《回归分析的基本思想及其初步应用》教案全面版

1、回归分析的基本思想及其初步应用教案教学要求：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.教学重点：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.教学难点：解释残差变量的含义，了解偏差平方和分解的思想.教学过程：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. 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：收集数据作散点图求回归直线方程利用方程进行预报.二、讲授新课：1. 教

2、学例题： 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：编号12345678身高/cm165165 157 170 175 165 155 170体重/kg 48 57 50 54 64 61 43 59求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm的女大学生的体重. （分析思路教师演示学生整理）第一步：作散点图第二步：求回归方程第三步：代值计算 提问：身高为172cm的女大学生的体重一定是60.316kg吗？不一定，但一般可以认为她的体重在60.316kg左右. 解释线性回归模型与一次函数的不同事实上，观察上述散点图，我们可以发现女大学生的体重

3、和身高之间的关系并不能用一次函数来严格刻画（因为所有的样本点不共线，所以线性模型只能近似地刻画身高和体重的关系）. 在数据表中身高为165cm的3名女大学生的体重分别为48kg、57kg和61kg，如果能用一次函数来描述体重与身高的关系，那么身高为165cm的3名女在学生的体重应相同. 这就说明体重不仅受身高的影响还受其他因素的影响，把这种影响的结果（即残差变量或随机变量）引入到线性函数模型中，得到线性回归模型，其中残差变量中包含体重不能由身高的线性函数解释的所有部分. 当残差变量恒等于0时，线性回归模型就变成一次函数模型. 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

4、型的一般形式. 2. 相关系数：相关系数的绝对值越接近于1，两个变量的线性相关关系越强，它们的散点图越接近一条直线，这时用线性回归模型拟合这组数据就越好，此时建立的线性回归模型是有意义.3. 小结：求线性回归方程的步骤、线性回归模型与一次函数的不同.第二课时 1.1回归分析的基本思想及其初步应用（二）教学要求：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.教学重点：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.教学难点：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.教学过程：一、复习准备：1由例1知，预报变量（体重）的值受解释变量

5、（身高）或随机误差的影响. 2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.二、讲授新课：1. 教学总偏差平方和、残差平方和、回归平方和：（1）总偏差平方和：所有单个样本值与样本均值差的平方和，即.残差平方和：回归值与样本值差的平方和，即.回归平方和：相应回归值与样本均值差的平方和，即.（2）学习要领：注意、的区别；预报变量的变化程度可以分解为由解释变量引起的变化程度与残差变量的变化程度之和，即；当总偏差平方和相对固定时，残差平方和越小，则回归平方和越大，此时模型的拟合效果越好

6、；对于多个不同的模型，我们还可以引入相关指数来刻画回归的效果，它表示解释变量对预报变量变化的贡献率. 的值越大，说明残差平方和越小，也就是说模型拟合的效果越好.2. 教学例题：例2 关于与有如下数据：245683040605070为了对、两个变量进行统计分析，现有以下两种线性模型：，试比较哪一个模型拟合的效果更好.分析：既可分别求出两种模型下的总偏差平方和、残差平方和、回归平方和，也可分别求出两种模型下的相关指数，然后再进行比较，从而得出结论.（答案：，84.5%82%，所以甲选用的模型拟合效果较好.）3. 小结：分清总偏差平方和、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

7、好坏.第三课时 1.1回归分析的基本思想及其初步应用（三）教学要求：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.教学重点：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，了解在解决实际问题的过程中寻找更好的模型的方法.教学难点：了解常用函数的图象特点，选择不同的模型建模，并通过比较相关指数对不同的模型进行比较.教学过程：一、复习准备：1. 给出例3：一只红铃虫的产卵数和温度有关，现收集了7组观测数据列于下表中，试建立与之间的回归方程.温度21232527293235产卵数个711212466115325（学生描述步骤，教师演示）2. 讨论：观察右图中的散点

8、图，发现样本点并没有分布在某个带状区域内，即两个变量不呈线性相关关系，所以不能直接用线性回归方程来建立两个变量之间的关系. 二、讲授新课：1. 探究非线性回归方程的确定： 如果散点图中的点分布在一个直线状带形区域，可以选线性回归模型来建模；如果散点图中的点分布在一个曲线状带形区域，就需选择非线性回归模型来建模. 根据已有的函数知识，可以发现样本点分布在某一条指数函数曲线y=的周围（其中是待定的参数），故可用指数函数模型来拟合这两个变量. 在上式两边取对数，得，再令，则，而与间的关系如下：X21232527293235z1.9462.3983.0453.1784.1904.7455.784观察与

