Comparando Modelos Concorrentes
Introduzido| English | Significado |
|---|---|
| linear model/ˈlɪnɪə ˈmɒdl/ | modelo linear |
| quadratic model/kwɒˈdrætɪk ˈmɒdl/ | modelo quadrático |
| exponential model/ˌekspəˈnenʃl ˈmɒdl/ | modelo exponencial |
| residuals/rɪˈsɪdʒuːəlz/ | resíduos |
| residual plot/rɪˈsɪdʒuːəl plɒt/ | gráfico de resíduo |
Qual previsão você usaria?
- Um vídeo escolar tem $100,151,224,339,505$ visualizações nos dias $0,1,2,3,4$. As contagens aumentam aproximadamente pelo mesmo fator, e não pelo mesmo número.
- Um modelo linear, modelo quadrático e modelo exponencial podem seguir parte dessa tendência crescente. Compare-os nas mesmas observações, depois pergunte se a previsão faz sentido.
Ajuste as três famílias aos mesmos dados
- Ajuste todos os cinco pares com tecnologia. As regressões linear e quadrática minimizam erros quadráticos nas contagens; aqui a exponencial vem da regressão linear de $\ln y$ sobre $x$, depois de converter de volta.
- As regras abaixo fornecem contagens previstas, escritas $\hat y$. O método exponencial minimiza erros quadráticos em $\ln y$, então outro método de calculadora pode fornecer coeficientes ligeiramente diferentes. Mantenha precisão total para resíduos; os coeficientes exibidos estão arredondados.

Dê ao resíduo seu sinal
- Um resíduo é observado menos previsto: $e=y-\hat y$. Um resíduo positivo coloca a observação acima da curva: o modelo subestima.
- Um resíduo negativo coloca a observação abaixo da curva: o modelo superestima. O tamanho $|e|$ indica quão distante a previsão está, nas mesmas unidades da contagem.
No dia $2$, a contagem observada é $224$. Calcule a previsão e subtraia-a da observação:
A linha superestima em $39.8$ visualizações. O quadrático prevê cerca de $224.94$, e o exponencial cerca de $225.19$: seus resíduos são cerca de $-0.94$ e $-1.19$.
Um resíduo assinado é…
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Resíduo = observado − previsto. Um resíduo negativo significa que o modelo prevê em excesso.
No dia 2, a contagem observada é 224 e a linha prevê 263.8. Qual é o resíduo assinado?
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
Observado menos previsto: $224-263.8=-39.8$. A linha superestima em 39.8 visualizações.
Leia todo o gráfico de resíduos
- Um gráfico de resíduos mostra cada resíduo contra sua entrada $x$, com uma linha horizontal no zero. Uma curva ou sequência que muda sistematicamente de positivo para negativo e vice-versa sugere que o modelo omite um aspecto dos dados.
- Resíduos pequenos espalhados em ambos os lados do zero, sem padrão claro, apoiam um modelo. Alguns pontos não provam que uma família seja a regra verdadeira ou que previsões distantes funcionem.
Para julgar um ajuste, examine o tamanho e o padrão dos seus ____.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Resíduos menores (e nenhum padrão óbvio neles) indicam um modelo com melhor ajuste.
Os resíduos são positivos nas duas extremidades do intervalo e negativos no meio. O que isso sugere?
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Este é um padrão, e não uma dispersão sem padrão em torno de zero. Uma família diferente pode capturar melhor a forma.
Compare tamanho e padrão juntos
- Para a linha, os cinco resíduos são $35.8,-13,-39.8,-24.6,41.6$: um padrão curvo. Seu erro absoluto total é de $154.8$ visualizações. Erros positivos e negativos não devem se cancelar nesta comparação de magnitude.
- O erro absoluto total do quadrático é cerca de $18.34$ visualizações; o do exponencial é cerca de $4.59$. Aqui, o exponencial tem menores erros e nenhum padrão óbvio de resíduo, consistente com o fator de crescimento aproximadamente constante.
Três ajustes, as mesmas cinco observações
Compare curvas ajustadas e resíduos assinados. Ambas as escalas gráficas permanecem fixas à medida que o modelo muda; dia 2 começa com observado 224, previsto 263.8 e resíduo −39.8.
Deixe o contexto decidir o que importa
- Um modelo com erros pequenos ainda pode ser inadequado: contagens de visualização não podem ser negativas, e um breve pico de interesse pode cessar. Estes cinco dias apoiam uma comparação de curto prazo, não crescimento ilimitado futuro.
- O custo de um erro também importa. Subestimar a demanda pode deixar um ônibus escolar com assentos insuficientes; uma superestimação cautelosa pode ser preferível. Nomeie a direção e o tamanho do erro e explique suas consequências.
