Chương 5 & 6 Tương Quan Và Hồi Quy

--- Bài mới hơn ---

  • Câu Tường Thuật (Reported Speech) Kèm Bài Tập Có Đáp Án
  • Reported Speech(Ngữ Pháp Và Bài Tập Có Đáp Án)
  • Reported Speech(Ngữ Pháp Và Bài Tập Có Đáp Án) Reportedspeechwithkey Doc
  • Tài Liệu Đề Thi Đáp Án Robot Công Nghiệp
  • Cách Giải Bài Tập Về Ròng Rọc Cực Hay.
  • Published on

    Chương 5 & 6 Tương Quan Và Hồi Quy

    1. 2. Giá trị của biến độc lập X được cho là cố định (không ngẫu nhiên), yếu tố ngẫu nhiên trong giá trị của Y là do sai số ε. ε ~ N (0, σ2 ) (phân phối chuẩn) 2. Phương trình hồi quy tuyến tính mẫu XY βα += Trong đó α, β được xác định theo phương pháp bình phương bé nhất ∑ ∑ = = − − = n i i n i ii XnX YXnYX 1 22 1 β XY βα −= Ví dụ: Một công ty sản xuất hàng điện tử định các tỷ lệ tăng giá sản phẩm khác nhau ứng với 8 khu vực bán hàng, ghi nhận sự thay đổi về doanh số trong năm như sau: Thay đổi về giá cả (%) 6 5 4 7 7 6 10 8 Thay đổi về doanh số (%) 5.1 7.3 7.4 4.6 5.3 5 -1 2.9 Gọi y = a + bx là phương trình hồi quy tuyến tính thể hiện mối liên hệ giữa sự thay đổi về giá cả (x) và thay đổi về doanh số (y). Khu vực bán hàng X Y XY X2 1 6 5.2 36 31.2 2 5 7.3 25 36.5 2
    2. 3. 3 4 7.4 16 29.6 4 7 4.6 49 32.2 5 7 5.3 49 37.1 6 6 5 36 30 7 10 -1 100 -10 8 8 2.9 64 23.2 Tổng 53 36.7 375 209.8 625.6 8 531 1 === ∑= n i iX n X 5875.4 8 7.361 1 === ∑= n i iY n Y 3963.1 875.23 3375.33 )625.6(8375 )5875.4)(625.6(88.209 2 1 22 1 −== − − = − − = ∑ ∑ = = n i i n i ii XnX YXnYX β 8382.13)625.6)(3963.1(5875.4 =−−=−= XY βα Vậy phương trình hồi quy tuyến tính mẫu thể hiện mối liên hệ giữa sự thay đổi giá và sự thay đổi về doanh số là : Y= 13.8382 – 1.3963X 3. Các dạng tương quan Mô hình hồi quy tuyến tính được áp dụng chỉ khi mối tương quan thực giữa 2 biến X và Y là tương quan đường thẳng. Nếu mối tương quan này không tuyến tính, ta phải dùng những mô hình khác. Hệ số xác định (Coefficient of Ditermination) ∑ ∑ ∑ − −= n Y Y e r i i i 2 2 2 2 )( 1 102 ÷=r Hệ số r2 được dùng để đánh giá mức độ phù hợp của mô hình hồi quy đối với những dữ liệu có sẵn. 3
    3. 4. r2 = 1 : 100% điểm quan sát được nằm trên đường hồi quy, không có sai số. Đường hồi quy tyuến tính hoàn toàn phù hợp với những dữ liệu có sẵn. r2 = 0 : không có mối quan hệ tuyến tính giữa X và Y. Hệ số tương quan 2 rr = Gía trị tuyệt đối của hệ số xác định Sự thể hiện 0.90 – 1.00 Tương quan rất cao 0.70 – 0.89 Tương quan cao 0.40 – 0.69 Tương quan trung bình 0.20 – 0.39 Tương quan thấp 0.00 – 0.19 Tương quan rất thấp Lưu ý: * r ở đây chỉ là hệ số tương quan thẳng (tuyến tính), r = 0 nhưng X và Y cũng có thể tương quan chặt chẽ theo cách khác (logarit, luỹ thừa…). 4
    4. 5. * r ∼ 1 nhưng có thể X và Y không có liên hệ gì cả. Ví dụ: số lượng bán xe gắn máy ở Việt Nam trong khoảng thời gian 1985 – 1995 thì tương quan rấy chặt chẽ với số liệu dĩa máy vi tính bán ra trong từng thời kỳ. Thật ra đây là 2 hiện tượng gần như hoàn toàn độc lập. Vì vậy ta cần nghiên cứu sự tương quan về ý nghĩa kinh tế, vật lý,… của nó. III. Mô hình hồi qui bội k biến 1. Phương trình hồi quy tuyến tính giữa biến phụ thuộc Y và các biến độc lập Xi là: εβββα +++++= kk XXXY 2211 Trong đó: kXXX ,, 21 biến độc lập α: thể hiện giá trị ước lượng của y khi giá trị biến kXXX ,, 21 = 0, nghĩa là giá trị của Y không phụ thuộc vào X. iβ , i = 0,…, k: gọi là các hệ số hồi quy riêng, thể hiện mức thay đổi của biến Y khi biến Xi thay đổi một đơn vị, các biến còn lại không đổi. Hay nói cách khác, iβ cho thấy ảnh hưởng của riêng biến Xi đến Y. ε: sai số ngẫu nhiên thể hiện ảnh hưởng của các yếu tố khác đến y. Những tham số hồi quy được tính bằng phương pháp bình phương cực tiểu 5
    5. 8. 9382 = 123α + 1615β1+ 869β2 5040 = 65α + 869β1 + 509β2 Giải hệ phương trình ta được: α = 47.16492 β1 = 1.59904 β2 = 1.148748 2. Bảng phân tích phương sai ANOVA (ANalysis Of VAriance) Bảng phân tích ANOVA trên Excel SUMMARY OUTPUT Regression Statistics Multiple R 0.980326323 R Square 0.961039699 Adjusted R Square 0.949908185 Standard Error 1.910940432 Observations 10 ANOVA df SS MS F Significance F Regression 2 630.5381466 315.2691 86.335035 1.16729E-05 Residual 7 25.56185335 3.651693 Total 9 656.1 Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Intercept 47.16494227 2.470414433 19.09191 2.692E-07 41.32334457 53.00654 X1 1.599040336 0.280963057 5.691283 0.000742 0.934668753 2.2634119 X2 1.148747938 0.30524885 3.763316 0.0070442 0.426949621 1.8705463 8
    6. 10. Chương VI: ỨNG DỤNG MICROSOFT EXCEL TRONG CÔNG TÁC DỰ BÁO Có thể sử dụng các phần mềm thống kê như Excel, SPSS hay các phần mềm chuyên dụng khác. Trong chương trình giảng dạy môn học sẽ sử dụng Excel do tính phổ biến của chương trình này. 1. Moving Average Hình VI.1: Trình bày số liệu sử dụng Moving Average trên Excel 10
    7. 11. Ô Công thức Ghi chú C5 =AVERAGE(B3:B4) Tương tự cho C6:C26 C28 =SUMXMY2(B5:B26;C5:C26)/COUNT(C5:C26) Tính MSE D7 =AVERAGE(B3:B6) Tương tự cho D8:D26 D27 =SUMXMY2(B7:B26;D7:D26)/COUNT(D7:D26 ) Tính MSE Hoặc có thể dùng công cụ Moving Average theo các bước sau: Tools/Data Analysis Chọn Moving Average trong của sổ Data Analysis và chọn OK Hình VI.2: Cửa sổ Data Analysis Chọn dãy số liệu cần dự báo vào hộp thoại Input Range Chọn vị trí xuất dữ liệu cần dự báo tại hộp thoại Output Range Nếu muốn vẽ đồ thị hoặc tính sai số thì chọn Chart Output hoặc Standard Errors. Chọn số chu kỳ muốn dịch chuyển trong hộp thoại Interval. 11
    8. 12. Hình VI.3: Hộp thoại Moving Average Nếu trong đơn lệnh Tools không thấy công cụ Data Analysis, gọi công cụ này bằng cách nhấp lần lượt đơn lệnh Tools và lệnh Add-Ins, sau đó chọn mục Analysis ToolPak rồi nhấp OK. Nều trong đơn lệnh Tools cũng không thấy lệnh Add-Ins, bạn phải chạy chương trình Setup, chọn lệnh Add/Remove … rồi tiếp tục thực hiện các tuỳ chọn trong hộp thoại. 2. Phương pháp bình quân di động có trọng số (Weighted Moving Average) Công thức tính: ntntttt DwDwDwDwF −−−−− ++++= 1322110 … wt: trọng số ở từng thời điểm t, ∑ − = = 1 0 1 n i iw Ô Công thức Ghi chú C4 =$F$2*B3+$F$3*B2 Tương tự cho C5:C25 C27 =SUMXMY2(B4:B25,C4:C25)/COUNT(C4:C25) Tính MSE F5 =SUM(F2:F3) 12
    9. 13. Hình VI.4: Số liệu và cách dùng Excel hỗ trợ thông thường cho Weighted Moving Average Hình VI.5: Cửa sổ Solve Parameters 13
    10. 14. Hộp thoại Set Target Cell: vị trí hàm mục tiêu ($C$27 thể hiện giá trị MSE) Mục tiêu cần đạt Min Hộp thoại By Changing Cells: các giá trị sẽ thay đổi sao cho đạt mục tiêu trên Hộp thoại Subject to the Contraints: các điều kiện ràng buộc. Hình VI.6: Nhập vào điều kiện ràng buộc Hình VI.7: Chọn lựa báo cáo kết quả Khi thực hiện các bước này, chương trình sẽ tự động tìm ra các trọng số sao cho MSE là nhỏ nhất. 3. Mô hình san bằng số mũ (Exponential Smoothing) Ft = Ft-1 + α(Dt-1 – Ft-1) Ô Công thức Ghi chú C2 =B2 F1 = D1 C3 =C2+$F$3*(B2-C2) Tương tự cho 14
    11. 15. C4:C25 C27 =SUMXMY2(B2:B25,C2:C25)/COUNT( C2:C25) Tính MSE Hình VI.8: Số liệu và cách dùng Excel hỗ trợ thông thường cho Exponential Smoothing Dùng công cụ Solve để tìm giá trị α sao cho MSE nhỏ nhất. Hoặc có thể dùng công cụ Exponential Smoothing theo các bước sau: Tools/Data Analysis Chọn Exponential Smoothing trong cửa sổ Data Analysis và chọn OK 15
    12. 16. Hình VI.9: Chọn Exponential Smoothing trong Data Analysis Hình VI.10: Cửa sổ Exponential Smoothing 4. Phân tích hồi quy (Regression) Nhấp lần lượt đơn lệnh Tools và lệnh Data Analysis. Chọn chương trình Regression trong hộp thoại Data Analysis rồi nhấp nút OK. Trong hộp thoại Data Analysis lần lượt ấn định các chi tiết: * Phạm vi của biến số Y (Input Y Range) * Phạm vi của biến số X (Input X Range) * Nhãn dữ liệu (Labels) * Mức tin cậy (Confidence level) 16
    13. 17. * Toạ độ đầu ra (Output Range), * Một số tuỳ chọn khác như đường hồi quy (Line Fit Plots), biểu đồ sai số (Residuals Plots)… Hình VI.11: Cửa sổ Data Analysis Hình VI.12: Cửa sổ Regression SUMMARY OUTPUT Regression Statistics Multiple R 0.984444276 R Square 0.969130533 Adjusted R Square 0.96527185 17
    14. 18. Standard Error 20.42132374 Observations 10 ANOVA df SS MS F Signific F Regression 1 104739.6003 104739.6 251.1558 2.5142 Residual 8 3336.243706 417.0305 Total 9 108075.844 Coefficients Standard Error t Stat P-value Lower Intercept 36.34235294 21.98328259 1.653181 0.136894 -14.351 X Variable 1 5.550294118 0.350222813 15.84789 2.51E-07 4.74267 Bảng phân tích sau khi chạy Regression 5. Thể hiện đồ thị đường hồi quy Hình VI.13: Số liệu và đồ thị đường hồi quy 18

