实用文档 7、有一个奇数列1,3,5,7,9，…，现进行如下分组： 第1组含有一个数{1}；第2组含两个数{3,5}；第3组含三个数{7,9,11}；…试观察每组内各数之和与其组的编号数n 的关系为( ) A ．等于n 2 B ．等于n 3 C ．等于n 4 D ．等于n (n ＋1) 8、已知c >1，a ＝c ＋1－c ，b ＝c －c －1，则正确的结论是( ) A ．a >b B ．a 人教A版高中选修2-2数学浙江专版第二章 习题课二 推理与证明
习题课二 推理与证明 1．用反证法证明命题：“三角形三个内角中至少有一个不大于60°”时，应假设( ) A ．三个内角都不大于60° B ．三个内角都大于60° C ．三个内角至多有一个大于60° D ．三个内角至多有两个大于60° 解析：选B 假设结论不成立，即“三角形三个内角中至少有一个不大于60°”的否定为“三个内角都大于60°”，故选B. 2．若三角形能分为两个与自己相似的三角形，那么这个三角形一定是( ) A ．锐角三角形 B ．钝角三角形 C ．直角三角形 D ．不能确定 解析：选C 直角三角形斜边上的高将直角三角形剖分为两个直角三角形，这两个直角三角形与原三角形都相似，故选C. 3．要证：a 2＋b 2－1－a 2b 2≤0，只要证明( ) A ．2ab －1－a 2b 2≤0 B ．a 2＋b 2－1－a 4＋b 42 ≤0 C.(a ＋b )22 －1－a 2b 2≤0 D ．(a 2－1)(b 2－1)≥0 解析：选D 因为a 2＋b 2－1－a 2b 2≤0?(a 2－1)(b 2－1)≥0.故选D. 4．用反证法证明命题“设a ，b 为实数，则方程x 3＋ax ＋b ＝0至少有一个实根”时，要做的假设是( ) A ．方程x 3＋ax ＋b ＝0没有实根 B ．方程x 3＋ax ＋b ＝0至多有一个实根 C ．方程x 3＋ax ＋b ＝0至多有两个实根 D ．方程x 3＋ax ＋b ＝0恰好有两个实根 解析：选A 至少有一个实根的否定是没有实根，故要做的假设是“方程x 3＋ax ＋b ＝0没有实根”． 5．来自英、法、日、德的甲、乙、丙、丁四位客人，刚好碰在一起．他们除懂本国语言外，每人还会说其他三国语言中的一种．有一种语言是三个人会说的，但没有一种语言四人都懂，现知道：①甲是日本人，丁不会说日语，但他俩能自由交谈；②四人中没有一个人既能用日语交谈，又能用法语交谈；③乙、丙、丁交谈时，不能只用一种语言；④乙不会说英语，当甲与丙交谈时，他能做翻译．针对他们懂的语言，正确的推理是( ) A ．甲日德、乙法德、丙英法、丁英德
第二章 贝叶斯决策理论与统计判别方法汇总
第二章贝叶斯决策理论与统计判别方法 课前思考 1、机器自动识别分类，能不能避免错分类，如汉字识别能不能做到百分之百正确？怎样才能减少错误？ 2、错分类往往难以避免，因此就要考虑减小因错分类造成的危害损失，譬如对病理切片进行分析，有可能将正确切片误判为癌症切片，反过来也可能将癌症病人误判为正常人，这两种错误造成的损失一样吗？看来后一种错误更可怕，那么有没有可能对后一种错误严格控制？ 3、概率论中讲的先验概率，后验概率与概率密度函数等概念还记得吗？什么是贝叶斯公式？ 4、什么叫正态分布？什么叫期望值？什么叫方差？为什么说正态分布是最重要的分布之一？ 学习目标 这一章是模式识别的重要理论基础，它用概率论的概念分析造成错分类和识别错误的根源，并说明与哪些量有关系。在这个基础上指出了什么条件下能使错误率最小。有时不同的错误分类造成的损失会不相同，因此如果错分类不可避免，那么有没有可能对危害大的错分类实行控制。对于这两方面的概念要求理解透彻。
