Άτυπα Συγκριτικά Συμπεράσματα Γεγονότα & Φύλλα Εργασίας

Σε αυτό το μάθημα οι μαθητές θα μπορούν να ζωγραφίσουν άτυπα συγκριτικά συμπεράσματα περίπου δύο πληθυσμούς. Θα αξιολογήσουν ανεπίσημα τον βαθμό οπτικής επικάλυψης δύο αριθμητικά δεδομένα κατανομές με παρόμοιες μεταβλητές, μετρώντας τη διαφορά μεταξύ των κέντρων εκφράζοντας την ως πολλαπλάσιο ενός μέτρου μεταβλητότητας. Επιπλέον, θα διευρύνουν τις γνώσεις τους σχετικά με τη χρήση μετρήσεων κέντρου και μετρήσεων μεταβλητότητας για αριθμητικά δεδομένα.



Δείτε το αρχείο γεγονότων παρακάτω για περισσότερες πληροφορίες σχετικά με τα άτυπα συγκριτικά συμπεράσματα ή εναλλακτικά, μπορείτε να πραγματοποιήσετε λήψη του πακέτου φύλλου εργασίας Informal Comparative Inference 33 σελίδων για χρήση στην τάξη ή στο σπίτι.

Βασικά Γεγονότα & Πληροφορίες

ΔΙΑΔΙΚΑΣΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΕΡΕΥΝΑΣ

  • Το στατιστικό συμπέρασμα είναι μια διαδικασία αξιολόγησης της ισχύος των «αποδεικτικών στοιχείων» σχετικά με το εάν ένα σύνολο παρατηρήσεων είναι συμβατό ή όχι με έναν συγκεκριμένο υποθετικό μηχανισμό που θα μπορούσε να έχει δημιουργήσει αυτές τις παρατηρήσεις.

ΑΤΥΠΟΣ ΣΥΜΠΕΡΑΣΜΑΤΙΚΟΣ ΣΥΛΛΟΓΙΣΜΟΣ

  • Σύμφωνα με τους Makar και Rubin (2009), ο άτυπος συμπερασματικός συλλογισμός είναι προγνωστικός συλλογισμός που βασίζεται σε δεδομένα και έχει τα ακόλουθα στοιχεία:
    • Υποβολή δηλώσεων ή αξιολόγηση ισχυρισμών που υπερβαίνουν τα δεδομένα (γενικεύσεις)
    • Ρητή χρήση των δεδομένων ως απόδειξη για γενικεύσεις
    • Κάνοντας δηλώσεις που αρθρώνουν αβεβαιότητα
  • Το «Παρατηρώ…» περιγράφει τι συμβαίνει στα δεδομένα που υπάρχουν (δείγματα).
  • «Αναρωτιέμαι…» διεγείρει σκέψεις για το τι μπορεί να συμβαίνει πίσω στον πληθυσμό.
  • Συγκρίνοντας δύο σύνολα δεδομένων, οι μαθητές θα πρέπει να είναι σε θέση να αναζητούν «επιτακτικά» στοιχεία για να υποστηρίξουν τους ισχυρισμούς τους.

