3.1回归分析的基本思想及其应用教材分析本节内容是数学选修2-3 第三章 统计案例 的起始课，是在《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，并能从残差分析角度讨论回归模型的拟合效果；第二课时：从相关系数、相关指数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.本节课的重点是回归分析的基本方法、随机误差e 的认识、残差，难点是回归分析的基本方法.课时分配本节内容用1课时的时间完成，主要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，并能从残差分析角度讨论回归模型的拟合效果.教学目标重点: 回归分析的基本方法、随机误差e 的认识、残差. 难点：回归分析的基本方法.知识点：回归分析的基本方法、随机误差e 、残差.能力点：如何探寻回归分析的基本方法，数形结合的数学思想的运用.教育点：经历由特殊到一般的研究数学问题的过程，体会探究的乐趣，激发学生的学习热情. 自主探究点：如何运用最小二乘法求回归直线方程.考试点：求解线性回归方程，从残差的角度讨论回归模型的拟合效果. 易错易混点：随机误差e 与残差之间的区别与联系.拓展点：从相关系数、相关指数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.教具准备 多媒体课件 课堂模式 学案导学 一、引入新课对于一组具有线性相关关系的数据112233(,),(,),(,),,(,).n n x y x y x y x y 其回归直线方程的截距和斜率的最小二乘法估计公式分别为：a y bx =- 121()()()niii nii x x y y b x x ==--=-∑∑11n i i x x n ==∑ 11ni i y y n ==∑ (,)x y 称为样本点的中心. 如何推导这两个计算公式？【设计意图】由学生所熟悉的最小二乘法引入新课，消除了学生对新知的恐惧感，引出最小二乘法的中的系数,a b ∧∧的计算公式的推导过程.二、探究新知从已经学过的知识，截距a 和斜率b 分别是使21(,)()niii Q y x αββα==--∑取最小值时,αβ的值，由于212212211(,)[((]{[(2[([(][(]}[(2[([(](ni i i ni i i i i nni i i i i i Q y x y x y x y x y x y x y x y x y x y x y x y x y x y x n y x αββββαβββββαβαβββββαβα=====-----=---+---⋅--+--=---+---⋅--+--∑∑∑∑）+））]）]）））]）]））因为1111[((([(([(]([(]0,nniiiii i n ni i i i y x y x y x y x y x y x y x y x n y x y x ny n x n y x βββαβαβββαβββαββ====-----=-----=-----=-----=∑∑∑∑）]）））]））））所以2212222111222221122111[([(]()2()()()(()()[()()](()[]()()()ni i i n n ni i ii i i i nniii i ni i i i nni i iii i Q y x y x n y x x x x x y y y y n y x x x y y x x y y n y x x x y y x x x x αββββαβββαβαβ==========---+--=----+-+------=--+---+---∑∑∑∑∑∑∑∑∑（，））]）））1n=∑在上式中，后两项和,αβ无关，而前两项为非负数，因此要使Q 取得最小值，当且仅当前两项的值均为0.，既有121()()()niii nii x x y y x x β==--=-∑∑y x αβ=-通过上式推导，可以训练学生的计算能力，观察分析能力，能够很好训练学生数学能力，必须在老师引导下让学生自己推出.所以：a y bx =- 121()()()niii nii x x y y b x x ==--=-∑∑这正是我们所要推导的公式.三、理解新知准确理解最小二乘法中系数,a b ∧∧的计算公式，以及回归方程的求解过程. 【设计意图】为准确地运用新知，作必要的铺垫.四、运用新知例1、 从某大学中随机选取8名女大学生，其身高和体重的数据如图所示：(1) 画出以身高为自变量x,体重为因变量y 的散点图;(2) 求根据女大学生的身高预报体重的回归方程;(3) 求预报一名身高为172cm 的女大学生的体重. 解：（1）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 作散点图:（2）0.849,85.712:0.84985.712.b a y x ==-∴=-回归方程(3)对于身高172cm 的女大学生，由回归方程可以预报体重为：0.84917285.71260.316()y kg =⨯-=ˆ0.849b=是斜率的估计值，说明身高x 每增加1个单位时，体重y 就增加0.849 个单位，这表明体重与身高具有正的线性相关关系．如何描述它们之间线性相关关系的强弱？【设计意图】通过具体例子让学生感受回归分析思想的应用.最后的问题为接下来引入残差做了铺垫.在必修 3 中，我们介绍了用相关系数；来衡量两个变量之间线性相关关系的方法．本相关系数的具体计算公式为()()niix x y y r --=∑当r >0时，表明两个变量正相关；当r <0时，表明两个变量负相关．r 的绝对值越接近1，表明两个变量的线性相关性越强；r 的绝对值接近于0时，表明两个变量之间几乎不存在线性相关关系．通常，当r 的绝对值大于0. 75 时认为两个变量有很强的线性相关关系．