Das wirkliche Leben ist chaotisch, so wird erwartet, dass Messungen aus dem wirklichen Leben genommen werden auch chaotisch. Wenn Sie Messungen des wirklichen Lebens graphisch darstellen, wird erwartet, dass die Punkte nicht genau in einer netten ordentlichen Linie aufrichten, sondern stattdessen eine Streuung von Punkten bilden, die bestenfalls eine nette ordentliche Linie vorschlagen könnte. Diese Punkte werden als Scatterplot bezeichnet. Erstellen eines Scatterplots aus den folgenden Daten: (1, 49), (3, 51), (4, 52), (6, 52), (6, 53), (7, 53), (8, 54) (11, 56), (12, 56), (14, 57), (14, 58), (17, 59), (18, 59), (20, 60) Erste Dinge, die ich tun müssen, wenn Grafik dieser Punkte ist herauszufinden, was meine Achse Skala Werte werden. Wenn ich versuche, ein Achsensystem mit dem quotstandardquot ndash10 bis 10 Werte zu tun, wird keiner der oben genannten Punkte sogar auf meinem Diagramm angezeigt. Wie bei diesen Arten von Datensätzen üblich, sind alle x - und y-Werte positiv, so dass ich nur wirklich Skalen für den ersten Quadranten benötige. Die y-Werte sind viel größer als die x-Werte, aber anstatt alle y-Werte zusammenzudrücken, breite ich sie aus (damit ich sie besser sehen kann), indem ich eine unterbrochene Skala verwende. Der kleine Quothicky-Bobquot am unteren Rand meiner y - Achse oben zeigt, dass Ive einige der Skalenwerte übersprungen hat. Aus irgendeinem Grund scheint diese gebrochene Achsenbezeichnung fast nie in den Schulen gelehrt zu werden, obwohl sie sehr häufig in der realen Welt verwendet wird. Wenn Sie finanzielle Zeitschriften lesen, sind Sie sehr wahrscheinlich, um viele Graphen mit dieser Art von Achsen-Notation zu sehen. Wenn Sie diese Notation in Ihrer Hausaufgabe verwenden, seien Sie nicht überrascht, wenn Sie es Ihrem Lehrer erklären müssen. Youll vermutlich erwartet, um Ihre scatterplots in Ihrem Diagrammrechner zu tun. Mein Rechner gibt mir dieses Bild: Copyright copyright Elizabeth Stapel 2005-2011 Alle Rechte vorbehalten Sie müssen oft Ihre WINDOW-Einstellungen anpassen, damit alle Ihre Datenpunkte auf dem Bildschirm angezeigt werden. Ich benutzte Fenstereinstellungen von 0 lt X lt 25 mit einer X-Skala von 5 und 45 lt Y lt 65 mit einer Y-Skala von 5 für das obige Diagramm. Wenn Sie mit dem Scatterplot fertig sind, vergessen Sie nicht, das STATPLOT-Quotoffing zu drehen, oder die Parameter für die Statistik-Grafik könnten mit Ihrem regulären Diagramm-Dienstprogramm durcheinander kommen. Ich gebe Ihnen jetzt eine gute Warnung: Es ist modisch geworden, das Thema der Streudiagramme und Regressionen in Algebra und andere nicht-statistische Klassen einzufügen und die Schüler dazu aufzufordern, einen grafischen Taschenrechner zu verwenden, um Fragen zu beantworten. Während sie geben Ihnen die Steigung Formel und die quadratische Formel und alle möglichen anderen Sachen auf dem Test (obwohl Sie sollten sie auswendig gelernt haben), werden sie nicht geben Ihnen Hilfe mit Ihrem Taschenrechner. Sie oft scheinen nicht zu interessieren, wenn youve gelernt, die Mathematik, aber Sie hatten gosh-verdammt besser wissen, Ihren Rechner So ziehen Sie Ihre Besitzer Handbuch, oder gehen Sie auf die Hersteller-Website oder suchen Sie online, oder sich mit einem Freund JETZT, denn Wenn du dieses Zeug in der Klasse machst, wirst du es wissen müssen, und weißt