1、一、复习引入：回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法。二、新课:1、回归分析的基本步骤：(1) 画出两个变量的散点图。(2) 求回归直线方程。(3) 用回归直线方程进行预报。2、举例：例 1、题（略） 。解：(1) 作散点图，由于问题是根据身高预报体重，因此要求身高与体重的回归直线方程，取身高为自变量 x 。体重为因变量 y ，作散点图（如图）（2）列表求,0.849571xyba回归直线方程 y=0.849x-85.712 对于身高 172cm 女大学生，由回归方程可以预报体重为 y=0.849*172-85.712=60.316(kg) 预测身高为 172cm 的女大
2、学生的体重为约 60。316kg问题：身高为 172cm 的女大学生的体重一定是 60。316kg 吗?（留下一节课学习）例 2：（提示后做练习、作业）研究某灌溉渠道水的流速 y 与水深 x 之间的关系，测得一组数据如下：水深 xm 1.40 1.50 1.60 1.70 1.80 1.90 2.00 2.10流速ym/s1.70 1.79 1.88 1.95 2.03 2.10 2.16 2.21（1）求 y 对 x 的回归直线方程；（2）预测水深为 1。95m 时水的流速是多少？解：（略）三、小结四、作业： 例 2、 预习。第一章统计案例 1-2 回归分析的基本思想及其初步应用（第二课时）
3、教学目标：1、会建立回归模型，进而学习相关指数（相关系数 r 、总偏差平方和、随机误差的效应即残差、残差平方和、回归平方和、相关指数 R2、残差分析）2、会求上述的相关指数：3、从实际问题发现已有知识不足，激发好奇心、求知欲。培养勇于求知的良好个性品质。教学重点；各相关指数、建立回归模型的步骤。教学难点：相关指数的计算、残差分析。教学过程：1、引入：从上节课的例 1 提出的问题引入线性回归模型：Y=bx+a+e解释变量 x 预报变量 y随机误差 e 2、新课:（1） 相关指数： 相关系数 r (公式) , r0 正相关. R0 负相关 R 绝对值接近于 1 相关性强接 r 绝对值 近于 0 相关性几乎无222125 7iniiyyni1iini12总 偏 差 平 方 和 : 3残 差 e=y-4残 差 平 方 和回 归 平 方 和 总 偏 差 平 方 和 -残 差 平 方 和6回 归 效 果 的 相 关 指 数 R残 差 分 析 通 过 残 差 判 断 模 型 拟 合 效 果 判 断 原 始 数 据 是 否 存 在 可 疑 数 据3、用例 1 的数据算以上各相关指数。4、用身高预报体重时，需要注意的问题： 1、2、3、4、 （课本 89 页）5、建立回归模型的基本步骤：1、2、3、4、5、 （课本第 9 页）6、小结7、作业：复习、预习例 2。
