8.2.2.2一元线性回归模型参数的最小二乘估计的应用 教学设计-2022-2023学年高二下学期数学人教A版(2019)选择性必修第三册
贵州省凯里一中 人教A版高中数学 选择性必修第三册 教学设计 尹 洪 QQ 7434510
第八章 成对数据的统计分析
8.2 一元线性回归模型及其应用
8.2.2.2 一元线性回归模型参数的最小二乘估计的应用
一、教学目标
1、熟悉认知经验回归方程和经验回归直线、残差概念.
2、逐步熟悉并掌握最小二乘法,学会简单的应用.
二、教学重点、难点
重点:熟悉认知经验回归方程和经验回归直线、残差概念.
难点:熟悉并掌握最小二乘法及其应用.
三、学法与教学用具
1、学法:学生在老师的引导下,通过阅读教材,自主学习、思考、交流、讨论和概括,从而完成本节课的教学目标.
2、教学用具:多媒体设备等
四、教学过程
(一)创设情景,揭示课题
【回顾】
最小二乘估计(least squares estimate) | |
称 | |
求经验回归方程的方法叫做最小二乘法, | |
残差 | 通过观测得到的数据称为观测值, 通过经验回归方程得到的 观测值减去预测值称为残差. |
【问题】如何有效地解决线性回归方程的问题?
【研读交流】研读课本,与同桌或小组交流.(用时约5-6分钟)
(二)阅读精要,研讨新知
第八章 成对数据的统计分析 8.2.2.1 一元线性回归模型参数的最小二乘估计的应用 第 1 页 共 10 页
学科网(北京)股份有限公司
贵州省凯里一中 人教A版高中数学 选择性必修第三册 教学设计 尹 洪 QQ 7434510
解:以胸径为横坐标、树高为纵坐标作散点图,得到图8.2-9.
在图8.2-9中,散点大致分布在一条从左下角到右上角的直线附近,表明两个变量线性相关,
并且是正相关,因此可以用一元线性回归模型刻画树高与胸径之间的关系.
用表示胸径,
表示树高,根据最小二乘法,计算可得经验回归方程为
0.249 3
14.84
相应的经验回归直线如图8. 2- 10所示.
根据经验回归方程,由表8.2-3中胸径的数据可以计算出树高的预测值(精确到0.1)以及相应的残差,
如表8.2-4所示.
以胸径为横坐标,残差为纵坐标,作残差图,得到图8. 2-11.
第八章 成对数据的统计分析 8.2.2.1 一元线性回归模型参数的最小二乘估计的应用 第 1 页 共 10 页
学科网(北京)股份有限公司
贵州省凯里一中 人教A版高中数学 选择性必修第三册 教学设计 尹 洪 QQ 7434510
观察残差表和残差图,可以看到,残差的绝对值最大是0.8,所有残差分布在以横轴为对称轴、宽度小于2的带状区城内,可见经验回归方程较好地刻画了树高与胸径的关系,我们可以根据经验回归方程由胸径预测树高.
【问题及其解读】人们常将男子短跑 100 m的高水平运动员称为“百米飞人”。表8.2-5给出了1968年之前男子短跑100 m世界纪录产生的年份和世界纪录的数据. 试依据这些成对数据,建立男子短跑100 m世界纪录关于纪录产生年份的经验回归方程.
以成对数据中的世界纪录产生年份为横坐标,世界纪录为纵坐标作散点图,得到图8.2-12.
在图8.2-12中,散点看上去大致分布在一条直线附近,可用一元线性回归模型建立经验回归方程.
用表示男子短跑100 m的世界纪录,
表示纪录产生的年份,利用一元线性回归模型
来刻画世界纪录和世界纪录产生年份之间的关系.
根据最小二乘法,由表中的数据得到经验回归方程为
0.020 337 43
49.769 130 31 ①
将经验回归直线叠加到散点图,得到图8.2-13.
【发现】观察图8.2-12,可以发现散点更趋向于落在中间下凸且递减的某条曲线附近.
回顾已有的函数知识,可以发现函数的图象具有类似的形状特征.
第八章 成对数据的统计分析 8.2.2.1 一元线性回归模型参数的最小二乘估计的应用 第 1 页 共 10 页
学科网(北京)股份有限公司