这一章会将分类与计算某种函数联系起来，并在此基础上定义了一些术语，如判别函数、决策面(分界面)，决策域等，要正确掌握其含义。 这一章会涉及设计一个分类器的最基本方法——设计准则函数，并使所设计的分类器达到准则函数的极值，即最优解，要理解这一最基本的做法。这一章会开始涉及一些具体的计算，公式推导、证明等，应通过学习提高这方面的理解能力，并通过习题、思考题提高自己这方面的能力。 本章要点 1、机器自动识别出现错分类的条件，错分类的可能性如何计算，如何实现使错分类出现可能性最小——基于最小错误率的Bayes决策理论 2、如何减小危害大的错分类情况——基于最小错误风险的Bayes决策理论 3、模式识别的基本计算框架——制定准则函数，实现准则函数极值化的分类器设计方法 4、正态分布条件下的分类器设计 5、判别函数、决策面、决策方程等术语的概念 6、Bayes决策理论的理论意义与在实践中所遇到的困难 知识点
教学大纲_贝叶斯统计(双语)
《贝叶斯统计（双语）》教学大纲 课程编号：120872B 课程类型：□通识教育必修课□通识教育选修课 □专业必修课□√专业选修课 □学科基础课 总学时：32 讲课学时：32实验（上机）学时：0 学分：2 适用对象：经济统计学 先修课程：微积分、概率论与数理统计学 毕业要求： 1.应用专业知识，解决数据分析问题 2.可以建立统计模型，获得有效结论 3.掌握统计软件及常用数据库工具的使用 4.关注国际统计应用的新进展 5.基于数据结论，提出决策咨询建议 6.具有不断学习的意识 一、课程的教学目标 贝叶斯统计是上世纪50年代后，才迅速发展起来的一门统计理论。目前，在欧美等西方国家，贝叶斯统计已经成为了与经典统计学派并驾齐驱的当今两大统计学派之一；随着贝叶斯理论和方法的不断发展和完善，以及相应的计算软件的研制，贝叶斯方法在实践中获得了日趋广泛的应用；特别是，贝叶斯决策问题在统计应用中占有越来越重要的地位。在商业经济预测、政府宏观经济管理、国防工业中对武器装备系统可靠性评估、生物医学研究；知识发现和数据挖掘技术等都获得了广泛应用。
本课程通过贝叶斯统计的教学使学习过传统的数理统计课程的学生了解贝叶斯统计的基本思想和基本观点，了解贝叶斯统计与传统的数理统计在理论和处理方法上的区别，了解贝叶斯统计的最新进展，能够系统的掌握贝叶斯统计的基本理论、基本方法，特别是贝叶斯统计极具特色的一些处理方法，引进一个效用函数(utility function)并选择使期望效用最大的最优决策，这样就把贝叶斯的统计思想扩展到在不确定时的决策问题。很好的将统计学与最优化的思想方法和技术很好的进行了结合。贝叶斯统计理论和方法技术的学习，不仅能够提高学生分析和解决实际问题的能力，还能够更进一步提高对经典数理统计的深入理解。 二、教学基本要求 根据贝叶斯统计课程的教学内容，本课程将重点介绍贝叶斯统计推断理论，贝叶斯决策理论。并且注重贝叶斯统计处理方法和基本观点与传统数理统计相应内容对比的讲授方式。注重案例教学，安排学生课后查阅文献资料，以及课堂研讨等方式，了解贝叶斯统计理论和应用最新成果及前沿研究进展。对最新贝叶斯网络和贝叶斯统计的方法除了传统讲授方式外，适当的安排上机实验，了解贝叶斯统计相关软件的使用方法。课程的考核方式：期末开卷+ 论文方式，卷面60%，平时和论文40%。 三、各教学环节学时分配 以表格方式表现各章节的学时分配，表格如下： 教学课时分配
第二章 推理与证明(B)
第二章推理与证明(B) 一、选择题 1、下列有关三段论推理“自然数都是整数，4是自然数，所以4是整数”的说法正确的是( ) A．推理正确B．推理形式不正确 C．大前提错误D．小前提错误 2、下列推理过程是类比推理的是( ) A．人们通过大量试验得出掷硬币出现正面的概率为1 2 B．科学家通过研究老鹰的眼睛发明了电子鹰眼 C．通过检测溶液的pH值得出溶液的酸碱性 D．由周期函数的定义判断某函数是否为周期函数 3、已知f(x)＝x3＋x，a，b，c∈R，且a＋b>0，a＋c>0，b＋c>0，则f(a)＋f(b)＋f(c)的值( ) A．一定大于零B．一定等于零 C．一定小于零D．正负都有可能 实用文档
