图,如下图.直观判断散点在一条直线附近,故具有线性相关关系．由测得的数据表可知：∑===1012,7.91,55i ix yx =38 500,∑=1012i iy =87 777,∑=101i i i y x =55 950.b=2210121015510385007.915510559501010⨯-⨯⨯-=--∑∑==x xyx yx i ii ii≈0.668. a=x b y -=91.7-0.668×55≈54.96.因此,所求线性回归方程为^y =bx+a=0.668x+54.96.例3 已知10条狗的血球体积及红血球数的测量值如下：（1）画出上表的散点图； （2）求出回归直线的方程.解：（1）散点图如下.（2）101=x (45+42+46+48+42+35+58+40+39+50)=44.50, 101=y (6.53+6.30+9.52+7.50+6.99+5.90+9.49+6.20+6.55+8.72)=7.37. 设回归直线方程为^y =bx+a,则b=210121011010x xyx yx i ii ii --∑∑===0.175,a=x b y -=-0.418,所以所求回归直线的方程为^y =0.175x-0.148.点评：对一组数据进行线性回归分析时,应先画出其散点图,看其是否呈直线形,再依系数a,b 的计算公式,算出a,b ．由于计算量较大,所以在计算时应借助技术手段,认真细致,谨防计算中产生错误,求线性回归方程的步骤：计算平均数y x ,；计算x i 与y i 的积,求∑x i y i ；计算∑x i 2；将结果代入公式求b ；用a=x b y -求a ；写出回归直线方程．（四）知能训练1.下列两个变量之间的关系哪个不是函数关系（ ）A.角度和它的余弦值B.正方形边长和面积C.正ｎ边形的边数和它的内角和D.人的年龄和身高答案：Ｄ2．三点(3,10),(7,20),(11,24)的线性回归方程是（ ） A.^y =5.75-1.75x B.^y =1.75+5.75x C.^y =1.75-5.75x D.^y =5.75+1.75x答案：Ｄ设y 对x 呈线性相关关系．试求： （1）线性回归方程^y =bx+a 的回归系数a,b ；（2）估计使用年限为10年时,维修费用是多少？答案：（1）b=1.23,a=0.08；（2）12.38.4．我们考虑两个表示变量x 与y 之间的关系的模型,δ为误差项,模型如下： 模型1：y=6+4x ；模型2：y=6+4x+e ．（1）如果x=3,e=1,分别求两个模型中y 的值；（2）分别说明以上两个模型是确定性模型还是随机模型．解：（1）模型1：y=6+4x=6+4×3=18； 模型2：y=6+4x+e=6+4×3+1=19.（2）模型1中相同的x 值一定得到相同的y 值,所以是确定性模型；模型2中相同的x 值,因δ的不同,所得y 值不一定相同,且δ为误差项是随机的,所以模型2是随机性模型．（1）画出数据的散点图；（2）用最小二乘法估计求线性回归方程.解：（1）散点图如下图.（2）n=5,∑=51i ix=545,x =109,∑=51i iy=116,y =23.2,∑=512i ix=60 952,∑=51i ii yx =12 952,b=2545609525116545129525-⨯⨯-⨯≈0.199,a=23.2-0.199×109≈1.509, 所以,线性回归方程为y=0.199x+1.509．（五）拓展提升某调查者从调查中获知某公司近年来科研费用支出（X i ）与公司所获得利润（Y i ）的统计资料如下表：科研费用支出（X i ）与利润（Y i ）统计表 单位：万元要求估计利润（Y i ）对科研费用支出（X i ）的线性回归模型.解：设线性回归模型直线方程为：i i X Y 1^0^^ββ+=, 因为：630==∑nXx i=5,6180==∑nYY i=30,01方法一：3006009001200540060003020061803010006)(2221^=--=-⨯⨯-⨯=--=∑∑∑∑i i ii i X X n Y Y X n β=2, x Y 1^0^ββ-==30-2×5=20.方法二：501005620030561000)(2221^=⨯-⨯⨯-=--=∑∑x n X Yx n Y X ii i β=2， x Y 1^0^ββ-==30-2×5=20.方法三：50100)())((21^=---=∑∑x X Y Y x X ii iβ=2， x Y 1^0^ββ-==30-2×5=20.所以利润（Y i ）对科研费用支出（X i ）的线性回归模型直线方程为：i Y ^=20+2X i .（六）课堂小结1．求线性回归方程的步骤： （1）计算平均数y x ,；(2)计算x i 与y i 的积，求∑x i y i ;(3)计算∑x i 2,∑y i 2，(4)将上述有关结果代入公式⎪⎪⎪⎩⎪⎪⎪⎨⎧-=--=---=∑∑∑∑====x b y a x n x y x n y x x x y y x x b n i i n i i i n i i n i i i ,)())((1221121 求b,a,写出回归直线方程．2.经历用不同估算方法描述两个变量线性相关的过程.知道最小二乘法的思想,能根据给出的线性回归方程系数公式建立线性回归方程.（七）作业习题2.3A 组3、4,B 组1、2.。