    --- Bài cũ hơn ---

  • Bài Tập Phân Tích Tương Quan Và Hồi Qui
  • Bài Tập Từ Trường Cực Hay
  • #1. Bài Tập Quản Trị Nguồn Nhân Lực Có Lời Giải Dễ Hiểu Nhất
  • Bài Tập Tình Huống Quản Trị Nhân Lực
  • Đề + Đáp Án Bài Tập Quản Lý Sinh Viên (Sql Server)
  • Bài Tập Phân Tích Tương Quan Và Hồi Qui

    --- Bài mới hơn ---

  • Chương 5 & 6 Tương Quan Và Hồi Quy
  • Câu Tường Thuật (Reported Speech) Kèm Bài Tập Có Đáp Án
  • Reported Speech(Ngữ Pháp Và Bài Tập Có Đáp Án)
  • Reported Speech(Ngữ Pháp Và Bài Tập Có Đáp Án) Reportedspeechwithkey Doc
  • Tài Liệu Đề Thi Đáp Án Robot Công Nghiệp
  • CHƯƠNG II PHÂN TÍCH TƯƠNG QUAN VÀ HỒI QUI 2.1. Phân tích tương quan Xét một đại lượng ngẫu nhiên biến thiên X tương ứng với sự biến thiên của đại lượng Y, ta có: Y = X + Ngẫu nhiên có điều kiện Như vậy: Y = f(x) Y = X + Ngẫu nhiên (không có điều kiện) Độc lập Nếu: Y = X + Ngẫu nhiên có điều kiện + Ngẫu nhiên CHƯƠNG IIPHÂN TÍCH TƯƠNG QUAN VÀ HỒI QUI Vậy phải ước lượng dưới dạng tổng quát thống kê và hệ số tương quan là tiêu chí quan trọng. Hệ số tương quan là đại lượng không thứ nguyên: – Đại lượng ngẫu nhiên độc lập r = 0 – Đại lượng ngẫu nhiên có điều kiện càng có thể r = 0 gọi đó là đại lượng không tương quan. CHƯƠNG IIPHÂN TÍCH TƯƠNG QUAN VÀ HỒI QUI Hệ số tương quan đặc trưng cho sự phụ thuộc tuyến tính Tổng quát hệ số tương quan có giá trị trong giới hạn: – 1 0 quan hệ X, Y tồn tại tương quan dương Khi rx,y tp (f) ảnh hưởng của yếu tố thứ j có ý nghĩa với thông số tối ưu hóa yi, hệ số bj được giữ lại. * Nếu tj < tp (f) hệ số bj bị loại khỏi phương trình hồi qui (p – mức ý nghĩa, f – bậc tự do tái hiện) CHƯƠNG IIPHÂN TÍCH TƯƠNG QUAN VÀ HỒI QUI * Kiểm định sự tương thích của phương trình hồi qui: Sự tương thích của phương trình hồi qui được kiểm định theo tiêu chuẩn Fisher Trong đó: – phương sai tương thích – phương sai tái hiện CHƯƠNG IIPHÂN TÍCH TƯƠNG QUAN VÀ HỒI QUI ftt = fdư – fth = n – l l – số hệ số có nghĩa trong phương trình hồi qui. Nếu F tính được nhỏ hơn giá trị tra trong bảng F1-p (f1, f2) với mức ý nghĩa p, f1 = ftt, f2 = fth thì phương trình tương thích với thực nghiệm. CHƯƠNG IIPHÂN TÍCH TƯƠNG QUAN VÀ HỒI QUI CHƯƠNG III MỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM 3.1. Thực nghiệm yếu tố toàn phần: – Những thực nghiệm mà mọi tổ hợp của các mức của các yếu tố đều được thực nghiệm nghiên cứu gọi là thực nghiệm yếu tố toàn phần (TYT). – Có k yếu tố, mỗi yếu tố có n mức số thí nghiệm phải thực hiện là: N = nk CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM – Nếu các thí nghiệm chỉ thực hiện ở hai mức thì N = 2k, hai mức ở giá trị biên của yếu tố được khảo sát. – Nếu chọn thí nghiệm có một tâm đối xứng ta có phương án cấu trúc có tâm. – Xét yếu tố được ký hiệu là Zj ta có: j = 1  k Trong đó: CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM – mức cao – mức thấp – mức cơ sở (tâm của phương án) Biến thiên của yếu tố Zj tính từ mức cơ sở: , j = 1  k – Tiện cho tính toán ta chuyển sang hệ trục không thứ nguyên nhờ chọn tâm của miền là gốc hệ trục tọa độ. , j = 1  k CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM – Từ đó ta có mức trên là +1, mức dưới là -1 ở tâm trùng với góc tọa độ Ví dụ: Nghiên cứu tốc độ phản ứng hóa học của một phản ứng đã cho phụ thuộc vào, nhiệt độ toC nồng độ C, áp suất P. CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM * Xác lập ma trận thực nghiệm: Các biến độc lập được chọn là: – Nhiệt độ Z1 mức cao: 300oC mức thấp 200oC – Nồng độ Z2 mức cao: 45 g/l mức thấp 35 g/l – Áp suất Z3 mức cao: 1,25 at mức thấp 0,75 at CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Phương án thí nghiệm được viết dưới dạng ma trận (TYT) 2 mức thí nghiệm, số biến độc lập k = 3. Số thí nghiệm được thực hiện là: N = 23 = 8 Phương án thí nghiệm và kết quả thí nghiệm được trình bày trên bảng 1 CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM MA TRẬN TYT 23 = 8 CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Để thuận tiện cho nghiên cứu người ta hàm biến ảo xo, xo = 1 Ma trận qui hoạch với biến ảo TYT 23 CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Ma trận qui hoạch đảm bảo tính trực giao. Và * Xác lập phương trình hồi qui Nếu dùng phương trình hồi qui tuyến tính dưới dạng: CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Theo phương pháp tính hệ số trong phương trình hồi qui: Ma trận XTXcó dạng: CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Từ tính chất trên ta có: CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Suy ra: Tính b1 = 34,625, tương tự ta có: b2 = 63,125, b3 = -0,375, bo = 311, 125 CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Ta có mô hình: Y = 311,125 + 34,625×1 + 63,125×2 – 0,375×3 Để xét mô hình đầy đủ hơn Ma trận qui hoạch được mở rộng CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Các hiệu ứng tương tác được xác định tương tự như hiệu ứng tuyến tính. thay số vào Tương tự: b13 = – 8,625, b23 = 67,125 Phương trình hồi qui lúc này có dạng Y = 311,125 + 34,625×1 + 63,125×2 – 0,375×3 – 75,625x1x2 = 8,625x1x3 + 67,125x2x 3 CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM * Kiểm định tính ý nghĩa của các hệ số phương trình hồi qui – Vì ma trận (XTX)-1 là ma trận đường chéo nên các hệ số độc lập với nhau. – Loại bỏ các hệ số không có nghĩa không ảnh hường đến hệ số còn lại. – Các hệ số kiểm định theo tiêu chuẩn Student (t). – Mọi hệ số của phương trình được xác định với độ chính xác. CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM – Do không làm thí nghiệm song song để xác định phương sai tái hiện sth ta tiến hành làm 3 thí nghiệm ở tâm phương án nhận 3 giá trị theo bảng dưới: CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Ý nghĩa của các hệ số được kiểm định theo tiêu chuẩn Student t Ta tính được: t1 = 9,38, t2 = 17,107, t3 = 0,1016, t12 = 20,494 t13 = 2,337 t23 = 18,191 CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Tra bảng tp(f) với p = 0,05, f = 2 f = l – 1 bậc tự do tái hiện l số thí nghiệm song song ở tâm t0,05 (2) = 4,3 Vì t3 < tp(f), t13 < tp(f) Các hệ số b3, b13 bị loại, phương trình lúc này có dạng: CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM * Kiểm định sự tương thích của phương trình hồi qui: Sự tương tích của phương trình hồi qui được kiểm định bằng tiêu chuẩn Fisher. Trong đó: N – số thí nghiệm l – số thí nghiệm ở tâm CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM Thay số Tra bảng F1­p (f1, f2) với p = 0,05 f1 = 3, f2 = 2 f1 – bậc tự do phương sai tương thích f1 = N – l N số thí nghiệm : 8 l hệ số có nghĩa trong phương trình hồi qui: 5 CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM f2 – bậc tự do phương sai tái hiện f2 = N – 1 N – số thí nghiệm song song ở tâm F0,05 (3,2) = 19,2 phương trình hồi qui tương thích với thực nghiệm. CHƯƠNG IIIMỘT SỐ PHƯƠNG PHÁP QUI HOẠCH THỰC NGHIỆM

    --- Bài cũ hơn ---

  • Bài Tập Từ Trường Cực Hay
  • #1. Bài Tập Quản Trị Nguồn Nhân Lực Có Lời Giải Dễ Hiểu Nhất
  • Bài Tập Tình Huống Quản Trị Nhân Lực
  • Đề + Đáp Án Bài Tập Quản Lý Sinh Viên (Sql Server)
  • Bài Tập Quản Trị Tài Chính Có Lời Giải
  • Tổng Quan Về Regression (Phân Tích Hồi Quy)

    --- Bài mới hơn ---

  • Top 30 Lời Tỏ Tình Bằng Tiếng Anh Hay Nhất
  • Khi Dân Toán Phương Trình Hoá Tình Yêu
  • Cách Giải Rubik 3×3 Đơn Giản Cho Người Mới Bắt Đầu
  • Công Cụ Giải Mã Khối Rubik
  • Cách Chơi Rubik 3×3 Dễ Hiểu Nhất Cho Người Mới
  • Bigdatauni.com

    Follow Fanpage

    Contact

    Ở những bài viết trước về các thuật toán cây quyết định, Decision trees hay Classification & Regression trees, chúng tôi đã đề cập đến phương pháp phân tích hồi quy, Regression analysis, cụ thể trong phần cuối cùng về Regression tree, cách sử dụng cây quyết định để dự báo giá trị của biến mục tiêu (là biến định lượng), dựa trên các thuộc tính, đặc điểm nằm ở những biến đầu vào còn lại của các đối tượng dữ liệu. Mô hình cây quyết định sử dụng chính nguyên lý hoạt động của các phương trình hồi quy, đó là tìm ra mối quan hệ giữa những biến độc lập với biến phụ thuộc, giữa những biến đầu vào và biến dự báo, cũng vì vậy nên được gọi là Regression tree.

