5 7 Padrão Teste Prep Scatter Plots And Trend Lines Forex

A vida real é bagunçada, então espera-se que as medidas tiradas da vida real também sejam bagunçadas. Quando você grafica as medidas da vida real, espera-se que os pontos não se alinhem exatamente em uma linha legal e agradável, mas que, em vez disso, formará uma dispersão de pontos que, na melhor das hipóteses, podem sugerir uma linha legal agradável. Esses pontos são chamados de diagrama de dispersão. Crie um diagrama de dispersão a partir dos seguintes dados: (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), (20, 61). Um dos As primeiras coisas que tenho a fazer ao representar estes pontos é descobrir quais são os valores da minha escala de eixo. Se eu tentar fazer um sistema de eixo com o quotstandardquot ndash10 a 10 valores, nenhum dos pontos acima aparecerá mesmo no meu gráfico. Como é comum com esses tipos de conjuntos de dados, todos os valores x e y são positivos, então eu realmente preciso de escalas para o primeiro quadrante. Os valores de y são muito maiores do que os valores de x, mas em vez de espremem todos os valores de y, distribuí-los (para que eu possa vê-los melhor) usando uma escala interrompida. O pequeno quickicky-bobquot no fundo do meu y - axis acima mostra que Ive pulou alguns dos valores da escala. Por alguma razão, esta notação de eixo quebrado parece quase nunca ser ensinada nas escolas, embora seja muito comum em quot o mundo real. Se você ler revistas financeiras, é muito provável que você veja muitos gráficos com este tipo de notação de eixo. Se você usa esta notação em sua lição de casa, não se surpreenda se você tiver que explicar isso ao seu instrutor. Provavelmente você deverá fazer seus diagramas de dispersão em sua calculadora gráfica. Minha calculadora me dá essa imagem: cópia de direitos autorais Elizabeth Stapel 2005-2011 Todos os direitos reservados Muitas vezes, você precisará ajustar suas configurações de WINDOW para que todos os seus pontos de dados apareçam na tela. Eu usei configurações de janela de 0 lt X lt 25 com uma escala X de 5 e 45 lt Y lt 65 com uma escala Y de 5 para o gráfico acima. Quando você for feito com o diagrama de dispersão, não se esqueça de girar o quotão de STATPLOT, ou os parâmetros para o gráfico de estatísticas podem mexer com seu utilitário de gráficos padrão. Eu lhe darei um aviso justo agora: tornou-se moda inserir o tópico de diagramas de dispersão e regressões em álgebra e outras classes não estatísticas e exigir que os alunos usem uma calculadora gráfica para responder a perguntas. Embora eles possam dar-lhe a fórmula de declive e a fórmula quadrática e todos os tipos de outras coisas no teste (mesmo que você deveria memorizá-los), eles NÃO lhe darão ajuda com sua calculadora. Muitas vezes, eles não parecem se importar se você aprendeu a matemática, mas você já conheceu melhor sua calculadora. Então, retire o manual do seu proprietário, ou vá ao site do fabricante, ou pesquise on-line ou se junte com um amigo AGORA porque Se você estiver fazendo essas coisas em aula, você vai ter que saber, e conhecê-lo bem, no teste. Cite este artigo como: Stapel, Elizabeth. QuotScatterplots e Regressions. quot Purplemath. Disponível a partir de purplemathmodulesscattreg. htm. Data Acessada Mês 2016 Parcelas de Distribuição Agora é fácil ver que o clima mais quente leva a mais vendas. Mas o relacionamento não é perfeito. Line of Best Fit Também podemos desenhar uma quotLine of Best Fitquot (também chamada quotTrend Linequot) em nosso gráfico de dispersão: tente ter a linha o mais próximo possível de todos os pontos e tantos pontos acima da linha abaixo. Exemplo: Aumento do nível do mar A Scatter Lote do aumento do nível do mar: E aqui desenhei uma quotLine of Best Fitquot. Interpolação e Extrapolação A interpolação é onde encontramos um valor dentro do nosso conjunto de pontos de dados. Aqui, usamos interpolação linear para estimar as vendas a 21 graus. A extrapolação é onde encontramos um valor fora do nosso conjunto de pontos de dados. Aqui, usamos extrapolação linear para estimar as vendas a 29 degC (que é maior do que qualquer valor que temos). Cuidado: a extrapolação pode dar resultados enganosos, porque estamos em territórios