2 成对数据的线性相关性教学设计北师大版2019选择性必修 第一册-北师大版2019

PAGE课题2成对数据的线性相关性教学设计北师大版2019选择性必修第一册-北师大版2019教学内容分析1.本节课主要教学内容是北师大版2019选择性必修第一册第三章“成对数据的线性相关性”，包括相关性的概念、散点图的绘制与作用、相关系数的意义与计算、线性回归方程的求法及应用。

2.学生已有知识联系：必修课程中学习了函数与方程、平面直角坐标系、用样本估计总体（平均数、方差）等，为理解变量间关系、绘制散点图及计算相关系数奠定基础；随机抽样的知识为用样本数据推断总体相关性提供方法支撑。核心素养目标学生能发展数据分析素养，通过绘制和解读散点图，判断成对数据的线性相关性；掌握相关系数的计算与应用，理解其统计意义；提升数学建模能力，建立线性回归方程并用于预测实际问题；强化数学运算技能，准确求解回归参数；培养逻辑推理能力，区分相关性与因果关系，形成基于数据的决策意识。重点难点及解决办法重点：相关系数的意义与计算，线性回归方程的求法及解释。难点：理解相关系数的统计意义，区分相关性与因果关系，回归方程的实际应用。

解决办法：通过生活实例（如身高与体重）引导学生直观理解相关性；分解计算步骤，强化公式应用；利用教材案例对比相关性强弱，深化概念辨析；设计分层练习，从简单计算到实际预测逐步提升应用能力。突破策略：结合教材例题演示回归方程推导过程，强调最小二乘法的思想，通过小组合作探究回归方程的预测局限性。教学资源准备1.教材：北师大版2019选择性必修第一册第三章《成对数据的线性相关性》，确保学生人手一册。

2.辅助材料：准备散点图、相关系数计算案例、线性回归方程推导过程的图表及广告投入与销售额关系的分析视频。

3.实验器材：无。

4.教室布置：设置6组讨论桌，每组配备白板及马克笔，便于小组合作绘制散点图和回归方程。教学过程**环节1：情境导入，激发兴趣（5分钟）**

同学们，今天我们要探究生活中两个变量之间的关系。请大家看教材第XX页的案例：某校10名学生的身高与体重数据表。我请一位同学大声读出数据，其他同学思考：这些数据中是否存在某种规律？如果用横轴表示身高，纵轴表示体重，把这些点画在坐标系中，你们能想象出图形的样子吗？请大家在草稿纸上尝试绘制散点图。

**环节2：概念建构，理解相关性（10分钟）**

**环节3：方法探究，计算相关系数（15分钟）**

如何量化相关性的强弱呢？教材引入了相关系数r的计算公式（见第XX页）。以身高体重数据为例，我带领大家分步计算：

1.计算身高与体重的平均值；

2.计算每个数据点的离差乘积；

3.代入公式求r。

注意：r的取值范围在[-1,1]之间，越接近1或-1，相关性越强。现在请分组计算教材例题中广告投入与销售额的相关系数，并讨论r=0.85意味着什么。

**环节4：回归方程建模，预测应用（20分钟）**

当两个变量线性相关时，我们可以用回归方程描述其关系。最小二乘法是求回归直线的核心方法（教材第XX页推导过程）。以身高体重数据为例，我们求出回归方程为ŷ=2x+50（示例）。请思考：若某学生身高175cm，预测其体重是多少？实际体重可能偏离预测值的原因是什么？

**环节5：深化辨析，突破难点（10分钟）**

重点讨论两个易错点：

1.**相关性与因果性**：教材第XX页指出"相关不等于因果"。例如，冰淇淋销量与溺水事故高度相关，但二者无直接因果关系。请举例说明生活中类似现象。

2.**回归方程的适用范围**：回归方程仅适用于样本数据覆盖的区间（如身高160-180cm），外推预测可能失效。请分析教材例题中若广告投入超过样本最大值时，预测是否可靠。

**环节6：分层练习，巩固提升（15分钟）**

完成教材第XX页习题：

-基础组：绘制散点图判断相关性；

-提升组：计算相关系数并解释意义；

-拓展组：建立回归方程并解决预测问题。

巡视指导，重点纠正计算错误和概念混淆。

**环节7：总结反思，归纳要点（5分钟）**

请用思维导图梳理本节课核心：

-相关性判断：散点图→相关系数r

-建模方法：最小二乘法→回归方程

-应用原则：内推有效，外推谨慎

最后强调：统计结论需结合实际背景，避免过度解读数据。

**作业布置**

1.收集家庭近10年人均收入与恩格尔系数数据，分析相关性；

2.预习教材第XX页"残差分析"内容，思考回归方程的拟合效果如何评价。教学资源拓展1.拓展资源：

（1）《统计学》教材中关于相关系数分布性质的章节，深入理解r的抽样分布及其在假设检验中的应用，补充教材中未涉及的显著性检验方法。

（2）《回归分析》专著中非线性关系处理技术，包括对数变换、多项式回归等，延伸教材第XX页"曲线拟合"的案例，掌握非线性模型的线性化转换技巧。

（3）国家统计局发布的《居民收入与消费支出统计年鉴》中成对数据案例，分析不同收入群体的消费模式，强化教材中"变量关系实际背景解读"的实践应用。

（4）残差分析专题资料，包括异方差检验、正态性检验方法，深化教材第XX页"回归诊断"内容，理解模型拟合优度的量化评估指标。

（5）时间序列相关性分析案例，如气温与用电量的月度数据，拓展教材中截面数据的分析维度，引入滞后效应与自相关概念。

2.拓展建议：

（1）基础拓展：收集班级同学的身高与臂长数据，绘制散点图计算相关系数，对比教材案例中的r值差异，分析生物指标相关性的稳定性。

（2）方法拓展：选取教材第XX页的"广告投入-销售额"数据，尝试对销售额取对数后重新建立回归模型，比较线性模型与对数线性模型的预测精度。

（3）应用拓展：研究本地近五年GDP与财政收入数据，建立回归方程并进行预测，结合经济政策分析预测结果的实际可行性。

（4）批判性拓展：分析教材中"吸烟与肺癌"相关研究的潜在混杂变量，讨论控制混杂因素后的相关性变化，培养统计推断的严谨意识。

（5）技术拓展：使用Excel数据加载项进行多元回归分析，探究多个自变量（如学习时长、睡眠时间）对成绩的联合影响，延伸教材二元回归框架。

（6）历史拓展：查阅高尔顿"回归均值"现象的原始论文，理解统计学中"回归"术语的起源，建立概念发展的历史认知。

（7）伦理拓展：讨论相关分析在基因检测中的应用边界，思考数据隐私保护与统计价值实现的平衡，强化教材中"统计伦理"意识。板书设计①相关性概念：成对数据、线性相关性、正相关、负相关、无相关性、散点图作用、直观判断关系方向与强度。

②相关系数计算：相关系数r、公式r=Σ[(xi-̄x)(yi-̄y)]/√[Σ(xi-̄x)²Σ(yi-̄y)²]、r取值范围[-1,1]、r>0正相关、r<0负相关、|r|越接近1相关性越强、r=0无线性相关。

③线性回归方程：回归方程ŷ=ax+b、最小二乘法求a与b、a=Σ[(xi-̄x)(yi-̄y)]/Σ(xi-̄x)²、b=̄y-āx、预测应用、内推有效外推谨慎、残差分析拟合优度。典型例题讲解例1：某班级10名学生的数学成绩与物理成绩如下（数学x，物理y）：(65,70)，(70,75)，(75,80)，(80,82)，(85,85)，(90,88)，(95,90)，(100,92)，(105,95)，(110,98)。请判断数学成绩与物理成绩的相关性方向。

答案：数学成绩升高，物理成绩总体升高，为正相关。

例2：根据例1数据，计算数学成绩与物理成绩的相关系数r（保留两位小数）。

答案：计算得x̄=87.5，ȳ=85.7，Σ(xi-x̄)(yi-ȳ)=1212.5，Σ(xi-x̄)²=2062.5，Σ(yi-ȳ)²=722.5，r=1212.5/√(2062.5×722.5)≈0.99，表明高度正相关。

例3：用最小二乘法求例1中数学成绩与物理成绩的线性回归方程。

答案：a=Σ(xi-x̄)(yi-ȳ)/Σ(xi-x̄)²=1212.5/2062.5≈0.588，b=ȳ-ax̄=85.7-0.588×87.5≈34.15，回归方程为ŷ=0.588x+34.15。

例4：若某学生数学成绩为95分，利用例3的回归方程预测其物理成绩，并说明预测的合理性。

答案