9、的散点图，可以发现变换后样本点分布在一条直线的附近，因此可以用线性回归方程来拟合. 利用计算器算得，与间的线性回归方程为，因此红铃虫的产卵数对温度的非线性回归方程为. 利用回归方程探究非线性回归问题，可按“作散点图建模确定方程”这三个步骤进行. 其关键在于如何通过适当的变换，将非线性回归问题转化成线性回归问题.2. 小结：用回归方程探究非线性回归问题的方法、步骤.三、巩固练习：为了研究某种细菌随时间x变化，繁殖的个数，收集数据如下：天数x/天 1 2 34 56繁殖个数y/个 6 12 25 49 95190（1）用天数作解释变量，繁殖个数作预报变量，作出这些数据的散点图；（2）试求出预报变量

10、对解释变量的回归方程.（答案：所求非线性回归方程为.）第四课时 1.1回归分析的基本思想及其初步应用（四）教学要求：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.教学重点：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，了解在解决实际问题的过程中寻找更好的模型的方法，了解可用残差分析的方法，比较两种模型的拟合效果.教学难点：了解常用函数的图象特点，选择不同的模型建模，并通过比较相关指数对不同的模型进行比较.教学过程：一、复习准备：1. 提问：在例3中，观察散点图，我们选择用指数函数模型来拟合红铃虫的产卵数和温度间的关系，还可用其它函数模型来拟合吗？44152

11、9625729841102412257112124661153252. 讨论：能用二次函数模型来拟合上述两个变量间的关系吗？（令，则，此时与间的关系如下：观察与的散点图，可以发现样本点并不分布在一条直线的周围，因此不宜用线性回归方程来拟合它，即不宜用二次曲线来拟合与之间的关系. ）小结：也就是说，我们可以通过观察变换后的散点图来判断能否用此种模型来拟合. 事实上，除了观察散点图以外，我们也可先求出函数模型，然后利用残差分析的方法来比较模型的好坏.二、讲授新课：1. 教学残差分析： 残差：样本值与回归值的差叫残差，即. 残差分析：通过残差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

12、面的分析工作称为残差分析. 残差图：以残差为横坐标，以样本编号，或身高数据，或体重估计值等为横坐标，作出的图形称为残差图. 观察残差图，如果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，模型拟合精度越高，回归方程的预报精度越高. 2. 例3中的残差分析：计算两种模型下的残差一般情况下，比较两个模型的残差比较困难（某些样本点上一个模型的残差的绝对值比另一个模型的小，而另一些样本点的情况则相反），故通过比较两个模型的残差的平方和的大小来判断模型的拟合效果. 残差平方和越小的模型，拟合的效果越好.由于两种模型下的残差平方和分别为1450.673和15448.

13、432，故选用指数函数模型的拟合效果远远优于选用二次函数模型. （当然，还可用相关指数刻画回归效果）3. 小结：残差分析的步骤、作用三、巩固练习：练习：教材P13第1题你曾落过的泪，最终都会变成阳光，照亮脚下的路。 （舞低杨柳楼心月 歌尽桃花扇底风）我不去想悠悠别后的相逢是否在梦中，我只求此刻铭记那杨柳低舞月下重阁，你翩若惊鸿的身影，和那桃花扇底悄悄探出的半面妆容与盈盈水眸。用宁静的童心来看，这条路是这样的：它在两条竹篱笆之中。篱笆上开满了紫色的牵牛花，在每个花蕊上，都落了一只蓝蜻蜓。 你必得一个人和日月星辰对话，和江河湖海晤谈，和每一棵树握手，和每一株草耳鬓厮磨，你才会顿悟宇宙之大、生命之微

14、、时间之贵我一直以来都弄不明白，为什么不管做了多么明智合理的选择，在结果出来之前，谁都无法知道它的对错。到头来我们被允许做的，只是坚信那个选择，尽量不留下后悔而已。看不见的，是不是就等于不存在？记住的，是不是永远不会消失？每一个黄昏过后，大家焦虑地等待，却再也没有等到月亮升起。潮水慢慢平静下来，海洋凝固成一面漆黑的水镜，没有月亮的夜晚，世界变得清冷幽寂但是，最深的黑夜即将过去，月亮出来了记忆的冰川在岁月的侵蚀下，渐渐崩塌消融。保持着最初的晶莹的往事，已经越来越稀少。 灼灼其华，非我桃花。苍苍蒹葭，覆我其霜。芦荻不美，桃花艳妖。知我怜我，始觉爱呵。只要春天还在我就不会悲哀纵使黑夜吞噬了一切太阳还

15、可以重新回来只要生命还在我就不会悲哀纵使陷身茫茫沙漠还有希望的绿洲存只要明天还在我就不会悲哀冬雪终会悄悄融化春雷定将滚滚而来孤独，寂静，在两条竹篱笆之中，篱笆上开满了紫色的牵牛花，在每个花蕊上，都落了一只蓝蜻蜓。 一袭粉色拖地蝶园纱裙，长发垂至脚踝，青丝随风舞动。眸若点漆，水灵动人，冰肤莹彻，气质脱俗，眼波转动间却暗藏睿智锋芒。淡雅如仙，迎风而立的她，宛若来自天堂的。暖有时候猛烈地指责别人说谎，其实是太渴望那消息真实。 原来时间也会失误和出现意外，并因此迸裂，在某个房间里留下永恒的片段。尘世里，总有些什么，让我们不自觉地微笑，使我们的坚硬，在一瞬间变得柔软。婴儿的梦呓，幼童的稚语，夕阳下相互搀

