资料中包含下列文件，点击文件名可预览资料内容
还剩10页未读，
继续阅读
成套系列资料，整套一键下载
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
展开
这是一份数学选择性必修 第三册8.2 一元线性回归模型及其应用背景图课件ppt，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。
1.结合实例，了解一元线性回归模型的含义，了解模型参数的统计意义2.了解最小二乘原理，掌握一元线性回归模型参数的最小二乘估计方法.3.针对实际问题，会用一元线性回归模型进行预测．
2.相关系数的性质： ① 当r>0时，称成对样本数据正相关；当r<0时，称成对样本数据负相关. ② |r|≤1； ③ 当|r|越接近1时，成对数据的线性相关程度越强；当|r|越接近0时，成对数据的线性相关程度越弱；特别地，当|r|＝0时，成对数据的没有线性相关关系；当|r|＝1时，成对数据都落在一条直线上.
恩格尔系数(Engel’s Cefficient)是根据恩格尔定律得出的比例数，指居民家庭中食物支出占消费总支出的比重，是表示生活水平高低的一个指标．其计算公式：恩格尔系数＝食物支出金额÷总支出金额．
一个家庭收入越少，家庭收入中或者家庭总支出中用来购买食物的支出所占的比例就越大，随着家庭收入的增加，家庭收入中或者家庭支出中用来购买食物的支出所占比例将会下降.问题：恩格尔系数是预测生活水平高低的一个模型，那么当两个变量线性相关时，我们如何对成对样本数据建立一个模型进行预测？提示：为了对两个变量线性相关关系进行预测，我们通常建立一元线性回归模型进行预测．
生活经验告诉我们，儿子的身高与父亲的身高不仅线性相关，而且还是正相关，即父亲的身高较高时，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8.2-1所示．
利用前面表示数据的方法，以横轴表示父亲身高、纵轴表示儿子身高建立直角坐标系，再将表8.2-1中的成对样本数据表示为散点图，如图8.2-1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，表明儿子身高和父亲身高正线性相关，且相关程度较高．
思考：根据表8.2-1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？
在表8.2-1的数据中，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个观测的父亲身高均为172 cm，而对应的儿子身高分别为176 cm和174 cm；同样，第3，4两个观测中，儿子身高都是170 cm，而父亲身高分别为173 cm和169 cm．可见儿子身高和父亲身高之间不是函数关系，也就不能用函数模型刻画
图8.2-1中的散点大致分布在一条直线附近，表明儿子身高和父亲身高这两个变量之间有较强的线性相关关系，因此我们可以用一次函数来刻画父亲身高对儿子身高的影响，而把影响儿子身高的其他因素，如母亲身高、生活环境、饮食习惯等作为随机误差，得到刻画两个变量之间关系的线性回归模型其中，随机误差是一个随机变量．
我们称（1）式为Y关于x的一元线性回归模型（simple linear regressin mdel）．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和b为模型的未知参数，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，模型中的Y也是随机变量，其值虽然不能由变量x的值确定，但是却能表示为bx+a与e的和(叠加)，前一部分由x所确定，后一部分是随机的．如果e=0，那么Y与x之间的关系就可用一元线性函数模型来描述．
思考：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？
在研究儿子身高与父亲身高的关系时，产生随机误差e的原因有：（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，这种近似也是产生随机误差e的原因．
2.一元线性回归模型：
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和b为模型的未知参数，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.
完成教材：第107页练习第1,2,3题.
1．说明函数模型与回归模型的区别，并分别举出两个应用函数模型和回归模型的例子．
函数模型刻画的是变量之间具有的函数关系，是一种确定性的关系．回归模型刻画的是变量之间具有的相关关系，不是一种确定性的关系，即回归模型刻画的是两个变量之间的随机关系．举例：路程与速度的关系、正方体体积与边长的关系可以应用函数模型刻画，体重与身高的关系、冷饮销量与气温的关系可以应用回归模型刻画．
2．在一元线性回归模型（1）中，参数b的含义是什么？
参数b的含义可以解释为解释变量x对响应变量Y的均值的影响，变量x每增加1个单位，响应变量Y的均值将增加b个单位．例如，教科书中父亲身高为175 cm的儿子身高的均值比父亲身高为174 cm的儿子身高的均值高出0.839 cm．注意：因为响应变量Y最终取值，除了受变量x的影响，还要受随机误差e的影响，所以不能解释成解释变量x每增加一个单位，响应变量Y增加b个单位．
3．将图8.2-1中的点按父亲身高的大小次序用折线连起来，所得到的图象是一个折线图，可以用这条折线表示儿子身高和父亲身高之间的关系吗？
不能．一是父亲的身高与儿子的身高之间是随机关系，不是函数关系；二是这组数据仅是总体的一个样本，不一定能很好地描述两个变量之间的关系．
1.结合实例，了解一元线性回归模型的含义，了解模型参数的统计意义2.了解最小二乘原理，掌握一元线性回归模型参数的最小二乘估计方法.3.针对实际问题，会用一元线性回归模型进行预测．
2.相关系数的性质： ① 当r>0时，称成对样本数据正相关；当r<0时，称成对样本数据负相关. ② |r|≤1； ③ 当|r|越接近1时，成对数据的线性相关程度越强；当|r|越接近0时，成对数据的线性相关程度越弱；特别地，当|r|＝0时，成对数据的没有线性相关关系；当|r|＝1时，成对数据都落在一条直线上.