ΜΕΤΡΑ ΚΕΝΤΡΙΚΗΣ ΤΑΣΗ

  • Ένα μέτρο κεντρικής τάσης είναι μια συνοπτική στατιστική που αντιπροσωπεύει το κεντρικό σημείο ή την τυπική τιμή ενός δεδομένου συνόλου δεδομένων.
  • Στις στατιστικές, οι τρεις πιο θεμελιώδεις μετρήσεις της κεντρικής τάσης είναι ο μέσος όρος, ο διάμεσος και ο τρόπος λειτουργίας.
  • ο σημαίνω είναι βασικά ο μέσος όρος του συνόλου δεδομένων.
  • ο διάμεσος είναι η μεσαία τιμή του συνόλου δεδομένων.
  • Παράδειγμα: Βρείτε τη διάμεσο του παρακάτω συνόλου δεδομένων { 5 9 1 3 8 4 }.
  • Αρχικά, τακτοποιήστε το σύνολο δεδομένων σε αύξουσα σειρά.
    • {1 3 4 5 8 9}
  • Λάβετε τη μεσαία τιμή του συνόλου δεδομένων. Εάν υπάρχει ζυγός αριθμός στοιχείων στο σύνολο δεδομένων, τότε η διάμεσος βρίσκεται λαμβάνοντας τον μέσο όρο (μέσο όρο) των δύο πιο μεσαίων αριθμών.
  • Επομένως, η διάμεσος είναι 4,5.
  • ο τρόπος είναι ο πιο συχνός ή ο πιο συχνός αριθμός σε ένα σύνολο δεδομένων.
  • Παράδειγμα: Βρείτε τη λειτουργία του παρακάτω συνόλου δεδομένων { 5 9 1 1 8 4 }.
  • Υπολογίστε πόσες φορές εμφανίζεται κάθε αριθμός στο σύνολο δεδομένων. Ο αριθμός που εμφανίζεται περισσότερο θα χρησιμεύσει ως λειτουργία.
    • 5 = 1
    • 9 = 1
    • 1 = 2
    • 8 = 1
    • 4 = 1
  • Ο πιο επαναλαμβανόμενος αριθμός στο σύνολο δεδομένων είναι 1. Επομένως, η λειτουργία είναι 1.
  • Εάν δεν υπάρχουν επαναλαμβανόμενοι αριθμοί στο σύνολο δεδομένων, τότε δεν υπάρχει λειτουργία.

ΜΕΤΡΑ ΜΕΤΑΒΛΗΤΙΚΟΤΗΤΑΣ

  • Μεταβλητότητα Το , γνωστό και ως εξάπλωση ή διασπορά, αναφέρεται στο πόσο διασκορπισμένο είναι ένα σύνολο δεδομένων. Παρουσιάζει έναν τρόπο να περιγράψετε πόσο ποικίλλουν τα σύνολα δεδομένων και σας επιτρέπει να χρησιμοποιείτε στατιστικά στοιχεία για να συγκρίνετε τα δεδομένα σας με άλλα σύνολα δεδομένων.
  • Υπάρχουν τέσσερις τρόποι για να περιγράψουμε τη μεταβλητότητα:
    • Εύρος
    • Διατεταρτημοριακό εύρος
    • Διαφορά
    • Τυπική απόκλιση
  • ο εύρος είναι η διαφορά μεταξύ της μεγαλύτερης και της μικρότερης τιμής σε ένα σύνολο δεδομένων.
  • Παράδειγμα: Βρείτε το εύρος του παρακάτω συνόλου δεδομένων { 5 9 1 3 8 4 }.
  • Δεδομένου του συνόλου δεδομένων, η υψηλότερη τιμή είναι 9 και η χαμηλότερη τιμή είναι 1. Για να υπολογίσουμε το εύρος, παίρνουμε τη διαφορά μεταξύ της υψηλότερης και της χαμηλότερης τιμής.
  • Η διαφορά μεταξύ 9 και 1 είναι 8. Επομένως, το εύρος είναι 8.
  • ο διατεταρτημοριακό εύρος είναι ένα μέτρο για το πού βρίσκεται το 'μεσαίο πενήντα' σε ένα δεδομένο σύνολο δεδομένων. Είναι ένα μέτρο για το πού μπορεί να βρεθεί το μεγαλύτερο μέρος των τιμών.
  • Παράδειγμα: Βρείτε το IQR του παρακάτω συνόλου δεδομένων { 2, 6, 9, 12, 18, 19, 27, 15, 7, 5, 1 }.
    • Τακτοποιήστε τους αριθμούς σε αύξουσα σειρά
    • Βρείτε τη διάμεσο
    • Τοποθετήστε παρενθέσεις γύρω από τους αριθμούς πάνω και κάτω από τη διάμεσο
    • Βρείτε το Q1 και το Q3
    • Αφαιρέστε το Q1 από το Q3
  • Η διαφορά μεταξύ 18 και 5 είναι 13. Επομένως, το IQR είναι 13.
  • Η διακύμανση ενός συνόλου δεδομένων σάς δίνει μια χονδρική ιδέα για την εξάπλωση των δεδομένων σας. Είναι ο μέσος όρος των τετράγωνων διαφορών από τον μέσο όρο.
  • Μια μικρή απόκλιση υποδηλώνει ότι το σύνολο δεδομένων σας είναι στενά ομαδοποιημένο και μια μεγάλη διακύμανση σημαίνει ότι οι τιμές είναι πιο διασκορπισμένες μεταξύ τους.
  • Εσείς και οι φίλοι σας μετρήσατε τα ύψη των σκύλων σας (σε mm). Βρείτε τον μέσο όρο και τη διακύμανση.
  • ο τυπική απόκλιση σας λέει πόσο στενά συγκεντρώνονται τα δεδομένα σας γύρω από τη μέση τιμή. Είναι η τετραγωνική ρίζα της διακύμανσης.
  • Χρησιμοποιώντας την τυπική απόκλιση, έχουμε έναν «κανονικό» τρόπο να προσδιορίσουμε τι είναι φυσιολογικό και τι είναι πολύ μεγάλο ή πολύ μικρό.
  • Επομένως, με βάση το παράδειγμα, τα ροτβάιλερ είναι ψηλά σκυλιά και τα ντάξχουντ είναι λίγο κοντοί, σωστά;

