Choosing a Function Model · Choix d'un modèle de fonction
| English | Français |
|---|---|
| linear model/ˈlɪnɪə ˈmɒdl/ | modèle linéaire |
| quadratic model/kwɒˈdrætɪk ˈmɒdl/ | modèle quadratique |
| rate of change/reɪt ɒv tʃeɪndʒ/ | taux de variation |
| concavity/kənˈkævɪti/ | concavité |
| end behavior/end bɪˈheɪvjə/ | comportement aux bornes |
| assumptions/əˈsʌmpʃnz/ | hypothèses |
Which curve should we trust?
- Real data never lands perfectly on a line or curve — it scatters.
- Our job is to pick the family of function that best captures its trend.
- Choose a line, a parabola, or an exponential — each tells a different story.
- The data itself drops clues about which one to reach for.
Quelle courbe faut-il faire confiance ?
- Les données réelles ne tombent jamais parfaitement sur une ligne ou une courbe — elles se dispersent.
- Notre rôle est de choisir la famille de fonctions qui capture le mieux sa tendance.
- Choisissez une droite, une parabole ou une exponentielle — chacune raconte une histoire différente.
- Les données elles-mêmes donnent des indices sur laquelle choisir.
Match the shape to the data
- First, plot the data and look at its overall shape.
- Rising by a steady amount → a linear model 线性模型.
- Curving with a bend → a quadratic model 二次模型 or another curved family.
- Levelling off toward a ceiling → something that flattens, not a line.
Adapter la forme aux données
- D'abord, tracez les données et observez leur forme globale.
- Augmentation régulière → un modèle linéaire 线性模型.
- Courbure avec un pli → un modèle quadratique 二次模型 ou une autre famille courbe.
- Stabilisation vers un plafond → quelque chose qui s'aplatit, pas une droite.
Data that rises by roughly the same amount each step is best fit by a… · Des données qui augmentent d'environ la même quantité à chaque étape sont mieux ajustées par un…
A constant rate of change is the signature of a linear model — a straight line. · Un taux de variation constant est la signature d'un modèle linéaire — une ligne droite.
Read the clues
- The rate of change 变化率: constant → linear; changing → curved.
- The concavity 凹凸性: a bend upward or downward rules a straight line out.
- The end behavior 末端行为: does the trend keep growing, or settle toward a limit?
- Together these three features narrow the choice fast.
Lire les indices
- Le taux de variation 变化率 : constant → linéaire ; variable → courbe.
- La concavité 凹凸性 : un pli vers le haut ou le bas élimine une droite.
- Le comportement aux extrémités 末端行为 : la tendance continue-t-elle de croître ou de se stabiliser vers une limite ?
- Ensemble, ces trois caractéristiques réduisent rapidement le choix.
*Un taux de variation régulier rend le modèle linéaire le choix naturel.
How well does a straight line fit? · À quel point une ligne droite s'adapte-t-elle bien ?
Strong, straight-line data has a correlation near 1 — a sign that a linear model is a good choice. · Des données fortement linéaires ont une corrélation proche de 1 — un signe qu'un modèle linéaire est un bon choix.
Data that curves upward, rising faster and faster, suggests a… · Des données qui s'incurvent vers le haut, augmentant de plus en plus vite, suggèrent un…
An increasing rate of change (concave up) rules out a line — a quadratic or exponential curve fits better. · Un taux de variation croissant (concavité vers le haut) élimine une ligne — une courbe quadratique ou exponentielle s'adapte mieux.
Which features help you choose a model? · Quelles caractéristiques vous aident à choisir un modèle ?
Rate of change, concavity, and end behavior all point to a model family; the point colour is irrelevant. · Le taux de variation, la concavité et le comportement aux bornes pointent tous vers une famille de modèles ; la couleur des points est irrelevante.
State the assumptions
- Every model makes simplifying assumptions 假设 — say them out loud.
- "Growth stays steady", "no sudden shocks", "the pattern continues" are all assumptions.
- Choose a sensible domain: a population model should not allow negative time.
- Naming the limits tells a reader exactly when the model can be trusted.
Énoncer les hypothèses
- Tout modèle repose sur des hypothèses 假设 simplificatrices — dites-les à voix haute.
- « La croissance reste constante », « aucun choc soudain », « le motif persiste » sont toutes des hypothèses.
- Choisissez un domaine raisonnable : un modèle de population ne doit pas autoriser un temps négatif.
- Nommer les limites indique précisément quand le modèle est fiable.
A responsible model states the ____ and restrictions it places on the situation. · Un modèle responsable énonce les ____ et les restrictions qu'il impose à la situation.
Every model simplifies reality; naming the assumptions tells the reader when to trust it. · Chaque modèle simplifie la réalité ; nommer les hypothèses indique au lecteur quand il peut lui faire confiance.
Every model has limits
- A model is a useful approximation, never the whole truth.
- It fits well within the data but can drift badly far outside it.
- Two different families may fit the same points almost equally — extra knowledge breaks the tie.
- Always ask: does this prediction still make sense in the real situation?
Chaque modèle a ses limites
- Un modèle est une approximation utile, jamais la vérité totale.
- Il s'ajuste bien dans les données mais peut diverger considérablement à l'extérieur.
- Deux familles différentes peuvent s'adapter presque aussi bien aux mêmes points — des connaissances supplémentaires tranchent.
- Posez toujours la question : cette prédiction reste-t-elle logique dans la situation réelle ?
A model is an exact description of reality that is always correct. · Un modèle est une description exacte de la réalité qui est toujours correcte.
A model is a useful approximation with limits — it can fail outside the data or when its assumptions break. · Un modèle est une approximation utile avec des limites — il peut échouer hors des données ou lorsque ses hypothèses se brisent.
Do not pick a model just because it passes close to the points. A high-degree polynomial can thread through every data point yet swing wildly between them. Prefer the simplest family whose shape genuinely matches the trend.
Ne choisissez pas un modèle juste parce qu'il passe près des points. Un polynôme de haut degré peut traverser chaque point de données tout en oscillant violemment entre eux. Préférez la famille la plus simple dont la forme correspond véritablement à la tendance.
A shop's daily sales for a week: $12, 15, 18, 21, 24, 27, 30$.
- Each day rises by exactly $3$ — a constant rate of change.
- Constant rate → a linear model: $\text{sales} = 12 + 3d$.
- Assumption: the steady $+3$ trend continues; realistic only for a short while.
Ventes quotidiennes d'un magasin pendant une semaine : $12, 15, 18, 21, 24, 27, 30$.
- Chaque jour augmente d'exactement $3$ — un taux de variation constant.
- Taux constant → un modèle linéaire : $\text{sales} = 12 + 3d$.
- Hypothèse : la tendance constante $+3$ se poursuit ; réaliste uniquement sur une courte période.
Choose a model by matching its shape to the data, using the rate of change, concavity, and end behavior as clues: steady rate → linear model, a bend → quadratic model, and so on. State your assumptions and a sensible domain, and remember every model has limits.
Choisissez un modèle en adaptant sa forme aux données, en utilisant le taux de variation, la concavité et le comportement aux extrémités comme indices : taux stable → modèle linéaire, pli → modèle quadratique, etc. Énoncez vos hypothèses et un domaine raisonnable, et rappelez-vous que tout modèle a des limites.