2022年高中数学人教版选修-全套精品教案.docx
《2022年高中数学人教版选修-全套精品教案.docx》由会员分享,可在线阅读,更多相关《2022年高中数学人教版选修-全套精品教案.docx(64页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、精选学习资料 - - - - - - - - - 高中数学人教版选修1-2 全套教案第一章统计案例第一课时 1.1回来分析的基本思想及其初步应用一教学要求:通过典型案例的探究,进一步明白回来分析的基本思想、方法及初步应用 . 教学重点:明白线性回来模型与函数模型的差异,明白判定刻画模型拟合成效的方法相关指数和残差分析 . 教学难点:说明残差变量的含义,明白偏差平方和分解的思想 . 教学过程:一、复习预备:1. 提问:“ 名师出高徒” 这句彦语的意思是什么?出名气的老师就肯定能教出厉害的同学吗?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 . 回来分析是
2、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 求回来直线方程 利用方程进行预报 . 二、讲授新课:1. 教学例题: 例 1 从某高校中随机选取8 名女高校生,其身高和体重数据如下表所示:编 号 1 2 3 4 5 6 7 8 身高 /cm 165 165 157 170 175 165 155 170 体重 /kg 48 57 50 54 64 61 43 59 求依据一名女高校生的身高预报她的体重的回来方程,并预报一名身高为 172cm的女高校生的体重 . 分析思路 老师演示 同学整理7060/kg 重体50 40 302010015015516016517
3、0175180身高/cm1 名师归纳总结 - - - - - - -第 1 页,共 40 页精选学习资料 - - - - - - - - - 第一步:作散点图其次步:求回来方程第三步:代值运算 提问:身高为 172cm的女高校生的体重肯定是 60.316kg 吗?不肯定,但一般可以认为她的体重在 60.316kg 左右 . 说明线性回来模型与一次函数的不同事实上,观看上述散点图,我们可以发觉女高校生的体重y和身高 x 之间的关系并不能用一次函数 y bx a 来严格刻画 由于全部的样本点不共线,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 名女高校生的体重
4、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名女在同学的体重应相同 . 这就说明体重不仅受身高的影响仍受其他因素的影响,把这种影响的结果 e 即残差变量或随机变量引入到线性函数模型中,得到线性回来模型 y bx a e,其中残差变量 e 中包含体重不能由身高的线性函数说明的全部部分 . 当残差变量恒等于 0 时,线性回来模型就变成一次函数模型 . 因此,一次函数模型是线性回来模型的特别形式,线性回来模型是一次函数模型的一般形式 . 2. 相关系数:相关系数的确定值越接近于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
5、线, 这时用线性回来模型拟合这组数据就越好,此时建立的线性回来模型是有意义 . 3. 小结:求线性回来方程的步骤、线性回来模型与一次函数的不同 . 2 名师归纳总结 - - - - - - -第 2 页,共 40 页精选学习资料 - - - - - - - - - 其次课时 1.1回来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,进一步明白回来分析的基本思想、方法及初步应用. . 教学重点:明白评判回来成效的三个统计量:总偏差平方和、残差平方和、回来平方和教学难点:明白评判回来成效的三个统计量:总偏差平方和、残差平方和、回来平方和. 教学过程:一、复习预备:1由例 1 知,预报变量
6、体重的值受说明变量身高或随机误差的影响 . 2为了刻画预报变量体重的变化在多大程度上与说明变量身高有关?在多大程度上与随机误差有关?我们引入了评判回来成效的三个统计量:总偏差平方和、残差平方和、回来平方和 . 二、讲授新课:1. 教学总偏差平方和、残差平方和、回来平方和:n1总偏差平方和:全部单个样本值与样本均值差的平方和,即 SST y i y 2 . i 1n残差平方和:回来值与样本值差的平方和,即 SSE y i y i 2 . i 1n2回来平方和:相应回来值与样本均值差的平方和,即 SSR y i y . i 12学习要领:留意 iy 、iy 、 y 的区分;预报变量的变化程度可以分
7、解为由说明变量引n n n2 2 2起的变化程度与残差变量的变化程度之和,即 y i y y i y i y i y ;当总i 1 i 1 i 1偏差平方和相对固定时,残差平方和越小,就回来平方和越大,此时模型的拟合成效越好;n2 y i y i 对于多个不同的模型,我们仍可以引入相关指数 R 21 in 1 来刻画回来的成效,它表2 y i y i 1示说明变量对预报变量变化的贡献率 . R 的值越大, 说明残差平方和越小,2也就是说模型拟合3 名师归纳总结 - - - - - - -第 3 页,共 40 页精选学习资料 - - - - - - - - - 的成效越好 . 2. 教学例题:例
8、 2 关于 x 与 Y 有如下数据:x2 4 5 6 6.5x8 7x17,y30 40 60 50 70 为了对 x 、Y 两个变量进行统计分析,现有以下两种线性模型:y17.5,y试比较哪一个模型拟合的成效更好. 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、回来平方和,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yiy i. 11800.82, 84.5%82%,所以甲选答案:R21 i5yiyi211550.845,2 R 21i511215y iy210005yiy 21000i1i1用的模型拟合成效较好. 3. 小结: 分清总偏差平方和、成效的好坏 .
