高中二年级数学成对数据线性相关性教学设计

高中二年级数学成对数据线性相关性教学设计​​​​本节内容位于北师大版选择性必修第一册第七章第二节，是学生从确定性数学思维迈向统计推断思维的关键节点。学生在初中阶段已经接触过简单的统计图表，高一年级学习了用样本估计总体、变量的相关关系等基础概念，但尚未系统掌握如何用数学工具定量刻画两个变量之间线性关系的强弱。本课时的核心任务在于引导学生经历从直观感受到定量刻画的过程，理解样本相关系数的统计意义，掌握相关系数的计算方法与性质，并能结合实例解释相关系数的实际含义。​​​​依据《普通高中数学课程标准（2017年版2020年修订）》对统计与概率主题的要求，本课时的教学目标设定如下：第一，通过探究活动，使学生理解两个随机变量线性相关关系的含义，能够区分正相关、负相关与不相关；第二，引导学生经历样本相关系数的构造过程，理解相关系数r的统计意义及其取值范围[1,1]；第三，掌握样本相关系数的计算公式，能利用计算工具或手工计算两组数据的相关系数，并据此判断线性相关程度的强弱；第四，通过对实际案例的分析，培养学生用数据说话的意识，体会统计思维与确定性思维的差异。教学重点为样本相关系数的定义、计算公式及其统计含义，教学难点为相关系数如何从散点图的直观感受到定量刻画的过程性理解，以及相关系数大小与相关程度强弱的对应关系。​​​​本课时的教学设计遵循“情境导入—直观感知—数学建模—概念生成—应用深化—反思总结”的认知路径。首先从一个贴近学生生活的真实问题情境出发，激发学生探究兴趣；其次通过散点图的观察获得直观感受，建立定性描述框架；继而引导学生自主构造一个能够定量刻画线性相关程度的统计量，在思维碰撞中自然引出样本相关系数的概念；随后通过具体计算和性质探究深化对相关系数的理解；最后在多层次应用中巩固提升，并布置分层作业满足不同学生的学习需求。一、创设情境，引入课题​​​​上课伊始，教师在大屏幕展示一组数据：某班级15名学生的身高与体重测量值。数据以表格形式呈现，学生很快发现每个人的身高与体重不尽相同。教师随即提出问题：“大家观察这组数据，身高较高的人体重是否一定较重？这两个变量之间是否存在某种联系？如果存在联系，这种联系有多强？”学生结合生活经验各抒己见，有的认为身高高的人通常体重大，有的则认为不一定，也有学生提出需要看具体数据。​​​​教师对学生的回答表示肯定，继而追问：“刚才大家凭直觉做出了判断，但数学讲究用数据说话。我们能否借助前面学过的工具来研究这两个变量的关系？”有学生提出可以画散点图。教师请两名学生到讲台前，利用电子白板将15对数据绘制成散点图。散点图呈现出一条大致从左下到右上的带状分布，学生直观感受到随着身高增加，体重总体呈上升趋势，但并非严格的函数关系。​​​​此时教师抛出本课的核心问题：“从散点图看，身高与体重存在正相关关系，但这种相关关系有多强？一个身高170厘米的学生，我们能否根据这个散点图精确预测他的体重？如果换一组数据，两个变量的相关程度又如何比较？这些问题的答案，都需要一个定量的指标来衡量。这正是我们今天要研究的——成对数据的线性相关性。”教师板书课题，学生明确本课学习目标。二、温故知新，回顾概念​​​​教师引导学生回顾高一年级所学的相关关系概念，在屏幕上同时展示三幅散点图：第一幅是某地区居民人均可支配收入与消费支出的散点图，呈明显的从左下到右上的趋势；第二幅是汽车使用年限与二手车价格的散点图，呈从左上到右下的趋势；第三幅是学生随机抽取的某班学生的鞋码与数学成绩的散点图，点的分布无明显规律。教师逐一点问学生：“这三幅图中，两个变量的关系分别是什么？”学生依次回答正相关、负相关、不相关。​​​​教师进一步追问：“正相关和负相关的本质区别是什么？如何从散点图上更精确地判断相关程度的强弱？”