1.1回归分析的基本思想及其初步应用-教学设计-教案

  • 格式:docx
  • 大小:254.92 KB
  • 文档页数:8

下载文档原格式

  / 13
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

教学准备

1. 教学目标

1、能根据散点分布特点,建立不同的回归模型;了解有些非线性模型通过转化可以

转化为线性回归模型

2、了解回归模型的选择,体会不同模型拟合数据的效果

2. 教学重点/难点

教学重点:通过探究使学生体会有些非线性模型通过等量变换、对数变换可以转化为

线性回归模型

教学难点:如何启发学生“对变量作适当的变换”(等量变换、对数变换),变非线

性为线性,建立线性回归模型

3. 教学用具

多媒体

4. 标签

教学过程

一、复习引入

【师】问题1:你能回忆一下建立回归模型的基本步骤?

【师】提出问题,引导学生回忆建立回归模型的基本步骤(选变量、画散点图、选模型、估计参数、分析与预测)

【生】回忆、叙述建立回归模型的基本步骤

【板演/PPT】

【师】问题2.能刻画回归模型效果的类别有哪些?它们各有什么特点?

【生】回忆思考

【板演/PPT】

刻画回归效果的方式

(1)残差图法

作图时纵坐标为残差,横坐标可以选为的样本编号,或身高数据,或体重的估计值等,这样作出的图形称为残差图.在残差图中,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.

(2)残差平方和法

残差平方和,残差平方和越小,模型拟合效果越好.

(3)利用R2刻画回归效果

;R2表示解释变量对于预报变量变化的贡献率.R2越接近于1,表示回归的效果越好.

二、新知介绍

(1)回归模型选择比较不同模型拟合效果

【师】我国是世界产棉大国,种植棉花是我国很多地区农民的主要经济来源,棉花种植中经常会遇到一种虫害,就是红铃虫,为有效采取防止方法,有必要对红铃虫的产卵数和温度之间的关系进行研究,如图我们搜集了红铃虫的产卵数y和温度x之间的7组观测数据如下表:

【板书/PPT】

【师】试着建立y与x之间的回归方程

【生】类比前面所学过的建立线性回归方程分步骤动手实施

【师】教师巡视指导

【板书/PPT】

解:1)作散点图

2)通过计算器求得线性回归方程:

3)进行回归分析计算:

即这个线性回归模型中温度解释了74.64%产卵数的变化

【师】几何数据发现,我们所建立的回归模型相关指数约为74.64%,即解释变量仅能解释预报变量74.64%的变化,所占比例偏小,因此用此模型进行预报会存在较大误差。从散点图上也可以看出,样本点并没有很好的集中在一条直线附近,那么还可以通过什么样的回归模型进行预报呢?

【生】思考、交流,选择回归模型

【生】学生总结方案:方案一:建立二次函数模型y=c1x2+c2

方案二:建立指数函数模型

【师】那么,如何求出所建立的回归模型的系数呢

【生】思考、交流,观察模型,探究变换的方法并发表自己的意见。最后给出具体的方法。

【板书/PPT】

令t=x2,建立与之间的线性回归方程

所以y=0.367t-202.543

因为t=x2,即y关于x的二次回归方程为y=0.367t2-202.543。

【师】如果选用指数型模型,是否也可以转化为线性模型呢?如何转化?

【生】思考、交流,教师启发学生“幂指数中的自变量如何转化为自变量的一次幂”

【板书/PPT】

建立数据转换表

根据数据得线性回归方程

转化为非线性回归模型

计算相关指数R2≈0.985这个回归模型中温度解释了98.5%产卵数的变化

【师】引导学生进行不同模型的比较,体会“虽然任意两个变量的观测数据都可以用线性回归模型来拟合,但不能保证这种模型对数据得拟合效果最好,为更好地刻画两个变量之间的关系,要根据观测数据的特点来选择回归模型”

【板书/PPT】

可以利用直观(散点图和残差图)、相关指数来确定哪一个模型的拟合效果更好。

(2)运用新知,立体讲解

【师】根据刚才的例题,我们看看下面的例题

【板书/PPT】

例2某地区不同身高的未成年男性的体重平均值如下表:

试建立y与x之间的回归方程.

【师】引导学生学生动手计算

【生】学生交流计算

【板书/PPT】

解根据上表中数据画出散点图如图所示.

由图看出,样本点分布在某条指数函数曲线y=c1e 的周围,于是令z=ln y.

画出散点图如图所示.

由表中数据可得z与x之间的线性回归方程:

z=0.693+0.020x,则有y=e0.693+0.020x.

【板书/PPT】

例3 为了研究某种细菌随时间x变化时,繁殖个数y的变化,收集数据如下:

(1)用天数x作解释变量,繁殖个数y作预报变量,作出这些数据的散点图;

(2)描述解释变量x与预报变量y之间的关系;

(3)计算相关指数.

【师】给学生足够时间完成练习

【生】交流完成

【学生表达/PPT】

解①所作散点图如图所示.

②由散点图看出样本点分布在一条指数函数y=c1e 的周围,于是令z=ln y,则

由计算器得:=0.69x+1.115,则有=e0.69x+1.115.

即解释变量天数对预报变量繁殖细菌个数解释了99.98%.

随堂练习

【师】下面针对本节课所学,做几道练习题

【板书/PPT】

1.散点图在回归分析中的作用是 (D)

A.查找个体个数B.比较个体数据大小关系

C.探究个体分类D.粗略判断变量是否相关

2.变量x,y的散点图如图所示,那么x,y之间的样本相关系数r最接近的值为( C )