人教版高中数学课标教材A版PPT课件

1、. 1、人教版高中数学教材(a版)，普通高中课程标准实验教科书选修课1-2，2-3，统计案例介绍，天津八中陈健，欢迎您指导2020年6月16日9点6分，2，2的统计方法：回归分析和独立性检查经常使用，在统计学中占有重要地位以统计方式解决问题的流程：确定整体、选择适当的变量、收集数据、分析数据、做出决策和预测。3，数学1，数学3，数学4，数学2，数学5，选矿2-3，选矿2-2，选矿2-1，选矿1-2，选矿1-1，选矿3-5，选矿3-4，选矿3-3，选矿3-2，选矿3-1，选矿3-6，选矿4-10，选矿4 系列4，选矿，必修，4数学3 :统计：随机抽样，采用样本母集团，变量间的相关关系概率：随机事

2、件的概率，古典概况，几何概况选矿2-3 (选矿1-2 ) :概率：离散型随机变量及其分布列，两个分布及其应用，离散型随机正态分布回归分析的基本思想及其初始应用、独立性检定的基本思想及其初始应用选矿4-9风险和决定，5、统计学兴趣是如何探测从观察数据中获得的知识的不确定性的测量，以及如何在最小损失下加以明确。 6、教育目标结构设定和课程时间分配回归分析独立性检查，7，1 .教育目标通过典型案例的探索，进一步理解线性回归模型的相关知识，用残差变量的来源、模型诊断的初步知识、回归模型解决非线性相关问题，分析回归分析的基本思想、方法及其初步应用通过探索8、b .典型案例，了解独立性检查的基本思想、方法

3、及其初步应用。 教育目标结构设定和课程分配回归分析独立性检查，10，2 .结构设定和课程分配，11，教育目标结构设定和课程分配回归分析独立性检查，12，3 .回归分析，比数学3的“回归”增加了内容回归分析知识结构图回归分析教育建议. 13 数学3中比“回归”增加的内容，必修数学已经学习了回归内容，画散布图理解最小二乘法的思想，用最小二乘法推定计算式求出回归直线方程式y=bx a，用回归直线方程式解决应用问题(进行预报)， 修正数学23导入追加了内容的一维线性回归模型y=bx a e，理解模型中随机误差项e的原因，理解相关指数R2与模型拟合的效果的关系，残差图的作用(异常数据识别方法，模型改进)

4、 利用线性回归模型正确理解解决非线性回归问题的统计分析方法和结果，14，3 .回归分析比数学3的“回归”增加了的内容回归分析知识结构图回归分析教育建议，15，16，3 .回归分析， 比数学3的“回归”增加了内容回归分析知识结构图回归分析教育建议，17、回归分析教育建议函数模型和“回归模型”的关系散布图和模型的选择残差变量和模型选择解释残差变量的来源应用了相关系数、相关指数的意义注意提取案例中包含的统计思想， 解决实际问题应注意的问题，18，函数模型与“回归模型”的关系，函数模型：回归模型：样本点在函数曲线上，样本点不在回归函数曲线上的y=f(x )，y=f(x) e，1993年到2002年中国

5、GDP 函数模型与“回归模型”的关系，函数模型：回归模型：y=f(x )，y=f(x) e，自变量值一定时，变量值具有一定随机性的两个变量的关系称为相关关系。 1 ) :相关关系是不确定的关系，注.20，函数模型和“回归模型”的关系，函数模型：变量y完全由自变量x决定的回归模型：预报变量y完全由解释变量x和随机误差e决定，所以不能得到残差变量的值，但对其进行估计、21、线性回归模型为选矿2-3P83y=bx a e，y=bx a e中，a和b为模型的未知参数，e为与y的误差，通常e称为随机误差。 函数模型和“回归模型”的关系，使用最小二乘法来估计模型参数：(与文科无关)，22，这种方法称为最小

