还剩6页未读，
继续阅读
所属成套资源：人教A版高中数学选择性必修第三册课件
成套系列资料，整套一键下载
选择性必修 第三册8.2 一元线性回归模型及其应用课前预习课件ppt
展开
这是一份选择性必修 第三册8.2 一元线性回归模型及其应用课前预习课件ppt，共12页。PPT课件主要包含了Ybx+a+e等内容，欢迎下载使用。
8.2.1 一元线性回归模型
（1）结合具体实例，通过分析变量间的关系建立一元线性回归模型；（2）能说明模型参数的统计意义，提高数据分析能力.
重点：一元线性回归模型的概念，随机误差的概念、表示与假设.难点：回归模型与函数模型的区别，随机误差产生的原因与影响.
问题1：生活经验告诉我们，儿子的身高与父亲的身高相关.一般来说，父亲的身高较高时，儿子的身高通常也较高.为了进一步研究两者之间的关系，有人调查了14名男大学生的身高及其父亲的身高，得到的数据如表1所示.
可以发现，散点大致分布在一条从左下角到右上角的直线附近，表明儿子身高和父亲身高线性相关.利用统计软件，求得样本相关系数为r≈0.886，表明儿子身高和父亲身高正线性相关，且相关程度较高。
问题2：根据表中的数据，儿子身高和父亲身高这两个变量之间的关系可以用函数模型刻画吗？
列表法是函数的一种表示方法，但并不是所有列表表示的数据都是函数关系，要成为函数关系必须满足函数的定义，即应满足“集合A中的任意一个数，在集合B中都存在唯一的数与它对应”.
表中的数据，存在父亲身高相同而儿子身高不同的情况.例如，第6个和第8个观测父亲的身高均为172cm，而对应的儿子的身高为176cm和174cm；同样在第3，4个观测中，儿子的身高都是170cm，而父亲的身高分别为173cm，169cm.可见儿子的身高不是父亲身高的函数同样父亲的身高也不是儿子身高的函数，所以不能用函数模型来刻画.
问题3：从成对样本数据的散点图和样本相关系数可以发现，散点大致分布在一条直线附近表明儿子身高和父亲身高有较强的线性关系.我们可以这样理解，由于有其他因素的存在，使儿子身高和父亲身高有关系但不是函数关系.那么影响儿子身高的其他因素是什么？
影响儿子身高的因素除父亲的身外，还有母亲的身高、生活的环境、饮食习惯、营养水平、体育锻炼等随机的因素，儿子身高是父亲身高的函数的原因是存在这些随机的因素.
问题4：由问题3我们知道，正是因为存在这些随机的因素，使得儿子的身高呈现出随机性各种随机因素都是独立的，有些因素又无法量化.你能否考虑到这些随机因素的作用，用类似于函数的表达式，表示儿子身高与父亲身高的关系吗？
如果用x表示父亲身高，Y表示儿子的身高，用e表示各种其他随机因素影响之和，称e为随机误差，由于儿子身高与父亲身高线性相关，所以Y=bx+a.
追问1：为什么要假设E(e）=0，而不假设其为某个不为0的常数？
因为误差是随机的，即取各种正负误差的可能性一样，所以它们均值的理想状态应该为0.
我们称①式为Y关于x的一元线性回归模型．其中， Y称为因变量或响应变量， x称为自变量或解释变量．a称为截距参数，b称为斜率参数；e是Y与bx+a之间的随机误差．
问题5：请根据以上的分析，你能建立一个数学模型表示儿子身高与父亲身高的关系吗？
追问1：你能结合父亲与儿子身高的实例，说明回归模型①的意义？
问题6：你能结合具体实例解释产生模型①中随机误差项的原因吗？
（1）除父亲身高外，其他可能影响儿子身高的因素，比如母亲身高、生活环境、饮食习惯和锻炼时间等.
（2）在测量儿子身高时，由于测量工具、测量精度所产生的测量误差.
（3）实际问题中，我们不知道儿子身高和父亲身高的相关关系是什么，可以利用一元线性回归模型来近似这种关系，这种近似关系也是产生随机误差e的原因.
产生随机误差e的原因有：
8.2.1 一元线性回归模型
（1）结合具体实例，通过分析变量间的关系建立一元线性回归模型；（2）能说明模型参数的统计意义，提高数据分析能力.
重点：一元线性回归模型的概念，随机误差的概念、表示与假设.难点：回归模型与函数模型的区别，随机误差产生的原因与影响.