4、勾股定理：在直角边长为a、b，斜边长为c的直角三角形中，有a2＋b2＝c2.类比勾股定理可得，在长、宽、高分别为p、q、r，体对角线长为d的长方体中，有( ) A．p＋q＋r＝d B．p2＋q2＋r2＝d2 C．p3＋q3＋r3＝d3 D．p2＋q2＋r2＋pq＋pr＋qr＝d2 5、观察式子：1＋1 22 < 3 2 ，1＋ 1 22 ＋ 1 32 < 5 3 ，1＋ 1 22 ＋ 1 32 ＋ 1 42 < 7 4 ，…，则可归纳出一般式子为( ) A．1＋1 22＋ 1 32 ＋…＋ 1 n2< 1 2n－1 (n≥2) B．1＋1 22＋ 1 32 ＋…＋ 1 n2< 2n＋1 n( n≥2) C．1＋1 22 ＋ 1 32 ＋…＋ 1 n2< 2n－1 n( n≥2) D．1＋1 22＋ 1 32 ＋…＋ 1 n2< 2n 2n＋1 (n≥2) 6、若a，b，c均为实数，则下面四个结论均是正确的： 实用文档
贝叶斯决策理论的Matlab实现
第二章 1、简述基于最小错误率的贝叶斯决策理论；并分析在“大数据时代”，使用贝叶斯决策理论需要解决哪些问 题，贝叶斯决策理论有哪些优缺点，贝叶斯决策理论适用条件和范围是什么？举例说明风险最小贝叶斯决策理论的意义。 答：在大数据时代，我们可以获得很多的样本数据，并且是已经标记好的；要使用贝叶斯决策理论最重要的是确定类条件概率密度函数和相关的参数。 优缺点：贝叶斯决策的优点是思路比较简单，大数据的前提下我们可以得到较准确的先验概率， 因此如果确定了类条件概率密度函数，我们便可以很快的知道如何分类，但是在大数据的前提下，类条件概率密度函数的确定不是这么简单，因为参数可能会增多，有时候计算量也是很大的。 适用条件和范围： (1) 样本(子样)的数量(容量)不充分大，因而大子样统计理论不适宜的场合。 (2) 试验具有继承性，反映在统计学上就是要具有在试验之前已有先验信息的场合。用这种方法进 行分类时要求两点： 第一，要决策分类的参考总体的类别数是一定的。例如两类参考总体(正常状态Dl和异常状态D2)，或L类参考总体D1，D2，…，DL(如良好、满意、可以、不满意、不允许、……)。 第二，各类参考总体的概率分布是已知的，即每一类参考总体出现的先验概率P(Di)以及各类概率 密度函数P(x/Di)是已知的。显然，0≤P(Di)≤1，(i=l，2，…，L)，∑P(Di)=1。 说明风险最小贝叶斯决策理论的意义： 那股票举例，现在有A、B两个股票，根据市场行情结合最小错误率的风险选择A股（假设为0.55），而B股（0.45）；但是选着A股必须承担着等级为7的风险，B股风险等级仅为4；这时因遵循最 小风险的贝叶斯决策，毕竟如果A股投资的失败带来的经济损失可能获得收益还大。 2、教材中例2.1-2.2的Matlab实现. 2.1：结果：
选修2-2 第二章 推理与证明(B)
选修2-2 第二章 推理与证明(B) 一、选择题 1、某人在上楼梯时，一步上一个台阶或两个台阶，设他从平地上到第一级台阶时有f (1) 种走法，从平地上到第二级台阶时有f (2)种走法，……则他从平地上到第n (n ≥3)级台阶 时的走法f (n )等于( ) A ．f (n －1)＋1 B ．f (n －2)＋2 C ．f (n －2)＋1 D ．f (n －1)＋f (n －2) 2、已知扇形的弧长为l ，半径为r ，类比三角形的面积公式：S ＝ 底×高 2 ，可推知扇形面 积公式S 扇等于( ) A.r 22 B.l 22 C.lr 2 D ．不可类比 3、设凸n 边形的内角和为f (n )，则f (n ＋1)－f (n )等于( ) A ．n π B ．(n －2)π C ．π D ．2π 4、“∵四边形ABCD 是矩形，∴四边形ABCD 的对角线相等．”以上推理的大前提是 ( ) A ．正方形都是对角线相等的四边形 B ．矩形都是对角线相等的四边形 C ．等腰梯形都是对角线相等的四边形 D ．矩形都是对边平行且相等的四边形 5、设f (x )是定义在正整数集上的函数，且f (x )满足：“当f (k )≥k 2成立时，总可推出 f (k ＋1)≥(k ＋1)2成立”，那么，下列命题总成立的是( ) A ．若f (3)≥9成立，则当k ≥1时，均有f (k )≥k 2成立 B ．若f (5)≥25成立，则当k ≤5时，均有f (k )≥k 2成立 C ．若f (7)<49成立，则当k ≥8时，均有f (k )2)，q ＝2－a 2＋4a －2 (a >2)，则( ) A ．p >q B ．p 0，则1a ＋1b ＋1 c 的值( )
