人教版高中数学课件《随机变量与统计》.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 关于探究吸烟与患肺癌关系的教学建议 总结“两个分类变量独立性检验”的本质 问题：建立判断结论 H0：分类变量X与Y之间有关系 是否成立的规则。 判别指标： 规则k0：如果kk0,判定H0成立；否则认为H0不成立。 确定规则k0判定“H0成立”犯错误的概率。 表3－10给出了一些规则的犯错误的概率。 归纳两个分类变量独立性检验的基本思想： 当 很大时，就认为两个变量有关系；否则就认为没有充分的证据显示两个变量有关系。 关于探究吸烟与患肺癌关系的教学建议 在前面案例中，由 k≈54.7216.635 可得结论： 有99%的把握断定“吸烟与患肺癌有关”。 另一方面，由 k≈54.72110.828 还可得结论： 有99.9%的把握断定“吸烟与患肺癌有关”。 问题：二个结论矛盾吗？ 关于探究吸烟与患肺癌关系的教学建议 可引导学生讨论下面问题，加深对假设检验问题的正确理解。 两个结论不矛盾，它们是对两个不同评判规则的结论。 结论“有99%的把握断定‘吸烟与患肺癌有关’”是相对于规则一： 如果随机变量的观测值大于或等于6.635就认为“吸烟与患肺癌有关系” 。 结论“有99.9%的把握断定‘吸烟与患肺癌有关’”是相对于规则二： 如果随机变量的观测值大于或等于10.828就认为“吸烟与患肺癌有关系” 。 几个补充 关于 非其次的问题，例如 为什么总是把“没有关系” 作为原假设 阀值的设定 阀值的设定 阀值的设定并无客观的标准，但目前统计学上的习惯是将其规范化到几个常用的值：最常用的是0.05，其次是0.01，0.10，更小或更大的值也可以根据情况的需要去采用。 阀值的人为性是一个常见现象，往往是为了将事务分类而不得已而做出的一种选择。 关于例1的教学建议 例1.秃头与患心脏病 在解决实际问题时，可以直接计算K2的观测值k进行独立检验，而不必写出K2的推导过程 。 提醒学生们注意统计结果的适用范围（这由样本的代表性所决定）。 因为这组数据来自住院的病人，因此所得到的结论适合住院的病人群体． 例2.性别与喜欢数学课 本例主要是使学生理解独立性检验的原理。 在教学过程中向同学们说明：在掌握了两个分类变量的独立性检验方法之后，就可以模仿例1中的计算解决实际问题，而没有必要画相应的图形。 图形可帮助向非专业人士解释所得结果； 也可以帮助我们判断所得结果是否合理 关于例2的教学建议 谢谢！ * 娃哈哈 * 哈娃娃 * * * * * * * * * * * * * * * * * * * * * 残差变量的来源： 其它因素的影响。如影响身高 y 的因素不只是体重 x，可能还包括遗传基因、饮食习惯、生长环境等因素。 选用的回归模型近似真实模型所引起的误差。 预报变量的观测误差。身高 y 的测量有误差。 回归分析教学建议 函数模型与“回归模型”的关系 散点图与模型的选择 残差变量与模型选择 解释残差变量的来源 正确理解相关指数的含义 注意提炼案例所蕴含的统计思想 应用统计方法解决实际问题需要注意的问题 正确理解相关系数的含义 正确理解相关系数的含义 相关指数是度量模型拟合效果的一种指标。 在线性模型中，它代表自变量刻画预报变量的能力。 正确理解相关指数的含义 相关指数是度量模型拟合效果的一种指标。 相关指数它越大，模型拟合效果越好。 总偏差平方和：预报变量的变化程度 回归平方和：解释变量引起的变化程度 残差平方和：残差变量的变化程度 预报变量变化的变化之中能由解释变量引起的比例 在线性模型中，它代表解释变量刻画预报变量的能力。 不需要学生掌握平方和分解公式 回归分析教学建议 函数模型与“回归模型”的关系 散点图与模型的选择 残差变量与模型选择 解释残差变量的来源 正确理解相关指数的含义 注意提炼案例所蕴含的统计思想 应用统计方法解决实际问题需要注意的问题 注意提炼案例所蕴含的统计思想 如在例1结尾提到“用身高预报体重时，需要注意下列问题：……”，这些论述适用于所有的回归模型。 模型适用的总体； 模型的时间性； 样本的取值范围对模型的影响； 模型预报结果的正确理解。 注意提炼案例所蕴含的统计思想 又如教科书上所列“建立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。 对研究对象的背景分析；