Construire et appliquer un modèle
Introduit| English | Sens |
|---|---|
| function model/ˈfʌŋkʃn ˈmɒdl/ | modèle fonctionnel |
| regression/rɪˈɡreʃn/ | régression |
| interpolation/ɪnˌtɜːpəˈleɪʃn/ | interpolation |
| extrapolation/ekˈstræpəleɪʃn/ | extrapolation |
| parameters/pəˈræmɪtəz/ | paramètres |
From data to a formula
- Selecting a model family is only half the job; now you build the actual rule.
- A good model turns a table of measurements into a formula you can compute with.
- Once you have the formula, you can predict values you never measured.
- This is how precalculus becomes a tool for the real world.
Build the model
- A function model 函数模型 is a rule that captures how one quantity depends on another.
- You can build it from a verbal description, a table of values, or a graph.
- "Costs $\$5$ to start plus $\$2$ per item" becomes $C = 5 + 2n$ straight away.
- Match the family to the shape (Lesson 1.13), then pin down the exact numbers.
Regression finds the best fit
- With many scattered points, regression 回归 finds the best-fit line or curve using technology.
- It chooses the model that comes closest to all the data at once.
- The result gives you the numbers in the model rule, ready to use.
- No single point sits on it perfectly — it captures the overall trend.

Une droite de modèle — lire sa pente et sa valeur initiale
y = ax + b
Ici, a est le taux de changement et b est la valeur de départ. Ajustez-les pour correspondre aux données, puis insérez une entrée pour faire une prédiction.
Une régression trouve…
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
La régression ajuste le modèle qui s'approche au plus près de tous les points simultanément — le modèle de meilleur ajustement, à l'aide d'un outil technologique.
Interpolate versus extrapolate
- Interpolation 内插 predicts between known data points — usually safe.
- Extrapolation 外推 predicts beyond the data — riskier the further you go.
- A model with no data to lean on can drift far from reality.
- Trust interpolation more than extrapolation, and say which one you used.
Prédire une valeur entre des points de données connus s'appelle ____.
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
L'interpolation reste dans la plage de données, donc elle est généralement fiable.
Prédire loin hors de la plage de données (extrapolation) est généralement…
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
Loin des données, le modèle n'a aucune preuve sur laquelle s'appuyer, donc l'extrapolation est la prédiction la plus risquée.
Interpret the parameters
- The parameters 参数 (the numbers in the rule) carry real-world meaning.
- In $C = 5 + 2n$, the $5$ is the fixed start-up cost and the $2$ is the cost per item.
- Reading parameters in context turns a formula back into a story about the situation.
- A good answer always says what each number means, with its units.
Un modèle donne un coût $= 2x + 1$ (en milliers). Prédisez le coût lorsque $x = 10$.
Difficulté 2/5 · 140 pièces + un petit bonus lors de la première réussite aujourd'hui
Substituer : $2(10) + 1 = 21$ millier. Insérer une entrée dans le modèle est la façon de l'appliquer.
Les paramètres d'un modèle (comme la pente) peuvent être interprétés en termes de situation réelle.
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
Dans le coût $= 2x + 1$, le $2$ est le coût par unité et le $1$ est le coût fixe de démarrage — des significations réelles.
Mettez les étapes d'utilisation d'un modèle dans l'ordre.
Difficulté 3/5 · 200 pièces + un petit bonus lors de la première réussite aujourd'hui
Données → ajustement → prédiction → vérification. La vérification finale permet de détecter un modèle qui s'éloigne de la réalité.
Extrapolating too far is a classic trap. A linear sales model may predict billions of sales in twenty years — clearly nonsense. Always sanity-check a prediction against the real situation before trusting it.
A phone battery drops from $100\%$ by about $8\%$ per hour.
- Model: $B = 100 - 8h$, a linear function model.
- Interpolate at $h = 3$: $B = 100 - 24 = 76\%$ — inside the data, reliable.
- Extrapolate at $h = 20$: $B = -60\%$ — impossible, so the model has broken down.
Build a function model from words, a table, or a graph, using regression for the best fit. Use it to interpolate (safe, inside the data) or extrapolate (risky, beyond it), interpret its parameters in context, and always check the prediction makes real-world sense.
Write from the data: find the cost
- Cost in thousands is 3x plus 4.
- Predict the cost when x equals 6.
Un modèle donne un coût égal à 3x plus 4, en milliers. Que prédit-il quand x vaut 6 ?
18 plus 4 fait 22.
Quel coût le modèle prédit-il ?
Difficulté 1/5 · 100 pièces + un petit bonus lors de la première réussite aujourd'hui
3 multiplié par 6 plus 4 donne 22. Autres options — 21 (la prédiction de la leçon) ; 6 (l'entrée).