陕西省榆林育才中学高中数学 第1章《统计案例》1.1.1回归分析的基本思想及其初步应用(1)导学案(

陕西省榆林育才中学高中数学第1章《统计案例》1.1.1回归分析的大体思想及其初步应用（2）导学案（无答案）北师大版选修1-2学习目标1. 通过典型案例的探讨，进一步了解回归分析的大体思想、方式及初步应用;2. 了解评价回归效果的三个统计量：总误差平方和、残差平方和、回归平方和.3. 会用相关指数，残差图评价回归效果.学习进程一、课前预备（预习教材P4~ P7，找出疑惑的地方）温习1：用相关系数r可衡量两个变量之间关系.r>0, 相关, r<0 相关;r越接近于1，两个变量的线性相关关系，它们的散点图越接近；r>，两个变量有关系.温习2：评价回归效果的三个统计量：总误差平方和；残差平方和；回归平方和.二、新课导学※学习探讨探讨任务：如何评价回归效果？新知：一、评价回归效果的三个统计量(1)总误差平方和：(2)残差平方和：(3)回归平方和：二、相关指数：2R表示对的奉献，公式为：2R=2R的值越大，说明残差平方和，说明模型拟合效果 .3、残差分析：通过来判断拟合效果.通常借助图实现.残差图：横坐标表示，纵坐标表示 .残差点比较均匀地落在的区的区域中，说明选用的模型，带状区域的宽度越，说明拟合精度越，回归方程的预报精度越 .小结：分清总误差平方和、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.例2 假定小麦大体苗数x 与成熟期有效苗穗y 之间存在相关关系，今测得5组数据如下： xy（2）求回归方程并对于基本苗数预报期有效穗数；（3）求2R ，并说明残差变量对有效穗数的影响占百分之几.(参考数据：2115101.51,6746.76,n ni i i i i x x y ====∑∑ 521()50.18i i yy =-=∑， 521()9.117i i i y y =-=∑）※ 动手试试练1. 某班5名学生的数学和物理成绩如下表:学生学科A B C D E 数学成绩(x )88 76 75 64 62 物理成绩(y ) 78 65 70 62 60（导学案第1页例1）（4）求学生A,B,C,D,E 的物理成绩的实际成绩和回归直线方程预报成绩的差2i i e y y =-.并作出残差图评价拟合效果.小结：1. 评价回归效果的三个统计量:2. 相关指数评价拟合效果：3. 残差分析评价拟合效果：三、总结提升※ 学习小结一般地，成立回归模型的大体步骤：一、肯定研究对象，明确解释、预报变量；二、画散点图；3、肯定回归方程类型（用r 判定是不是为线性）；4、求回归方程；五、评价拟合效果.※ 知识拓展在现行回归模型中，相关指数2R 表示解释变量对预报变量的奉献率，2R 越接近于1，表示回归效果越好.若是某组数据能够采取几种不同的回归方程进行回归分析，则能够通过2R 作出选择，即选择2R 大的模型.学习评价）.A. 专门好B. 较好C. 一般D. 较差※ 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，别离选择了 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B. 模型 2 的相关指数2R 为C. 模型 3 的相关指数2R 为D. 模型 4 的相关指数2R 为2. 在回归分析中，残差图中纵坐标为（ ）.A. 残差B. 样本编号C. xD. n e3. 通过12,,,n e e e 来判断模拟型拟合的效果，判断原始数据中是不是存在可疑数据，这种分工称为（ ）.A.回归分析B.独立性查验分析C.残差分析D. 散点图分析4.2R 越接近1,回归的效果 .5. 在研究身高与体重的关系时，求得相关指数2R ，能够叙述为“身高解释了69%的体重转变，而随机误差奉献了剩余 ”所以身高对体重的效应比随机误差的 .。

回归分析的基本思想及初步应用课标理解以及教学应对：回归分析是高中阶段较难的一个内容，它属于统计学部分。

在教学中，抓住统计学的基本思想“用样本数据估计总体的数据”，让学生知道统计学知识的这个共性;展现概率统计学的应用功能——“分析统计出来的数据为决策提供依据”；让学生体会学以致用。

学生在学过必修三《两个变量的线性关系》的基础上，为学习本节做了很好的铺垫，在教学中从这个基础出发，逐渐展开，分析对比，扩展出必修三中两变量分析过程中没有的“通过误差分析判断是否需要重新建模”这步，通过完善已学内容完成新课教学，从实质上降低本节内容难度。

