การสร้างและประยุกต์ใช้โมเดล
แนะนำใหม่| English | ความหมาย |
|---|---|
| function model/ˈfʌŋkʃn ˈmɒdl/ | โมเดลฟังก์ชัน |
| regression/rɪˈɡreʃn/ | การถดถอย |
| interpolation/ɪnˌtɜːpəˈleɪʃn/ | การแทรก |
| extrapolation/ekˈstræpəleɪʃn/ | การประมาณค่าแบบขยาย |
| parameters/pəˈræmɪtəz/ | พารามิเตอร์ |
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.
เส้นโมเดล — อ่านอัตราและค่าเริ่มต้น
y = ax + b
ที่นี่ a คืออัตราการเปลี่ยนแปลงและ b คือค่าเริ่มต้น ปรับให้เข้ากับข้อมูล แล้วแทนค่าอินพุตเพื่อทำนาย
การถดถอย หายใจ…
Difficulty 1/5 · 100 coins + a small bonus on first completion today
การถดถอยปรับโมเดลที่ใกล้เคียงกับ ทุก จุดพร้อมกัน — โมเดลที่เหมาะที่สุด โดยใช้เทคโนโลยี
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.
การทำนายค่า ระหว่าง จุดข้อมูลที่มีอยู่เรียกว่า ____
Difficulty 1/5 · 100 coins + a small bonus on first completion today
การแทรก อยู่ภายในช่วงข้อมูล จึงมักเชื่อถือได้
การทำนาย ไกลมากนอก ช่วงข้อมูล (การ EXTRAPOLATION) มักจะเป็น…
Difficulty 1/5 · 100 coins + a small bonus on first completion today
ไกลจากข้อมูล โมเดลไม่มีหลักฐานรองรับ ดังนั้น การ EXTRAPOLATION จึงเป็นการทำนายที่เสี่ยงที่สุด
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.
โมเดลกำหนดค่า $= 2x + 1$ (เป็นพัน). ทำนายค่าใช้จ่ายเมื่อ $x = 10$
Difficulty 2/5 · 140 coins + a small bonus on first completion today
แทนค่า: $2(10) + 1 = 21$ พัน. การแทนค่าอินพุตลงในโมเดลคือวิธีการประยุกต์ใช้
พารามิเตอร์ ของโมเดล (เช่น ความชัน) สามารถตีความในบริบทของสถานการณ์จริง
Difficulty 1/5 · 100 coins + a small bonus on first completion today
ในค่า $= 2x + 1$, $2$ คือต้นทุนต่อหน่วยและ $1$ คือต้นทุนเริ่มต้นคงที่ — ความหมายจริง
เรียงลำดับขั้นตอนการใช้โมเดล
Difficulty 3/5 · 200 coins + a small bonus on first completion today
ข้อมูล → ปรับ → ทำนาย → ตรวจสอบ. การตรวจสอบสุดท้ายจับโมเดลที่เบี่ยงเบนจากความเป็นจริงได้
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.