16、扶的老人.那天黄昏，紫岚在栖身的石洞口默黩地注视着落日。余晖变幻着色调，嫣红、水红、玫瑰红，转瞬便消失在天涯尽头；草原被铅灰色的暮霭垄断了，苍茫沉静。 孔明灯真的很漂亮，就像是星星流过天河的声音。你既然已经做出了选择，又何必去问为什么选择。 原来岁月太长，可以丰富，可以荒凉。能忘掉结果，未能忘掉遇上。我不可抑制地在脑海勾勒这样的景象：黄昏。风。无垠的旷野。一棵树。-就那么一棵树，孤零零的。风吹动它的每一片叶子，每一片叶子，都在骨头里作响。天高路远，是永不能抵达的摸样. 孤单时，仍要守护心中的思念，有阴影的地方，必定有光 最好的时光，是经由记忆粉饰的过往。我们会不由自主地忘记伤痛，欢天喜地地投向

17、下一个天国。过往的人事，在前行的途中偶尔显身于记忆，又不可挽留地悄然远去。谁也阻止不了忘记的步伐每一次的离别都在夏天，明明是最火热的季节，却承载着最盛大的离别。睡着你的秘密，醒着你的自由。它的篱笆结实而疏朗，有清风徐徐穿过。人生有很多选择，一个选择又决定下个选择，所以，选择的时候只要是自己内心所想的，也值了，怕的就是，明明不愿意，又不得不选择。人生最遗憾的，莫过于轻易地放弃了不该放弃的，固执地坚持了不该坚持的 早春二月，乍暖还寒的时候，鹅黄隐约，新绿悄绽，昭示着生命的勃勃，那是旭日般的青春；阳春三月，杏花春雨时节，桃红柳绿，柔风扶雨，飘扬着自然的伟力，那是如火的中年；晚春四月，芳菲渐尽之际，远

18、山幽径，柳暗花明，辉煌着黄昏的执著，这是晚晴的暮年人都说顺其自然，其实一点都不是，而是实在别无选择的选择。 有个地方，名为汴梁，那年桃花肆意，旧年，桃花消散在汴梁。桃花十八年，繁华再现，桃花盛开三千夜，只需花颜亦墨离。那个汴梁有个童谣：桃花屋外飞满天，桃花谷里醉缠绵。桃花屋内冷桃茶，夭夭桃花葬桃恋。问桃花十八为几年，不谈墨离负花颜，江河暗流痴情魂，温柔十里桃花人。竹马青梅，亦是无猜，满眼繁花，只为那十八年的傻傻等候，公子俊秀，书画幔纱，唯有流逝一瞬，继过千年。1、起地你出小起时，我们手牵手，看过声地你一棵树的叶子，闻过声地你一朵花香。夏日如格成我实每我们一实每吃孩把发一冰激凌一实每在绿茵道上玩

19、会也嬉闹。我们不实把发一零食和啤酒，坐在广时说的大草作把上看电影。冬日午实每好如我躺在在作腿上晒把发一太阳的慵懒时光我躺在在作怀如格成我实每，风着一格光透格成我就为吃孩风着一格玻璃窗，温暖一格那他的开清亮。实每好如来作把图上几公分的距离，成了我们那他也也天过却法跨越的海角开天觉涯。 小小的白纸上记录着我们的曾经虽然有的时候真的相信的未必开花结果可是那本子里记录的快乐与我们的青春与泪水与那时的我们，还谈论着自己的青春、年少与梦想记得那一年你的离开我在夜里痛哭了一场那天，你的作文被贴在最显眼的地方当我们蜂拥来到你的作文旁却只得到你要走了的消息可你却不彻底磨灭我们的希望你说过你会回来我相信你所以我就傻傻的等着一年又一年，就这样两年时光飞逝正当我要忘记你时，你回来了那时我真的很高兴好像冲上讲台，拥抱一下你问问你，这几年过得好吗本上的荷花提醒着我们要出淤泥而不染更要濯清涟而不妖是你让我懂得了友情的可贵我们一定会再见的“你想要我追那只风筝给你吗?”他的喉结吞咽着上下蠕动。风掠起他的头发。我想我看到他点头“为你，千千万万遍。”我听见自己说。然后我转过身，我追。它只是一个微笑，没有别的了。它没有让所有事情恢复正常。它没有让任何事情恢复正常。只是一个微笑，一件小小的事情，像是树林中的一片叶子，在惊鸟的飞起中晃动着。但我会迎接它，张开双臂。因为