    Ví dụ được lấy từ tài liệu “Data mining for business analytics – concepts, techniques and applications in R” của tác giả Galit Shmueli và các cộng sự. Bên trên là mô hinh Regression tree dự báo giá của một chiếc xe Toyota dựa trên 3 biến: tuổi đời chiếc xe (Age), trọng lượng (Weight) và mã lực (Horse power – HP),  đã được chọn lọc trong 12 biến có được trong tập dữ liệu về 1000 chiếc xe Toyota Corolla, được lấy ra 600 để làm tập dữ liệu training. Ví dụ với chiếc xe có độ tuổi là 55, mã lực bằng 100 thì có thể bán với giá 9358$.

    Các bạn có thể thấy mối quan hệ giữa độ tuổi với giá trị của chiếc xe, tức độ tuổi cao hay thấp sẽ có tác động nhất định với giá trị của chiếc xe, tương tự như mã lực cao hay thấp, tuy nhiên tác động của độ tuổi, và mã lực đến giá xe, tác động nào mạnh hơn, lớn hơn? Dựa trên mô hình cây quyết định chúng ta khó có thể xác định được. Cũng chính vì thế, để diễn giải kết quả phân tích hồi quy, hoặc mô tả mối quan hệ theo cách định lượng hóa, thì mô hình cây quyết định thường không được phổ biến hay ưu tiên áp dụng, mà thay vào đó là sử dụng những phương trình hay mô hình hồi quy bao gồm các công thức định lượng mối quan hệ giữa các biến, các phương pháp kiểm định để chắc chắn các biến có mối liên hệ, và kết hợp với những đồ thị trực quan.

    Phần 2 bài viết, chúng ta sẽ tìm hiểu về cách thức xác định mối quan hệ giữa 2 biến đơn giản bất kỳ, sử dụng Correlation và Regression (dạng đầu tiên Simple linear regression).

    Correlation và Regression là gì?

    Có lẽ sẽ có bạn thắc mắc tại sao trọng tâm bài viết là về Regression nhưng chúng tôi lại đề cập về phương pháp phân tích sự tương quan, Correlation, đầu tiên. Đơn giản, chúng ta có thể xác định biến mục tiêu và biến độc lập có quan hệ với nhau hay không và quan hệ như thế nào về mặt định lượng chỉ bằng phương pháp hồi quy. Tuy nhiên trong những trường hợp chúng ta muốn tìm hiểu nhanh liệu 2 biến bất kỳ có quan hệ với nhau, mức độ quan hệ ra sao hay không mà chưa cần dùng đến phương pháp hồi quy phức tạp hay muốn kiểm chứng từ phương trình hồi quy lần nữa xem 2 biến có quan hệ với nhau không, thì phương pháp phân tích tương quan sẽ cho chúng ta kết quả nhanh chóng. Qua các giải thích trên chắc các bạn đã phần nào hiểu được phân tích tương quan là gì.

    Correlation là phương pháp nghiên cứu mối quan hệ tuyến tính giữa 2 hay nhiều biến khác nhau, dựa trên đo lường mức độ quan hệ, hay cường độ quan hệ tuyến tính.

    Điểm khác biệt thứ nhất giữa tương quan và hồi quy mà chúng tôi trình bày trong bài viết này, đó là Correlation không quan tâm biến nào sẽ là biến độc lập và biến nào sẽ là biến phục thuộc, các biến ở vị thế “ngang nhau”, tức biến này có thể tác động lên biến kia và ngược lại, còn Regression chỉ quan tâm đến biến mục tiêu, tìm hiểu xem các biến khác sẽ tác động ra sao lên biến mục tiêu này.

    Correlation sử dụng hệ số tương quan (Correlation Coefficient) và phương pháp kiểm định hệ số tương quan để xem xét giữa các biến có mối quan hệ tương quan hay nhau. Lưu ý lần nữa, tương quan theo nghĩa tiếng Việt đơn giản là tác động qua lại giữa hai phía, nghĩa là phương pháp này có thể xem xét mối liên hệ theo 2 chiều, còn Regression thì thể hiện khía cạnh 1 chiều (biến độc lập tác động thế nào đến biến mục tiêu chứ không xét ngược lại).

    Regression là phương pháp nghiên cứu mối quan hệ giữa 2 biến mà cụ thể một biến sẽ là biến độc lập (ảnh hưởng đến biến mục tiêu), và biến còn lại sẽ là biến mục tiêu (bị ảnh hưởng bởi biến độc lập), mô hình hóa, định lượng hóa mối quan hệ này để qua đó có thể xác định được giá trị của biến mục tiêu nếu các biến độc lập thay đổi như thế nào.

    Điểm khác biệt thứ hai, có thể là khác biệt lớn nhất đó chính là kết quả của phân tích hồi quy, chính là kết quả dự báo của biến mục tiêu. Đây là cơ sở để Regression còn là phương pháp chính trong Predictive analytics (phân tích dự báo) bên cạnh là kiến thức nền tảng trong lĩnh vực thống kê (Statistics) và khai phá dữ liệu (Data mining). Còn kết quả của Correlation chỉ dừng lại ở việc đánh giá có mối quan hệ giữa 2 biến hay không, đo lường chiều hướng và tính bền vững trong mối quan hệ này. Cụ thể hệ số tương quan của Correlation sẽ nằm từ -1 đến 1:

    Giải thích một chút về từ quan hệ tuyến tính (linear relationship), như các bạn đã từng được học ở các lớp phổ thông hay trung học về đồ thị hàm số, cho các giá trị của x và các giá trị y tương ứng, nhiệm vụ là tìm phương trình và vẽ đồ thị. Nếu phương trình mà các bạn lập được thành công, và đồ thị các bạn vẽ được là một đường thẳng thì lúc này các bạn đã chứng minh giữa x và y đã có mối quan hệ tuyến tính (chưa xét đến nghịch hay thuận).

    Nhưng đó chỉ là bài toán rất đơn giản để chúng ta hiểu thế nào là mối quan hệ tuyến tính giữa x và y. Trong thực tế, khi tìm hiểu về mối quan hệ giữa 2 hay nhiều đối tượng, hiện tượng nghiên cứu khác nhau ở mọi lĩnh vực và đảm bảo kết quả chính xác thì dữ liệu cần phân tích là rất nhiều, do đó các công thức tính toán như trước đây chúng ta từng được học sẽ không thể nào áp dụng. Lúc này phương pháp Correlation và Regression sẽ cực kỳ hữu dụng. Giả sử chúng ta có một tập dữ liệu gồm nhiều giá trị x, và tương ứng với mỗi giá trị x là một giá trị, chúng ta sẽ có các điểm dữ liệu gọi là Mi (xi, yi), nếu các điểm dữ liệu này nằm trên cùng một đường thẳng chứng tỏ x và y có quan hệ tuyến tính và ngược lại.

    Giá trị x tăng thì y tăng theo, lúc này x và y có quan hệ tuyến tính thuận, hệ số tương quan sẽ lớn hơn 0 nhưng chưa chắc tiến gần 1, chưa có cơ sở khẳng định mối quan hệ này vững chắc.

    Hình trên thì x và y không thể hiện mối quan hệ tuyến tính, lúc này hệ số tượng quan có thể gần giá trị 0.

    Giá trị x giảm, giá trị y lại tăng, x và y thể hiện mối quan hệ tuyến tính nghịch, lúc này hệ số tương quan sẽ mang giá trị âm và nhỏ hơn 0, nhưng chưa chắn tiến gần giá trị -1 và không có cơ sở khẳng định  mối quan hệ này là bền vững.

    Giá trị x tăng, y chắc chắn sẽ tăng, lúc này x và y thể hiện mối quan hệ tuyến tính thuận và cực kỳ bền vững và hoàn hảo, lúc này giá trị của hệ số tương quan có thể bằng 1.

    Giá trị của x giảm, và y chắc chắn tăng, lúc này giữa x và y thể hiện mối quan hệ tuyến tính nghịch, và mối quan hệ này bền vững, giá trị của hệ số tương quan sẽ bằng -1. Công thức của hệ số tương quan tổng quát như sau:

    Với Sxy là hiệp phương sai (Covariance) của x và y, Sx là độ lệch chuẩn của các giá trị x, Sy là độ lệch chuẩn của các giá trị y. Hiệp phương sai của x và y cũng là một chỉ số thể hiện sự tương quan của 2 biến bất kỳ. Bên cạnh việc tính toán hệ số tương quan, chúng ta còn có thể sử dụng phương pháp kiểm định giả thuyết t để củng cố kết luận của mình. Lưu ý công thức ở trên áp dụng cho xác định mối quan hệ giữa x và y cho bộ dữ liệu mẫu (Sample) không phải dữ liệu tổng thể.

    Ở bài viết sắp tới về cách phân tích mối quan hệ giữa 2 biến bất kỳ, chúng tôi sẽ trình bày lại Correlation trong ví dụ cụ thể, tương tự như dạng đầu tiên của Regression là Simple linear regression. Còn ở phần 1 kỳ này chúng tôi chỉ dừng lại ở phần giới thiệu mà thôi.

    Correlation và Regression là 2 phương pháp thường song hành nhau trong lĩnh vực thống kê. Ví dụ như nếu chỉ sử dụng Correlation, và nhìn vào biểu đồ hay giá trị của hệ số tương quan chúng ta sẽ thấy được mối quan hệ tuyến tính giữa x và y chỉ trong dữ liệu lịch sử, vậy muốn lập phương trình, muốn đưa ra dự báo về giá trị y khi trong tương lai giá trị x thay đổi một lượng bất kỳ, thì chúng ta phải sử dụng phương pháp Regression. Đối với dạng tuyến tính cho 2 biến, thì chúng ta có phương trình hồi quy tổng quát, và đơn giản nhất của Regression như sau:

    Với y là biến phụ thuộc (chịu ảnh hưởng của biến x), là biến chúng ta sẽ dự báo giá trị, x là biến độc lập (biến tác động lên biến phụ thuộc), β0 là giá trị ước lượng của y khi x đạt giá trị 0, β1 là độ dốc của đường hồi quy tuyến tính, nói cách khác là mức độ thay đổi của y khi x thay đổi 1 đơn vị, ε là sai số, thể hiện giá trị của các yếu tố khác không thể nghiên cứu hết và các yếu tố này vẫn tác động lên giá trị của y.