贝叶斯统计-习题答案
第一章 先验分布与后验分布 解：令120.1,0.2θθ== 设A 为从产品中随机取出8个，有2个不合格，则 22618()0.10.90.1488P A C θ== 22628()0.20.80.2936P A C θ== 从而有 5418 .03 .02936.07.01488.07 .01488.0)()|()()|()()|()|(2211111=?+??=+= θπθθπθθπθθπA P A P A P A 4582 .0)|(1)|(4582 .03.02936.07.01488.03 .02936.0)()|()()|()()|()|(122211222=-==?+??=+= A A or A P A P A P A θπθπθπθθπθθπθθπ 解：令121, 1.5λλ== 设X 为一卷磁带上的缺陷数，则()X P λ: ∴3(3)3! e P X λ λλ-== R 语言求：)4(/)exp(*)3(^gamma λλ- 1122(3)(3)()(3)()0.0998P X P X P X λπλλπλ∴===+== 从而有 111222(3)() (3)0.2457 (3)(3)() (3)0.7543 (3) P X X P X P X X P X λπλπλλπλπλ======== == 解：设A 为从产品中随机取出8个，有3个不合格，则 33 58()(1)P A C θθθ=- （1） 由题意知 ()1,01πθθ=<< 从而有 504)6,4(/1) 6,4(1 )6,4()1() 1()1()1()1()1()1()()|() ()|()|(531 1 61 45 31 5 3 5 31 53 3 8 5 33810 =-= --= --= --= =????--θθθ θθ θθθ θθ θθθ θθ θθθθπθθπθθπbeta B R B d d d C C d A P A P A ：语言求
贝叶斯统计-习题答案)知识讲解
贝叶斯统计-习题答案)
第一章 先验分布与后验分布 1.1 解：令120.1,0.2θθ== 设A 为从产品中随机取出8个，有2个不合格，则 22618()0.10.90.1488P A C θ== 22628()0.20.80.2936P A C θ== 从而有 5418 .03 .02936.07.01488.07 .01488.0)()|()()|()()|()|(2211111=?+??=+= θπθθπθθπθθπA P A P A P A 4582 .0)|(1)|(4582 .03.02936.07.01488.03 .02936.0)()|()()|()()|()|(122211222=-==?+??=+= A A or A P A P A P A θπθπθπθθπθθπθθπ 1.2 解：令121, 1.5λλ== 设X 为一卷磁带上的缺陷数，则()X P λ: ∴3(3)3! e P X λ λλ-== R 语言求：)4(/)exp(*)3(^gamma λλ- 1122(3)(3)()(3)()0.0998P X P X P X λπλλπλ∴===+== 从而有 111222(3)() (3)0.2457 (3)(3)() (3)0.7543 (3) P X X P X P X X P X λπλπλλπλπλ======== == 1.3 解：设A 为从产品中随机取出8个，有3个不合格，则 33 58()(1)P A C θθθ=- （1） 由题意知 ()1,01πθθ=<< 从而有