问题1：生活经验告诉我们，儿子的身高与父亲的身高相关.一般来说，父亲的身高较高时，儿子的身高通常也较高.为了进一步研究两者之间的关系，有人调查了14名男大学生的身高及其父亲的身高，得到的数据如表1所示.
可以发现，散点大致分布在一条从左下角到右上角的直线附近，表明儿子身高和父亲身高线性相关.利用统计软件，求得样本相关系数为r≈0.886，表明儿子身高和父亲身高正线性相关，且相关程度较高。
问题2：根据表中的数据，儿子身高和父亲身高这两个变量之间的关系可以用函数模型刻画吗？
列表法是函数的一种表示方法，但并不是所有列表表示的数据都是函数关系，要成为函数关系必须满足函数的定义，即应满足“集合A中的任意一个数，在集合B中都存在唯一的数与它对应”.
表中的数据，存在父亲身高相同而儿子身高不同的情况.例如，第6个和第8个观测父亲的身高均为172cm，而对应的儿子的身高为176cm和174cm；同样在第3，4个观测中，儿子的身高都是170cm，而父亲的身高分别为173cm，169cm.可见儿子的身高不是父亲身高的函数同样父亲的身高也不是儿子身高的函数，所以不能用函数模型来刻画.
问题3：从成对样本数据的散点图和样本相关系数可以发现，散点大致分布在一条直线附近表明儿子身高和父亲身高有较强的线性关系.我们可以这样理解，由于有其他因素的存在，使儿子身高和父亲身高有关系但不是函数关系.那么影响儿子身高的其他因素是什么？
影响儿子身高的因素除父亲的身外，还有母亲的身高、生活的环境、饮食习惯、营养水平、体育锻炼等随机的因素，儿子身高是父亲身高的函数的原因是存在这些随机的因素.
问题4：由问题3我们知道，正是因为存在这些随机的因素，使得儿子的身高呈现出随机性各种随机因素都是独立的，有些因素又无法量化.你能否考虑到这些随机因素的作用，用类似于函数的表达式，表示儿子身高与父亲身高的关系吗？
如果用x表示父亲身高，Y表示儿子的身高，用e表示各种其他随机因素影响之和，称e为随机误差，由于儿子身高与父亲身高线性相关，所以Y=bx+a.
追问1：为什么要假设E(e）=0，而不假设其为某个不为0的常数？
因为误差是随机的，即取各种正负误差的可能性一样，所以它们均值的理想状态应该为0.
我们称①式为Y关于x的一元线性回归模型．其中， Y称为因变量或响应变量， x称为自变量或解释变量．a称为截距参数，b称为斜率参数；e是Y与bx+a之间的随机误差．
问题5：请根据以上的分析，你能建立一个数学模型表示儿子身高与父亲身高的关系吗？
追问1：你能结合父亲与儿子身高的实例，说明回归模型①的意义？
问题6：你能结合具体实例解释产生模型①中随机误差项的原因吗？
（1）除父亲身高外，其他可能影响儿子身高的因素，比如母亲身高、生活环境、饮食习惯和锻炼时间等.
（2）在测量儿子身高时，由于测量工具、测量精度所产生的测量误差.
（3）实际问题中，我们不知道儿子身高和父亲身高的相关关系是什么，可以利用一元线性回归模型来近似这种关系，这种近似关系也是产生随机误差e的原因.
产生随机误差e的原因有：
相关课件
数学选择性必修 第三册8.2 一元线性回归模型及其应用背景图课件ppt： 这是一份数学选择性必修 第三册<a href="/sx/tb_c4000364_t3/?tag_id=26" target="_blank">8.2 一元线性回归模型及其应用背景图课件ppt</a>，文件包含人教A版数学高二选择性必修第三册821一元线性回归模型课件pptx、人教A版数学高二选择性必修第三册821一元线性回归模型教案docx等2份课件配套教学资源，其中PPT共18页， 欢迎下载使用。
人教A版 (2019)选择性必修 第三册8.2 一元线性回归模型及其应用教学ppt课件： 这是一份人教A版 (2019)选择性必修 第三册8.2 一元线性回归模型及其应用教学ppt课件，共24页。
高中数学人教A版 (2019)选择性必修 第三册8.2 一元线性回归模型及其应用说课课件ppt： 这是一份高中数学人教A版 (2019)选择性必修 第三册8.2 一元线性回归模型及其应用说课课件ppt，共36页。PPT课件主要包含了复习回顾，新课导入，新知探究，巩固练习，课堂小结等内容，欢迎下载使用。