165在本例中，可以计算出r =0. 798．这表明体重与身高有很强的线性相关关系，从而也表明我们建立的回归模型是有意义的．显然，身高172cm 的女大学生的体重不一定是60. 316 kg ，但一般可以认为她的体重接近于60 . 316 kg .图3 . 1- 2 中的样本点和回归直线的相互位置说明了这一点．由于所有的样本点不共线，而只是散布在某一条直线的附近，所以身高和体重的关系可用下面的线性回归模型来表示：y bx a e =++, ( 3 )这里a 和b 为模型的未知参数，e 是y 与y bx a =+之间的误差．通常e 为随机变量，称为随机误差，它的均值 E (e ）=0，方差D （e ）=2()D e σ=＞0 ．这样线性回归模型的完整表达式为：2,()0,().y bx a e E e D e σ=++⎧⎨==⎩ (4) 在线性回归模型（4）中，随机误差e 的方差越小，通过回归直线y bx a =+ (5)预报真实值y 的精度越高．随机误差是引起预报值y 与真实值y 之间的误差的原因之一，大小取决于随机误差的方差.另一方面，由于公式（1）和（2）中a 和b 为截距和斜率的估计值，它们与真实值a 和b 之间也存在误差，这种误差是引起预报值y 与真实值y 之间误差的另一个原因．【设计意图】引入随机误差e 后，将回归方程推广到回归模型. 思考:产生随机误差项e 的原因是什么?一个人的体重值除了受身高的影响外，还受许多其他因素的影响．例如饮食习惯、是否喜欢运动、度量误差等．事实上，我们无法知道身高和体重之间的确切关系是什么，这里只是利用线性回归方程来近似这种关系．这种近似以及上面提到的影响因素都是产生随机误差 e 的原因．因为随机误差是随机变量，所以可以通过这个随机变量的数字特征来刻画它的一些总体特征．均值是反映随机变量取值平均水平的数字特征，方差是反映随机变量集中于均值程度的数字特征，而随机误差的均值为0，因此可以用方差2σ来衡量随机误差的大小．为了衡量预报的精度，需要估计护的值．一个自然的想法是通过样本方差来估计总体方差．如何得到随机变量e 的样本呢？由于模型（3）或（4）中的e 隐含在预报变量y 中，我们无法精确地把它从y 中分离出来，因此也就无法得到随机变量e 的样本．解决问题的途径是通过样本的估计值来估计2σ．根据截距和斜率的估计公式（1）和（2 ) , 可以建立回归方程y bx a =+,因此y 是（5）中y 的估计量．由于随机误差e y y =-，所以e y y =-是e 的估计量．对于样本点（11,x y ) , (22,x y ) ，…， (,n n x y ) 而言，相应于它们的随机误差为,1,2,,i i i i i e y y y bx a i n =-=--=,其估计值为,1,2,,i i i i i e y y y b x a i n ∧∧∧∧=-=--=,i e ∧称为相应于点(,)i i x y 的残差（residual )．类比样本方差估计总体方差的思想，可以用22111(,)(2)22n i i e Q a b n n n σ∧∧∧∧===>--∑ 作为2σ的估计量， 其中a 和b 由公式（1) (2）给出，Q （a ,b ）称为残差平方和（residual sum of squares )．可以用2σ∧衡量回归方程的预报精度．通常，2σ∧越小，预报精度越高．在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用线性回归模型来拟合数据．然后，可以通过残差12,,,n e e e ∧∧∧来判断模型拟合的效果，判断原始数据中是否存在可疑数据．这方面的分析工作称为残差分析． 【设计意图】引入残差的概念，使学生会运用残差分析的思想分析模型的拟合效果. 表3- 2 列出了女大学生身高和体重的原始数据以及相应的残差数据．e -6.373 的估计值等，这样作出的图形称为残差图．【设计意图】通过例1的具体数据让学生感受残差分析的应用. 【变式练习】观察两相关变量得如下数据：求两个变量的回归方程. 解：10102110,0,110,110,i i i i i x y x x y ======∑∑10110221101101001,000.11010010i ii i i x y x yb a y b x b x x∧∧∧∧==--⨯∴====-=-⋅=-⨯-∑∑ 所以所求回归直线方程为y x =【设计意图】让学生自己动手解决求回归方程的问题，加深对回归分析思想的印象.五、课堂小结教师提问：本节课我们学习了哪些知识，涉及到哪些数学思想方法？ 学生作答：1．回归直线方程，随机误差及残差．2．思想：回归分析的思想、数形结合的思想、残差分析的思想．教师总结: 公式的证明过程用到了前面两章学过的知识，提醒学生: 在学习新知时，也要经常复习前面学过的内容,“温故而知新”．在应用中增强对知识(如本节的随机误差和残差)的理解，及时查缺补漏,从而更好地运用知识,解题要有目的性，加强对数学知识、思想方法的认识与自觉运用． 【设计意图】 加强对学生学习方法的指导，做到“授人以渔”．六、布置作业1．阅读教材P80—84；2．书面作业 P89 习题3.1 1.（1）、（2）、（4）.3．课外思考：如何运用回归分析的思想对未知量进行预报轨迹呢？【设计意图】设计作业1,2，是引导学生先复习，再作业，培养学生良好的学习习惯.书面作业的布置，是为了让学生能够运用回归分析的思想，解决简单的数学问题；课外思考的安排，是让学生理解回归分析的思想，从而让学生深刻地体会随机误差，残差分析的思想，培养学生回归分析的基本思想，起到承上启下的作用．七、教后反思1.由于各校的情况不同，建议教师在使用本教案时灵活掌握，但必须在公式的证明思路的探寻上下足功夫.2.本节课的弱项是由于整堂课课堂容量较大，在课堂上没有充分暴露学生的思维过程，并给予针对性地诊断与分析.八、板书设计1i nb ==∑bx。
