Презентация, доклад у практическому занятию по информатике Использование различных возможностей электронных таблиц: моделирование статистического прогнозирования

реальных объектов и процессов, используя при этом ИКТ, в том числе при изучении других дисциплин;
владение информационной культурой, способностью анализировать и оценивать информацию с использованием информационно-коммуникационных технологий, средств образовательных и социальных коммуникаций.
 Воспитательные:
вовлечь в активную практическую деятельность
Развивающие:
активизировать познавательную активность при создании регрессивных моделей;
 

информационно-коммуникационных технологий;
 Метапредметные:
умение анализировать и представлять информацию, данную в электронных форматах на компьютере в различных видах;
умение публично представлять результаты собственного исследования, вести дискуссии, доступно и гармонично сочетая содержание и формы представляемой информации средствами информационных и коммуникационных технологий;
 Предметные:
владение способами представления, хранения и обработки данных на компьютере;
владение компьютерными средствами представления и анализа данных в электронных таблицах;
сформированность базовых навыков и умений по соблюдению требований техники безопасности, гигиены и ресурсосбережения при работе со средствами информатизации;

коли­чественных данных.
Статистические данные всегда являются приближенными, усреднен­ными. Поэтому они носят оценочный характер, но верно отражают харак­тер зависимости величин.
И еще одно важное замечание: для достовернос­ти результатов, полученных путем анализа статистических данных, этих данных должно быть много.

входной и один выходной фактор.
Входной фактор характеризует воздействие на исследуемый объект. В технологических процессах машиностроения это могут быть температура, сила, время, геометрические параметры инструмента, характеристики обрабатываемого и инструментального материалов и т. д.
Выходной фактор характеризует реакцию объекта на воздействие входного фактора. Выходные факторы в технологических процессах машиностроения – длина пройденного инструментом пути, величина износа, напряжения, качество обработанной поверхности и т. д.

в различных населенных пунктах какого то региона

экспериментальных данных.
Строить функцию так, чтобы ее график точно проходил через все данные точки, не имеет смысла.
Во-первых, математический вид такой функции может оказаться слишком сложным.
Во-вторых, уже говорилось о том, что экс­периментальные значения являются приближенными.

отражающую зависимость количества хрони­ческих больных Р от концентрации угарного газа С.
На языке математики это называется функцией зависимости Р от С: Р(С).
Вид такой функции неизвестен, ее следует искать методом подбора по экспериментальным данным.

простой для использования ее в даль­нейших вычислениях;
- график этой функции должен проходить вблизи эксперименталь­ных точек так, чтобы отклонения этих точек от графика были ми­нимальны и равномерны.
Полученную функцию, график которой проходит вблизи эксперименталь­ных точек так, что отклонения этих точек от графика ми­нимальны и равномерны, в ста­тистике принято называть регрессионной моделью.

функции;
2 вычисление параметров функции.
Первая задача не имеет строгого решения. Здесь может помочь опыт и интуиция исследователя, а возможен и «слепой» перебор из конечного числа функций и выбор лучшей из них.

в математике полиномом второй степени.
Во всех этих формулах х — аргумент, у — значение функции, а, b, с, d — параметры функции, ln(x) — натуральный логарифм, е — константа, основание натурального логарифма.

функ­ций, то следующим шагом нужно подобрать параметры (а, Ь, с и пр.) так, чтобы функция располагалась как можно ближе к экспериментальным точкам.
Что значит «располагалась как можно ближе»?
Ответить на этот вопрос значит предложить метод вычисления параметров.
Такой метод был предложен в XVIII веке немецким математиком К. Гауссом.
Он назы­вается методом наименьших квадратов (МНК). Суть его заключается в следующем: искомая функция должна быть построена так, чтобы сумма квадратов отклонений y-координат всех экспериментальных точек от y-координат графика функции была минимальной.

про­гноз производится в пределах экспериментальных значений независимой переменной (в нашем случае это концентрация угарного газа С), то это на­зывается восстановлением значения.
2 Прогнозирование за пределами экспериментальных данных называет­ся экстраполяцией.