選修概率與統(tǒng)計(jì)ppt課件(編輯修改稿)
2025-06-08 13:30 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 取每個(gè)值的概率。?數(shù)字特征的重要性在于它們有非常明確的含義，反映了隨機(jī)變量的重要信息。?均值、方差等數(shù)字特征都是數(shù)，樣本均值和方差等是隨機(jī)的。?分布可以確定數(shù)字特征，數(shù)字特征一般無(wú)法確定分布。g.注意 超幾何分布與二項(xiàng)分布背景的區(qū)別 ：? 超幾何分布：從 a個(gè)紅球和 b個(gè)黑球中，不放回地摸出 m個(gè)球中的紅球個(gè)數(shù)。“ 第 i次摸出紅球 ” 與 “ 第 j次摸出紅球” 不相互獨(dú)立 ；? 二項(xiàng)分布：從 a個(gè)紅球和 b個(gè)黑球中， 有放回地摸出 m個(gè)球中的紅球個(gè)數(shù)， “ 第 i次摸出紅球 ” 與 “ 第 j次摸出紅球 ” 相互獨(dú)立 ；h.注意解釋隨機(jī)變量的均值（方差）與樣本均值 (方差 )的關(guān)系：? 兩者都表示各自的平均位置 (變化劇烈程度 )；? 樣本均值 (方差 )具有隨機(jī)性，而隨機(jī)變量的均值 (方差 )沒(méi)有隨機(jī)性；? 樣本均值 (方差 )的極限是總體均值 (方差 )i.在高爾頓釘板試驗(yàn)中，課文中說(shuō) “隨著試驗(yàn)次數(shù)的增加，這個(gè)頻率直方圖的形狀會(huì)越來(lái)越 像 一條鐘形曲線 ”。越來(lái)越接近于鐘形曲線的離散化。j. 注意通過(guò)邊框問(wèn)題引導(dǎo)學(xué)生了解：對(duì)于同一個(gè)實(shí)際問(wèn)題，可以用不同的隨機(jī)變量來(lái)描述；原則：應(yīng)盡量簡(jiǎn)單，以便于研究 。如擲一枚硬幣正面向上 1反面向上 0還可以用其他的數(shù)來(lái)表示這個(gè)試驗(yàn)結(jié)果嗎第三章 統(tǒng)計(jì)案例統(tǒng)計(jì)學(xué)不止是一種方法和技術(shù)，還含有世界觀的成分— 它是看待世界上萬(wàn)事萬(wàn)物的一種方法?！?陳希孺a. 通過(guò)典型案例的探究，進(jìn)一步了解 回歸分析 的基本思想、方法及其初步應(yīng)用。b. 通過(guò)典型案例的探究，了解 獨(dú)立性檢驗(yàn)（只要求 22 列聯(lián)表） 的基本思想、方法及其初步應(yīng)用。統(tǒng)計(jì)案例（ 10課時(shí)）獨(dú)立性檢驗(yàn)?zāi)Ｐ停?3課時(shí)）回歸分析模型（ 4課時(shí)）實(shí)習(xí)作業(yè)與小結(jié)（ 3課時(shí)）2.結(jié)構(gòu)設(shè)置與課時(shí)分配3.回歸分析 《 數(shù)學(xué) 3》 中 “回歸 ”增加的內(nèi)容1. 畫(huà)散點(diǎn)圖2. 了解最小二乘法的思想3. 求回歸直線方程4. 用回歸直線方程解決應(yīng)用問(wèn)題必修 《 數(shù)學(xué)３ 》 已學(xué)回歸內(nèi)容 《 數(shù)學(xué) 3》 中 “回歸 ”增加的內(nèi)容1. 引入線性回歸模型y＝ bx＋ a＋ e2. 了解模型中隨機(jī)誤差項(xiàng) e產(chǎn)生的原因3. 了解 R2 和模型擬合的效果之間的關(guān)系4. 了解殘差圖的作用5. 利用線性回歸模型解決一類(lèi)非線性回歸問(wèn)題6. 正確理解統(tǒng)計(jì)分析方法與結(jié)果選修 《 數(shù)學(xué) 2－ 3》 新增內(nèi)容 《 數(shù)學(xué) 3》 中 “回歸 ”增加的內(nèi)容3.回歸分析 《 數(shù)學(xué) 3》 中 “回歸 ”增加的內(nèi)容問(wèn)題背景分析線性回歸模型兩個(gè)變量線性相關(guān)最小二乘法兩個(gè)變量非線性相關(guān)非線性回歸模型殘差分析R2散點(diǎn)圖應(yīng)用? 例 1 從某大學(xué)中隨機(jī)選取 8名女大學(xué)生，其身高和體重?cái)?shù)據(jù)如表 31所示。編 號(hào) 1 2 3 4 5 6 7 8身高 /cm 165 165 157 170 175 165 155 170體重 /kg 48 57 50 54 64 61 43 59 求根據(jù)女大學(xué)生的身高預(yù)報(bào)體重的回歸方程，并預(yù)報(bào)一名身高為 172cm的女大學(xué)生的體重。(1)畫(huà)散點(diǎn)圖(2)散點(diǎn)圖上樣本點(diǎn)呈現(xiàn)出線性相關(guān)。(3)由最小二乘法可求得：回歸方程為：(4)預(yù)報(bào)體重為：探究 ：身高為 172cm的女大學(xué)生的體重一定是？如果不是，你能解析一下原因嗎？答：身高為 172cm的女大學(xué)生的體重不一定是， 但一般可以認(rèn)為她的體重接近于。即，用這個(gè)回歸方程不能給出每個(gè)身高為172cm的女大學(xué)生的體重的預(yù)測(cè)值，只能給出她們平均體重的值。? 產(chǎn)生誤差的原因主要有： ① 其它因素的影響； ② 選用的回歸模型近似真實(shí)模型所引起的誤差； ③ 樣本數(shù)據(jù)的測(cè)量誤差。? 引入線性回歸模型：與函數(shù)關(guān)系不同，在回歸模型中，y的值由 x和 隨機(jī)誤差 e共同確定。自變量 x只能解析部分 y的變化。 在統(tǒng)計(jì)中，我們也把自變量 x稱(chēng)為解釋變量 ，因變量 y稱(chēng)為 預(yù)報(bào)變量。解釋變量解釋變量 x（身高）（身高）隨機(jī)誤差隨機(jī)誤差 e預(yù)報(bào)變量預(yù)報(bào)變量 y（體重）（體重）1. 在線性回歸模型中，隨機(jī)誤差 e 的方差 越小，通過(guò)回歸直線 預(yù)報(bào)真實(shí)值 y 的精度越高。2. 隨機(jī)誤差是引起預(yù)報(bào)值 與真實(shí)值 y之間的誤差的原因之一，其大小取決于隨機(jī)誤差的方差。 3. 由于 和 為截距和斜率的估計(jì)值，它們與真實(shí)值 a 和 b 之間也存在誤差，這種誤差是引起預(yù)報(bào)值 與真實(shí)值 y 之間誤差的另一個(gè)原因。? 對(duì)于樣本點(diǎn)（ x1， y1），（ x2， y2）， … （ xn， yn）
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1