.10,)1(504)|(504)6,4(/1) 6,4(1 )6,4()1() 1()1()1()1()1() 1()()|() ()|()|(53531 1 61 4531 5 3 5 31 53385 338 1 <<-==-= --= --= --= =??? ? --θθθθπθθθθθ θθθ θθ θθθθθθθθ θπθθπθθπA beta B R B d d d C C d A P A P A ：语言求 （2） .10,)1(840)|(840)7,4(/1) 7,4(1 ) 7,4()1() 1()1()1()1()1(2)1() 1(2)1()()|() ()|()|(63631 1 71 4631 6 3 6 31 533853381 <<-==-= --= --= ----= =??? ? --θθθθπθθθθθ θθθ θθ θθθθθθθθθθ θπθθπθθπA beta B R B d d d C C d A P A P A ：语言求 1.5 解：（1）由已知可得 . 5.125.11, 110110 /1)()|() ()|()|(,2010,10 1)(5.125.111)|(2 1 12211)|(12,2121, 1)|(5.125.1120 10 11111111<<== = <<= <<=+<<-==+<<-=?? θθ θ θπθθπθθπθθπθθθθθθθθd d x p x p x x p x p x x x p ，，即 ，时， 当 （2）由已知可得
贝叶斯统计知识整理
第一章先验分布和后验分布 统计学有两个主要学派，频率学派与贝叶斯学派。频率学派的观点：统计推断是根据样本信息对总体分布或总体的特征数进行推断，这里用到两种信息：总体信息和样本信息；贝叶斯学派的观点：除了上述两种信息以外，统计推断还应该使用第三种信息：先验信息。贝叶斯统计就是利用先验信息、总体信息和样本信息进行相应的统计推断。 1.1三种信息 （1）总体信息：总体分布或所属分布族提供给我们的信息 （2）样本信息：从总体抽取的样本提供给我们的信息 （3）先验信息：在抽样之前有关统计推断的一些信息 1.2贝叶斯公式 一、贝叶斯公式的三种形式 (一）贝叶斯公式的事件形式 假定k A A ,,1 是互不相容的事件，它们之和i k i A 1= 包含事件B ，即i k i A B 1=? 则有：∑==k i i i i i i A B P A P A B P A P B A P 1)()() ()()(（二）贝叶斯公式的密度函数形式 1.贝叶斯学派的一些具体思想 假设I ：随机变量X 有一个密度函数);(θx p ，其中θ是一个参数，不同的θ对应不同的密度函数，故从贝叶斯观点看，);(θx p 是在给定θ后的一个条件密度函数，因此记为)(θx p 更恰当一些。在贝叶斯统计中记为)(θx p 它表示在随机变量θ给定某个值时，总体指标X 的条件分布。这个条件密度能提供我们的有关的θ信息就是总体信息。 假设II ：当给定θ后，从总体)(θx p 中随机抽取一个样本X1，…，Xn ，该
样本中含有θ的有关信息。这种信息就是样本信息。 假设III ：从贝叶斯观点来看，未知参数θ是一个随机变量。而描述这个随机变量的分布可从先验信息中归纳出来，这个分布称为先验分布，其密度函数用)(θπ表示。 2.先验分布 定义1：将总体中的未知参数Θ∈θ看成一取值于Θ的随机变量，它有一概率分布，记为)(θπ，称为参数θ的先验分布。 3.后验分布 （1）从贝叶斯观点看，样本x =(1x ,…,n x )的产生要分两步进行。首先设想从先验分布)(θπ产生一个样本θ'，这一步是“老天爷”做的，人们是看不到的，故用“设想”二字。