<p class="ql-block"> 倪小娣老师和蒋美斌老师观看平台课堂，分析视频资源。明确教学目标，梳理核心知识脉络，呈现教学内容结构，提炼出关键问题后，展示了2节研究课。</p> <p class="ql-block">下面，请看学习目标.</p><p class="ql-block">1.了解随机误差和残差等概念，会建立线性回归模型，并能够从残差分析和R2等角度讨论回归分析的拟合效果.</p><p class="ql-block">2.体验用统计方法解决实际问题的过程，增强对数据的直观感觉，提高数据处理能力.</p><p class="ql-block">3.通过关于预报精度的探究，培养自己用严谨的科学精神去解决数学问题.</p><p class="ql-block">我们在必修内容，已经学习了一些有关知识，本节课新旧知识会有交融.首先，我们看：</p><p class="ql-block">1.变量之间的相关关系及其研究方法</p><p class="ql-block">变量之间除了函数关系之外，还有相关关系.由于许多不确定的随机因素，从总的变化趋势来看变量之间存在着某种关系，但这种关系又不能用函数关系精确地表达出来，需要通过样本来判断变量之间是否存在相关关系.</p><p class="ql-block">如果两个变量属于定理变量，比如身高和体重，我们一般用回归分析的统计方法来解决问题；如果是分类变量，比如吸烟与患某种疾病，我们一般采取的统计方法是独立性检验.</p><p class="ql-block">本节课，我们主要研究的是回归分析的方法.</p><p class="ql-block">2.回归方法</p><p class="ql-block">谈到“回归方法”，我们就要提到弗朗西斯·高尔顿，他是写《物种起源》的达尔文的表弟，“回归”这个词就是由他提出来的.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父母的平均身高高;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的平均身高要高.高尔顿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.</p><p class="ql-block">3.回归分析的基本步骤</p><p class="ql-block">1.画散点图；2.求回归方程；3.利用回归方程进行预报或决策.</p><p class="ql-block">4.回归方程与最小二乘法</p> <p class="ql-block">下面，我们回顾这堂课学习的内容.</p><p class="ql-block">1.建立线性回归模型.</p><p class="ql-block">2.从残差分析和R^2等角度讨论回归分析的预报精度.</p><p class="ql-block">3.学会用严谨的科学精神去解决数学问题.</p>