《变量间相关关系》教学设计一、教材分析学生情况分析：学生已经具备了对样本数据进行初步分析的能力，且掌握了一定的计算机基础，主要是电子表格的使用。

二、教材地位和作用：变量间的相关关系是高中新教材人教A版必修 3 第二章 2.3 节的内容，本节课主要探讨如何利用线性回归思想对实际问题进行分析与预测。

为以后学习回归分析思想的应用奠定基础。

三、教学目标：1、知识与技能：利用散点图判断线性相关关系，了解最小二乘法的思想及回归方程系数公式的推导过程，利用EXCEL求出回归直线的方程并对实际问题进行分析和预测，通过实例加强对回归直线方程含义的理解2 、过程与方法：①通过自主探究体会数形结合、类比、及最小二乘法的数学思想方法。

②通过动手操作培养学生观察、分析、比较和归纳能力，引出利用计算机等现代化教学工具的必要性。

3、情感、态度与价值观：类比函数的表示方法，使学生理解变量间的相关关系，增强应用回归直线方程对实际问题进行分析和预测的意识。

利用电子书包让学生动手操作，合作交流激发学生的学习兴趣。

四、教学内容的重点：利用散点图直观认识两个变量之间的线性相关关系，了解最小二乘法的思想并利用此思想借助电子表格求出回归方程。

教学内容的难点：对最小二乘法的数学思想和回归方程的理解教学实施过程中的难点：根据给出的线性回归方程的系数公式建立线性回归方程。

五、教学媒体设计：本节课涉及大量数据计算及分析，用传统方法很难突破，故我主要通过电子书包，课前发布预学案、上课时发布课堂学案，通过学生动手操作、教师动画演示、师生合作交流来突出重点、突破难点。

六、教学过程：(一)课前通过电子书包平台，发布预学案。

学生完成预学案。

(如下)1、2、通过思考我们知道上述三个关系均不是函数关系，它们均称为相关关系。

3、(二)课堂上点评预学案完成情况：1、展示学生讨论情况，并明确两变量间的函数关系与相关关系的区别2、点评课前自测。

（三）师生探究与互动1、探究如何确定两变量间是否有相关关系？具有怎样的相关关系？(1)探究人体年龄与脂肪含量关系是否具有相关关系思考：判断以下案例是否有相关关系：(a)2007届高三总分前10名的学生每周用于数学学习时间x(单位：h)与数学成绩y(单(c)样本序号n(2)探究：由脂肪与年龄的散点图我们知道它们具有正相关，能否更具体些，确定它们以什么方式正相关呢？分析：年龄与脂肪含量的散点图这些点大致分布在一条直线附近,像这样，如果散点图中点的分布从整体上看大致在一条直线附近.提炼：我们就称这两个变量之间具有线性相关关系,这条直线叫做回归直线，该直线叫回归方程.思考：我们该怎样来求出这个回归方程？分析：问题1:回归直线应具有什么特征?(从整体上看,各点与此直线的距离)问题2:如何刻画各点与直线的接近程度? (设直线方程为:y=a+bx ，任意给定一个样本点（i i y x ,），我们用来刻画点与直线的接近程度。