9、残差平方和、 回来平方和,初步明白如何评判两个不同模型拟合名师归纳总结 - - - - - - -第 4 页,共 40 页精选学习资料 - - - - - - - - - 第三课时 1.1回来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,进一步明白回来分析的基本思想、方法及初步应用 . 教学重点:通过探究使同学体会有些非线性模型通过变换可以转化为线性回来模型,明白在解决实际问题的过程中查找更好的模型的方法 . 教学难点:明白常用函数的图象特点,挑选不同的模型建模,并通过比较相关指数对不同的模型进行比较 . 教学过程:一、复习预备:1. 给出例 3:一只红铃虫的产卵数y 和温度x有关
10、,现收集了7 组观测数据列于下表中,试建立 y 与 x 之间的回来方程. 29 32 35 23 25 27 温度x/C21 产卵数y 个7 11 21 24 66 115 325 同学描述步骤,老师演示2. 争论:观看右图中的散点图,发觉样本点并没有分布在某数 卵 产350300250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20015010050用线性回来方程来建立两个变量之间的关系. 0010203040温度二、讲授新课:1. 探究非线性回来方程的确定: 假如散点图中的点分布在一个直线状带形区域,可以选线性回来模型来建模;假如散点图中的点分布在一个曲线状带形区域,就需挑选非
11、线性回来模型来建模 . 依据已有的函数学问,可以发觉样本点分布在某一条指数函数曲线 y= C 1e C 2 x的四周其中c c 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 ln y c x ln c ,再令 z ln y ,就 z c x ln c ,而 z 与 x 间的关系如下:765z45 3210010203040x名师归纳总结 - - - - - - -第 5 页,共 40 页精选学习资料 - - - - - - - - - X 21 23 25 27 29 32 35 z 观看 z 与 x 的散点图,可以发觉变换后样本点分布在一条直线的邻近,因此可以
12、用线性回来方程来拟合 . 利用运算器算得 a 3.843, b 0.272, z与 x 间的线性回来方程为 z 0.272 x 3.843,因此红铃虫的产卵数对温度的非线性回来方程为 y e 0.272 x 3.843. 利用回来方程探究非线性回来问题,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,将非线性回来问题转化成线性回来问题 . 2. 小结:用回来方程探究非线性回来问题的方法、步骤 . 三、稳固练习:为了争论某种细菌随时间x 变化,繁衍的个数,收集数据如下: 5 6 天数 x/ 天 1 2 3 4 繁衍个数 y/ 个 6 12 25 49 95 1
13、90 1用天数作说明变量,繁衍个数作预报变量,作出这些数据的散点图;2试求出预报变量对说明变量的回来方程. 答案:所求非线性回来方程为0.69 .y=ex1.112. 6 名师归纳总结 - - - - - - -第 6 页,共 40 页精选学习资料 - - - - - - - - - 第四课时 1.1回来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,进一步明白回来分析的基本思想、方法及初步应用 . 教学重点:通过探究使同学体会有些非线性模型通过变换可以转化为线性回来模型,明白在解决实际问题的过程中查找更好的模型的方法,明白可用残差分析的方法,比较两种模型的拟合 成效 . 教学难点:
14、明白常用函数的图象特点,挑选不同的模型建模,并通过比较相关指数对不同的模 型进行比较 . 教学过程:一、复习预备:1. 提问:在例 3 中,观看散点图,我们挑选用指数函数模型来拟合红铃虫的产卵数 y 和温度 x间的关系,仍可用其它函数模型来拟合吗?2. 争论:能用二次函数模型yc x2c 44001500t441 529 625 729 841 1024 1225 y7 11 21 24 66 115 325 300来拟 合上述两个变量间的关系吗?令t2 x , 就y200yc tc ,此时 y 与 t 间的关系如下:1000观看 y 与 t 的散点图,可以发觉样本点并不分布在一条050010
