Modeling with Sinusoidal Functions · Modelagem com Funções Senoidais
| English | Português |
|---|---|
| amplitude/ˈæmplɪtjuːd/ | amplitude |
| period/ˈpɪərɪəd/ | período |
| midline/ˈmɪdlaɪn/ | linha média |
| sinusoidal model/ˌsaɪnəˈsɔɪdl ˈmɒdl/ | modelo senoidal |
| sinusoidal regression/ˌsaɪnəˈsɔɪdl rɪˈɡreʃn/ | regressão senoidal |
Predicting the tides
- Tide charts, daily temperatures, and hours of daylight all rise and fall on a cycle.
- To forecast the next high tide, we fit a sine wave to past measurements.
- The four sinusoid dials — amplitude, period, midline, shift — get read straight from the data.
- Once fitted, the model predicts every future cycle.
Prevendo as marés
- Gráficos de marés, temperaturas diárias e horas de luz solar sobem e descem em ciclo.
- Para prever a próxima maré alta, ajustamos uma curva de seno às medições passadas.
- Os quatro controles da senóide — amplitude, período, linha média, deslocamento — são lidos diretamente nos dados.
- Uma vez ajustado, o modelo prevê todos os ciclos futuros.
Reading the model from data
- A sinusoidal model 正弦型模型 is $y = a\sin(b(x - c)) + d$ fitted to periodic data.
- The midline 中线 $d$ is the average of the highest and lowest values.
- The amplitude 振幅 $|a|$ is half the distance between the high and the low.
- These two come straight from the peaks and troughs of the data.
Lendo o modelo a partir dos dados
- Um modelo senoidal 正弦型模型 é $y = a\sin(b(x - c)) + d$ ajustado a dados periódicos.
- A linha média 中线 $d$ é a média dos valores máximos e mínimos.
- A amplitude 振幅 $|a|$ é metade da distância entre o alto e o baixo.
- Estes dois vêm diretamente dos picos e vales dos dados.
A sinusoidal model is the right choice for data that… · Um modelo senoidal é a escolha certa para dados que…
Repeating highs and lows — tides, temperatures, daylight hours — call for a sinusoidal model. · Altos e baixos repetidos — marés, temperaturas, horas de luz do dia — exigem um modelo senoidal.
Period and shift from data
- The period 周期 is how long one full cycle takes; then $b = \tfrac{2\pi}{\text{period}}$.
- The phase shift $c$ lines the wave up with when the data first peaks.
- Tides repeat about every $12.4$ hours; a year of temperatures repeats every $12$ months.
- Match the cycle length and the model locks onto the rhythm.
Período e deslocamento a partir dos dados
- O período 周期 é quanto tempo leva um ciclo completo; então $b = \tfrac{2\pi}{\text{period}}$.
- O deslocamento de fase $c$ alinha a onda com quando os dados atingem seu primeiro pico.
- As marés se repetem a cada aproximadamente $12.4$ horas; um ano de temperaturas se repete a cada $12$ meses.
- Combine o comprimento do ciclo e o modelo encaixa no ritmo.
Tune a sinusoid to match periodic data · Ajuste uma senoide para correspondência com dados periódicos
y = a·sin(b(x − c)) + d
Set the midline d and amplitude a from the data's high and low, then set b from the period until the wave fits. · Defina a linha média d e a amplitude a a partir dos valores máximo e mínimo dos dados, depois defina b pelo período até que a onda se ajuste.
The midline of a fitted sinusoid is the ____ of the highest and lowest data values. · A linha média de uma senoide ajustada é a ____ dos valores máximos e mínimos dos dados.
Midline $= \dfrac{\text{max} + \text{min}}{2}$; the amplitude is half the distance between them. · Linha média $= \dfrac{\text{max} + \text{min}}{2}$; a amplitude é metade da distância entre eles.
Tides run from a low of $1$ m to a high of $5$ m. What is the amplitude? · As marés variam de uma baixa de $1$ m a uma alta de $5$ m. Qual é a amplitude?