    Cách xác định các tham số sẽ được chúng tôi trình bày ở bài viết sắp tới. Tuy nhiên trong thực tế chúng ta không chỉ có nghiên cứu mối quan hệ giữa 2 biến độc lập và biến phụ thuộc, mà còn nghiên cứu mối quan hệ của nhiều biến độc lập và biến phụ thuộc, và không chỉ có mối quan hệ tuyến tính mà còn nhiều mối quan hệ phức tạp hơn giữa các biến mà chúng ta phải khai phá. Chính vì thế chúng ta có nhiều phương trình hồi quy và nhiều đồ thị trực quan thể hiện các phương trình từ đơn giản đến phức tạp khác nhau. Do đó mặc dù là kiến thức nền tảng và xuất hiện đầu tiên trong lĩnh vực thống kê (Statistics) nhưng Regression với nhiều dạng khác nhau, được ứng dụng nhiều trong các lĩnh vực khác nhau không chỉ riêng ở lĩnh vực khoa học dữ liệu.

    Các dạng, các loại mô hình (phương trình) hồi quy phổ biến

    Các mô hình hồi quy có thể được phân loại theo nhiều cách như các mô hình tuyến tính (linear) và phi tuyến tính (non-linear); các mô hình áp dụng cho biến định lượng và các mô hình áp dụng cho biến định tính; các mô hình áp dụng cho phân tích mối quan hệ giữa 2 biến hay nhiều hơn 2 biến; các mô hình có tham số và không có tham số; các mô hình cổ điển và hiện đại (những mô hình mở rộng).

    • Linear Regression

    Simple linear regression, đây được xem là mô hình hồi quy đơn bội, đơn giản nhất và phổ biến nhất, chỉ nghiên cứu mối quan hệ tuyến tính giữa một biến độc lập và biến phụ thuộc, áp dụng cho biến định lượng, và đồ thị là dạng đường thẳng

    Phương trình tổng quát:

    Đồ thị minh họa

    Multiple regression (Multi linear regression), mô hình hồi quy đa bội áp dụng cho nghiên cứu mối quan hệ của nhiều biến độc lập và một biến phụ thuộc, áp dụng cho biến định lượng. Phương trình tổng quát:

     Đồ thị minh họa (nguồn hình Analyticsvidhya post – Medium)

    • Logistic Regression

    Mô hình hồi quy Logit áp dụng cho biến phụ thuộc là biến định đính hoặc định lượng chỉ có 2 giá trị, hay còn gọi là biến thay phiên (Binary) ví dụ y chỉ có 2 giá trị là 0 và 1, có hoặc không,… Phương trình tổng quát: Logistic Regression cho đơn biến

    Logistic Regression cho mô hình đa biến

    (Nguồn hình: En.wikipedia)

    • Polynominal Regression

    Mô hình hồi quy Polynominal áp dụng cho các trường hợp mà biến độc lập x có bậc mũ lớn hơn 1, và y là biến định lượng. Phương trình tổng quát:

    Đồ thị của mô hình hồi quy này không phải đường thẳng, và là một đường cong, do đó đây không phải dạng hồi quy tuyến tính.

    Đồ thị minh họa:

    (Nguồn hình towardsdatascience )

    • Quantile Regression

    Là dạng mô hình hồi quy mở rộng của hồi quy tuyến tính – Linear regression, tìm hiểu mối quan hệ tuyến tuyến giữa biến độc lập và biến phụ thuộc trong trường hợp bộ dữ liệu có các giá trị ngoại lệ (outliers), độ lệch/ chệch cao của phân phối dữ liệu (high skewness), mức độ không đồng nhất của dữ liệu. Mô hình dựa trên xem xét phân phối tổng thể của dữ liệu, không chỉ sử dụng mỗi giá trị trung bình để tính toán, xây dựng công thức như trong linear regression.

    Quantile chính là phân vị trong lĩnh vực thống kê, là phương pháp xác định với n % bất kỳ của bộ dữ liệu thì phân phối các giá trị của dữ liệu trong n % là như thế nào (các giá trị đãđược sắp xếp từ nhỏ đến lớn) để đánh giá độ phân tán của dữ liệu, và tại phân vị thứ n này giá trị đạt được của biến là bao nhiêu. Phương trình tổng quát của Quantile Regression tương tự như Linear regression, và y biến định lượng liên tục (Continuous varibale), tuy nhiên Quantile Regression hướng đến giảm thiểu sai số của mô hình với công thức tổng quát như sau: Phương trình tổng quát:

    Công thức tính sai số có trọng số theo mô hình hồi quy

    Với τ là phân vị cần xét của tập dữ liệu.

    Đồ thị minh họa:

    • Ridge Regression (Shrinkage regression)

    Mô hình Ridge Regression là phương pháp áp dụng khi bộ dữ liệu gặp vấn đề về đa cộng tuyến (các biến độc lập x có mối liên hệ với nhau, và ảnh hưởng lên kết quả dự báo của y), hay giải quyết các vấn đề về Overfitting (mô hình áp dụng tốt cho dữ liệu training nhưng không không hoạt động tốt trên dữ liệu test) mà mô hình hồi quy tuyến tính thông thường gặp phải. Phương trình tổng quát của linear regression cho đơn biến và đa biến các bạn có thể để ý sẽ thấy giá trị ε ở đằng sau mỗi phương trình.

    Đậy là sai số của các phương trình hồi quy, là chênh lệch giữa kết quả dự báo và kết quả thực tế. Các sai số được chia thành 2 phần: Biased (thiên vị), Variance (phương sai). Biased là trường hợp mô hình phân tích không khớp, không đem lại kết quả chính xác trên tập dữ liệu training, còn Variance là đối với dữ liệu test. Mối quan hệ đánh đổi giữa Biased và Variance xét trên mức độ phức tạp của mô hình, chúng tôi sẽ đề cập vấn đề này trong chính bài viết về Ridge regression sắp tới.

    Nguồn hình chúng tôi

    Ridge Regression là mô hình hồi quy phân tích mối quan hệ giữa các biến độc lập và biến phụ thuộc sử dụng phương pháp Regularization, điều chỉnh mô hình sao cho giảm thiểu các vấn đề Overfitting, tối ưu hay kiểm soát mức độ phức tạp của mô hình để cân đối giữa Biased và Variance qua đó giảm sai số của mô hình. Công thức tổng quát của mô hình:

    Hệ số lambda còn gọi là tham số Regularization, hay tham số Penalty, hay tham số Shrinkage, là số luôn dương, là giá trị mà ở đó phương trình tuyến tính sẽ được “tinh chỉnh” sao cho sai số của mô hình được giảm tối đa, nghĩa là giá trị lambda nào mà mô hình đạt MSE (Mean Square Error) sẽ được chọn, wj là hệ số β của phương trình hồi quy tuyến tính.

    Cách triển khai công thức như thế nào, áp dụng phương pháp Regularization chúng tôi sẽ trình bày lại ở bài viết về Ridge Regression. Đồ thị minh họa:

    Nguồn hình: stats.stackexchange.com

    • Lasso Regression

    Lasso viết tắt của Least Absolute Shrinkage and Selection Operator, là phương pháp gần giống với Ridge Regression, cũng hạn chế sự khác biệt, chênh lệch giữa kết quả dự báo và kết quả thực tế của mô hình hồi quy tuyến tính, gia tặng độ chính xác của mô hình.

    Công thức tổng quát của Lasso Regression khác một chút ở phía cuối công thức, thay vì bình phương wj, hay chính là hệ số β như Ridge Regression, thì ở đây công thức Lasso lấy trị tuyệt đối.

    • Elastic Net Regression

    Là mô hình hồi quy kết hợp mô hình Lasso và Ridge để xây dựng mô hình hồi quy xử lý vấn đề các biến độc lập x có mối quan hệ tương quan với nhau dẫn đến kết quả dự báo cho biến phụ thuộc y bị ảnh hưởng. Công thức tổng quát:

    • Poisson Regression

    Mô hình hồi quy Poisson áp dụng cho trường hợp biến phụ thuộc, biến y mang giá trị là các số đếm, tức biến định lượng dạng rời rạc có thể đếm được, ví dụ 0, 1, 2, 3, 4. Để áp dụng mô hình hồi quy Poisson thì giá trị của biến y phải có phân phối Poisson, và là số nguyên dương.

    Công thức phân phối Poisson của một giá trị x bất kỳ

    Với e là hằng số Nepe gần bằng 2.71828 µ là E(x) và là trung bình của x được tính bằng n*p, ở một số tài liệu thống kê khác µ chính là λ Giá trị kỳ vọng E(x) = µ = λ, phương sai Var (x) = λ = µ. Chúng ta áp dụng cho giá trị y thì được, P là xác suất của một giá trị y = k bất kỳ

    Ghép vào mô hình hồi quy với hệ số β và từng biến xi để xác định giá trị kỳ vọng cho từng giá trị của biến y. Phương trình tổng quát

    • Cox Regression

    Mô hình hồi quy Cox áp dụng cho loại dữ liệu theo thời gian, được dùng trong phân tích sống sót “Survival analysis” ví dụ như phân tích rủi ro khách hàng rời dịch vụ theo thời gian, thời gian bệnh nhân tính từ lúc bệnh nhân bắt đầu điều trị ung thư cho đến khi qua đời,…Tức y lúc này có thể chỉ mang 2 giá trị “còn” và “không”, “sống” và “chết”, “đã rời dịch vụ” và “chưa rời dịch vụ”. Mô hình tổng quát của Cox regression sẽ có dạng:

    Đồ thị minh họa:

    (nguồn hình: chúng tôi

    Về chúng tôi, công ty BigDataUni với chuyên môn và kinh nghiệm trong lĩnh vực khai thác dữ liệu sẵn sàng hỗ trợ các công ty đối tác trong việc xây dựng và quản lý hệ thống dữ liệu một cách hợp lý, tối ưu nhất để hỗ trợ cho việc phân tích, khai thác dữ liệu và đưa ra các giải pháp. Các dịch vụ của chúng tôi bao gồm “Tư vấn và xây dựng hệ thống dữ liệu”, “Khai thác dữ liệu dựa trên các mô hình thuật toán”, “Xây dựng các chiến lược phát triển thị trường, chiến lược cạnh tranh”.

    --- Bài cũ hơn ---

  • Luyện Tập Đệ Quy (Phần 1)
  • Độ Phức Tạp Tính Toán
  • Phương Pháp Quy Nạp Toán Học
  • Giải Hệ Phương Trình Bằng Phương Pháp Cộng Đại Số Và Bài Tập Vận Dụng
  • Các Dạng Bài Tập Giải Phương Trình Bậc 2 Số Phức
  • Phân Tích Và Đọc Kết Quả Hồi Quy Đa Biến Trong Spss

    --- Bài mới hơn ---

  • Giải Bài Toán Yêu Nhau Cau Sáu Bổ Ba
  • Bí Kíp Giải Rubik Cực Chuẩn Chỉ Trong ‘nháy Mắt’
  • Chỉ Cần 20 Bước Là Giải Được Bất Kỳ Khối Rubik Nào, Nhưng Mất 36 Năm Nghiên Cứu Ta Mới Tìm Ra Con Số 20 ‘thần Thánh’
  • Giải Toán 11 Bài 3. Một Số Phương Trình Lượng Giác Thường Gặp
  • Phương Trình Vi Phân Tuyến Tính Cấp 1, Bernoulli, Ricatti
  • Adjusted R Square hay còn gọi là R bình phương hiệu chỉnh, nó phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Cụ thể trong trường hợp này, 6 biến độc lập đưa vào ảnh hưởng 67.2% sự thay đổi của biến phụ thuộc, còn lại 32.8% là do các biến ngoài mô hình và sai số ngẫu nhiên .