6、二乘法。 以下是计算回归方程式的斜率和截距的通式.可以根据最小二乘法和上述式求出回归方程式.导出过程中，为了测量选择分支2-3P80、24，为了测量预报的精度，有必要推定2的值吗？ 的双曲馀弦值。 公式分母为n-2是为了得到更好的估计效果。25、回归分析教学建议、函数模型和“回归模型”的关系散布图和模型的选择残差变量和模型选择解释残差变量的来源正确地包含在相关系数、相关指数的语义注意提取案例中的统计思想应用统计方法解决实际问题应注意的问题。 26、1993年至2002年中国GDP散点图、散点图和模型选择，能在这些点附近画一条直线，哪条直线最能代表x和y的关系？27、散布图和模型的选择、散布图有

7、助于确定模型的选择范围，而模型的比较则是基于残差分析，情况2 :红铃虫的产卵数和温度，28，回归分析建议， 函数模型和“回归模型”的关系分布图和模型的选择残差变量和模型的选择解释残差变量的源正确理解关系指数的意义注意提取案例中包含的统计思想应用统计方法来解决实际问题应注意的问题，29，残差变量和模型的选择，残差图决定了异常点和模型的改进方向对残差图的制作和作用残差图中异常点可能由错误数据引起的残差图的倾向性进行分析的残差图，说明了模型有改善的馀地、30、残差图的制作和作用。 (选择项2-3P85和教参p97 )坐标的纵轴是残差变量，横轴有不同的选项。 横轴是号码，可以调查残差和号码顺序的关系，

8、经常用于调查数据的错误。 横轴是说明变量，可以考察残差和说明变量的关系，常用于研究模型是否有改善的馀地。 如果模型选择正确，则残差图中的点应该分布于以横轴为中心的带状区域。 31、在残差图中查找异常点(远离横轴)，有可能由错误的数据引起的异常点、异常点、异常点、身高和体重的残差图、32、残差图的倾向性分析、残差图有倾向性，模型有改善的馀地，应该在模型中加入二次项，33， 回归分析教育建议函数模型和“回归模型”的关系散布图和模型的选择残差变量和模型选择解释残差变量的来源包含在关系指数的意义注意提取案例中的统计思想应用统计方法解决实际问题应注意的问题，34，残差变量的来源：其他因素的影响。 影响身

9、高y的因素不仅包括体重x，还可能包括基因、饮食习惯、生长环境等。 所选的回归模型接近实际模型引起的误差。 预报变量的观测误差。 身高y的测量有误差。35、回归分析教育的建议、函数模型和“回归模型”的关系散布图和模型的选择残差变量和模型选择解释残差变量的来源包含在相关指数的意义注意提取案例中的统计思想应用统计方法解决实际问题应注意的问题，36、正确理解相关系数的意义，总结在线性模型中，解释变量表示了预报变量的能力。 正确理解相关指数的意义，38、相关指数是测量模型拟合效果的指标。 相关指数越大，模型拟合的效果越好。残差(I )平方和、总偏差平方和、39、回归分析教学提案、函数模型和“回归模型”的

10、关系散布图和模型的选择残差变量和模型选择解释残差变量的来源正确理解关系指数的含义注意提取案例中包含的统计思想使用统计方法解决了实际问题应注意的问题注意提取情况所包含的统计思想，在情况1的最后“在用身高预报体重时，需要注意以下问题”，这些论述适用于所有的回归模型。 1 .模型的适用性2 .模型的时间性3 .样品的取值范围对模型的影响4 .对模型预报结果的正确理解。 41、注意提取案例中包含的统计思想，教科书中列举的“制作回归模型的基本顺序”不仅适用于线性回归模型，还适用于所有的回归模型。 1 .研究对象的背景分析2 .使用散布图判断模型类别3 .推定模型参数4 .残差分析、模型诊断。42，1 .

11、研究对象背景分析，某大学女大学生8人的身高和体重，确定变量：说明变量-x (身高)，预报变量-y (体重)，分析：问题中要求根据身高预测体重，因此身高是自变量，体重是变量。 注意提取情况所包含的统计思想，教科书中列举的“制作回归模型的基本步骤”不仅适用于线性回归模型，也适用于所有的回归模型。 1 .研究对象的背景分析2 .使用散布图判断模型类别3 .推定模型参数4 .残差分析、模型诊断。44，2 .用散布图判断模型类别的样品点呈条纹状分布：身高和体重有较好的线性相关关系，所以可以用线性回归方程近似描绘。 45、注意提取案例中包含的统计思想，教科书中列举的“制作回归模型的基本顺序”不仅适用于线性