15、00t直线的四周,因此不宜用线性回来方程来拟合它,即不宜用二次曲线yc x2c 来拟合 y 与 x 之间的关系 . 小结:也就是说,我们可以通过观看变换后的散点图来判定能否用此种模型来拟合. 事实上,除了观看散点图以外,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:样本值与回来值的差叫残差,即e iy iy . 这方面的 残差分析: 通过残差来判定模型拟合的成效,判定原始数据中是否存在可疑数据,分析工作称为残差分析. 7 名师归纳总结 - - - - - - -第 7 页,共 40 页精选学习资料 - - - - - - - -
16、- 残差图:以残差为横坐标,以样本编号,或身高数据,或体重估量值等为横坐标,作出的图 形称为残差图 . 观看残差图,假如残差点比较匀称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,回来方程的预报精度越高 . 2. 例 3 中的残差分析:运算两种模型下的残差一般情形下,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确定值比另一个模型的小, 而另一些样本点的情形就相反,故通过比较两个模型的残差的平方和的大小来 判定模型的拟合成效 . 残差平方和越小的模型,拟合的成效越好 . 由于两种模型下的残差平方和分别为1450.673 和 15448.4
17、32 ,应选用指数函数模型的拟合成效远远优于选用二次函数模型 . 当然,仍可用相关指数刻画回来成效3. 小结:残差分析的步骤、作用三、稳固练习:练习:教材P13 第 1 题8 名师归纳总结 - - - - - - -第 8 页,共 40 页精选学习资料 - - - - - - - - - 第一课时 1.2独立性检验的基本思想及其初步应用一教学要求:通过探究“ 吸烟是否与患肺癌有关系” 引出独立性检验的问题,并借助样本数据的列联表、柱形图和条形图展现在吸烟者中患肺癌的比例比不吸烟者中患肺癌的比例高,让同学亲身体验独立性检验的实施步骤与必要性 . 教学重点:懂得独立性检验的基本思想及实施步骤 .
18、教学难点:明白独立性检验的基本思想、明白随机变量 K 的含义 . 2教学过程:一、复习预备:回来分析的方法、步骤,刻画模型拟合成效的方法相关指数、残差分析、步骤 . 二、讲授新课:1. 教学与列联表相关的概念: 分类变量: 变量的不同 “ 值” 表示个体所属的不同类别的变量称为分类变量 . 分类变量的取值肯定是离散的,而且不同的取值仅表示个体所属的类别,如性别变量,只取男、女两个值,商品的等级变量只取一级、二级、三级,等等. 分类变量的取值有时可用数字来表示,但这时的数字除了分类以外没有其他的含义. 如用“0” 表示“ 男”,用“1” 表示“ 女”. 总计 列联表: 分类变量的汇总统计表频数表
19、 . 一般不患肺癌患肺癌我们只争论每个分类变量只取两个值,这样的列联表不吸烟7775 42 7817 称为 2 2 . 如吸烟与患肺癌的列联表:吸烟2099 49 2148 2. 教学三维柱形图和二维条形图的概念:总计9874 91 9965 由列联表可以粗略估量出吸烟者和不吸烟者患肺癌的可能性存在差异.老师在课堂上用EXCEL软件演示三维柱形图和二维条形图,引导同学观看这两类图形的特点,并分析由图形得出的结论3. 独立性检验的基本思想: 独立性检验的必要性为什么中能只凭列联表的数据和图形下结论?:列联表中的数据是样本数据,它只是总体的代表,具有随机性,故需要用列联表检验的方法确认所得结论在多
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2022 年高 学人 选修 全套 精品 教案
限制150内