《新編數學北師大版選修23教案 第三章 第三章第一課時 回歸分析教案 Word版含答案》由會員分享，可在線閱讀，更多相關《新編數學北師大版選修23教案 第三章 第三章第一課時 回歸分析教案 Word版含答案（6頁珍藏版）》請在裝配圖網上搜索。
1、新編數學北師大版精品資料
一、教學目標：（1）通過實例引入線性回歸模型，感受產生隨機誤差的原因；（2）通過對回歸模型的合理性等問題的研究，滲透線性回歸分析的思想和方法；（3）能求出簡單實際問題的線性回歸方程。
二、教學重點，難點：線性回歸模型的建立和線性回歸系數的最佳估計值的探求方法。
三、教學方法：討論交流，探析歸納
四、教學過程
（一）、問題情境
1、情境：對一作直線運動的質點的運動過程觀測了次，得到如下表所示的數據，試估計當x=９時的位置y的值．
時刻/s
位置觀測值/cm
根據《數學（必修）》中的有關
2、內容，解決這個問題的方法是：
先作散點圖，如下圖所示：
從散點圖中可以看出，樣本點呈直線趨勢，時間與位置觀測值y之間有著較好的線性關系．因此可以用線性回歸方程來刻畫它們之間的關系．根據線性回歸的系數公式，
可以得到線性回歸方為，所以當時，由線性回歸方程可以估計其位置值為
2、問題：在時刻時，質點的運動位置一定是嗎？
（二）、學生活動
思考，討論：這些點并不都在同一條直線上，上述直線并不能精確地反映與之間的關系，的值不能由完全確定，它們之間是統(tǒng)計相關關系，的實際值與估計值之間存在著誤差。
（三）、新課探析
1、線性回歸模型的定義：我們將用于估計值的線性函數作為確定性函數；的實
3、際值與估計值之間的誤差記為，稱之為隨機誤差；將稱為線性回歸模型．
說明：（1）產生隨機誤差的主要原因有：①所用的確定性函數不恰當引起的誤差；②忽略了某些因素的影響；③存在觀測誤差．
（2）對于線性回歸模型，我們應該考慮下面兩個問題： ①模型是否合理（這個問題在下一節(jié)課解決）； ②在模型合理的情況下，如何估計，？
2、探求線性回歸系數的最佳估計值：
對于問題②，設有對觀測數據，根據線性回歸模型，對于每一個，對應的隨機誤差項，我們希望總誤差越小越好，即要使越小越好．所以，只要求出使取得最小值時的，值作為，的估計值，記為，．
注：這里的就是擬合直線上的點到點的距離．用什么方法求，？
4、回憶《數學3（必修）》“2．4線性回歸方程”P71“熱茶問題”中求，的方法：最小二乘法．利用最小二乘法可以得到，的計算公式為
，其中，
由此得到的直線就稱為這對數據的回歸直線，此直線方程即為線性回歸方程．其中，分別為，的估計值，稱為回歸截距，稱為回歸系數，稱為回歸值．
在前面質點運動的線性回歸方程中，，．
3、線性回歸方程中，的意義是：以為基數，每增加1個單位，相應地平均增加個單位。
（四）、數學運用
1、例題：
例1、下表給出了我國從年至年人口數據資料，試根據表中數據估計我國年的人口數．
年份
人口數/百萬
5、
解：為了簡化數據，先將年份減去，并將所得值用表示，對應人口數用表示，得到下面的數據表：
作出個點構成的散點圖，由圖可知，這些點在一條直線附近，可以用線性回歸模型來表示它們之間的關系．
根據公式（1）可得
這里的分別為的估
計值，因此線性回歸方程為。由于年對應的,代入線性回歸方程可得（百萬），即年的人口總數估計為13.23億。
例2、 從某大學中隨機選取8 名女大學生，其身高和體重數據如表
編號
1
2
3
4
5
6
7
8
身高/cm
6、165
165
157
170
175
165
155
170
體重/kg
48
57
50
54
64
61
43
59
求根據女大學生的身高預報體重的回歸方程，并預報一名身高為 172 cm 的女大學生的體重．
解：由于問題中要求根據身高預報體重，因此選取身高為自變量 x ，體重為因變量 y .
作散點圖
從圖中可以看出，樣本點呈條狀分布，身高和體重有比較好的線性相關關系，因此可以用線性回歸方程來近似刻畫它們之間的關系．
根據探究中的公式（1）和（2 ) ，可以得到. 于是得到回歸方程
.因此，對于身高172 cm 的女大學生，由回歸方程可以
7、預報其體重為
( kg ) . 是斜率的估計值，說明身高 x 每增加1個單位時，體重y就增加0.849 位，這表明體重與身高具有正的線性相關關系。
2、練習：課本P76頁練習題
（五）、課堂小結：1、線性回歸模型與確定性函數相比，它表示與之間是統(tǒng)計相關關系（非確定性關系）其中的隨機誤差提供了選擇模型的準則以及在模型合理的情況下探求最佳估計值，的工具；2、線性回歸方程中，的意義是：以為基數，每增加1個單位，相應地平均增加個單位；3、求線性回歸方程的基本步驟。
（六）作業(yè)：課本P85頁習題3-1中第1題
新編數學北師大版選修23教案 第三章 第三章第一課時 回歸分析教案 Word版含答案