第二部是从总体分布p (x |θ')产生一个样本x =(1x ,…,n x ),这个样本是具体的，人们能看到的，此样本x 发生的概率是与如下联合密度函数成正比。 ∏='='n i i x p x p 1) ()(θθ这个联合密度函数是综合了总体信息和样本信息，常称为似然函数，记为)(θ'L 。频率学派和贝叶斯学派都承认似然函数，两派认为：在有了样本观察值x =(1x ,…,n x )后，总体和样本中所含θ的信息都被包含在似然函数)(θ'L 之中，可在使用似然函数作统计推断时，两派之间还是有差异的。 （2）由于θ'是设想出来的，它仍然是未知的，它是按先验分布)(θπ而产生的，要把先验信息进行综合，不能只考虑θ'，而应对θ的一切可能加以考虑。故要用)(θπ参与进一步综合。这样一来，样本x 和参数θ的联合分布 π θθ)(),(x p x h =把三种可用的信息都综合进去了。 （3）我们的任务是要求未知数θ做出统计推断。在没有样本信息时，人们
选修2-2第二章推理与证明知识方法总结
第二章推理与证明知识复习 1. 用.为 介?11理吋分为W 纳??和类比推art 类* <1）irifrtjtiTi ?分対整体?特侏列?? （2）类比桂理.特1*到?姝 商积—>线用长: ?二）nw 诚* 加认< ? *;?.： tfjA ??娥沙?：?法??唉Zb 除址*—**1'力2 ▼■几n 宜》几何 ilJUl 平分《k 二面角及兔平分面 AAMitWI tts 的?n7分面 三A*n 三?Ha 四面体的W 个面 ▼行DttWMAIM 交一<.井貝■村 T 拧六交于一戌?并n ■平分 ■ * ■心卑 9：（*■?）中 onsas* 于 9 轨■■■■(不 fii±?Q)■于?*" 与■OJEXM 需的两体隹M9 境?的两个?■■的■和19 ■的?长 €■* (dAlft) Q 关于类比.（?je> 姜面休—?娄垃 du *—?边 S
的矣比） ⑧1［箱三角悬与亶角DBf 体的类比2 （anaBt?. nfi ?用戎反也的脚网见訓 嘩n.棘理n 面休戍为n 角列面体） U $ 乂+$ *+￡ g + S 心 内切*住_ E7 ■??刘{4}(公 e 为 d) 9比 tt 刿（M （公比为G 過 rt ： On = Ol + 0—Ijrf 通加z 札=“?了） J —几《阿一刑d ftn ■ ■ -=于? to = 6 r f 足吒不?第的Nfftt. W'Jff tJ-l)fl,=(r-l|? pt=H?- ￡?入 =V ■的DB 积S ?ir2 "为林) 理的啊IV ■評9心为琮皐轻》（tt —点不 ton MCA0 中.zc=?(r - teffl. 贝叶斯参数估计
Bayesian Parameter Estimation （贝叶斯参数估计） 09009128 曹祥09009131 严富函 贝叶斯估计的基本原理 ?假设 ?将待估计的参数看作符合某种先验概率分布的随机变量 ?估计方式 ?通过观察样本，将先验概率密度通过贝叶斯规则转化为后验概率密度
1 引言 概率密度估计的两种基本方法： 参数估计(parametric methods) ： 根据对问题的一般性的认识，假设随机变量服从 某种分布，分布函数的参数通过训练数据来估计。 如：ML 估计，Bayesian估计。 非参数估计(nonparametric methods)： 不用模型，而只利用训练数据本身对概率密度做 估计。如：Parzen窗方法，k -近邻估计。 n
（Bayes，Thomas）(1702─1761) 贝叶斯是英国数学家.1702年生于伦敦；1761年4月17日 卒于坦布里奇韦尔斯. 贝叶斯是一位自学成才的数学家.曾助理宗教事务，后来长期担任坦布里奇韦尔斯地方教堂的牧师.1742年，贝叶斯被 选为英国皇家学会会员. 如今在概率、数理统计学中以贝叶斯姓氏命名的有贝叶斯公式、贝叶斯风险、贝叶斯决策函数、贝叶斯决策规则、贝叶斯估计量、贝叶斯方法、贝叶斯统计等等.