Amplitude $= \dfrac{5 - 1}{2} = 2$ m — half the total swing. · Amplitude $= \dfrac{5 - 1}{2} = 2$ m — metade do movimento total.
Select all · todos true statements about sinusoidal models. · Selecione todas as afirmações verdadeiras sobre modelos senoidais.
Sinusoids repeat; they do not fit unbounded growth. The other three are correct. · Senoides se repetem; elas não se adequam a crescimento ilimitado. As outras três estão corretas.
Sinusoidal regression
- With many data points, use technology to run a sinusoidal regression 正弦型回归.
- It returns the best-fit $a, b, c, d$ all at once.
- The curve threads the data's cycle without hitting every point exactly.
- The result is a ready-to-use periodic formula.
Regressão senoidal
- Com muitos pontos de dados, use tecnologia para executar uma regressão senoidal 正弦型回归.
- Ela retorna o melhor ajuste de $a, b, c, d$ de uma vez.
- A curva passa pelos ciclos dos dados sem tocar exatamente em cada ponto.
- O resultado é uma fórmula periódica pronta para uso.
Technology can compute a sinusoidal regression to fit periodic data. · Tecnologia pode calcular uma regressão senoidal para ajustar dados periódicos.
A sinusoidal regression returns the best-fit $a, b, c, d$ for a data set, just like other regressions. · Uma regressão senoidal retorna a melhor ajusta $a, b, c, d$ para um conjunto de dados, assim como outras regressões.
Using the model
- Plug in a future input to predict, say, the tide height at 3 p.m. tomorrow.
- Because it repeats, one well-fitted cycle forecasts them all.
- Keep the domain sensible — the pattern holds only while conditions stay steady.
- Interpret each parameter: amplitude is the tidal range, midline is the mean level.
Usando o modelo
- Insira um valor futuro para prever, por exemplo, a altura da maré às 3 h de amanhã.
- Por ser repetitiva, um único ciclo bem ajustado prevê todos eles.
- Mantenha o domínio sensato — o padrão só se mantém enquanto as condições permanecem estáveis.
- Interprete cada parâmetro: a amplitude é a faixa de maré, a linha média é o nível médio.
A sinusoidal model only fits data that genuinely repeats. Do not force one onto data that trends upward overall — a rising, wobbling series needs a trend plus a wave, not a pure sinusoid.
Um modelo senoidal só ajusta a dados que realmente se repetem. Não force um em dados com tendência geral ascendente — uma série crescente e oscilante precisa de tendência mais onda, não apenas uma senóide pura.
A harbour's tide is low ($1$ m) at midnight and high ($5$ m) six hours later.
- Midline $d = \tfrac{1 + 5}{2} = 3$ m; amplitude $|a| = \tfrac{5 - 1}{2} = 2$ m.
- Low-to-high is half a cycle in $6$ h, so the period is $12$ h and $b = \tfrac{2\pi}{12}$.
- Model: $h = 3 - 2\cos\!\left(\tfrac{2\pi}{12}t\right)$, starting low at $t = 0$.
A maré de um porto está baixa ($1$ m) à meia-noite e alta ($5$ m) seis horas depois.
- Linha média $d = \tfrac{1 + 5}{2} = 3$ m; amplitude $|a| = \tfrac{5 - 1}{2} = 2$ m.
- Da baixa até a alta é meio ciclo em $6$ h, então o período é $12$ h e $b = \tfrac{2\pi}{12}$.
- Modelo: $h = 3 - 2\cos\!\left(\tfrac{2\pi}{12}t\right)$, começando baixo em $t = 0$.
A sinusoidal model $y = a\sin(b(x-c)) + d$ fits repeating data: the midline is the average of high and low, the amplitude is half their gap, and the period is one cycle's length. A sinusoidal regression finds the best fit for you.
Um modelo senoidal $y = a\sin(b(x-c)) + d$ ajusta a dados repetitivos: a linha média é a média do alto e baixo, a amplitude é metade da diferença deles, e o período é o comprimento de um ciclo. Uma regressão senoidal encontra o melhor ajuste para você.