quotuncharted. Além de usar um gráfico (como acima), podemos criar uma fórmula para nos ajudar. Permite estimar dois pontos na linha perto de valores reais: (12deg, 180) e (25deg, 610) Primeiro, encontre a inclinação: y 33x menos 396 180 y 33x menos 216 Agora podemos usar essa equação para interpolar um valor de vendas em 21deg : Y 33times21 menos 216 477 E para extrapolar um valor de vendas em 29deg: y 33times29 menos 216 741 Os valores estão próximos do que obtemos no gráfico. Mas isso não significa que eles são mais (ou menos) precisos. Todos são apenas estimativas. Não use extrapolação muito longe O que as vendas esperaria em 0deg y 33times0 menos 216 menos 216 Hmmm. Minus 216. Nós extrapolamos muito longe Nota: usamos a interpolação linear e a extrapolação linear, mas existem muitos outros tipos, por exemplo, podemos usar polinômios para fazer linhas curvas, etc. Correlação Quando os dois conjuntos de dados estão fortemente ligados entre si Nós dizemos que eles têm uma alta correlação. A palavra Correlação é feita de Co - (ou seja, quottogetherquot) e Correlação de Relação é Positiva quando os valores aumentam juntos e Correlação é Negativa quando um valor diminui à medida que o outro aumenta Correlações de Correlação Negativa pode ser negativo, o que significa que existe uma correlação, mas Um valor diminui à medida que o outro valor aumenta. Exemplo. Taxa de natalidade versus renda A taxa de natalidade tende a ser menor nos países mais ricos. Abaixo está um gráfico de dispersão para cerca de 100 países diferentes. Erro do servidor no aplicativo. Descrição do erro de tempo de execução: ocorreu um erro de aplicativo no servidor. As configurações de erro personalizadas atuais para este aplicativo impedem que os detalhes do erro do aplicativo sejam visualizados remotamente (por motivos de segurança). No entanto, poderia ser visualizado por navegadores que funcionam na máquina do servidor local. Detalhes: Para permitir que os detalhes desta mensagem de erro específico sejam visíveis em máquinas remotas, crie uma marca ltcustomErrorsgt dentro de um arquivo de configuração quotweb. configquot localizado no diretório raiz da aplicação web atual. Esta ltcustomErrorsgt tag deve ter seu atributo quotmodequot definido como quotOffquot. Notas: A página de erro atual que você está vendo pode ser substituída por uma página de erro personalizada, modificando o atributo quotdefaultRedirectquot da tag de configuração ltcustomErrorsgt do aplicativo para apontar para um URL de página de erro personalizado. Parâmetros e regressões (página 3 de 4) O ponto de coleta Os dados e o planejamento dos valores coletados geralmente são para tentar encontrar uma fórmula que possa ser usada para modelar uma relação (presumida). Eu digo quot presumedquot porque o pesquisador pode acabar concluindo que não há realmente nenhum relacionamento onde ele esperava que houvesse um. Por exemplo, você pode executar experimentos que cronometram uma bola à medida que cai de várias alturas, e você poderia encontrar uma relação definitiva entre a altura da qual eu deixei cair o tempo e o tempo que demorou para atingir o chão. Por outro lado, você pode coletar resmas de dados sobre as cores dos olhos das pessoas e as cores dos carros, apenas para descobrir que não há conexão discernível entre os dois conjuntos de dados. O processo de tomar seus pontos de dados e chegar a uma equação é chamado quotregressionquot, e o gráfico da equação quotregression é chamado quotthe regression linequot. Se você estiver fazendo seus diagramas de dispersão à mão, você pode ser informado para encontrar uma equação de regressão, colocando uma régua contra os primeiros e últimos pontos no gráfico, desenhando uma linha e adivinhando a equação de linhas da imagem. Esta é uma maneira incrivelmente desajeitada de prosseguir, e pode dar respostas muito erradas, especialmente porque os valores nas extremidades geralmente se tornam outrais (números que não se encaixam em tudo o resto). Por exemplo, suponha que seus pontos se parecem com isto: Conectando o primeiro e o último pontos, você acabaria com isso: por outro lado, você poderia ignorar os valores atípicos e, ao invés de fazer o globo ocular, a nuvem de pontos para