高二数学教案 变量之间的相关关系Word格式.docx
《高二数学教案 变量之间的相关关系Word格式.docx》由会员分享，可在线阅读，更多相关《高二数学教案 变量之间的相关关系Word格式.docx（11页珍藏版）》请在冰豆网上搜索。
数学成绩的高低对物理成||绩的高低是有一定影响的。
但决非唯一因素，还有其它因素，如||图所示（幻灯片给出）：
（影响你的物理成绩的关系图）
因||此，不能通过一个人的数学成绩是多少就准确地断定他的物理成绩能达到多少。
但||这两个变量是有一定关系的，它们之间是一种不确定性的关系。
如何通||过数学成绩的结果对物理成绩进行合理估计有||非常重要的现实意义。
二、引出相关关系的概念
教师提问：
“像刚才这种情况在现实生活中是否还有？
”
学生甲：
粮食产量与施肥用量的关系；
学生乙：
人的体重与食肉数量的关系。
从而得出：
两个变量之间的关||系可能是确定的关系（如：
函数关系），或非确定性关||系。
当自变量取值一定时，因变量也确定，则为确定关系；
当自变量取值||一定时，因变量带有随机性，这种变量之间的关系称为相关关系。
相关关系||是一种非确定性关系。
三、探究线性相关关系和其他相关关系
问题：
在一次对人体脂肪和年龄关系的研究中，研||究人员获得了一组样本数据：
人体的脂肪百分比和年龄
年龄
23
27
39
41
45
49
50
脂肪
9．5
17．8
21．2
25．9
27．5
26．3
28．2
53
54
56
57
58
60
61
29．6
30．2
31．4
30．8
33．5
35．2
34．6
针对于上述数据所提供的||信息，你认为人体的脂肪含量与年龄之间有怎样的关系？
教师特别向学生强调在研||究两个变量之间是否存在某种关系时，必须从散点图入||手（向学生介绍什么是散点图）。
并且引导学生从散点图上可以得出如下规律||：
（幻灯片给出）
1、如果所有的样本点都落在某一函||数曲线上，那么变量之间具有函数关系（确定性关系）；
2、如果所有的样本点都||落在某一函数曲线的附近，那么变量之间具有相关关系（不确定性关系）；
3、如||果所有的样本点都落在某一直线附近，那么变量之间具||有线性相关关系（不确定性关系）。
下面我们用TI图形计算器作出这两个变量的散点图。
学生||实验：
先把数据中成对出现的两个数分别作为横坐标、纵坐标，||把数据输入到表格当中（第一列横坐标、第二列纵坐标）得到图1；
然后，用TI图形计||算器作散点图得图2：
（图1）
（图2）
引导学生观察作出的散点图，体||会现实生活中两个变量之间的关系存在着不确定性。
散点图中的散||点并不在一条直线上，只是分布在一条直线的周围，即为线性相关关系。
给||出三组数据（表1-3），请学生作出散点图，并||观察每组数据的特点。
表1：
-5
4
7
12
15
19
31
36
156
150
132
128
130
116
104
89
93
76
表2：
-12
-9
-4
-3
-1
2
6
9
13
120
100
20
3.5
70
表3：
-7
-2
1
3
5
1/560
1/100
1/30
1/18
1/5
9/10
10/11
28
550
表4：
-13
-11
92
55
30
88
根据表1-4，学生作出如下散点图，（图||3、图4、图5、图6）：
（图3） （图4）
（图5）（图6）
通过学||生讨论、交流、用TI图形计算器展示、对比自己作出的散||点图，我们引出线性相关关系，正负相关关系的概念。
||
四、引出回归直线的概念，探索求回归直线方程的方法
再看图2，你能说说人在||62、63、64岁时的脂肪含量大约是多少吗？
通||过用TI图形计算器图象，猜想：
所有的点都大致分布在一条直线的附近，只要求出这||条直线的方程，那么就可以知道人在62、63、64岁时的脂肪含量。
如图||7，从整体上看，散点图中的点分布大致在一条直线附近，我们把这||条直线叫做“回归直线”。
（图7）
注：
“回归”这个词是有英国著名||的统计学家FrancilsGalton提出来的。
1889||年，他在研究祖先与后代身高之间的关系时发现，身材较高的父母，他们的孩子也||较高，但这些孩子的平均身高并没有他们的父母平均身高高；
身||材较矮的父母，他们的孩子也较矮，但这些孩子的||平均身高却比他们的父母平均身高高。
Galton把这种后代的身||高向中间值靠近的趋势称为“回归现象”。
后来，人们把由一个变量的变化去推测另一个||变量的变化的方法称为“回归方法”。
那么如何求回归直线方程呢？
人们在||思考这个问题的时候，常用以下3种方法：
1、采用测量的方法，先画一条直线，测||量出各点到它的距离，然后移动直线，到达一个使距离之和最小的位置，测量出此||时直线的斜率和截距，就得到回归方程。