    Xây dựng xong một mô hình hồi quy đa biến, vấn đề quan tâm đầu tiên của bạn phải là xem xét độ phù hợp của mô hình đối với tập dữ liệu qua giá trị Adjusted R Square (hoặc R Square) như đã trình bày ở mục 1. Nhưng cần nhớ rằng, sự phù hợp này mới chỉ thể hiện giữa mô hình bạn xây dựng được với tập dữ liệu là MẪU NGHIÊN CỨU.

    Tổng thể rất lớn, chúng ta không thể khảo sát hết toàn bộ, nên thường trong nghiên cứu, chúng ta chỉ chọn ra một lượng mẫu giới hạn để tiến hành điều tra, từ đó suy ra tính chất chung của tổng thể. Mục đích của kiểm định F trong bảng ANOVA chính là để kiểm tra xem mô hình hồi quy tuyến tính này có suy rộng và áp dụng được cho tổng thể hay không.

    Cụ thể trong trường hợp này, giá trị sig của kiểm định F là 0.000 < 0.05. Như vậy, mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể .

    3. Bảng Coefficients

    Đầu tiên là giá trị Sig kiểm định t từng biến độc lập, sig nhỏ hơn hoặc bằng 0.05 có nghĩa là biến đó có ý nghĩa trong mô hình, ngược lại sig lớn hơn 0.05, biến độc lập đó cần được loại bỏ.

    Tiếp theo là hệ số hồi quy chuẩn hóa Beta, trong tất cả các hệ số hồi quy, biến độc lập nào có Beta lớn nhất thì biến đó ảnh hưởng nhiều nhất đến sự thay đổi của biến phụ thuộc. Do đó khi đề xuất giải pháp, các bạn nên chú trọng nhiều vào các nhân tố có Beta lớn. Nếu hệ số Beta âm nghĩa là biến đó tác động nghịch, hệ số Beta dương, biến đó tác động thuận. Khi so sánh thứ tự độ lớn, chúng ta xét giá trị tuyệt đối của hệ số Beta.

    Cuối cùng là VIF, giá trị này dùng để kiểm tra hiện tượng đa cộng tuyến. Theo lý thuyết nhiều tài liệu viết, VIF < 10 sẽ không có hiện tượng đa cộng tuyến. Tuy nhiên trên thực tế với các đề tài nghiên cứu có mô hình + bảng câu hỏi sử dụng thang đo Likert thì VIF < 2 sẽ không có đa cộng tuyến, trường hợp hệ số này lớn hơn hoặc bằng 2, khả năng cao đang có sự đa cộng tuyến giữa các biến độc lập. Để hiểu rõ hơn về nguyên nhân, dấu hiệu nhận biết và giải pháp khắc phục đa cộng tuyến, các bạn có thể xem qua bài viết: Đa cộng tuyến: Nguyên nhân, dấu hiệu nhận biết và cách khắc phục.

    Với dữ liệu mình đang chạy, như các bạn thấy sig hệ số hồi quy của các biến độc lập đều nhỏ hơn hoặc bằng 0.05, do đó các biến độc lập này đều có ý nghĩa giải thích cho biến phụ thuộc, không biến nào bị loại bỏ. Hệ số VIF nhỏ hơn 2 do vậy không có đa cộng tuyến xảy ra .

    Riêng cột Tolerance, các bạn sẽ thấy một số bài nghiên cứu, tài liệu sử dụng hệ số này để kiểm tra đa cộng tuyến. Nhưng ở đây mình không dùng, bởi vì hệ số này là nghịch đảo của VIF, nên các bạn có thể sử dụng 1 trong 2, cái nào cũng được, thường mọi người hay dùng VIF hơn.

    Như vậy phương trình hồi quy chuẩn hóa sẽ là:

    F_YD = 0.317*F_NT + 0.414*F_NTi + 0.351 *F_KSD

    + 0.251*F_DM + 0.365*F_KST + 0.242*F_GT

    4. Biểu đồ tần số phần dư chuẩn hóa Histogram

    Từ biểu đồ ta thấy được, một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn là 0.976 gần bằng 1, như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng: Giả thiết phân phối chuẩn của phần dư không bị vi phạm.

    5. Biểu đồ phần dư chuẩn hóa Normal P-P Plot

    Như mình đã đề cập ở mục 4, ngoài cách kiểm tra bằng biểu đồ Histogram, thì P-P Plot cũng là một dạng biểu đồ được sử dụng phổ biến giúp nhận diện sự vi phạm giả định phần dư chuẩn hóa.

    Với P-P Plot (hoặc bạn có thể dùng Q-Q Plot, 2 đồ thị này không khác nhau nhiều), các điểm phân vị trong phân phối của phần dư sẽ tập trung thành một đường chéo nếu phần dư có phân phối chuẩn. Hay nói một cách đơn giản, dễ hiểu, các bạn nhìn vào đồ thị này, các chấm tròn tập trung thành dạng một đường chéo thì sẽ không vi phạm giả định hồi quy về phân phối chuẩn phần dư.

    Cụ thể với dữ liệu mình đang sử dụng, các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo, như vậy, giả định phân phối chuẩn của phần dư không bị vi phạm .

    6. Biểu đồ Scatter Plot kiểm tra giả định liên hệ tuyến tính

    Biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem, dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không. Trong bài viết này, mình biểu diễn giá trị phần dư chuẩn hóa (Standardized Residual) ở trục hoànhgiá trị dự đoán chuẩn hóa (Predicted Value) ở trục tung. Các bạn phải thực sự chú ý chỗ này, bởi vì có nhiều tài liệu, sách biểu diễn ngược lại với mình nên khi nhận xét sẽ có vài điểm thay đổi giữa mỗi tác giả khác nhau.

    Kết quả đồ thị xuất ra, các điểm phân bố của phần dư nếu có các dạng: đồ thị Parabol, đồ thị Cubic,.. hay các dạng đồ thị khác không phải đường thẳng thì dữ liệu của bạn đã vi phạm giả định liên hệ tuyến tính. Nếu giả định quan hệ tuyến tính được thỏa mãn thì phần dư sẽ dao dộng xung quanh đường tung độ 0 và không phân tán đi quá xa.

    Cụ thể với tập dữ liệu mình đang sử dụng, phần dư chuẩn hóa phân bổ tập trung xunh quanh đường tung độ 0, do vậy giả định quan hệ tuyến tính không bị vi phạm .

    Từ khóa: hồi quy trong spss, hồi quy đa biến spss, phân tích hồi quy spss, hồi quy tuyến tính bội spss, đọc kết quả hồi quy spss, cách chạy hồi quy bội spss

    --- Bài cũ hơn ---

  • Giáo Án Đại Số 10 Nâng Cao: Một Số Phương Trình Và Bất Phương Trình Quy Về Bậc Hai
  • Chương Iv. §8. Một Số Phương Trình Và Bất Phương Trình Quy Về Bậc Hai
  • Giải Thuật Và Lập Trình: §1. Công Thức Truy Hồi
  • Giải Thuật Và Lập Trình: §3. Đệ Quy Và Giải Thuật Đệ Quy
  • Phân Tích Các Chương Trình Đệ Quy
  • Bài Tập Quy Tắc Đếm Lớp 11 Có Lời Giải

    --- Bài mới hơn ---

  • Cách Giải Bài Tập Xác Suất Nâng Cao, Cực Hay Có Lời Giải
  • Đề Thi Học Sinh Giỏi Lớp 8 Có Đáp Án
  • Giải Toán Lớp 5 Trang 100, Luyện Tập, Giải Bài 1, 2, 3 Sgk
  • Giải Toán Lớp 5 Trang 99 Sgk, Giải Bài Tập 1, 2, 3, 4
  • Giải Toán Lớp 5 Trang 100, 101, Luyện Tập Chung, Giải Bài 1, 2, 3, 4
  • Bài viết sau đây ôn tập cho các bạn về quy tắc đếm lớp 11. Sau đó là phần bài tập về quy tắc đếm lớp 11 có lời giải chi tiết và phân dạng theo phương pháp giải.

    I. ÔN TẬP LÝ THUYẾT QUY TẮC ĐẾM

    Giả sử một công việc V có thể được thực hiện theo phương án A hoặc phương án B. Có m cách thực hiện theo phương án A và có n cách thực hiện theo phương án B, không có cách thực hiện nào của phương án A trùng với cách thực hiện của phương án B. Khi đó có m+n cách thực hiện công việc V.

    Giả sử một công việc V có thể được thực hiện theo một trong k phương án A(1), A(2),…,A(k). Có n(1) cách thực hiện theo phương án A(1), có n(2) cách thực hiện theo phương án A(2),…có n(k) cách thực hiện theo phương án A(k), không có cách thực hiện nào của các phương án trùng nhau. Khi đó có n(1)+n(2)+…+n(k) cách thực hiện công việc V.

    Cho A và B là hai tập hợp hữu hạn. Khi đó n(A∪B)=n(A)+n(B)-n(A∩B). Đặc biệt nếu A∩B=∅ thì n(A∪B)=n(A)+n(B).

    Giả sử một công việc V được thực hiện qua hai công đoạn liên tiếp A và B. Có m cách thực hiện công đoạn A. Với mỗi cách thực hiện công đoạn A lại có n cách thực hiện công đoạn B. Khi đó có m.n cách thực hiện công việc V.

    Giả sử một công việc V được thực hiện qua k công đoạn liên tiếp nhau A(1), A(2),…,A(k). Có n(1) cách thực hiện công đoạn A(1), với mỗi cách thực hiện công đoạn A(1) có n(2) cách thực hiện công đoạn A(2),…, với mỗi cách thực hiện công đoạn A(k-1) có n(k) cách thực hiện công đoạn A(k). Khi đó có n(1).n(2)….n(k) cách thực hiện công việc V.

    Khi đó n(AxB)=n(A).n(B).

    II. BÀI TẬP QUY TẮC ĐẾM LỚP 11 CÓ LỜI GIẢI : ĐẾM TRỰC TIẾP

    Để đếm số cách thực hiện một công việc, ta phân chia cách thực hiện công việc đó thành các phương án, trong mỗi phương án lại chia thành các công đoạn. Sau đó sử dụng quy tắc nhân và quy tắc cộng để suy ra số cách thực hiện công việc đó.

    Từ các chữ số 1, 2, 3, 4 có thể lập được bao nhiêu số tự nhiên gồm:

    a.Một chữ số.

    b.Hai chữ số.

    c.Hai chữ số kháu nhau?

    a. Liệt kê được 4 số thỏa mãn.

    b. Gọi số có 2 chữ số cần lập là ab.

