גרפי פיזור, שאריות דגם וניבויים
הוצג| English | משמעות |
|---|---|
| residual/rɪˈsɪdʒuːəl/ | שארית |
| extrapolation/ekˈstræpəleɪʃn/ | התאמה חיצונית |
החלטה לפני תשובה
- קו שחוזה ערך 18 כאשר הערך הנצפה הוא 21 יש לו שארית של +3. הוא אינו עובר דרך כל תצפית.
- המטרה שלך: לפרש את השיפוע והחיתוך של מודל מותאם בהקשר.
קראו את הקשר
- גרף פיזור זוגי שני משתנים כמותיים, נקודה אחת לכל תצפית זוגית. ישר מותאם מייצר סיכום של מגמה ולא מחבר את כל הנקודות. במודל y=a+bx, b מנבא את השינוי ב-y עבור עלייה של יחידה אחת ב-x; היחידות שלו הן יחידות y לכל יחידת x. החיתוך a מנבא את y כאשר x=0, שיכול להיצמד מחוץ לטווח הנתונים.
- חשב שארית והבדל בין אינטרפולציה לאקסטראפולציה.
Model predicts 30; observation is 26. Residual:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
26-30=-4.
השתמשו בכלל המגדיר
- שארית היא y נצפה פחות y מנובא. חיובי אומר שהתצפית נמצאת מעל המודל; שלילי אומר מתחת. הצב את ה-x הנצפה בתוך המודל לפני ההחסרה. שארית גדולה מסמלת נבואה גרועה עבור נקודה זו, אך לא בהכרח שגיאת מדידה או הוכחה למעדר מגמה.
- בחר בדפוסי ליניאריים או אקספוננציאליים מתוך נתונים עם צעדים שווים.
Observed x ranges from 2 to 8. Predicting at x=5 is:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
5 is inside the observed range.
בדיקת התנאים
- אינטרפולציה מנבאת בתוך טווח ה-x הנצפה; אקסטראפולציה חוצה אותו וגורמת לצורך זהירות רבה יותר מכיוון שהיחס עשוישתנה. השתמש גם בתחום ההקשרי של המודל וגם בצורת האלגברית שלו. לדוגמה, זמן נסיעה נבואה שלילי יכול לחשוף אקסטראפולציה בלתי-מוצדקת ולא תוצאה פיזיקלית אפשרית.
- בחר בדפוסי ליניאריים או אקספוננציאליים מתוך נתונים עם צעדים שווים.
לזמן לימודים x שעות ולתוצאת אימון נבואה y=12+3x, השיפוע הוא 3 נקודות תוצאה/שעה. ב-x=2 הנבואה היא 18. אם התוצאה הנצפה היא 21, השארית=21-18=3. עם ערכי x שנצפו בין 1 ל-5, נבואה ב-x=3 היא אינטרפולציה ו-b=x=12 היא אקסטראפולציה. תפוקות 5,10,20,40 בצעדי קלט שווים מצביעות על צמיחה אקספוננציאלית פי-שניים.
For y=4+2x, prediction at x=7 is ____.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
4+2·7=18.
יישמו את פורמט המשימה
- עבור צעדי קלט שווים, הבדלים בקרוב לקבועים בתפוקה מציעים מודל ליניארי; יחסים בקרוב לקבועים בתפוקה מציעים מודל אקספוננציאלי. פיזור יכול לגרום לשני הדפוסים להיות קרובים. קשר אינו מזוהה כגורם: שני המשתנים עשויים לשקף גורם שלישי. מגמה מותאמת היא עדות לנבואה, ולא לעצמה להתערבות.
- בחר בדפוסי ליניאריים או אקספוננציאליים מתוך נתונים עם צעדים שווים.
שמור על סדר (נצפה פחות מנובא). אל תמיר שיפוע מודל להשפעת טיפול סיבתית.
איזו תשובה מתאימה למקרה זה?
מפרש שיפוע וחיתוך של דגם מותאם בהקשר הרלוונטי
A strong scatterplot association alone proves x causes y.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Confounding or other explanations can produce association.
שמרו על ההבחנות
- שארית — תגובה נצפה פחות תגובה נבואה מהדגם.
- אקסטראפולציה — נבואה מחוץ לטווח הקלטים הנצפים.
- פרש את השיפוע והחיתוך של מודל מותאם בהקשר.
- חשב שארית והבדל בין אינטרפולציה לאקסטראפולציה.
- בחר בדפוסי ליניאריים או אקספוננציאליים מתוך נתונים עם צעדים שווים.
Match each term with its precise meaning in this lesson.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Keep the distinctions stated in the teaching example.
Put this lesson’s reasoning or event sequence in order.
Difficulty 3/5 · 200 coins + a small bonus on first completion today
The order follows the stated process; check each stage before the next.