ΣΥΓΚΡΙΣΗ ΔΥΟ ΠΛΗΘΥΣΜΩΝ

  • Η σύγκριση δύο συνόλων δεδομένων είναι μια νέα έννοια για τους μαθητές, καθώς οικοδομούν την κατανόησή τους για την αναπαράσταση και την ερμηνεία δεδομένων και την εργασία με μέτρα κεντρικής τάσης. Γνωρίζουν ότι:
  • Η κατανόηση των δεδομένων απαιτεί την εξέταση των μετρήσεων της μεταβλητότητας καθώς και του μέσου όρου ή του μέσου όρου
  • Η μεταβλητότητα είναι υπεύθυνη για την επικάλυψη δύο συνόλων δεδομένων και μια αύξηση της μεταβλητότητας μπορεί να αυξήσει την επικάλυψη
  • Η διάμεσος ζευγαρώνεται με το διατεταρτημόριο και ο μέσος όρος με τη μέση απόλυτη απόκλιση
  • Οι κολεγιακές ομάδες ποδοσφαίρου ομαδοποιούνται με παρόμοιες ομάδες σε τμήματα με βάση πολλούς παράγοντες. Όσον αφορά τις εγγραφές και τα έσοδα, τα σχολεία από την υποδιαίρεση του Soccer Bowl (SBS) είναι συνήθως μεγαλύτερα από τα σχολεία άλλων τμημάτων. Αντίθετα, τα σχολεία του Τμήματος III έχουν συνήθως μικρότερους μαθητές και περιορισμένους οικονομικούς πόρους.
  • Γενικά πιστεύεται ότι, κατά μέσο όρο, τα επιθετικά αμυντικά χαφ των σχολείων SBS είναι πιο βαριά από αυτά των σχολείων της Κατηγορίας III.
  • Για τη σεζόν 2012, η ​​ποδοσφαιρική ομάδα του Πανεπιστημίου του Μάουντ Γιούνιον Γιούουν Ρέιντζερς κέρδισε το Εθνικό Πρωτάθλημα Κατηγορίας III και η ποδοσφαιρική ομάδα Green Archers του Πανεπιστημίου της Αλαμπάμα κέρδισε το Εθνικό Πρωτάθλημα SBS. Ακολουθούν τα βάρη του επιθετικού αμυντικού χαφ και για τις δύο ομάδες από εκείνη τη σεζόν. Εμφανίζεται επίσης ένα συνδυασμένο διάγραμμα κουκκίδων και για τις δύο ομάδες.
  • Ακολουθούν μερικά παραδείγματα συμπερασμάτων που μπορούν να εξαχθούν από τα δεδομένα και την γραφική παράσταση με τελείες:
    • Με βάση μια οπτική επιθεώρηση της κουκκίδας, ο μέσος όρος της ομάδας Αλαμπάμα φαίνεται υψηλότερος από τον μέσο όρο της ομάδας Mount Union. Ωστόσο, η συνολική εξάπλωση κάθε κατανομής φαίνεται πανομοιότυπη, επομένως μπορούμε να υποθέσουμε ότι η μεταβλητότητα είναι επίσης παρόμοια.
    • Ο μέσος όρος της Αλαμπάμα είναι 300 λίβρες, με MAD 15,68 λίβρες. Ο μέσος όρος Mount Union είναι 280,88 λίβρες, με MAD 17,99 λίβρες.
    • Κατά μέσο όρο, φαίνεται ότι το βάρος ενός αμυντικού μέσου στην Αλαμπάμα είναι περίπου 20 λίβρες βαρύτερο από αυτό ενός αμυντικού μέσου της Mount Union. Παρατηρούμε επίσης ότι η διαφορά στα μέσα βάρη κάθε ομάδας είναι μεγαλύτερη από 1 MAD για κάθε ομάδα. Αυτό θα μπορούσε να ερμηνευθεί ως λέγοντας ότι για το Mount Union, κατά μέσο όρο, το βάρος ενός αμυντικού μέσου δεν είναι μεγαλύτερο από 1 MAD πάνω από 280,88 λίβρες, ενώ το μέσο βάρος του αμυντικού μέσου της Αλαμπάμα είναι ήδη πάνω από αυτό το ποσό
    • Αν υποθέσουμε ότι οι παίκτες από την Αλαμπάμα αντιπροσωπεύουν ένα τυχαίο δείγμα παικτών από την κατηγορία τους (το SBS) και ότι οι παίκτες της Mount Union αντιπροσωπεύουν ένα τυχαίο δείγμα από την Κατηγορία III, τότε είναι εύλογο ότι, κατά μέσο όρο, τα επιθετικά αμυντικά χαφ από τις σχολές SBS είναι βαρύτερα από τα επιθετικά αμυντικά χαφ από τα σχολεία της κατηγορίας III