学生思考后回答：从散点图上可以看出点的集中程度，点越集中在一条直线附近，相关程度越强，反之则越弱。教师出示三幅正相关程度不同的散点图，让学生感受相关程度强弱的直观差异，并请学生尝试用语言描述这种“强弱”的差异。有学生说“图1的点几乎在一条直线上，图3的点比较散”，也有学生说“图2介于两者之间”。​​​​教师总结：“从散点图观察相关程度，直观但带有主观性。不同的人看同一幅散点图可能得出不同的结论。要精确刻画相关程度的强弱，我们需要引入一个能够反映散点相对于某条直线集中程度的数学量。它就像一把尺子，能够用数值来衡量两个变量线性相关程度的强弱。”这个过渡性总结引发了学生的认知冲突，唤起了他们对定量刻画工具的需求。三、合作探究，构造统计量​​​​教师将学生分为四人小组，要求每组装扮成“统计学家”，思考如何构造一个量来刻画散点相对于一条直线的集中程度。教师提供学习支架：已知样本数据为(x₁,y₁),(x₂,y₂),…,(xₙ,yₙ)，分别计算了x的平均数x̄和y的平均数ȳ。教师提示：“散点图中所有点都围绕某个中心位置分布，这个中心在哪里？如果两个变量正相关，点相对于这个中心呈现什么特征？”​​​​小组展开热烈讨论。五分钟后，教师请各组代表分享想法。第一组代表说：“可以计算每个点到某条拟合直线的距离，距离越小说明越集中。”第二组代表补充：“但先要确定这条拟合直线，这有难度。”第三组代表提出了一个关键思路：“我们可以先看每个点的(xᵢx̄)(yᵢȳ)这个乘积。如果x大于平均数时y也大于平均数，乘积为正；如果x大于平均数时y小于平均数，乘积为负。正相关时正的乘积多，负相关时负的乘积多。”​​​​教师对第三组的想法予以高度肯定，并引导全班深入分析。教师板书：​​​​将点(xᵢ,yᵢ)相对于点(x̄,ȳ)的偏差记为(xᵢx̄,yᵢȳ)。若两个变量正相关，则当xᵢ>x̄时，yᵢ也往往大于ȳ，此时(xᵢx̄)与(yᵢȳ)同号，乘积(xᵢx̄)(yᵢȳ)>0；当xᵢ<x̄时也有类似情况。若负相关，则两者异号，乘积多为负值。因此，把所有的乘积加起来，即∑(i=1到n)(xᵢx̄)(yᵢȳ)，正相关时这个和为正且较大，负相关时这个和为负且绝对值较大。​​​​教师进一步提出新问题：“这个和的大小能否直接用来比较不同组数据的相关程度？为什么不能？”学生思考后回答：这个和受数据个数n以及变量单位的影响，n越大，和往往越大；单位不同也会影响乘积的大小。例如身高用米还是厘米作单位，体重用千克还是克作单位，乘积的结果差异很大。​​​​教师追问：“如何进行标准化处理，使它不受单位和样本量的影响？”经过讨论，学生提出将每个偏差除以各自的标准差，再求乘积和。教师顺势给出定义：​​​​对数据(x₁,y₁),(x₂,y₂),…,(xₙ,yₙ)，记x̄=1/n∑xᵢ，ȳ=1/n∑yᵢ，sₓ=√(1/n∑(xᵢx̄)²)，sᵧ=√(1/n∑(yᵢȳ)²)，则称​​​​r=∑(i=1到n)(xᵢx̄)(yᵢȳ)/√(∑(i=1到n)(xᵢx̄)²·∑(i=1到n)(yᵢȳ)²)​​​​为变量x与变量y的样本相关系数。​​​​教师强调，相关系数r是无量纲的量，它不受单位影响，也不受样本量影响，取值范围为[1,1]。r>0表示正相关，r<0表示负相关，r=0表示不相关。|r|越接近1，线性相关程度越强；|r|越接近0，线性相关程度越弱。四、深化理解，探究性质​​​​教师引导学生从不同角度深入理解相关系数的性质。首先从极端情形入手：当r=1时，所有点都落在一条斜率为正的直线上，即y与x之间存在正的一次函数关系；当r=1时，所有点都落在一条斜率为负的直线上，即y与x之间存在负的一次函数关系。此时教师板书：若y=a+bx且b>0，则r=1；若y=a+bx且b<0，则r=1。这一事实揭示了相关系数与线性函数关系的联系。