    Chữ số a có 4 cách chọn, chữ số b có 4 cách chọn

    Vậy theo quy tắc nhân ta có: 4.4 = 16 (số).

    c. Gọi số có 2 chữ số cần lập là ab.

    Chữ số a có 4 cách chọn, chữ số b có 3 cách chọn.

    Vậy theo quy tắc nhân ta có: 4.3 = 12 (số).

    Có bao nhiêu số nguyên của tập hợp {1; 2;…; 1000} mà chia hết cho 3 hoặc 5?

    Xếp 7 bạn nữ thành hàng ngang có 7.6.5.4.3.2.1=5040 cách xếp.

    Khi đó 7 bạn nữ chia hàng ngang thành 8 khoảng trống.

    Xếp 5 bạn nam vào 8 khoảng trống đó sao cho mỗi khoảng trống xếp nhiều nhất một bạn nam. Số cách xếp 5 bạn nam là: 8.7.6.5.4=6720 cách xếp.

    Theo quy tắc nhân có: 5040x 6720=33868800 cách xếp.

    III. BÀI TẬP QUY TẮC ĐẾM LỚP 11 CÓ LỜI GIẢI : ĐẾM GIÁN TIẾP

    Để đếm số cách thực hiện một công việc nào đó, mà việc đếm trực tiếp phức tạp, người ta có thể sử dụng phương pháp đếm phần bù. Nghĩa là bỏ đi một giả thiết gây ra sự phức tạp. Khi đó giả sử đếm được m cách thực hiện. Trong số cách thực hiện đó ta đếm số cách thực hiện công việc mà không thỏa mãn giả thiết bỏ đi được n cách thực hiện. Suy ra có m-n cách thực hiện công việc đã cho.

    Trong một hộp có 4 viên bi xanh và 6 viên bi đỏ. Có bao nhiêu cách chọn ra 3 viên bi sao cho có ít nhất 1 viên bi đỏ?

    Chọn ngẫu nhiên 3 viên bi bất kỳ có (10.9.8):(3.2.1)=120 cách. Số cách chọn 3 viên màu xanh là 4.3.2=24.

    Vậy số cách thỏa mãn yêu cầu bài toán là 120-24=96 cách.

    Trong mặt phẳng có 5 điểm phân biệt A, B, C, D, E. Hỏi có bao nhiêu véc tơ khác véc tơ không. Có điểm đầu và điểm cuối là các điểm A, B, C, D, E thỏa mãn điểm A không phải là điểm đầu?

    Ta đếm số véc tơ được tạo thành từ 5 điểm là 5.4=20.

    Ta đếm số cách chọn véc tơ được tạo thành từ 5 điểm mà điểm A là điểm đầu có 4 véc tơ.

    Vậy có 20-4=16 véc tơ thỏa mãn.

    Mỗi mật khẩu máy tính gồm 6 ký tự, mỗi ký tự hoặc là một chữ cái hoặc là một chữ số và mặt khẩu phải có ít nhất một chữ số. Hỏi lập được bao nhiêu mật khẩu?

    Mỗi ký tự có 26+10=36 cách chọn. Do đó chuỗi gồm 6 ký tự có 36^6 cách lập.

    Số chuỗi 6 ký tự không có chữ số là 26^6 .

    Vậy có tất cả 36^6-26^6=1867866560 mật khẩu.

    --- Bài cũ hơn ---

  • Chuyên Đề 8 Toán 10
  • Bài 1 Trang 9 Sgk Toán 10 Đại Số
  • Lời Giải Bài 2 Trang 55 Sgk Toán 12 Hay Nhất
  • Bài 1, 2, 3, 4, 5 Trang 132 Sgk Toán 1
  • Giải Toán Lớp 4 Trang 131, 132 Luyện Tập Chung, Đáp Số Bài 1,2,3 Sgk
  • Hướng Dẫn Hồi Quy Mô Hình Probit Trên Stata

    --- Bài mới hơn ---

  • Cambridge Key English Test 2
  • Chú Giải Thần Chú Đại Bi
  • Công Dụng Và Ý Nghĩa Của Những Thần Chú
  • 10 Câu Thần Chú Phật Giáo Phổ Biến
  • #1 Tụng Kinh Cứu Khổ Bạch Y Thần Chú
  • Tìm hiểu về mô hình probit

    Hồi quy probit, còn được gọi là mô hình probit, được sử dụng để mô hình các biến kết cục nhị phân hoặc nhị phân. Trong mô hình probit, phân phối chuẩn của nghịch đảo xác suất được mô hình hóa như một tổ hợp tuyến tính của các yếu tố dự đoán.

    Xin lưu ý: Mục đích của trang này là hiển thị cách sử dụng các lệnh phân tích dữ liệu khác nhau. Nó không bao gồm tất cả các khía cạnh của quá trình nghiên cứu mà các nhà nghiên cứu dự kiến ​​sẽ làm. Đặc biệt, nó không bao gồm việc làm sạch và kiểm tra dữ liệu, xác minh các giả định, chẩn đoán mô hình và phân tích theo dõi tiềm năng.

    Một mô hình probit là một đặc điểm kỹ thuật phổ biến cho một mô hình phản ứng nhị phân hoặc nhị phân . Do đó, nó xử lý cùng một tập hợp các vấn đề như hồi quy logistic bằng các kỹ thuật tương tự. Mô hình probit, sử dụng hàm liên kết probit , thường được ước tính bằng cách sử dụng thủ tục khả năng tối đa tiêu chuẩn , một ước tính như vậy được gọi là hồi quy probit .

    Ứng dụng hồi quy mô hình probit

    Để bắt đầu tìm hiểu về hồi quy mô hình probit ta sử dụng bộ dữ liệu sau:

    Trong đó:

    • admint: biết nhị phân cũng là biến phụ thuộc
    • gre, gpa là biến liên tục
    • rank là biến thứ bậc

    Hồi quy probit, trọng tâm của bài này

    Hồi quy logistic. Một mô hình logit sẽ tạo ra kết quả tương tự hồi quy probit. Sự lựa chọn của probit so với logit phụ thuộc phần lớn vào sở thích cá nhân.

    Hồi quy OLS. Khi được sử dụng với biến phản ứng nhị phân, mô hình này được biết đến như một mô hình xác suất tuyến tính và có thể được sử dụng như một cách để mô tả xác suất có điều kiện. Tuy nhiên, các lỗi (nghĩa là phần dư) từ mô hình xác suất tuyến tính vi phạm tính đồng nhất và tính quy phạm của các giả định lỗi của OLS hồi quy, dẫn đến các lỗi tiêu chuẩn và kiểm tra giả thuyết không hợp lệ.

    Phân tích chức năng phân biệt hai nhóm. Một phương pháp đa biến cho các biến kết cục nhị phân. Khách sạn T 2 . Kết quả 0/1 được chuyển thành nhóm biến, và các dự đoán trước đây được biến thành kết quả biến. Điều này sẽ tạo ra một bài kiểm tra tổng thể có ý nghĩa nhưng sẽ không đưa ra các hệ số riêng cho từng biến và không rõ phạm vi mà mỗi “yếu tố dự đoán” được điều chỉnh theo tác động của cái khác “dự đoán.”

    Hồi quy probit

    Để hồi quy probit ta sử dụng lệnh như sau:

    probit admit gre gpa rank

    Đồng thời 3 biến phụ thuộc là gre, gpa, rank điều có giá trị p-value <5%, nên 3 biến này điều có ý nghĩa thống kê.

    Khi gre tăng 1 đơn vị thì z-score tăng 0.001 đơn vị

    Khi gpa tăng 1 đơn vị thì z-core tăng 0.464 đơn vị

    Còn biến rank là biến thư bậc, nên khi rank tăng lên 1 bậc thì điểm z sẽ giảm đi -2,01. điều này có nghĩa là các bậc tăng hay giảm trong mô hình điều như nhau, điều này thật không đúng. Chúng ta cần phải tìm cho chính xách mức độ ảnh hưởng của rank =3 thì tác động lên admit như thế nào ?

    probit admit gre gpa i.rank

    Nhân tiện đây chúng ta kiểm định các biến phụ thuộc của rank không đồng thời bằng =0

    test chúng tôi Caffebenevietnam.com 4.rank

    Tìm độ nhạy biên của mô hình

    chúng ta tìm độ nhạy của biến xếp hạng rank lên biến admit

    margin rank, atmean

    Chúng ta có xác suất tổ chức được xếp vào rank=1 là 0.52 (52%), xác suất được xếp vào rank=4 là 19%.

    Kiểm tra thống kê phù hợp fitstat

    Những điều cần cân nhắc

    Các ô trống hoặc ô nhỏ: Bạn nên kiểm tra trống hay nhỏ các tế bào bằng cách thực hiện một dấu chéo giữa các yếu tố dự đoán phân loại và biến kết quả. Nếu một ô có rất ít trường hợp (một ô nhỏ), mô hình có thể trở nên không ổn định hoặc nó có thể không chạy được gì cả.

    Tách hoặc tách biệt (còn gọi là dự đoán hoàn hảo), một điều kiện trong đó kết quả không thay đổi ở một số cấp độ của các biến độc lập. Xem trang của chúng tôi Câu hỏi thường gặp: Sự tách biệt hoàn toàn hoặc gần như hoàn toàn trong hồi quy logistic / probit và làm thế nào để chúng ta đối phó với chúng? để biết thông tin về các mô hình với dự đoán hoàn hảo.

    Cỡ mẫu: Cả hai mô hình probit và logit đều yêu cầu nhiều trường hợp hơn hồi quy OLS vì chúng sử dụng các kỹ thuật ước tính khả năng tối đa. Đôi khi có thể ước tính các mô hình cho kết quả nhị phân trong bộ dữ liệu chỉ với một số ít trường hợp sử dụng hồi quy logistic chính xác (sử dụng lệnh exlogistic ). Để biết thêm thông tin, xem ví dụ phân tích dữ liệu của chúng tôi để biết hồi quy logistic chính xác . Cũng cần lưu ý rằng khi kết quả rất hiếm, ngay cả khi tổng số liệu lớn, có thể khó ước tính mô hình probit.

    Trong Stata, các giá trị 0 được coi là một cấp của biến kết quả, và tất cả các giá trị không thiếu khác được coi là mức thứ hai của kết quả.