变量间的相关关系的教学设计本节教学设计主要是使用TI92图形计算器，对普通高中课程标准实验教科书数学③第二章《统计》中的“两个变量的线性相关”进行有益的教与学探究。

学生通过对 TI图形计算器的操作，具体形象地利用散点图等直观图形认识变量之间的相关关系，同时，经历描述两个变量的相关关系的过程。

学生亲自体验了发现数学、领悟数学的全过程。

与此同时，教师在落实新课程标准的相关理念上作了一些有益的探讨。

教学设计与实践：[教学目标]：1、明确事物间的相互联系。

认识现实生活中变量间除了存在确定的关系外，仍存在大量的非确定性的相关关系，并利用散点图直观体会这种相关关系。

2、通过TI技术探究用不同的估算方法描述两个变量的线性相关关系的过程，学会用数学的有关变量来描述现实关系。

3、知道最小二乘法思想，了解其公式的推导。

会用TI图形计算器来求回归方程，相关系数。

[教学用具]：学生每人一台TI图形计算器、多媒体展示台、幻灯[教学实践情况]：一、问题引出：请同学们如实填写下表（在空格中打“√” ）然后回答如下问题：①“你的数学成绩对你的物理成绩有无影响？”②“ 如果你的数学成绩好，那么你的物理成绩也不会太差，如果你的数学成绩差，那么你的物理成绩也不会太好。