​​​​接着，教师引导学生探究相关系数的大小与变量间是否存在因果关系的关系。教师讲述一个经典案例：某地区统计发现冰淇淋销量与溺水人数呈现高度正相关，相关系数达到0.9以上，于是有人声称“吃冰淇淋导致溺水”。教师询问学生：“这个结论正确吗？”学生立刻发现其中的逻辑漏洞——真正的原因是天气炎热，炎热既促进了冰淇淋的消费，也促使更多人游泳从而导致溺水事件增加。教师总结：相关关系不等于因果关系。即使两个变量之间存在很强的相关关系，也不能据此断定它们之间存在因果关系。变量间高度相关可能只是表面上的伴随关系，背后可能存在第三个潜在因素同时影响着两个变量。​​​​教师接着设计一个小组探究活动：各组利用计算器或统计软件，对几组给定的数据计算相关系数，包括：资料1为身高与体重数据，计算r值；资料2为某城市每月平均气温与空调销售量数据，计算r值；资料3为学生随机编号与数学成绩数据，计算r值。各组将计算结果与先前从散点图获得的直观感受进行对照，验证定性判断和定量刻画的一致性。一个学生提出疑问：“我算出的三级数据资料2的r是0.83，资料1的r只有0.62，这是否意味着资料2的线性相关程度一定强于资料1？”教师肯定了这个问题的价值，指出相关系数的大小确实可以用来比较不同变量对之间线性相关程度的强弱，但同时提醒：在极端异常值存在的情况下，相关系数可能受到较大影响，需要在应用时结合散点图进行综合判断。​​​​教师特别强调一个易错点：样本相关系数r是一个随机变量，不同的样本会得到不同的r值。我们计算得到的是样本相关系数，它是总体相关系数的一个估计。在实际应用中，样本容量不宜过小，否则r的可靠性难以保证。一般情况下，样本容量不少于10对数据时计算得到的相关系数才有一定的参考价值。五、典例精析，规范计算​​​​教师给出教材中的典型例题，带领学生体验完整的计算流程，同时规范书写格式。​​​​例题：某研究机构调查了8名学生的每周课外阅读时间x（单位：小时）与语文成绩y（单位：分），数据如下表所示：学生编号12345678x（阅读时间）23456789y（语文成绩）6570727880828890​​​​然后教师请一位学生计算xᵢx̄和yᵢȳ的数值，另一位学生计算(xᵢx̄)(yᵢȳ)的乘积并求和。计算过程中教师提醒学生注意正负号的处理，并指出中间运算结果的精度保留问题。最终计算得到：​​​​∑(xᵢx̄)²=(25.5)²+(35.5)²+(45.5)²+(55.5)²+(65.5)²+(75.5)²+(85.5)²+(95.5)²=12.25+6.25+2.25+0.25+0.25+2.25+6.25+12.25=42​​​​∑(yᵢȳ)²=(6578.125)²+(7078.125)²+(7278.125)²+(7878.125)²+(8078.125)²+(8278.125)²+(8878.125)²+(9078.125)²​​​​计算各偏差：13.125,8.125,6.125,0.125,1.875,3.875,9.875,11.875。各平方后求和：172.265625+66.015625+37.515625+0.015625+3.515625+15.015625+97.515625+141.015625=532.875​​​​∑(xᵢx̄)(yᵢȳ)=(3.5)(13.125)+(2.5)(8.125)+(1.5)(6.125)+(0.5)(0.125)+(0.5)(1.875)+(1.5)(3.875)+(2.5)(9.875)+(3.5)(11.875)​​​​=45.9375+20.3125+9.1875+0.0625+0.9375+5.8125+24.6875+41.5625=148.5​​​​代入公式得：​​​​r=148.5/√(42×532.875)=148.5/√22380.75≈148.5/149.602≈0.9926​​​​教师引导学生分析这个结果：r≈0.99，接近1，说明课外阅读时间与语文成绩之间存在很强的正相关关系。