בחירת דגם פונקציה
הוצג| English | משמעות |
|---|---|
| linear model/ˈlɪnɪə ˈmɒdl/ | מודל ליניארי |
| quadratic model/kwɒˈdrætɪk ˈmɒdl/ | מודל ריבועי |
| rate of change/reɪt ɒv tʃeɪndʒ/ | שיעור שינוי |
| concavity/kənˈkævɪti/ | קעירות |
| end behavior/end bɪˈheɪvjə/ | התנהגות בקצוות |
| assumptions/əˈsʌmpʃnz/ | הנחות |
איזו עקומה כדאי לאמין?
- נתונים אמיתיים לעולם אינם נפלים בדיוק על קו או עקומה — הם מתפזרים.
- המשימה שלנו היא לבחור את משפחת הפונקציה שמבטאת את הטרנד שלה בצורה הטובה ביותר.
- לבחור בקו ישר, פרבולה או פונקציה אקספוננציאלית — כל אחת מספרת סיפור שונה.
- הנתונים עצמם משאירים רמזים לגבי איזה דגם לבחור.
התאם את הצורה לנתונים
- תחילה, צייר את הנתונים ותסתכל על הצורה הכללית שלהם.
- עלייה בסכום קבוע → מודל ליניארי.
- עקומה עם כיפוף → מודל ריבועי או משפחה עקומה אחרת.
- השטחה לכיוון תקרה → משהו שהמתקרב לקו אנכי ולא קו ישר.
נתונים העולים ב-כמות זהה במידה מסוימת בכל צעד מתאימים ביותר למודל…
Difficulty 1/5 · 100 coins + a small bonus on first completion today
קצב שינוי קבוע הוא המאפיין המאפיין של מודל ליניארי — קו ישר.
קרא את הרמזים
- קצב השינוי: קבוע → ליניארי; משתנה → עקומה.
- הקימור: כיפוף כלפי מעלה או מטה שולל קו ישר.
- התנהגות בקצוות: האם הטרנד ממשיך לגדול או להתקרב למגבלה?
- יחד, מאפיינים אלו מצמצמים את הבחירה במהירות.
קצב שינוי קבוע הופך את המודל הליניארי לבחירה הטבעית ביותר.
איך טוב מתאים ישר נתון?
נתונים חזקים עם קו ישר בעל מתאם הקרוב ל-1 — סימן לכך שמודל ליניארי הוא בחירה טובה.
נתונים המתעגלים כלפי מעלה, ועולים בקצב הולך וגובר, מצביעים על…
Difficulty 1/5 · 100 coins + a small bonus on first completion today
קצב שינוי עולה (קמורה כלפי מעלה) שולל קו ישר — עקומה ריבועית או אקספוננציאלית מתאימה יותר.
אילו מאפיינים עוזרים לך לבחור מודל?
Difficulty 2/5 · 140 coins + a small bonus on first completion today
קצב שינוי, קמורה והתנהגות קצה כולם מצביעים על משפחת מודלים; צבע הנקודה אינו רלוונטי.
ציינו את ההנחות
- כל מודל מבצע הנחות מפשטות — אמרו אותן בקול.
- "גידול נשאר יציב", "ללא זעזועים פתאומיים", "הדפוס ממשיך" הן כולן הנחות.
- בחרו תחום הגיוני: מודל אוכלוסייה לא אמור לאפשר זמן שלילי.
- שיוון הגבולות מסביר לקורא בדיוק מתי ניתן לסמוך על המודל.
מודל אחראי מציין את ה_____ והמגבלות שהטיל על המצב.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
כל מודל מצמצם את המציאות; זיהוי ה-הנחות מסביר לקורא מתי ניתן לסמוך עליו.
לכל מודל יש גבולות
- מודל הוא קירוב שימושי, לעולם לא האמת המוחלטת.
- הוא מתאים היטב בתוך הנתונים אך עשוי לסט בצורה חמורה מחוצה להם.
- משפחות שונות עשויות להתאים לנקודות זהות באופן שווה למדי — ידע נוסף פותר את השוויון.
- תמיד שאלו: האם התחזית הזו עדיין סבירה במצב האמיתי?
מודל הוא תיאור מדויק של המציאות שהוא תמיד נכון.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
מודל הוא קרוב שימושי עם גבולות — הוא עלול להיכשל מחוץ לטווח הנתונים או כאשר ההנחות שלו אינן מתקיימות.
אל תבחרו במודל רק כי הוא עובר קרוב לנקודות. פולינום בעל דרגה גבוהה יכול לעבור דרך כל נקודת נתונים אך לתנודות אגרסיות ביניהן. העדיפו את המשפחה הפשוטה ביותר שה-צורה שלה תואמת באמת את הטרנד.
מכירות יומיות של חנות במהלך שבוע: $12, 15, 18, 21, 24, 27, 30$.
- כל יום עולה בדיוק ב-$3$ — קצב שינוי קבוע.
- קצב שינוי קבוע → מודל ליניארי: $\text{sales} = 12 + 3d$.
- הנחה: הטרנד היציב ב-$+3$ ממשיך; ריאליסטי רק לפרק זמן קצר.
בחרו מודל על ידי התאמת הצורה שלו לנתונים, תוך שימוש ב-קצב השינוי, ב-קמירות וב-התנהגות בקצה כרמזים: קצב יציב → מודל ליניארי, כיפוף → מודל ריבועי, וכו'. ציינו את ההנחות שלכם ותחום הגיוני, וזכרו שכל מודל יש לו גבולות.