es gut, auf dem Test. Zitieren Sie diesen Artikel als: Stapel, Elizabeth. Zitate und Regressionen. quot Purplemath. Erhältlich bei purplemathmodulesscattreg. htm. Accessed Date Monat 2016Scatter Plots Es ist jetzt leicht zu sehen, dass wärmeres Wetter führt zu mehr Umsatz. Aber die Beziehung ist nicht perfekt. Line of Best Fit Wir können auch eine QuoteLink von Best Fitquot (auch als quotTrend Linequot bezeichnet) auf unserem Streudiagramm zeichnen: Versuchen Sie, die Linie so nah wie möglich an allen Punkten und so viele Punkte über der Linie wie unten zu haben. Beispiel: Meeresspiegelanstieg Ein Streudiagramm des Meeresspiegelanstiegs: Und hier habe ich auf eine quotLine von bestem Fitquot gezeichnet. Interpolation und Extrapolation Interpolation ist, wo wir einen Wert innerhalb unserer Reihe von Datenpunkten zu finden. Hier verwenden wir lineare Interpolation, um den Umsatz bei 21 ° C abzuschätzen. Extrapolation ist, wo wir einen Wert außerhalb unserer Reihe von Datenpunkten zu finden. Hier verwenden wir lineare Extrapolation, um den Umsatz bei 29 ° C zu schätzen (was höher ist als jeder Wert, den wir haben). Achtung: Die Extrapolation kann irreführende Ergebnisse liefern, weil wir in einem quadratischen Territorium sind. Sowie mit einem Diagramm (wie oben) können wir eine Formel, um uns zu helfen. Lets schätzen zwei Punkte auf der Linie in der Nähe der tatsächlichen Werte: (12deg, 180) und (25deg, 610) Erstens finden Sie die Steigung: y 33x minus 396 180 y 33x minus 216 Nun können wir diese Gleichung verwenden, um einen Verkaufswert bei 21deg zu interpolieren : Y 33times21 minus 216 477 Und um einen Verkaufswert bei 29deg zu berechnen: y 33times29 minus 216 741 Die Werte sind nah an dem, was wir auf dem Diagramm erhalten haben. Aber das bedeutet nicht, dass sie mehr (oder weniger) genau sind. Sie sind alle nur Schätzungen. Verwenden Sie nicht Extrapolation zu weit Welchen Umsatz würden Sie erwarten bei 0deg y 33times0 minus 216 minus 216 Hmmm. Minus 216. Wir extrapolieren zu weit Hinweis: Wir haben eine lineare Interpolation und eine Extrapolation verwendet, aber es gibt viele andere Typen, zum Beispiel könnten wir Polynome verwenden, um Kurvenlinien zu erzeugen usw. Korrelation Wenn die beiden Datensätze stark miteinander verbunden sind Wir sagen, sie haben eine hohe Korrelation. Das Wort Korrelation wird aus Co - (Bedeutung gleichZweiquot) gemacht, und Relation Korrelation ist positiv, wenn die Werte zusammen zunehmen, und Korrelation ist negativ, wenn ein Wert abnimmt, während der andere Negative Korrelations-Korrelationen negativ sein kann, was bedeutet, dass es eine Korrelation gibt Ein Wert sinkt, wenn der andere Wert zunimmt. Beispiel. Geburtenrate vs Einkommen Die Geburtenrate neigt dazu, niedriger in reicheren Ländern zu sein. Unten ist ein Streudiagramm für ungefähr 100 verschiedene countries. Server Störung in der Anwendung. Runtime Error Beschreibung: Ein Anwendungsfehler trat auf dem Server auf. Die aktuellen benutzerdefinierten Fehlereinstellungen für diese Anwendung verhindern, dass die Details des Anwendungsfehlers remote angezeigt werden (aus Sicherheitsgründen). Es könnte jedoch von Browsern auf dem lokalen Server-Computer angezeigt werden. Details: Um die Details dieser spezifischen Fehlermeldung auf entfernten Rechnern sichtbar zu