恩格尔系数(Engel’s Cefficient)是根据恩格尔定律得出的比例数，指居民家庭中食物支出占消费总支出的比重，是表示生活水平高低的一个指标．其计算公式：恩格尔系数＝食物支出金额÷总支出金额．
一个家庭收入越少，家庭收入中或者家庭总支出中用来购买食物的支出所占的比例就越大，随着家庭收入的增加，家庭收入中或者家庭支出中用来购买食物的支出所占比例将会下降.问题：恩格尔系数是预测生活水平高低的一个模型，那么当两个变量线性相关时，我们如何对成对样本数据建立一个模型进行预测？提示：为了对两个变量线性相关关系进行预测，我们通常建立一元线性回归模型进行预测．
生活经验告诉我们，儿子的身高与父亲的身高不仅线性相关，而且还是正相关，即父亲的身高较高时，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8.2-1所示．
利用前面表示数据的方法，以横轴表示父亲身高、纵轴表示儿子身高建立直角坐标系，再将表8.2-1中的成对样本数据表示为散点图，如图8.2-1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，表明儿子身高和父亲身高正线性相关，且相关程度较高．
思考：根据表8.2-1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？
在表8.2-1的数据中，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个观测的父亲身高均为172 cm，而对应的儿子身高分别为176 cm和174 cm；同样，第3，4两个观测中，儿子身高都是170 cm，而父亲身高分别为173 cm和169 cm．可见儿子身高和父亲身高之间不是函数关系，也就不能用函数模型刻画
图8.2-1中的散点大致分布在一条直线附近，表明儿子身高和父亲身高这两个变量之间有较强的线性相关关系，因此我们可以用一次函数来刻画父亲身高对儿子身高的影响，而把影响儿子身高的其他因素，如母亲身高、生活环境、饮食习惯等作为随机误差，得到刻画两个变量之间关系的线性回归模型其中，随机误差是一个随机变量．
我们称（1）式为Y关于x的一元线性回归模型（simple linear regressin mdel）．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和b为模型的未知参数，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，模型中的Y也是随机变量，其值虽然不能由变量x的值确定，但是却能表示为bx+a与e的和(叠加)，前一部分由x所确定，后一部分是随机的．如果e=0，那么Y与x之间的关系就可用一元线性函数模型来描述．
思考：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？
在研究儿子身高与父亲身高的关系时，产生随机误差e的原因有：（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，这种近似也是产生随机误差e的原因．
2.一元线性回归模型：
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和b为模型的未知参数，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.
完成教材：第107页练习第1,2,3题.
1．说明函数模型与回归模型的区别，并分别举出两个应用函数模型和回归模型的例子．
函数模型刻画的是变量之间具有的函数关系，是一种确定性的关系．回归模型刻画的是变量之间具有的相关关系，不是一种确定性的关系，即回归模型刻画的是两个变量之间的随机关系．举例：路程与速度的关系、正方体体积与边长的关系可以应用函数模型刻画，体重与身高的关系、冷饮销量与气温的关系可以应用回归模型刻画．
2．在一元线性回归模型（1）中，参数b的含义是什么？
参数b的含义可以解释为解释变量x对响应变量Y的均值的影响，变量x每增加1个单位，响应变量Y的均值将增加b个单位．例如，教科书中父亲身高为175 cm的儿子身高的均值比父亲身高为174 cm的儿子身高的均值高出0.839 cm．注意：因为响应变量Y最终取值，除了受变量x的影响，还要受随机误差e的影响，所以不能解释成解释变量x每增加一个单位，响应变量Y增加b个单位．
3．将图8.2-1中的点按父亲身高的大小次序用折线连起来，所得到的图象是一个折线图，可以用这条折线表示儿子身高和父亲身高之间的关系吗？
不能．一是父亲的身高与儿子的身高之间是随机关系，不是函数关系；二是这组数据仅是总体的一个样本，不一定能很好地描述两个变量之间的关系．
相关课件
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。
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课堂教学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课堂教学ppt课件，共41页。PPT课件主要包含了自学导引，一元线性回归模型，课堂互动，素养达成，答案D，答案105等内容，欢迎下载使用。