但教师同时强调，这仅仅说明两个变量有关系，不能据此断言增加阅读时间就一定能提高语文成绩，因为可能存在其他影响因素，比如学生的学习动机、家庭背景等。教师引导学生用规范的书面语言描述结论：“根据样本数据计算得到课外阅读时间与语文成绩的样本相关系数约为0.99，表明二者之间存在很强的正线性相关关系。”六、课堂练习，巩固提升​​​​教师设计三个层次的课堂练习，满足不同水平学生的学习需要。​​​​基础题：判断以下各组数据的相关系数r的正负号，并说明理由。（1）某年级学生数学成绩与物理成绩，一般来说数学好的同学物理也较好；（2）某种商品的价格与市场需求量，价格越高需求量越低；（3）某城市一年中每月平均气温与当月用电量中的空调用电量（夏季越热用电越多，冬季越冷用电也越多，可能呈现复杂关系）。学生口答配合画散点图验证，巩固正负相关的基本判断。​​​​提高题：教师给出10对数据，要求学生利用计算器计算相关系数r的值，判断相关程度强弱，并比较两组不同数据的相关程度。学生在计算过程中巩固公式应用和运算技能，教师巡回指导，及时纠正个别学生在计算中的符号错误。一位学生在计算过程中出现∑(xᵢx̄)(yᵢȳ)符号处理错误，教师通过引导其逐项检查偏差的正负号找到了问题所在。​​​​拓展题：某研究者在研究学习时间与考试成绩的关系时，加入了第11个学生数据。这名学生的课外学习时间为20小时（远远大于其他学生的学习时间），成绩为95分。教师请学生先猜测添加这组数据后相关系数会如何变化，然后实际计算验证。学生发现：当加入极端值后，相关系数的大小受其影响较大。这个练习让学生直观感受到异常值对相关系数的影响，培养了数据批判性思维。​​​​练习结束后，教师请几位学生分别展示自己的计算过程与结论，其余学生进行评价和修正。课堂气氛活跃，学生之间形成了良好的互动交流。七、联系实际，应用拓展​​​​教师展示一个实际研究案例：某医学研究团队调查了50名成年人的每日运动时间与血压水平之间关系的研究。研究人员收集了两组数据并分别计算了相关系数。资料A来自年龄在20到30岁之间的年轻人，r=0.54；资料B来自年龄在40到60岁之间的中年人，r=0.71。教师提问：“这两个相关系数能说明什么？能否据此直接推断运动对降低血压的效果？”​​​​学生分组讨论后形成以下看法：两组数据显示运动时间与血压呈负相关，中年组的负相关程度更强。但相关系数只能说明线性关系的强弱，不能说明运动导致血压降低，因为可能存在其他因素。年龄、饮食习惯、遗传因素等都可能同时影响运动量和血压水平。教师进一步指出：“如果要从因果关系层面分析，需要设计随机对照实验或使用更复杂的统计模型，这是后续课程将要学习的知识。”​​​​教师又展示一幅特殊散点图，图中大部分点随机分布，但有一个远离主体的异常点，使得整体相关系数较大。教师提问：“如果我们报告这个r值，是否会误导读者？”学生通过讨论认识到：在计算相关系数之前，必须先画散点图观察数据的整体分布形态。若散点图中存在明显的异常值，应分析异常值产生的原因，慎重决定是否保留或剔除，必要时分别报告剔除前后的结果。这个环节培养了学生严谨的数据分析态度。八、课堂小结，反思提升​​​​教师请学生闭上眼睛，在脑海中回忆本课学习的内容，然后请学生代表用自己的语言进行小结。有学生说道：“本课我们学会了用散点图直观判断两个变量的相关关系，然后通过构造偏差乘积和的方式，经过标准化得到了样本相关系数r。r的范围是[1,1]，绝对值越接近1线性相关越强，越接近0线性相关越弱。”也有学生补充：“计算相关系数只是分析变量关系的第一步，还要注意有异常值的情况，以及相关关系不等于因果关系