    Hướng dẫn hồi quy logit trên spss Hướng dẫn hồi quy probit trên stata Hướng dẫn hồi quy tobit trên stata

    --- Bài cũ hơn ---

  • Phân Tích Số Liệu Định Lượng Với Phần Mềm Stata. Bài Giảng 2: Quản Lý Dữ Liệu Trong Stata
  • Hướng Dẫn Phân Tích Logistic Regression
  • Đọc Kết Quả Ước Lượng Ols
  • Tp.hcm: Xét Nghiệm Tinh Dịch Đồ Mất Bao Lâu Thời Gian?
  • Ý Nghĩa Các Thông Số Tinh Dịch Đồ
  • Bài Tập Quy Tắc Đếm Lớp 11 Có Lời Giải Chi Tiết

    --- Bài mới hơn ---

  • Hướng Dẫn Làm Bài Tập Toán Lớp 11 Trắc Nghiệm
  • Các Dạng Bài Tập Về Quy Tắc Đếm (Quy Tắc Cộng Và Quy Tắc Nhân)
  • Giải Bài Tập Bài 1,2,3,4,5 Trang 21 Hóa 9: Luyện Tập Tính Chất Hóa Học Của Oxit Và Axit
  • Giải Bài Tập Sgk Bài 56: Ôn Tập Cuối Năm
  • Giải Bài Tập 5 Hóa 9 Sgk Trang 19
  • 1. QUI TẮC NHÂN

    Một công việc H được thực hiện qua K giai đoạn H1, H2, H3 ,trong đó:

    • Giai đoạn H1 có n1 cách thực hiện
    • Giai đoạn H2 có n2 cách thực hiện
    • Giai đoạn H3 có n3 cách thực hiện
    • ………………………………….
    • Giai đoạn Hk có nk cách thực hiện

    Khi đó để hoàn thành công việc H phải thực hiện đồng thời K giai đoạn thì suy ra có (n1.n2.n3….nk ) cách để hoàn thành công việc H.

    2. QUI TẮC CỘNG

    Một công việc H bao gồm K công việc H1, H2 ,H3 chúng tôi trong đó:

    • Giai đoạn H1 có n1 cách thực hiện
    • Giai đoạn H2 có n2 cách thực hiện
    • Giai đoạn H3 có n3 cách thực hiện
    • ………………………………….
    • Giai đoạn Hk có nk cách thực hiện

    Khi đó để hoàn thành công việc H chỉ phải thực hiện 1trong các công việc trên thì suy ra có (n1+ n2 + n3 + nk ) cách để hoàn thành công việc H.

    3. BÀI TẬP QUY TẮC ĐẾM LỚP 11 CÓ LỜI GIẢI CHI TIẾT

    Bài 1:

    Đề thi cuối khó môn toán khối 12 ở một trường trung học gồm hai loại đề tự luận và trắc nghiệm.Một học sinh dự thi phải thực hiện hai đề thi gồm 1 tự luận và một trắc nghiệm,trong đó tự luận có 12 đề, trắc nghiệm có 15 đề.Hỏi mỗi học sinh có bao nhiêu cách chọn đề thi?

    Giải:

    – Số cách chọ 1 đề tự luận là 12 cách

    – Số cách chọn 1 đề trắc nghiệm là 15 cách

    Vì một học sinh phải làm đồng thời 2 loại đề nên có tất cả 12.15 = 180 cách chọn đề thi

    Bài 2:

    Cho tập hợp A = {1,2,3,5,7,9}

    a. Từ tập A có thể lập được bao nhiêu số tự nhiên gồm 4 chữ số đôi một khác nhau

    b. Từ tập A có thể lập được bao nhiêu số tự nhiên chẵn gồm có 5 chữ số đôi một khác nhau

    Giải:

    a. Gọi số tự nhiên gồm 4 chữ số là:

    Để có số n ta phải chọn đồng thời a1,a2,a3,a4 trong đó:

    – a1 có 6 cách chọn

    – a2 có 5 cách chọn

    – a3 có 4 cách chọn

    – a4 có 3 cách chọn

    Vậy có 6.5.4.3 = 360 số n cần tìm

    b.Gọi số tự chẵn có 5 chữ số cần tìm là n = , trong đó:

    – a5 chỉ có 1 cách chọn (bằng 2)

    – a1 có 5 cách chọn

    – a2 có 4 cách chọn

    – a3 có 3 cách chọn

    – a4 có 2 cách chọn

    Vậy số n cần tìm là:1.2.3.4.5 = 120 số

    Bài 3:

    Cho tập A = {0,1,2,3,4,5,6,7,8,9}.Có bao nhiêu số tự nhiên có 5 chữ số đôi một khác nhau lấy ra từ tập A

    Giải:

    Gọi số cần tìm là n = , trong đó:

    – a1 có 9 cách chọn(vì a1 ≠ 0)

    – a2 có 9 cách chọn

    – a3 có 8 cách chọn

    – a4 có 7 cách chọn

    – a5 có 6 cách chọn

    Vậy có tất cả 9.9.8.7.6 = 27216 cách

    Bài 4:

    Cho tập A = {0,1,2,3,4,5,6,7,8}

    a. Từ tập A có thể lập được bao nhiêu số tự nhiên gòm 5 chữ số đôi một khác nhau và các chữ số này lẻ,chia hết cho 5

    b. Từ tập A có thể lập được bao nhiêu số tự nhiên gồm 6 chữ số đôi một khác nhau sao cho chữ số đứng cuối chia hết cho 4

    Từ khóa:

    • bài tập về phép đếm có lời giải
    • bài tập trắc nghiệm quy tắc đếm
    • bài tập vận dụng quy tắc đếm hoán vị chỉnh hợp tổ hợp
    • quy tắc điểm bài tập sgk
    • quy tắc đếm lớp 11
    • bài tập đếm số lớp 11 có lời giải

    --- Bài cũ hơn ---

  • Bài 1,2,3,4 Trang 46 Sgk Đại Số Và Giải Tích 11: Quy Tắc Đếm
  • Giải Vở Bài Tập Toán 4 Bài 37: Tìm Hai Số Khi Biết Tổng Và Hiệu Của Hai Số Đó
  • Lập Trình Java Căn Bản
  • Ebook Bài Tập Java Lập Trình Hướng Đối Tượng Có Lời Giải Pdf
  • Lập Trình Mạng Với Java (Bài 6)
  • Giải Bài Tập Sbt Địa Lí 11 Bài 1: Sự Tương Quan Về Trình Độ Phát Triển Kt

    --- Bài mới hơn ---

  • Giải Bài Tập Sbt Địa Lí 11 Bài 3: Một Số Vấn Đề Mang Tính Toàn Cầu
  • Giải Bài Tập Sbt Địa Lí 11 Bài 11: Kinh Tế Đông Nam Á
  • Giải Bài Tập Sbt Địa Lí 10 Bài 4: Thực Hành: Xác Định Một Số Phương Pháp Biểu Hiện Các Đối Tượng Địa Lí Trên Bản Đồ
  • Giải Bài Tập Sbt Địa Lí 10 Bài 5: Vũ Trụ. Hệ Mặt Trời Và Trái Đất. Hệ Quả Chuyển Động Tự Quay Quanh Trục Của Trái Đất
  • Giải Bài Tập Sbt Địa Lí 10 Bài 15: Thủy Quyển. Một Số Nhân Tố Ảnh Hưởng Tới Chế Độ Nước Sông. Một Số Sông Lớn Trên Tđ
  • Nối ô bên trái với ô bên phải sao cho phù hợp.

    Phương pháp giải

    Cần nắm rõ đặc điểm của các nước phát triển, đang phát triển, nước và vùng lãnh thổ công nghiệp mới để nối với nội dung ở ô bên phải cho tương ứng.

    1. Nước phát triển: GDP bình quân đầu người cao, đầu tư ra nước ngoài nhiều, HDI ở mức cao.

    → 1- b.

    2. Nước đang phát triển: GDP bình quân đầu người thấp, nợ nước ngoài nhiều, HDI ở mức thấp.

    → 2- c.

    3. Nước và vùng lãnh thổ công nghiệp mới trải qua quá trình công nghiệp hoá và đạt được trình độ phát triển nhất định về công nghiệp.

    → 3- a.

    a) Xếp các nước có tên sau vào bảng, theo mức GDP bình quân đầu người : Hoa Kì, Trung Quốc, Nga, Ấn Độ, Việt Nam, Nhật Bản, Ma-lai-xi-a, Bra-xin, Ai Cập, Ô-xtrây-li-a, Nam Phi, Pháp, Xu-đăng, Pa-ra-goay, Đức, Mông Cổ.

    MỘT SỐ NƯỚC CÓ GDP/NGƯỜI Ở CÁC MỨC KHÁC NHAU

    b) Nhận xét

    Phương pháp giải

    Dựa vào kĩ năng đọc và phân tích bản đồ để xác định các nước có mức GDP bình quân đầu người ở mức nào, từ đó hoàn thành bảng đã cho.

    a)

    MỘT SỐ NƯỚC CÓ GDP/NGƯỜI Ở CÁC MỨC KHÁC NHAU

    b)

    Nhận xét:

    – Các nước phát triển: Có tổng sản phẩm trong nước bình quân trên đầu người (GDP/người) cao, đầu tư nước ngoài (FDI) nhiều, chỉ số phát triển con người (HDI) ở mức cao.

    – Các nước đang phát triển: GDP bình quân đầu người thấp, nợ nước ngoài nhiều, HDI ở mức thấp.

    CƠ CẤU GDP PHÂN THEO KHU VỰC KINH TẾ CỦA HAI NHÓM NƯỚC NĂM 2004

    (Đơn vị: %)

    a) Nhận xét về cơ cấu GDP phân theo khu vực kinh tế của hai nhóm nước.

    b) Nguyên nhân dẫn đến sự khác biệt về cơ cấu GDP phân theo khu vực kinh tế của hai nhóm nước.

    Phương pháp giải

    Dựa vào bảng số liệu đã cho để nhận xét về cơ cấu GDP phân theo khu vực kinh tế của hai nhóm nước. Đồng thời, dựa vào đặc điểm tự nhiên, lịch sử phát triển của hai nhóm nước để chỉ ra nguyên nhân dẫn đến sự khác biệt về cơ cấu GDP phân theo khu vực kinh tế của hai nhóm nước.

    a) Trong cơ cấu GDP phân theo khu vực kinh tế của hai nhóm nước:

    – Các nước phát triển khu vực dịch vụ chiếm tỉ lệ rất lớn, nông nghiệp rất nhỏ. (dẫn chứng số liệu).

    – Các nước đang phát triển tỉ lệ ngành nông nghiệp còn cao. (dẫn chứng số liệu).

    b) Nguyên nhân dẫn đến sự khác biệt về cơ cấu GDP phân theo khu vực kinh tế của hai nhóm nước:

    – Đặc điểm tự nhiên (vị trí, địa hình, khí hậu, nguồn nước, khoáng sản, rừng), dân cư, xã hội và trình độ phát triển kinh tế khác nhau.

    – Lịch sử phát triển đất nước khác nhau.

    – Các nước phát triển đã bước sang giai đoạn hậu công nghiệp, trong cơ cấu thành phần kinh tế, khu vực dịch vụ chiếm tỉ trọng lớn và ngày càng cao.

    – Các nước đang phát triển, trình độ phát triển còn thấp, nông nghiệp còn đóng vai trò đáng kể trong nền kinh tế.

    TUỔI THỌ TRUNG BÌNH CỦA THẾ GIỚI VÀ CÁC NHÓM NƯỚC NĂM 2005

    Phương pháp giải

    Cần có kĩ năng đọc và phân tích bảng số liệu để trình bày sự khác biệt về chỉ số HDI và tuổi thọ trung bình của nhóm nước phát triển và nhóm nước đang phát triển.