”对你来说，是这样吗？同意这种说法的同学请举手。

根据同学们回答的结果，让学生讨论：我们可以发现自己的数学成绩和物理成绩存在某种关系。

（似乎就是数学好的，物理也好；数学差的，物理也差，但又不全对。

）教师总结如下：物理成绩和数学成绩是两个变量，从经验看，由于物理学习要用到比较多的数学知识和数学方法。

数学成绩的高低对物理成绩的高低是有一定影响的。

但决非唯一因素，还有其它因素，如图所示（幻灯片给出）：（影响你的物理成绩的关系图）因此，不能通过一个人的数学成绩是多少就准确地断定他的物理成绩能达到多少。

但这两个变量是有一定关系的，它们之间是一种不确定性的关系。

如何通过数学成绩的结果对物理成绩进行合理估计有非常重要的现实意义。

2.3 变量间的相关关系2.3.1 变量之间的相关关系2.3.2 两个变量的线性相关一、教材分析变量之间的关系是人们感兴趣的问题.教科书通过思考栏目“物理成绩与数学成绩之间引导学生考察变量之间的关系.在教师的引导下,可使学生认识到在现实世界中存在的关系”，不能用函数模型描述的变量关系,从而体会研究变量之间的相关关系的重要性.随后,通过探究人体脂肪百分比和年龄之间的关系,引入描述两个变量之间关系的线性回归方程（模型）.教科书在探索用多种方法确定线性回归直线的过程中,向学生展示创造性思维的过程,帮助学生理解最小二乘法的思想.通过气温与饮料销售量的例子及随后的思考,使学生了解利用线性回归方程解决实际问题的全过程,体会线性回归方程作出的预测结果的随机性,并且可能犯的错误.进一步,教师可以利用计算机模拟和多媒体技术,直观形象地展示预测结果的随机性和规律性.二、教学目标1.通过收集现实问题中两个有关联变量的数据认识变量间的相关关系.2.明确事物间的相互联系.认识现实生活中变量间除了存在确定的关系外,仍存在大量的非确定性的相关关系,并利用散点图直观体会这种相关关系.3.经历用不同估算方法描述两个变量线性相关的过程．知道最小二乘法的思想,能根据给出的线性回归方程的系数公式建立线性回归方程．三、重点难点教学重点：通过收集现实问题中两个有关联变量的数据直观认识变量间的相关关系；利用散点图直观认识两个变量之间的线性关系；根据给出的线性回归方程的系数公式建立线性回归方程．教学难点：变量之间相关关系的理解；作散点图和理解两个变量的正相关和负相关；理解最小二乘法的思想.四、课时安排2课时五、教学设计第1课时（一）导入新课思路 1在学校里,老师对学生经常这样说：“如果你的数学成绩好，那么你的物理学习就不会有什么大问题.”按照这种说法，似乎学生的物理成绩与数学成绩之间存在着一种相关关系.这种说法有没有根据呢?）:请同学们如实填写下表（在空格中打“√”　好中差你的数学成绩你的物理成绩学生讨论：我们可以发现自己的数学成绩和物理成绩存在某种关系.（似乎就是数学好的,物理也好；数学差的,物理也差,但又不全对.）物理成绩和数学成绩是两个变量,从经验看,由于物理学习要用到比较多的数学知识和数学方法.数学成绩的高低对物理成绩的高低是有一定影响的.但决非唯一因素,还有其他因素,如是否喜欢物理,用在物理学习上的时间等等.（总结：不能通过一个人的数学成绩是多少就准确地断定他的物理成绩能达到多少.但这两个变量是有一定关系的,它们之间是一种不确定性的关系.如何通过数学成绩的结果对物理成绩进行合理估计有非常重要的现实意义.）为很好地说明上述问题,我们开始学习变量之间的相关关系和两个变量的线性相关.(教师板书课题)思路 2某地区的环境条件适合天鹅栖息繁衍，有人经统计发现了一个有趣的现象，如果村庄附近栖息的天鹅多，那么这个村庄的婴儿出生率也高，天鹅少的地方婴儿的出生率低，于是，他就得出一个结论：天鹅能够带来孩子.你认为这样得到的结论可靠吗？如何证明这个结论的可靠性？（二）推进新课、新知探究、提出问题（1）粮食产量与施肥量有关系吗？“名师出高徒”可以解释为教师的水平越高,学生的水平也越高.教师的水平与学生的水平有什么关系？你能举出更多的描述生活中两个变量的相关关系的成语吗？（2）两个变量间的相关关系是什么？有几种？（3）两个变量间的相关关系的判断.讨论结果：（1）粮食产量与施肥量有关系,一般是在标准范围内,施肥越多,粮食产量越高；教师的水平与学生的水平是相关的,如水滴石穿,三人行必有我师等.我们还可以举出现实生活中存在的许多相关关系的问题.例如:商品销售收入与广告支出经费之间的关系.商品销售收入与广告支出经费有着密切的联系,但商品销售收入不仅与广告支出多少有关,还与商品质量、居民收入等因素有关.粮食产量与施肥量之间的关系.在一定范围内,施肥量越大,粮食产量就越高.但是,施肥量并不是决定粮食产量的唯一因素.因为粮食产量还要受到土壤质量、降雨量、田间管理水平等因素的影响.人体内的脂肪含量与年龄之间的关系.在一定年龄段内,随着年龄的增长,人体内的脂肪含量会增加,但人体内的脂肪含量还与饮食习惯、体育锻炼等有关,可能还与个人的先天体质有关.应当说,对于上述各种问题中的两个变量之间的相关关系,我们都可以根据自己的生活、但是,不管你的经验多么丰富,如果只凭经学习经验作出相应的判断,因为“经验当中有规律”．验办事,还是很容易出错的.