Um polinômio pode passar por todos os pontos observados, mas comportar-se mal entre ou além deles. Um ajuste perfeito a uma pequena amostra não garante uma previsão útil. Use ajuste, contexto e domínio sensato juntos.
Dados positivos que dobram a cada intervalo de tempo igual sugerem um…
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
A duplicação de razão constante é a marca distintiva de um modelo exponencial, não de um polinomial.
Um modelo de demanda de ônibus prevê 48 passageiros; 55 chegam. Qual descrição está correta?
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
$55-48=7$. Um resíduo positivo significa que a demanda real excede a previsão. A direção importa ao escolher a capacidade.
Separe o crescimento eventual do ajuste
- Se $a>0$ e $b>1$, o exponencial $ab^x$ eventualmente excede qualquer polinômio fixo conforme $x\to\infty$. Esta é uma afirmação sobre as fórmulas em longo prazo, não evidência de que o exponencial se ajusta melhor a um conjunto de dados específico.
- Um modelo de decaimento como $100(0.8)^x$ aproxima-se de zero em vez disso. Um multiplicador líder nulo ou negativo também falha na reivindicação de crescimento positivo; sempre declare as premissas.
Para $a>0$ e $b>1$, $ab^x$ eventualmente supera qualquer polinômio fixo conforme $x$ aumenta sem limite.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Essas condições de crescimento positivo são relevantes. A afirmação refere-se às fórmulas à medida que $x$ aumenta, e não prova que um exponencial se ajusta melhor a um conjunto de dados específico.
O modelo de decaimento $100(0.8)^x$ eventualmente ultrapassará a linha crescente $10+x$ à medida que $x$ aumenta.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
A exponencial tende a zero, enquanto a linha cresce. Uma família exponencial sozinha não implica dominância eventual positiva.
Identifique o tempo inicial
- Para o exemplo de vendas anterior $100,150,225,340$, rotule as observações como meses $m=0,1,2,3$. O modelo $S(m)=100(1.5)^m$ prediz $337.5$ no mês $3$, resultando em resíduo $340-337.5=2.5$.
- Se a primeira observação for chamada de mês $1$, o mesmo modelo torna-se $S(m)=100(1.5)^{m-1}$. Alterar os rótulos altera o expoente; não altera as observações.
As vendas registradas pela primeira vez no mês 1 são 100 e crescem por um fator de 1.5 a cada mês. Usando $S(m)=100(1.5)^{m-1}$, qual é a previsão para o mês 3?
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
O mês 3 é duas unidades após o mês 1: $100(1.5)^2=225$.
Faça uma recomendação fundamentada
- Especifique a família e o intervalo, cite tamanhos dos resíduos e descreva qualquer padrão. Adicione então uma razão contextual e uma limitação. Para o vídeo, uma exponencial é uma descrição razoável para os dias $0$–$4$; não é uma garantia de crescimento eterno.
- Compare todos os modelos nas mesmas observações e unidades. A soma dos resíduos com sinal pode ocultar erros grandes, e o vencedor final entre duas fórmulas pode não ser o melhor ajuste agora.
Construa candidatos a partir dos dados, calcule observado menos previsto e inspecione todo o gráfico de resíduos. Escolha com base tanto em evidências numéricas quanto em contexto. Ausência de padrão claro apoia um modelo; não prova que o modelo é verdadeiro.
Selecione todas as afirmações verdadeiras sobre a comparação de modelos.
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
As três primeiras afirmações são verdadeiras. Erros assinados podem se cancelar; inspecione seus tamanhos e padrões, junto com o contexto e o intervalo de comparação.
Escreva uma recomendação baseada na evidência
- O modelo A tem resíduos $2,-1,3$ visualizações; o modelo B tem $4,4,4$ nos mesmos três dias. Calcule ambas as somas dos valores absolutos dos resíduos e diga qual tem menor erro por esta medida.
- Explique por que essa comparação sozinha não estabelece que A é o melhor modelo para uma previsão de longo prazo. Inclua uma verificação adicional que você faria.
Nos mesmos três dias, o modelo A tem resíduo $2,-1,3$ e o modelo B tem $4,4,4$. Encontre ambos os totais de resíduos absolutos e recomende um modelo por essa medida. Por que isso é insuficiente para uma previsão de longo prazo? Cite mais uma verificação.
Use tanto a medida numérica de erro quanto um limite na recomendação. Um total menor por si só não valida uma previsão.
O modelo A tem resíduos $2,-1,3$. Qual é o seu total de resíduos absolutos?
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Os resíduos absolutos somam 6.