machen, erstellen Sie bitte ein ltcustomErrorsgt-Tag innerhalb einer quotweb. configquot-Konfigurationsdatei, die sich im Stammverzeichnis der aktuellen Webanwendung befindet. Dieses ltcustomErrorsgt-Tag sollte dann sein quotmodequot - Attribut auf quotOffquot setzen. Anmerkungen: Die aktuelle Fehlerseite, die Sie sehen, kann durch eine benutzerdefinierte Fehlerseite ersetzt werden, indem das Attribut quotdefaultRedirectquot des Konfigurations-Tags von application39s ltcustomErrorsgt geändert wird, um auf eine benutzerdefinierte Fehlerseite URL. Scatterplots and Regressions zu verweisen (Seite 3 von 4) Der Punkt des Sammelns Daten und Plotten der gesammelten Werte ist in der Regel zu versuchen, eine Formel, die verwendet werden, um eine (vermutete) Beziehung zu modellieren. Ich sage quotpresumedquot, weil der Forscher kann am Ende Schluss, dass es nicht wirklich eine Beziehung, wo hed gehofft gab es eine. Zum Beispiel könnten Sie Experimente Timing ein Ball, wie es Tropfen aus verschiedenen Höhen, und Sie würden in der Lage, eine definitive Beziehung zwischen quotthe Höhe, von der ich fiel die Ballquot und quotthe Zeit, die es dauerte, um den Floorquot getroffen zu finden. Auf der anderen Seite können Sie sammeln Daten von den Farben der Augen und die Farben ihrer Autos, nur um festzustellen, dass es keine erkennbare Verbindung zwischen den beiden Datensätzen. Der Vorgang, Ihre Datenpunkte zu nehmen und mit einer Gleichung aufzurufen, wird als Regressionquot bezeichnet, und der Graph der Regressionsgleichung wird quotthe Regressionsliniequot genannt. Wenn Sie Ihre Scatterplots von Hand machen, können Sie gesagt werden, eine Regressionsgleichung zu finden, indem Sie ein Lineal gegen die ersten und letzten Punkte in der Handlung zeichnen, eine Linie zeichnen und die Geradengleichung aus dem Bild erraten. Dies ist ein unglaublich ungeschickt Art und Weise zu gehen, und kann sehr falsche Antworten geben, zumal Werte an den Enden oft zu Ausreißern (Zahlen, die nicht ganz passen mit allem anderen). Nehmen wir zum Beispiel an, dass Ihre Punkte wie folgt aussehen: Beim Verbinden des ersten und des letzten Punktes würden Sie damit enden: Auf der anderen Seite könnten Sie die Ausreißer ignorieren und stattdessen nur die Wolke der Punkte punkten, um einen allgemeinen Trend zu finden. Setzen Sie den Herrscher darüber, wo Sie denken, eine Zeile sollte gehen (unabhängig davon, ob der Herrscher tatsächlich kreuzt einen der Punkte), ziehen Sie die Linie, und raten Sie die Gleichung von diesem. Youll wahrscheinlich am Ende mit einem vernünftigeren Ergebnis. Ihre Gleichung wird immer noch Raten-Arbeit, aber es wird besser raten-Arbeit als nur mit den ersten und letzten Punkten: Wenn youre finden Regressionsgleichungen mit einem Lineal, youll müssen extrem ordentlich arbeiten, natürlich und mit Millimeter Papier wahrscheinlich Eine wirklich gute Idee sein. Sobald Sie in Ihrer Zeile gezeichnet haben (und dies nur für lineare oder lineare Regressionen), werden Sie schätzen zwei Punkte auf der Linie, die nahe zu scheinen, wo die Gitterlinien schneiden, und finden Sie dann die Linie Gleichung durch diese zwei Punkte. Aus dem obigen Graphen würde ich vermuten, dass die Linie den Punkten (3, 7) und (19, 1) nahekommt. So dass die Regressionsgleichung y (ndash38) x 658 sein würde. Höchstwahrscheinlich