因此,在分析两个变量之间的相关关系时,我们需要一些有说服力的方法.在寻找变量之间相关关系的过程中,统计同样发挥着非常重要的作用.因为上面提到的这种关系,并不像匀速直线运动中时间与路程的关系那样是完全确定的,而是带有不确定性.这就需要通过收集大量的数据(有时通过调查,有时通过实验),在对数据进行统计分析的基础上,发现其中的规律,才能对它们之间的关系作出判断.(2)相关关系的概念：自变量取值一定时,因变量的取值带有一定随机性的两个变量之间的关系,叫做相关关系.两个变量之间的关系分两类：①确定性的函数关系,例如我们以前学习过的一次函数、二次函数等；我们就说身高与体重这两个变②带有随机性的变量间的相关关系,例如“身高者,体重也重”，量具有相关关系.相关关系是一种非确定性关系.如商品销售收入与广告支出经费之间的关系.（还与商品质量、居民收入、生活环境等有关）(3)两个变量间的相关关系的判断：①散点图.②根据散点图中变量的对应点的离散程度,可以准确地判断两个变量是否具有相关关系.③正相关、负相关的概念.①教学散点图出示例题：在一次对人体脂肪含量和年龄关系的研究中,研究人员获得了一组样本数据：年龄23 27 38 41 45 49 50 脂肪9.5 17.8 21.2 25.9 27.5 26.3 28.2 年龄53 54 56 57 58 60 61 脂肪29.6 30.2 31.4 30.8 33.5 35.2 34.6 分析数据：大体上来看,随着年龄的增加,人体中脂肪的百分比也在增加.我们可以作散点图来进一步分析.②散点图的概念：将各数据在平面直角坐标系中的对应点画出来,得到表示两个变量的一组数据的图形,这样的图形叫做散点图，如下图.从散点图我们可以看出，年龄越大，体内脂肪含量越高.图中点的趋势表明两个变量之间确实存在一定的关系,这个图支持了我们从数据表中得出的结论.（a.如果所有的样本点都落在某一函数曲线上,就用该函数来描述变量之间的关系,即变量之间具有函数关系． b.如果所有的样本点都落在某一函数曲线附近,变量之间就有相关关系.c.如果所有的样本点都落在某一直线附近,变量之间就有线性相关关系）③正相关与负相关的概念：如果散点图中的点散布在从左下角到右上角的区域内,称为正相关.如果散点图中的点散布在从左上角到右下角的区域内,称为负相关.（注：散点图的点如果几乎没有什么规则,则这两个变量之间不具有相关关系）（三）应用示例思路 1例1 下列关系中,带有随机性相关关系的是_____________.①正方形的边长与面积之间的关系②水稻产量与施肥量之间的关系③人的身高与年龄之间的关系④降雪量与交通事故的发生率之间的关系解析：两变量之间的关系有两种：函数关系与带有随机性的相关关系.①正方形的边长与面积之间的关系是函数关系.②水稻产量与施肥量之间的关系不是严格的函数关系,但是具有相关性,因而是相关关系.③人的身高与年龄之间的关系既不是函数关系,也不是相关关系,因为人的年龄达到一定时期身高就不发生明显变化了,因而他们不具备相关关系.④降雪量与交通事故的发生率之间具有相关关系,因此填②④.答案：②④例 2 有关法律规定,香烟盒上必须印上“吸烟有害健康”的警示语.吸烟是否一定会引起健康问题?你认为“健康问题不一定是由吸烟引起的,所以可以吸烟”的说法对吗?分析：学生思考,然后讨论交流,教师及时评价.解：从已经掌握的知识来看,吸烟会损害身体的健康,但是除了吸烟之外,还有许多其他的随机因素影响身体健康,人体健康是很多因素共同作用的结果.我们可以找到长寿的吸烟者,也更容易发现由于吸烟而引发的患病者,所以吸烟不一定引起健康问题.但吸烟引起健康问题的可能性大.因此“健康问题不一定是由吸烟引起的,所以可以吸烟”的说法是不对的.点评：在探究研究的过程中,如果能够从两个变量的观察数据之间发现相关关系是极为有意义的,由此可以进一步研究二者之间是否蕴涵因果关系,从而发现引起这种相关关系的本质原因是什么.本题的意义在于引导学生重视对统计结果的解释,从中发现进一步研究的问题.思路 2例1 有时候,一些东西吃起来口味越好,对我们的身体越有害.下表给出了不同类型的某种食品的数据.第二列表示此种食品所含热量的百分比,第三列数据表示由一些美食家以百分制给出的对此种食品口味的评价:品牌所含热量的百分比口味记录A 25 89B 34 89C 20 80D 19 78E 26 75F 20 71G 19 65H 24 62I 19 60J 13 52（1）作出这些数据的散点图.(2)关于两个变量之间的关系,你能得出什么结论?解：(1)散点图如下：(2)基本成正相关关系,即食品所含热量越高,口味越好.例2 案例分析：一般说来,一个人的身高越高,他的右手一拃长就越长,因此,人的身高与右手一拃长之间存在着一定的关系.为了对这个问题进行调查,我们收集了北京市某中学2003年高三年级96名学生的身高与右手一拃长的数据如下表.性别身高/cm 右手一拃长/cm 性别身高/cm 右手一拃长/cm 女152 18.5 女153 16.0女156 16.0 女157 20.0女158 17.3 女159 20.0女160 15.0 女160 16.0女160 17.5 女160 17.5女160 19.0 女160 19.0女160 19.0 女160 19.5女161 16.1 女161 18.0女162 18.2 女162 18.5女163 20.0 女163 21.5女164 17.0 女164 18.5女164 19.0 女164 20.0女165 15.0 女165 16.0女165 17.5 女165 19.5女166 19.0 女167 19.0女167 19.0 女168 16.0女168 19.0 女168 19.5女170 21.0 女170 21.0女170 21.0 女171 19.0女171 20.0 女171 21.5女172 18.5 女173 18.0女173 22.0 男162 19.0男164 19.0 男165 21.0男168 18.0 男168 19.0男169 17.0 男169 20.0男170 20.0 男170 21.0男170 21.5 男170 22.0男171 21.5 男171 21.5男171 22.3 男172 21.5男172 23.0 男173 20.0男173 20.0 男173 20.0男173 20.0 男173 21.0男174 22.0 男174 22.0男175 16.0 男175 20.0男175 21.0 男175 21.2男175 22.0 男176 16.0男176 19.0 男176 20.0男176 22.0 男176 22.0男177 21.0 男178 21.0男178 21.0 男178 22.5男178 24.0 男179 21.5男179 21.5 男179 23.0男180 22.5 男181 21.1男181 21.5 男181 23.0男182 18.5 男182 21.5男182 24.0 男183 21.2男185 25.0 男186 22.0男191 21.0 男191 23.0 （1）根据上表中的数据,制成散点图.你能从散点图中发现身高与右手一拃长之间的近似关系吗？（2）如果近似成线性关系,请画出一条直线来近似地表示这种线性关系.（3）如果一个学生的身高是188 cm,你能估计他的一拃大概有多长吗？解：根据上表中的数据,制成的散点图如下.从散点图上可以发现,身高与右手一拃长之间的总体趋势是成一直线,也就是说,它们之间是线性相关的.那么,怎样确定这条直线呢？同学1：选择能反映直线变化的两个点,例如（153,16）,（191,23）两点确定一条直线.同学2：在图中放上一根细绳,使得上面和下面点的个数相同或基本相同.同学3：多取几组点对,确定几条直线方程.再分别算出各个直线方程斜率、截距的算术平均值,作为所求直线的斜率、截距.同学4：从左端点开始,取两条直线,如下图.再取这两条直线的“中间位置”作一条直线.同学5：先求出相同身高同学右手一拃长的平均值,画出散点图,如下图,再画出近似的直线,使得在直线两侧的点数尽可能一样多.同学6：先将所有的点分成两部分,一部分是身高在170 cm以下的,一部分是身高在170 cm 以上的；然后,每部分的点求一个“平均点”——身高的平均值作为平均身高、右手一拃的平均值作为平均右手一拃长,即（164,19）,（177,21）；最后,将这两点连接成一条直线.同学7：先将所有的点按从小到大的顺序进行排列,尽可能地平均分成三等份；每部分的点按照同学3的方法求一个“平均点”，最小的点为（161.3,18.2）,中间的点为（170.5,20.1）,最大的点为（179.2,21.3）.求出这三个点的“平均点”为（170.3,19.9）.我再用直尺连接最大点与最小点,然后平行地推,画出过点（170.3,19.9）的直线.同学8：取一条直线,使得在它附近的点比较多.在这里需要强调的是,身高和右手一拃长之间没有函数关系.我们得到的直线方程,只是对其变化趋势的一个近似描述.对一个给定身高的人,人们可以用这个方程来估计这个人的右手一拃长，这是十分有意义的.（四）知能训练一个车间为了规定工时定额,需要确定加工零件所花费的时间,为此进行了10次试验,收集数据如下：零件数x（个）10 20 30 40 50 60 70 80 90 100 加工时间y(min) 62 68 75 81 89 95 102 108 115 122 画出散点图；关于加工零件的个数与加工时间,你能得出什么结论？答案：（1）散点图如下：（2）加工零件的个数与所花费的时间呈正线性相关关系．（五）拓展提升以下是某地搜集到的新房屋的销售价格y和房屋的面积x的数据：房屋面积（m2）115 110 80 135 105销售价格（万元）24.8 21.6 18.4 29.2 22 （1）画出数据对应的散点图；（2）指出是正相关还是负相关;（3）关于销售价格y和房屋的面积x,你能得出什么结论？解：（1）数据对应的散点图如下图所示：（2）散点图中的点散分布在从左下角到右上角的区域内,所以是正相关.（3）关于销售价格y和房屋的面积x,房屋的面积越大,价格越高,它们呈正线性相关的关系.（六）课堂小结通过收集现实问题中两个有关联变量的数据作出散点图,并利用散点图直观认识变量间的相关关系.（七）作业习题2.3A组3、4(1).。