localizar uma tendência geral. Coloque o governante sobre onde você acha que uma linha deve ir (independentemente de a régua realmente atravessar qualquer um dos pontos), desenhe a linha e adivinhe a equação disso. Provavelmente você acabará com um resultado mais sensato. Sua equação ainda será um trabalho de adivinhação, mas será melhor adivinhar do que usar apenas o primeiro e o último ponto: se você estiver encontrando equações de regressão com uma régua, você precisará trabalhar de forma muito clara, é claro, e usar papel gráfico provavelmente Seja uma boa ideia. Uma vez que você desenhou em sua linha (e isso só funcionará para regressões lineares ou diretas), você avaliará dois pontos na linha que parecem estar próximos de onde as linhas de grade se cruzam e, em seguida, encontrar a equação da linha através dessas dois pontos. Do gráfico acima, eu acho que a linha se aproxima dos pontos (3, 7) e (19, 1). Então a equação de regressão seria y (ndash38) x 658. Muito provavelmente, você estará fazendo regressões em sua calculadora. Fazer regressões corretamente é um processo difícil e técnico, mas sua calculadora gráfica foi programada com as fórmulas necessárias e tem a memória para cortar os muitos números. A calculadora lhe dará uma linha de regressão quotthequot. Se você estiver trabalhando à mão, você e seus colegas de classe receberão respostas ligeiramente diferentes se você estiver usando calculadoras, todos obterão a mesma resposta. (Consulte o manual do seu proprietário ou os sites da calculadora para obter informações específicas sobre como fazer regressões com seu modelo de calculadora particular.) Se você deveria denunciar qual quotgoodquot uma determinada regressão, então descubra como encontrar o quotrquot, quotr 2 quot. Andor quotR 2 quot values ​​em sua calculadora. Essas ferramentas de diagnóstico medem o grau em que a equação de regressão corresponde ao diagrama de dispersão. Quanto mais próximos estes valores de correlação são para 1 (ou para ndash1), melhor se ajusta à sua equação de regressão aos valores de dados. Se o valor de correlação for superior a 0,8 ou inferior a ndash0.8. A partida é julgada muito boa se o valor for entre ndash0.5 e 0.5. A partida é julgada como muito pobre e um valor de correlação próximo a zero significa que você está brincando se você acha que há realmente um relacionamento do tipo que você está procurando. (Deve haver instruções, em algum lugar no manual do seu proprietário, para encontrar essas informações.) Quando você está fazendo uma regressão, você está tentando encontrar a linha de ajuste apropriada para os dados, e os números de correlação ajudam você a dizer o quão bom seu quotfit é. Dado os seguintes valores de dados, encontre as linhas de regressão linear e cúbica. Diga qual regressão é um ajuste melhor e por quê. (2, 23), (3, 24), (8, 32), (10, 36), (13, 51), (14, 59), (17, 76), (20, 107), (22 , 120), (23, 131), (27, 182) Depois de conectar esses valores no utilitário STAT da minha calculadora, posso fazer uma regressão linear: e uma regressão cúbica: cópia de direitos autorais Elizabeth Stapel 2005-2011 Todos os direitos reservados A linha parece um pouco curvilínea no diagrama de dispersão, por isso é razoável que a linha curvada, o cúbico y 0.000829 x 3 0.23 x 2 ndash 1.09 x 24.60. É um ajuste melhor para os pontos de dados do que o modelo linear linear e 6.03 x ndash 10.64. Uma vez que o valor de correlação é mais próximo de 1 para o cubico e como o gráfico do modelo cúbico está mais próximo dos pontos, a equação cúbica y 0.000829 x 3 0.23 x 2 ndash 1.09 x 24.60 é a melhor regressão. Você não deve esperar, por sinal, sempre obter valores de correlação próximos de quot1quot. Se eles disserem que você encontre, digamos, a equação de regressão linear para um conjunto de dados e o fator de correlação é próximo de zero, isso não significa que você tenha encontrado a equação linear quotwrongquot significa que uma equação linear provavelmente não era um bom modelo para os dados. Um modelo quadrático, por exemplo, pode ter sido melhor. Cite este artigo como: Stapel, Elizabeth. QuotScatterplots e Regressions. quot Purplemath. Disponível a partir de purplemathmodulesscattreg3.htm. Data de acesso Mês 2016