Άτυπα Φύλλα Εργασίας Συγκριτικού Συμπεράσματος

Αυτή είναι μια φανταστική δέσμη που περιλαμβάνει όλα όσα πρέπει να γνωρίζετε για το άτυπο συγκριτικό συμπέρασμα σε 33 σελίδες σε βάθος. Αυτά είναι έτοιμα προς χρήση φύλλα εργασίας Informal Comparative Inference που είναι ιδανικά για τη διδασκαλία των μαθητών πώς να συνάγουν άτυπα συγκριτικά συμπεράσματα για δύο πληθυσμούς. Θα αξιολογήσουν ανεπίσημα τον βαθμό οπτικής επικάλυψης δύο κατανομών αριθμητικών δεδομένων με παρόμοιες μεταβλητές, μετρώντας τη διαφορά μεταξύ των κέντρων εκφράζοντας την ως πολλαπλάσιο ενός μέτρου μεταβλητότητας. Επιπλέον, θα διευρύνουν τις γνώσεις τους σχετικά με τη χρήση μετρήσεων κέντρου και μετρήσεων μεταβλητότητας για αριθμητικά δεδομένα.

Πλήρης Λίστα Συμπεριλαμβανόμενων Φύλλων Εργασίας

  • Πλάνο μαθήματος
  • Άτυπο Συγκριτικό Συμπέρασμα
  • Βασικός συλλογισμός
  • Μέτρα Κεντρικής Τάσης
  • Μέτρα Μεταβλητότητας
  • Λείπει ο βαθμός
  • Εγγραφείτε για τι;
  • Προβλήματα δημοσίων σχέσεων
  • Αθλητική Συζήτηση
  • Sports Talk 2.0
  • Δύο κόμικς
  • Δοκίμασε τον εαυτό σου

Σύνδεση/αναφορά αυτής της σελίδας

Εάν αναφέρετε οποιοδήποτε από το περιεχόμενο αυτής της σελίδας στον δικό σας ιστότοπο, χρησιμοποιήστε τον παρακάτω κώδικα για να αναφέρετε αυτήν τη σελίδα ως αρχική πηγή.

Informal Comparative Inference Facts & Sheets: https://kidskonnect.com - KidsKonnect, 1 Αυγούστου 2020

Ο σύνδεσμος θα εμφανιστεί ως Informal Comparative Inference Facts & Sheets: https://kidskonnect.com - KidsKonnect, 1 Αυγούστου 2020

Χρήση με οποιοδήποτε πρόγραμμα σπουδών

Αυτά τα φύλλα εργασίας έχουν σχεδιαστεί ειδικά για χρήση με οποιοδήποτε διεθνές πρόγραμμα σπουδών. Μπορείτε να χρησιμοποιήσετε αυτά τα φύλλα εργασίας ως έχουν ή να τα επεξεργαστείτε χρησιμοποιώντας τις Παρουσιάσεις Google για να τα κάνετε πιο συγκεκριμένα στα δικά σας επίπεδα ικανοτήτων μαθητή και στα πρότυπα του προγράμματος σπουδών.

Μοιράσου Το Με Τους Φίλους Σου: