高中数学人教版新课标A必修32.3.2两个变量的线性相关背景图ppt课件

这是一份高中数学人教版新课标A必修32.3.2两个变量的线性相关背景图ppt课件，共24页。PPT课件主要包含了学习目标，复习导入，新知探究，小组合作，展示交流，散点图，正相关负相关，回归直线，回归方程，运算不方便等内容，欢迎下载使用。

【学法指导】在解决统计问题的过程中，系统地经历数据收集和处理的全过程，进一步体会用样本估计总体的思想，理解数形结合的数学思想和回归分析的统计思想。
【学习目标】1、理解线性相关、正相关、负相关、散点图；2、理清线性相关和散点图之间的关系；(定性)3、在两个变量具有线性相关关系时，会作出线性直线。(定量)
相关关系：自变量取值一定时,因变量的取值不确定，它按某种规律在一定范围内变化.即带有一定随机性的变量关系.函数关系：自变量取值一定时,因变量的取值是确定的关系。如y=2x+1，y=sinx
判断下面两个变量分别是什么关系（1）喜鹊叫，好事到。（2）心情好，学习效率高。（3）喜鹊叫，高考考得好。
应当说，对于上述各种问题中的两个变量之间的相关关系，我们都可以根据自己的生活、学习经验作出相应的判断，因为“经验当中有规律”。但是，不管你经验多么丰富如果只凭经验办事，还是很容易出错的。因此，在分析两个变量之间的关系时，我们还需要有一些有说服力的方法。
在现实生活中存在着大量的相关关系，如何判断和描述相关关系，统计学发挥着非常重要的作用.变量之间的相关关系带有不确定性，这需要通过收集大量的数据，对数据进行统计分析，发现规律，才能作出科学的判断.（对具有相关关系的两个变量进行统计分析的方法叫回归分析.）
根据上述数据，你能分析人体的脂肪含量与年龄之间有怎样的关系吗？
在一次对人体脂肪含量和年龄关系的研究中，研究人员获得了一组样本数据：
探究一 收集数据（1）回忆前面学过的统计知识，表中数据可能是如何收集到的？举例说明（2）如何理解23岁对应的脂肪百分比为9.5？
探究二 分析数据（1）统计学中常用什么方法分析收集到的数据？（2）高一在函数应用章节，如何根据已知数据预测其它数据？（3）你发现年龄与脂肪含量这两个变量之间是什么关系？怎样发现的？
探究三 寻找回归直线（定量）（1）回归直线一定过样本点的中心吗？为什么?（2）为什么要找回归直线？找到这条直线是否说明年龄与脂肪含量是函数关系?（3）假如我45岁，我的脂肪含量大约是多少？是表中的27.5吗？（4）如何具体求出这个回归直线的方程呢？回归直线与散点图中各点的位置应具有怎样的关系？
人体内脂肪含量与年龄之间是相关关系
在一定年龄段内，随着年龄的增长，人体内的脂肪含量会增加，但人体内的脂肪含量还与饮食习惯、体育锻炼等有关，可能还与个人的先天体质有关。 对某一个人来说，他的体内脂肪含量不一定随年龄 增长而增加或减少，但是如果把很多个体放在一起，就可能表现出一定的规律性.
将各数据在平面坐标系中的对应点画出来，得到表示两个变量的一组数据的图形，这样的图形叫做散点图。如下图：
图中点的趋势表明两个变量之间确实存在一定的关系，年龄越大，体内脂肪含量越高。这个图支持了我们从数据表中得出的结论。
体现了数学思想方法：数形结合！
思考：你能举一些生活中的变量成正相关或成负相关的例子吗？
观察点的位置：发现散布在从左下角到右上角的区域。称它们为正相关。但有的两个变量的相关如右图所示成负相关。
如何从散点图直观判断两个变量是否有相关关系？
1.如果所有的样本点都落在某一函数曲线上，这两个变量有什么关系？——具有函数关系．2.如果所有的样本点都落在某一函数曲线附近，那么这两个变量之间有关系吗？关系确定吗？是什么关系？——有关系，不确定，有相关关系。3. 如果所有的样本点都落在某一直线附近，变量之间就有线性相关关系。线性相关又分正相关和负相关。（呈条形状）4．如果散点图的点几乎没有什么规则，则这两个变量之间关系又如何？——没有相关关系
观察散点图的特征，如果各点大致分布在一条直线的附近，就称两个变量之间具有线性相关的只有散点图中的点呈条状集中在某一直线周围， 才可以用回归直线来描述两个变量之间的关系.建立回归直线的目的，一是为了从整体上代表两个变量的观测数据的关系，这与用平均数来代表一个变量的数据是类似的．二是观测值不可能正好落在回归直线上．（什么情况下才会出现点正好都落在回归直线上？）
体现了数学思想方法：类比推理！
体现了数学思想方法：转化与化归思想
回归直线依赖样本数据，依赖对样本数据拟合的效果。因此，回归方程有随机性，由它获得的结论也具有随机性的特点。回归分析就是寻找相关关系中非确定关系中的某种确定性。虽然一个数据具有随机误差，但“总体”具有某种确定的关系．即随机中包含有某种确定性的规律。
求出直线的回归方程的应用：（1）描述两变量之间的依存关系；利用直线的回归方程即可定量描述两个变量间依存的数量关系（2）利用回归方程进行预测；把预报因子（即自变量x）代入回归方程对预报量（即因变量Y）进行估计，即可得到个体Y值的容许区间。（3）利用回归方程进行统计控制规定Y值的变化，通过控制x的范围来实现统计控制的目标。如已经得到了空气中NO2的浓度和汽车流量间的回归方程，即可通过控制汽车流量来控制空气中NO2的浓度。
体现了统计思想：用确定关系来研究不确定的相关关系。
（1）做回归分析要有实际意义； （2）回归分析前,最好先作出散点图； （3）回归直线不要外延。
应用回归直线的注意事项：
下面列举了四种可能性，你认为可行吗？ 图(1)表示每一点到直线的垂直距离之和最短，图(2)表示每一点到直线的“偏差”之和最短，图(3)表示经过点最多的直线，图(4)表示上下点的个数“大概”一样多的直线．  
回归直线与散点图各点的位置应是：整体上最接近
样本估计总体数形结合类比转化与化归回归分析
回归分析是用确定的函数关系来研究不确定的相关关系；体会统计思维和确定思维的差异。加深对用样本估计总体思想的理解，感受到统计的力量!
（预测和x对y的影响能力）
相关关系 ：因为有关联性，才有研究的必要性．因为其不确定性，从少量的变量观测值，很难估计误差的大小，因此必须对变量作大量的观测．但每个观测值都有一定误差，为了消除误差的影响，揭示变量间的本质联系，就必须要用统计分析方法．------回归分析 本节通过“用线性回归的统计分析方法，刻画两个变量之间的相关关系”的统计案例，一起经历了一个相对完整的统计过程，感受统计与实际生活的联系以及在解决实际问题中的作用。