鹿邑二高导学案班级小组姓名高一年级数学学科编写人：赵子东审核人：李新良备课组长签字：课题：§2.3 变量间的相关关系课时：本期总课时：I、（1）课标考纲解读：利用散点图认识变量的相关关系，会描述两个变量线性相关关系作出判断。

（2）状元学习方案：通过小组合作，自主探究了解本节内容。

II、1.学习目标（1）知识目标：了解相关关系与函数关系的异同点；能用不同的估算方法描述两变量的线性相关关系，会画散点图，会求回归直线方程。

（2）能力目标：通过师生互动，培养学生应用知识的能力，提高学生分析问题解决问题的能力。

（3）情感目标：培养学生积极参与，自主合作的主体意识，增加师生互动，促进师生间的情感交流。

2.学习重点：（1）利用散点图直观认识两个变量间的相关关系。

（2）了解最小二乘法的思想。

学习难点：根据给出的线性回归方程与直线的关系。

3.学法指导：自主探究，合作交流4.知识链接：用样本估计总体III、学习过程知识要点：（阅读课本第84页至91页，填写下列空白）1、变量与变量之间的关系常见的有两类：一类是确定性关系，如函数关系；另一类是不确定性关系，即当自变量的取值一定，因变量取值带有一定的随机性，这样的两个变量之间的关系称为____________。

2、从散点图上看，点散布在从左下角到右上角的区域内，两个变量的这种相关关系称为，点散布在从左上角到右下角的区域内，两个变量相关关系为_ ，如果散点图中点的分布从整体上看大致在一条直线附近，就称这两个变量之间具有关系，关系，这条直线叫做_ ，它的方程简称_ 。

Q 的最小值，即使得样本数据的点3、通过求_____________________________到回归直线的距离的平方和最小的求回归直线的方法叫做，设回归方程为ˆy bx a =+，则有1122211()()()________________n ni i i i i i n ni i i i x x y y x y nx y b x x x nx a ====⎧---⎪⎪==⎨--⎪⎪=⎩∑∑∑∑ ， 其中1n ii x x ==∑，1nii y y ==∑， b 是回归方程的斜率，a 是截距。