2、在图中选取两点画直线，使得直线两侧的点的个数基本相同。
3、在散||点图中多取几个点，确定几条直线的方程，分||别求出各条直线的斜率和截距的平均数，将这两个平均数作为回归方程的斜||率和截距。
上面的这些方法虽然有一定的道理，但||总让人感觉到可靠性不强。
统计学中，科学家们经过研究后于是得出了如下方法：
求||回归方程的关键是如何用数学的方法来刻画“从整体上看各点与此直线的距离||和最小”。
现在，我们来看一下数学家解决这个问题的思维过程吧。
||设已经得到具有线性相关关系的一组数据：
，所要求的回归直线方||程为：
，其中，是待定的系数。
当变量取时，可以得到。
求的最小值||，其步骤为：
最后，指导学生直接利用TI图形计||算器，计算人的脂肪含量与年龄这一问题。
得到图8：
（图8）
五、相关系数及其含义
从图象和回归方程可知：
人的脂肪含量与人的年||龄是正相关关系，那么人的年龄多大程度上决定人体的脂肪含量？
这就是相关强弱||的问题。
如何解决这一问题，统计学家们引进相关系数这一概念，用相关系数来衡量两||个变量之间的线性关系的强弱。
若相应于变量的取值，变量的观测值为，||
则两个变量的相关系数的计算公式为：
相关||关系的强弱给出具体的判断标准：
首先的符号决定正、负相关关系；
当时，相关关系很强；
当时，相关关系一般；
此||外，相关关系很弱或者几乎不能用线性相关来描述。
TI图形计||算器结果中出现的就是相关系数，就是。
通过计算，我们得到探究问题中的（如图8所示），||所以我们说人的脂肪含量与人的年龄正相关关系很强。
最后，我们得到问题的主要结论：
1、人体的脂肪与年龄之间是线性相关关系，而且正相||关关系很强（）。
2、这种相关关系可以用回归方程：
来刻画。
3、人在62||、63、64岁时，人体的脂肪含量百分比大约为：
35.26、||35.84、36.42。
[效果与回收]：
一、课外实践：
（用TI图形计算器等工具完成下列问题）
1、一个车||间为了规定工时定额，需要确定加工零件所花费的时间，为||此进行了10次试验，收集数据如下：
零件（个数）
10
40
80
90
加工时间（min）
62
68
75
81
95
102
108
115
122
（1）、画出散点图；
（2）、求回归方程；
（3）、关于加工零件的个数与加工时间，你能得出什么结论？
2、某机构曾研究对翻车鱼的影响。
在一定温度||下，经单位时间，翻车鱼的存活的比例为，数据如下：
（0.10,1.00）,（0.15,0.95）,（||0.20,0.95）,（0.25,0.90）,（0.30,0||.85）,
（0.35,0.70）,（0.||40,0.65）,（0.45,0.60）,（0.50||,0.55）,（0.55,0.40）.
（1）、请作出这些数据的散点图；
（2）、关于这两个变量的关系，你能得出什么结论？
3、经过抽样，我校的部分学生的第二次段考语文||和数学成绩如下：
语文
66
112
119
126
数学
99
124
138
86
91
110
82
（2）、关于学生的数学成绩与语文成绩之间的关系||，你能得出什么结论？
二、学生完成情况综述
（1）、正确的作图与结论：
①第1题解答：
（图9）（图10）
结论：
1、散点图如上图9所示（已经添加了回归直线）。
2、回归方程：
。
3、通过观察图9可知：
加工零件的个数与加工时间之间是线性相关关系。
因为，相关||系数是：
，所以，正相关关系很强。
②第2题解答：
（图11）（图12）
1、散点图如上图11所示（已经添加了回归直线）。
3、通过观察图11可知：
翻车鱼的存活的比例与单位时||间之间是线性相关关系。
因为，相关系数是：
，所以，负相关关系很强。
③第3题解答：
（图13）（图14）
1、散点图如上图13所示。
2、通过观察图13可||知：
学生的数学成绩与语文成绩之间的关系是不确定关系。
因为，||相关系数是：
，所以，相关关系很弱，几乎没有线||性相关关系。
（2）、作图中存在的错误与不足：
（图15）（图16）
（图17）（图18）
以上的两个图形的错误或不足之处分别在于：
①出现图15的现象，是因为图象显示||的窗口没有调整到最合适窗口。
②出现图16的现象，是因为在求回归直线方程过程中||，按错了键，以致求出的是中位数回归方程。
单靠“死”记还不行,||还得“活”用,姑且称之为“先死后活”吧。
让学生把一周看到或听到的新鲜事记下||来,摒弃那些假话套话空话,写出自己的真情实感,篇幅可长可短,并要求运用积累的||成语、名言警句等,定期检查点评,选择优秀篇目在班里朗读或展出。
||这样,即巩固了所学的材料,又锻炼了学生的写||作能力,同时还培养了学生的观察能力、思维能力等等,达到“一石多鸟”的效||果。
③
升级会员 