通过本节的学习，也为后一节“独立性检验的基本思想”的建立提供一个很好的参照模板。

教材理解及教学应对：本节的重点为：回归分析思想的建立，利用最小思想二乘法求回归直线斜率及截距、，残差分析、求相关指数；难在计算和回归思想的建立，在“两难”的情况下，择“一难”即“回归思想建立”作为突破口，回归思想的建立重在逻辑思维的提升，步骤套路的形成，反而比求刻板、复杂回归方程的斜率及截距，相关指数等等更简单，也更具有趣味性，学生在攻克“回归思想建立”的难关后，增强了掌握本节内容了自信心，在“突破口”的带动作用下，促使学生自己在技巧性不是很强的计算方面下功夫，故而使这节内容是在学生脑海里“枝繁叶茂”。

学生学情及教学应对：针对公安一种大多数学生基础较好，本节课没用在公式推导，计算展示上花过多时间，更注重思想的形成和探究能力的培养，为了使少数基础薄弱的学生也能跟得上，本节课多次采用归纳类比法，使得知识模块之间更清晰明了和问题解决也“有模可参”，从而降低了知识内容的难度。

教法：本节课主要采用“问题探究法”引导课堂内容层层推进，力求每个问题与前后知识都紧密联系、承上启下，确保整节课内容主干清晰、逻辑严密。

每个问题都有完整的“发现问题分析问题解决问题”过程。

而且在问题探究的过程中，采用归纳类比法，比如由“线性回归方程”提出“非线性回归方程”，以及“在什么情形是选择非线性回归模型分析两变量关系？”问题的提出都是“举一反三”。

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预习导航 新人教A 版选修1-21．线性回归模型(1)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．自变量x 称为解释变量，因变量y 称为预报变量． (2)在线性回归方程y ^＝a ^＋b ^x 中，b ^＝121n i ii n ii x x y y x x ==(-)(-)(-)∑∑，a ^＝y －b ^x ，其中x ＝11n i i x n =∑，y ＝11ni i y n =∑，(x ，y )称为样本点的中心，回归直线过样本点的中心． 思考1 线性回归模型与一次函数模型的区别在哪里？提示：线性回归模型与一次函数模型的不同之处是增加了随机误差项e ，在线性回归模型y ＝bx ＋a ＋e 中，因变量y 的值由自变量x 和随机误差e 共同确定，即自变量x 只能解释部分y 的变化．在实际问题中，线性回归模型适用的范围要比一次函数模型适用的范围大得多，当随机变量e 恒等于0时，线性回归模型就变成了一次函数模型，因此一次函数模型是线性回归模型的特殊形式，线性回归模型是一次函数模型的一般形式．思考2 回归分析中，利用线性回归方程求出的函数值一定是真实值吗？为什么？ 提示：不一定是真实值，利用线性回归方程求出的值，只是个预报值，例如人的体重与身高存在一定的线性关系，但体重除了受身高影响外，还受其他因素影响，如饮食等．2．刻画回归效果的方式提示：R2的值越大，说明回归模型拟合的效果越好，残差平方和越小，反之，亦成立．思考4 怎样理解散点图和R2的关系？提示：散点图可以说明变量间有无线性相关关系，但不能精确地说明两个变量之间关系的密切程度，因此需要计算R2来描述两个变量之间的密切程度．。

1.1回归分析的基本思想及其初步应用(1)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。

高中数学第一章统计案例1.1 回归分析的基本思想及初步应用2教案新人教 A 版选修12【学情分析】：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。

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。

在起点低的班级中注重让学生参与实践，鼓励学生通过收集数据，经历数据处理的过程，从而进一步体会回归分析中的数理计算，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。

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。

【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【教学过程设计】：教学环节教学活动设计意图一、创设情境二、探究新知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.问题一：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。