werden Sie Regressionen in Ihrem Taschenrechner tun. Regressionen richtig ist ein schwieriger und technischer Prozess, aber Ihre Grafik-Rechner wurde mit den notwendigen Formeln programmiert und hat das Gedächtnis, um die vielen Zahlen knirschen. Der Rechner gibt Ihnen quotthequot Regressionsgeraden. Wenn youre, das von Hand arbeitet, erhalten Sie und Ihre Klassenkameraden etwas unterschiedliche Antworten, wenn youre, das Rechner verwendet, youll alle die gleiche Antwort erhalten. (Fragen Sie Ihre Bedienungsanleitung oder Rechner Webseiten für spezifische Informationen über das Ausführen von Regressionen mit Ihrem speziellen Rechner-Modell.) Wenn youre soll berichten, wie quotgoodquot eine gegebene Regression ist, dann herauszufinden, wie man das quotququot, quotr 2 zu finden. Andor quotR 2 Werte in Ihrem Rechner. Diese Diagnosewerkzeuge messen den Grad, in dem die Regressionsgleichung mit dem Scatterplot übereinstimmt. Je näher diese Korrelationswerte zu 1 (oder zu ndash1) sind, desto besser passt sich Ihre Regressionsgleichung an die Datenwerte an. Wenn der Korrelationswert größer als 0,8 oder kleiner als ndash0,8 ist. Wird das Spiel als ziemlich gut beurteilt, wenn der Wert zwischen ndash0.5 und 0.5 liegt. Ist das Spiel als ziemlich schlecht und ein Korrelationswert in der Nähe von Null bedeutet, dass youre Kidding sich, wenn Sie denken, dass es wirklich eine Beziehung der Art, die Sie suchen. (Es sollte Anweisungen, irgendwo in Ihrem Besitzer Handbuch, für diese Informationen zu finden sein.) Wenn youre tun eine Regression, youre versuchen, die quotbest fitquot Linie zu finden, um die Daten, und die Korrelation Zahlen helfen Ihnen zu sagen, wie gut Ihre quotfitquot ist. Anhand der folgenden Datenwerte finden Sie die linearen und kubischen Regressionslinien. Sagen Sie, welche Regression eine bessere Passform ist und warum. (2, 23), (3, 24), (8, 32), (10, 36), (13, 51), (14, 59), (17, 76) Nach dem Einstecken dieser Werte in den STAT-Dienstprogramm meines Rechners kann ich dann eine lineare Regression durchführen: und eine kubische Regression: Copyright copyright Elizabeth Stapel 2005-2011 Alle Rechte vorbehalten Die Linie sieht ein wenig kurvenreich auf dem Scatterplot, so seine vernünftige, dass die kurvenreiche Linie, die kubische y 0,000829 x 3 0,23 x 2 ndash 1,09 x 24,60. Ist eine bessere Anpassung an die Datenpunkte als das geradlinige lineare Modell y 6,03 x ndash 10,64. Da der Korrelationswert näher bei 1 liegt, und da der Graph des kubischen Modells näher bei den Punkten liegt, ist die kubische Gleichung y 0,000829 x 3 0,23 x 2 ndash 1,09 x 24,60 die bessere Regression. Sie sollten nicht erwarten, durch die Art und Weise, immer Korrelationswerte, die nahe an quot1quot sind zu bekommen. Wenn sie Ihnen sagen, die lineare Regressionsgleichung für einen Datensatz zu finden, und der Korrelationsfaktor nahe Null ist, bedeutet dies nicht, dass Sie die lineare Gleichung Gleichung gefunden es nur bedeutet, dass eine lineare Gleichung wahrscheinlich war nicht ein gutes Modell zu die Daten. Ein quadratisches Modell, zum Beispiel, hätte besser sein können. Zitieren Sie diesen Artikel als: Stapel, Elizabeth. Zitate und Regressionen. quot Purplemath. Erhältlich bei purplemathmodulesscattreg3.htm. Zugreifender Termin Monat 2016
No comments:
Post a Comment