1、 【学习目标】 1. 通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用。 2. 了解线性回归模型与函数模型的差异，了解判断刻画模型拟合效果的方法相关系数。 3. 解释随机误差的含义及相关系数大小对两个变量相关关系的影响。【自主学习】阅读教材P2-6，完成下列问题：1. 身高和体重有什么样的关系？2.回归直线一定过所有的样本点吗？点一定在回归直线上吗？3. 产生随机误差项的原因是什么?4. 如何计算残差?如何作残差图?5. 我们可以用公式来刻画回归的效果, 越大, 模型的拟合效果就越 , 越小, 模型的拟合效果就越 .【合作探究】如何发现数据中的错误？如何衡量模型的拟合效果？【目
2、标检测】1、两个变量与的回归模型中，分别选择了4个不同模型，它们的相关指数如下 ，其中拟合效果最好的模型是( )(A)模型1的相关指数为0.98 (B) 模型2的相关指数为0.80 (C)模型3的相关指数为0.50 (D) 模型4的相关指数为0.252、一位母亲记录了儿子39岁的身高，由此建立的身高与年龄的回归模型为y=7.19x+73.93,用这个模型预测这个孩子10岁时的身高，则正确的叙述是（ ） (A)身高一定是145.83cm (B)身高在145.83cm以上(C)身高在145.83cm以下 (D)身高在145.83cm左右3、若有一组数据的总偏差平方和为120，相关指数为0.6，则残差平方和为_4、在研究身高和体重的关系时，求得相关指数_，可以叙述为“身高解释了66%的体重变化，而随机误差贡献了剩余的34%”所以身高对体重的效应比随机误差的效应大得多。【学习反思】：本节课我学到了什么？本节课我的学习效率如何？本节课还有哪些我没学懂？