回归分析的基本思想及其初步应用方法总结
1．建立回归模型的基本步骤为：
(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)画出解释变量和预报变量的散点图，观察它们之间的关系(如是否存在线性关系等)．
(3)由经验确定回归方程的类型(如观察到数据呈线性关系，则选用线性回归方程)．
(4)按一定规则(如最小二乘法)估计回归方程中的参数．
(5)得出结果后分析残差图是否有异常(如个别数据对应残差过大，残差呈现不随机的规律性等)．若存在异常，则检查数据是否有误，或模型是否合适等．
2．分析两个变量相关关系的常用方法有：
(1)利用散点图进行判断：把样本数据表示的点在平面直角坐标系中作出，从而得到散点图，如果这些点大致分布在通过散点图中心的一条直线附近，那么就说这两个变量之间具有线性相关关系．
(2)利用相关指数R2进行判断．
3．对具有相关关系的两个变量进行统计分析时，首先进行相关性检验，在确认具有线性相关关系后，再求回归直线方程．
对于非线性回归问题，可以转化为线性回归问题去解决．
1。

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
预习导航 新人教A 版选修1-2
1．线性回归模型 (1)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．自变量x 称为解释变量，因变量y 称为预报变量． (2)在线性回归方程y ^＝a ^＋b ^x 中，b ^ ＝，a ^＝y －b ^x ，其中x ＝，y ＝，(x ，y )称为样本点的中心，回归直线过样本点的中心．
思考1 线性回归模型与一次函数模型的区别在哪里？
提示：线性回归模型与一次函数模型的不同之处是增加了随机误差项e ，在线性回归模型y ＝bx ＋a ＋e 中，因变量y 的值由自变量x 和随机误差e 共同确定，即自变量x 只能解释部分y 的变化．在实际问题中，线性回归模型适用的范围要比一次函数模型适用的范围大得多，当随机变量e 恒等于0时，线性回归模型就变成了一次函数模型，因此一次函数模型是线性回归模型的特殊形式，线性回归模型是一次函数模型的一般形式．
思考2 回归分析中，利用线性回归方程求出的函数值一定是真实值吗？为什么？ 提示：不一定是真实值，利用线性回归方程求出的值，只是个预报值，例如人的体重与身高存在一定的线性关系，但体重除了受身高影响外，还受其他因素影响，如饮食等．
2．刻画回归效果的方式
提示：R2的值越大，说明回归模型拟合的效果越好，残差平方和越小，反之，亦成立．思考4 怎样理解散点图和R2的关系？
提示：散点图可以说明变量间有无线性相关关系，但不能精确地说明两个变量之间关系的密切程度，因此需要计算R2来描述两个变量之间的密切程度．。

1。

1.1 回归分析的基本思想及其初步应用课标转述:①通过对典型案例（如“人的体重与身高的关系"等）的探究，了解回归的基本思想、方法及初步应用②通过对现行案例(如“质量控制"“新药是否有效”等）的探究，了解实际推断原理和假设检验的基本思想、方法及初步应用。

③通过对典型案例（如“昆虫分类”等）的探究，了解聚类分析的基本思想、方法及初步应用。

④通过对典型案例（如“肺癌与吸烟有关吗”等）的探究，了解独立性检验的基本思想、方法及初步应用。

学习目标：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。

学习重、难点：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。

学习过程：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. {⎧⎨⎩确定关系两个变量间的关系相关不确定关系不相关复习：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:→ → →3。

最小二乘法：线性回归模型ˆy bx a=+,其中 ˆb=ˆa=二、学习新知：1.例题分析：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：程，并预报一名身高为172cm的女大学生的体重。

解:由于问题中要求根据身高预报体重,因此选取身高为自变量x，体重为因变量y,做散点图:55504540150 155 160 165 170 175 180 x由图可知，样本点呈条状分布，身高和体重有比较好的线性相关关系，可以用线性回归模型ˆy bx a =+来刻画。

由最小二乘法计算:121()()ˆ()ni ii n ii x x y y b x x ==--=-∑∑，ˆay bx =- 其中1111,n n i i i i x x y y n n ====∑∑经计算得：ˆ0.849,85.712b a ==- 于是得线性回归方程得：0.84985.712y x =-所以，对于身高为172cm 得女大学生,由回归方程可以预报其体重为ˆ0.84917285.71260.316()ykg =⨯-=b 得意义是什么？0.849②身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解释以下原因么？2.随机误差和残差⑴引入线性回归模型：Y=bx+a+e解释变量x ，预报变量y，随机误差e产生随机误差的项e的原因是什么？练习反馈研究某灌溉渠道水的流速y与水深x之间的关系,测得一组数据如下:1。