通過將非線性模型轉化為線性回歸模型，使學生體會“轉化”的思想。以下內容是小編為您精心整理的應用回歸分析教學課件，歡迎參考！

　　應用回歸分析教學課件一

　　一、教學目標

　　a) 知識與技能

　　能根據散點分布特點，建立不同的回歸模型。

　　知道有些非線性模型通過變換可以轉化為線性回歸模型。

　　通過散點圖及相關指數比較體驗不同模型的擬合效果。

　　b) 過程與方法

　　通過將非線性模型轉化為線性回歸模型，使學生體會“轉化”的思想。

　　讓學生經歷數據處理的過程，培養他們對數據的直觀感覺，體會統計方法的特點，認識統計方法的應用。

　　通過使用轉化后的數據，利用計算器求相關指數，使學生體會使用計算器處理數據的方法。

　　c) 情感、態度與價值觀

　　從實際問題中發現已有知識不足，激發好奇心、求知欲。

　　通過尋求有效的數據處理方法，開闊學生的思路，培養學生的探索精神和轉化能力。

　　通過案例的分析，使學生了解回歸分析在生活實際中的應用，增強數學“取之生活，用于生活”的意識，提高學習興趣。

　　二．教學重點、難點

　　重點：通過探究使學生體會有些非線性模型運用等量變換、對數變換可以轉化為線性回歸模型。

　　難點：如何啟發學生“對變量作適當的變換（等量變換、對數變換）”，變非線性為線性，建立線性回歸模型。

　　應用回歸分析教學課件二

　　要求：通過典型案例的探究，進一步了解回歸分析的基本思想、方法及初步應用.

　　重點：了解評價回歸效果的三個統計量：總偏差平方和、殘差平方和、回歸平方和.

　　教學難點：了解評價回歸效果的三個統計量：總偏差平方和、殘差平方和、回歸平方和.

　　教學過程：

　　一、復習準備：

　　1．由例1知，預報變量（體重）的值受解釋變量（身高）或隨機誤差的影響.

　　2．為了刻畫預報變量（體重）的變化在多大程度上與解釋變量（身高）有關？在多大程度上與隨機誤差有關？我們引入了評價回歸效果的三個統計量：總偏差平方和、殘差平方和、回歸平方和.

　　二、講授新課：

　　1. 教學總偏差平方和、殘差平方和、回歸平方和：

　　（1）總偏差平方和：所有單個樣本值與樣本均值差的平方和，即 .

　　殘差平方和：回歸值與樣本值差的平方和，即 .

　　回歸平方和：相應回歸值與樣本均值差的平方和，即 .

　　（2）學習要領：①注意區別；②預報變量的變化程度可以分解為由解釋變量引起的變化程度與殘差變量的變化程度之和，即 ；③當總偏差平方和相對固定時，殘差平方和越小，則回歸平方和越大，此時模型的擬合效果越好；④對于多個不同的模型，我們還可以引入相關指數 來刻畫回歸的效果，它表示解釋變量對預報變量變化的貢獻率. 的值越大，說明殘差平方和越小，也就是說模型擬合的效果越好.

　　2. 教學例題：

　　例2 關于 與 有如下數據：

　　2 4 5 6 8

　　30 40 605070

　　為了對兩個變量進行統計分析，現有以下兩種線性模型：試比較哪一個模型擬合的效果更好.