12、回归模型，还适用于所有的回归模型。 1 .研究对象的背景分析2 .使用散布图判断模型类别3 .推定模型参数4 .残差分析、模型诊断。46，3 .估计模型参数，线性回归模型： y=bx a e，使用最小二乘法估计模型参数：47，注意提取案例中包含的统计思想，教科书中列举的“创建回归模型的基本步骤”不仅是线性回归模型，也全部1 .研究对象的背景分析2 .使用散布图判断模型类别3 .推定模型参数4 .残差分析、模型诊断。 从散布图粗略地判断是否有线性相关。 (2)能否用线性回归模型拟合数据(3)用残差判断模型拟合的效果这一分析工作称为残差分析、4 .残差分析、模型诊断。49，4 .残差分析，模型诊断

13、。50、4 .残差分析、模型诊断。51，总偏差平方和：预报变量的变化程度，回归平方和：解释变量的变化程度，残差平方和：残差变量的变化程度，预报变量的变化中解释变量的比例，R2越大，模型拟合效果越好。 4、残差分析、模型诊断。52、回归分析教育建议、函数模型和“回归模型”的关系分布图和模型的选择残差变量和模型选择解释残差变量的来源正确理解相关指数的含义注意提取案例中包含的统计思想应用统计方法解决了实际问题，53， 应用统计方法解决实际问题应注意的问题，通过情况2得出结论，必须对同一数据用不同的统计方法进行分析，用最有效的方法分析数据。 (残差平方和R2 )、54、情况2 :红铃虫的产卵数和温度(

14、残差分析)、指数模型、二次模型、残差平方和：相关系数R2 :1550.538、15448.431、0.98、0.80、55，应用统计方法解决实际问题应注意的问题的双曲馀弦值。56、教育目标结构设定和授课时间分配回归分析独立性检查，57、独立性检查、解决假设检查问题的假设检查问题的反证原理和假设检查原理独立性检查知识结构图教育提案，58，a .假设检查问题，假设检查问题由两个排他的假设构成：元假设，用H0表示的假设，用H1表示H0:H1:“吸烟是否与肺癌有关”的例子中。 H0 :吸烟与肺癌之间没有关系，H1 :吸烟与肺癌之间没有关系的假设检定问题，H0 :吸烟与肺癌之间没有关系H1 :吸烟与肺癌

15、之间有关系59、独立性检定、解决假设检定问题的假设检定问题的反证原理和假设检定原理独立性检定独立性解决假设检定问题，考虑假设检定问题：在H0H1、H0成立的条件下，构建与H0矛盾概率小的事件的样本如果发生了这个小的概率事件，如果不能一定确信H1成立，那么从数据中就可以建立充分的证据支持H1 解决想法：验证问题的解：判断是H0还是H1的规则。 规则在取得观测数据前确定，显着水平，61，b .解假说检查问题。 求解过程：确定1、假设问题2、结构随机变量3、拒绝区域4，考察阈值5，解释为估计结果。 62、b .解假说检验问题的过程： 1、提出假说问题。 提出假设问题： H0 :没有吸烟和肺癌关系的前

16、提是H1 :有吸烟和肺癌的关系，63，b .解决假设验证问题的过程：1.提出假设问题，结构随机变量3，确定拒绝区域4，考察阈值5，调查估计结果和解释，64 结构随机变量：注：不包含未知参数k2越小，原假设H0成立的可能性越大。65，b .解决假设验证问题的过程： 1、提出假设问题2、结构随机变量3、确定拒绝域4、考察阈值5、估计结果和解释66 确定拒绝区域： k0，)，6.635，)，注：6.635统计得到的如果原假设H0成立，P(K26.635)0.01中0.01为显着水平.67， b .解假设验证问题的过程： 1、提出假设问题2、结构随机变量3、确定拒绝区域4、考察阈值5、估计结果和解释.68， b .解假说验证问题的过程：4.考察阈值，例如“吸烟和肺癌”的考察阈值： k0，K2根据公式和实际数据K2的观测值k，k-56.632=k0，69，b .解假说验证问题的过程： 1，假说考察阈值