贝叶斯统计学派把任意一个未知参数都看成随机变量，应用一个概率分布去描述它的未知状况，该分布称为先验分布。 后验信息 统计推断 贝叶斯定理 先验信息 样本信息
3.3 贝叶斯估计 ML 估计： 根据每一类的训练样本估计每一类的类条件概率密度。 Bayesian 估计： 同样根据每一类的训练样本估计每一类的类条件概率密度。但不再把参数看成是一个未知的确定变量，而是看成未知的随机变量。通过对第i 类样本的观察，使概率密度分布转化为后验概 再求贝叶斯估计。 θ
高中数学第二章推理与证明2.1.2演绎推理学案无答案新人教A版选修
演绎推理 【学法指导】：认真自学，激情讨论，愉快收获。●为必背知识 【学习目标】：结合已学过的数学实例和生活中的实例，体会演绎推理的重要性，掌握演绎推理的基本方法，并能运用它们进行一些简单的推理。 【学习重点】：了解演绎推理的含义，能利用“三段论”进行简单的推理. 【学习难点】：分析证明过程中包含的“三段论”形式. 【教学过程】：一：回顾预习案 1、填一填： （1）所有的金属都能够导电，铜是金属，所以____________ （2）奇数都不能被2整除，2007是奇数，所以 . 2、讨论：上述例子的推理形式与我们学过的合情推理一样吗？ ●3、演绎推理的定义： （1）概念：从出发，推出，我们把这种推理称为____________. 简言之，演绎推理是的推理. （2）“所有的金属都能够导电，铜是金属，所以铜能导电”，它由几部分组成，各部分有什么特点？ 根据 （3）小结：“三段论”是演绎推理的一般模式： 第一段：_________________________________________； 第二段：_________________________________________； 第三段：____________________________________________. （4）三段论的基本格式： （5）演绎推理怎样才结论正确？
二讨论展示案合作探究，展示点评 例1、（1）下列表述正确的是（） ①归纳推理是由部分到整体的推理；②归纳推理是由一般到一般的推理；③演绎推理是由一般到特殊的推理；④类比推理是由特殊到一般的推理；⑤类比推理是由特殊到特殊的推理。 A．①②③；B．②③④；C．②④⑤；D．①③⑤。 （2）下面几种推理过程是演绎推理的是( ) A．两条直线平行，同旁内角互补，如果∠A和∠B是两条平行直线的同旁内角，则∠A＋∠B＝180° B．由平面三角形的性质，推测空间四面体性质 C．某校高三共有10个班，1班有51人，2班有53人，三班有52人，由此推测各班都超过50人 D．在数列{a n}中a1＝1，a n＝1 2? ???? a n－1＋ 1 a n－1( n≥2)，由此归纳出{a n}的通项公式 （3）下列推理是演绎推理的是( )． A．M，N是平面内两定点，动点P满足|PM|＋|PN|＝2a＞|MN|，得点P的轨迹是椭圆B．由a1＝1，a n＝2n－1，求出S1，S2，S3，猜想出数列的前n项和S n的表达式 C．由圆x2＋y2＝r2的面积为πr2，猜想出椭圆 22 22 1 x y a b +=的面积为πab D．科学家利用鱼的沉浮原理制造潜艇 （4）“∵四边形ABCD为矩形，∴四边形ABCD的对角线相等”，补充推理的大前提为( ) A．正方形都是对角线相等的四边形 B．矩形都是对角线相等的四边形 C．等腰梯形都是对角线相等的四边形 D．矩形都是对边平行且相等的四边形 （5）在△ABC中,E,F分别为AB,AC的中点,则有EF∥BC,这个问题的大前提为( ). A.三角形的中位线平行于第三边 B.三角形的中位线等于第三边的一半 C.EF为中位线 D.EF∥CB （6）“凡自然数都是整数，4是自然数，所以4是整数．”以上三段论推理( ) A．完全正确 B．推理形式不正确 C．不正确，两个“自然数”概念不一致 D．不正确，两个“整数”概念不一致