    Giới thiệu về chỉ số HDI, tuổi thọ, các nhóm nước

    – Nhóm nước đang phát triển:

    + Tuổi thọ trung bình dưới mức bình quân của thế giới:

    + Chỉ số HDI thấp hơn mức trung bình cả thế giới.

    – Nhóm nước phát triển:

    + Tuổi thọ trung bình cao: 76 tuổi

    + Chỉ số HDI cao.

    Chọn ý trả lời đúng

    Đặc trưng của cuộc cách mạng khoa học và công nghệ hiện đại là:

    A. tiến hành vào cuối thế kỉ XX, đầu thế kỉ XXI

    B. xuất hiện và phát triển nhanh chóng công nghệ cao.

    C. làm xuất hiện nhiều ngành mới trong nền kinh tế

    D. Tất cả đều đúng

    Phương pháp giải

    Để chọn đáp án đúng cần ghi nhớ đặc trưng của cuộc cách mạng khoa học và công nghệ hiện đại.

    Đặc trưng của cuộc cách mạng khoa học và công nghệ hiện đại là xuất hiện và phát triển nhanh chóng công nghệ cao.

    Chọn B.

    Nối ô bên phải với ô bên trái sao cho phù hợp.

    Phương pháp giải

    Cần dựa vào kiến thức về các ngành công nghệ sinh học, vật liệu, năng lượng và công nghệ thông tin để nối với các ô bên phải sao phù hợp.

    1. Công nghệ sinh học tạo ra những giống mới không có trong tự nhiên, cùng những bước tiến quan trọng trong chẩn đoán và điếu trị bệnh,…

    → 1- d.

    2. Công nghệ vật liệu tạo ra những vật liệu chuyên dụng mới, với những tính năng mới (vật liệu composit, vật liệu siêu dẫn,…).

    → 2 – b.

    3. Công nghệ năng lượng phát triển theo hướng tăng cường sử dụng các dạng năng lượng mới: hạt nhân, mặt trời, sinh học, địa nhiệt, thuỷ triều và năng lượng gió.

    → 3- a.

    4. Công nghệ thông tin tạo ra các vi mạch, chíp điện tử có tốc độ cao, kĩ thuật só hoá, công nghệ lade, cáp sợi quang,… nâng cao năng lực của con người trong truyền tải, xử lí và lưu giữ thông tin.

    → 4- c.

    Điền những thông tin cần thiết vào bảng sau:

    Phương pháp giải

    Dựa vào kiến thức về cơ cấu kinh tế, công nghệ chủ yếu và cơ cấu lao động của ngành nông nghiệp, công nghiệp và tri thức để hoàn thành bảng trên.

    Chọn ý trả lời sai

    Cuộc cách mạng khoa học và công nghệ hiện đại đã:

    A. làm xuất hiện nhiều ngành mới có hàm lượng kĩ thuật cao (sản xuất vật liệu mới, công nghệ gen,…)

    B. làm xuất hiện các dịch vụ nhiều tri thức (ngân hàng, tài chính, bảo hiểm, viễn thông,..).

    C. làm thay đổi cơ cấu lao động xã hội (tỉ lệ những người làm việc bằng trí óc để tạo ra sản phẩm ngày càng cao)

    D. làm xuất hiện 2 nhóm nước: phát triển và đang phát triển.

    Phương pháp giải

    Cần có những kiến thức về cuộc cách mạng khoa học và công nghệ hiện đại để chỉ ra ý sai trong các ý đã nêu.

    Cuộc cách mạng khoa học và công nghệ hiện đại đã làm xuất hiện 2 nhóm nước: phát triển và đang phát triển.

    → sai.

    Chọn D.

    --- Bài cũ hơn ---

  • Giải Bài Tập Sbt Địa Lý 11 Bài 10: Cộng Hòa Nhân Dân Trung Hoa (Phần 2)
  • Giải Bài Tập Sbt Địa Lý 11 Bài 9: Nhật Bản (Phần 1)
  • Giải Bài Tập Sbt Địa Lý 11 Bài 8: Liên Bang Nga (Phần 2)
  • Giải Địa Lí 8 Bài 6: Thực Hành: Đọc, Phân Tích Lược Đồ Phân Bố Dân Cư Và Các Thành Phố Lớn Của Châu Á
  • Trả Lời Câu 1 Trang 183
  • Lý Thuyết Mạch Và Bài Tập Có Lời Giải

    --- Bài mới hơn ---

  • Phương Pháp Giải Một Số Bài Toán Về Toàn Mạch Ví Dụ Và Bài Tập
  • Hướng Dẫn Giải Bài Tập Toán Kinh Tế (Xb Năm 2010)
  • Giải Bài Tập Nguyên Lý Kế Toán Chương 1
  • Sách Bài Tập Tiếng Anh Mai Lan Hương 7 Unit 1
  • Tài Liệu Giải Bài Tập Mác Lênin 2 Phần Thặng Dư
  • 11 Chương 1 Mạch điện-thông số mạch Các định luật cơ bản của mạch điện Tóm tắt lý thuyết Một số thuật ngữ và định nghĩa Các nguồn trong mạch điện gọi là các tác động, các điện áp và dòng điện ở các nhánh gọi là các phản ứng của mạch. Điện áp và dòng điện gọi các đại lượng điện (không gọi công suất là đại lượng điện). Các thông số mạch thụ động bao gồm điện trở, điện cảm và điện dung. Điện trở có thể ký hiệu là R hoặc r. Điện dung và điện cảm phải ký hiệu là các chữ in hoa tương ứng L và C. Giá trị tức thời của điện áp và dòng điện ký hiệu tương ứng là chữ u, i thường (không viết hoa) hoặc có viết thêm biến thời gian như u(t), i(t). Giá thị hiệu dụng ký hiệu tương ứng là U và I, giá trị biên độ ký hiệu là Um và Im. Tương ứng sẽ có ký hiệu trong miền phức là m .. m .. I,U;I,U Quan hệ dòng – áp trên các thông số mạch: Trên điện trở R: Hình 1.1a. Định luật Ôm u=i. R hay u(t)=i(t).R (1.1) Công suất tức thời p hay p(t)=u2R= R i 2 ≥0 (1.2) Năng lượng tiêu hao ở dạng nhiệt năng trong khỏang thời gian t1÷t2: WT= ∫2 1 t t dt)t(p (1.3) H×nh 1.1 R L Ci i i u u u a) b) c) Trên điện cảm L: Hình 1.1b Định luật Ôm: u= dt diL hay ∫ += t t LoIudtL i 0 1 (1.4) Trong đó IL0 là giá trị của điện áp trên C tại thời điểm ban đầu t=t0. Năng lượng tích luỹ ở dạng điện trường tại thời điểm bất kỳ: WE= 2 2uC (1.8) Công suất tức thời: p= dt duC.u dt dWi.u E == (1.9) Lưu ý: Các công thức (1.1), (1.4) và (1.7) ứng với trường hợp điện áp và dòng điện ký hiệu cùng chiều như trên hình 1.1. Nếu chiều của dòng điện và điện áp ngược chiều nhau thì trong các công thức trên sẽ có thêm dấu “-” vào một trong hai vế của phương trình. Thông số nguồn: Nguồn điện áp hay nguồn suất điện động (sđđ) lý tưởng, nguồn điện áp thực tế (không lý tưởng) ký hiệu tương ứng ở hình 1.2a, b. Nguồn dòng điện lý tưởng, nguồn dòng điện thực tế (không lý tưởng) ký hiệu tương ứng ở hình 12c, d. H×nh 1.2 a) b) c) e hay u e hay u R0 R0 d) e) E R0 R0 i hay i0 i hay i0 0I 0 0 R EI = 00 IRE = Khi phân tích mạch điện có thể biến đổi tương đương giữa 2 loại nguồn có tổn hao như ở hình 1.2e. Phép biến đổi rất đơn giản: thực hiện theo định luật Ôm. Định luật Kieckhop 1: Định luật cho nút thứ k trong mạch được viết: )’.( i ihay).(i krvk k k 1011010 ∑∑∑ == 13 Trong (1.10) ik là tất cả các dòng điện nối với nút thứ k, dòng hướng vào nút mang dấu “+”, dòng rời khỏi nút mang dấu “-“. Trong (1.10)’ iVk là tất cả các dòng điện hướng vào nút thứ k, ir k là tất cả các dòng rời khỏi nút k, chúng đều có dấu “+”. Số phương trình viết theo định luật Kieckhop1 cho mạch có n nút là N=n-1 (1.11) Định luật Kieckhop I1: Định luật cho vòng thứ k trong mạch được viết: )’.(euhay).(u kkk 1211210 ∑∑∑ == Trong (1.12) uk là điện áp của tất cả các đoạn mạch thuộc vòng thứ k, cùng chiều mạch vòng lấy với dấu “+”, ngược chiều mạch vòng lấy với dấu “-“. Trong (1.12)’ uk là tất cả điện áp nhánh, ek là tất các các sđđ nhánh thuộc vòng k; cùng chiều mạch vòng lấy với dấu “+”, ngược chiều mạch vòng lấy với dấu “-“. Số phương trình viết theo định luật Kieckhop 2 cho mạch điện có n nút và m nhánh là: N=m-(n-1)=m-n+1 (1.13) Nguyên lý xếp chồng: Với một mạch có nhiều nguồn cùng tác động đồng thời như trên hình 1.3, để tính phản ứng ở nhánh thứ k nào đó, ví dụ iK thì sẽ sử dụng nguyên lý này như sau: Đầu tiên cho nguồn e1 tác động, các nguồn còn lại đều dừng tác động (bằng 0), tính được ik1 (chỉ số 1 chỉ lần tính thứ nhất). Tiếp theo cho e2 tác động, các nguồn còn lại đều dừng tác động, tính được ik2…Lần cuối cùng cho nguồn thứ N tác động, các nguồn còn lại đều dừng tác động, tính được ikN thì dòng phải tìm ik=ik1+ik2+…+ikN Nguyên lý tương hỗ: có thể ứng dụng tính để tính trong trường hợp mạch chỉ có một tác động duy nhất. Định lý nguồn tương đương: Cho phép rút gọn mạch để tính toán ở mọi chế độ. Cách thực hiện mô tả trên hình 1.4. Đoạn mạch a-b tuyến tính có nguồn, được thay thế bằng: – Nguồn điện áp có trị số bằng điện áp hở mạch tính được giữa 2 điểm a-b mắc nối tiếp với điện trở tương đương “nhìn” từ a-b khi cho các nguồn tác động bằng 0. (hình 1.4b) – Nguồn dòng điện có trị số bằng dòng điện ngắn mạch tính được khi chập 2 điểm a-b, mắc song song với điện trở tương đương “nhìn”từ a-b khi cho các nguồn tác động bằng 0. (hình 1.4c) H×nh 1.3 1 ie N e 2 k i Nh¸ nh k M ¹ ch ®iÖn tuyÕn tÝnh . . . 14 Hệ phương trình trạng thái. – Toán tử nhánh: Trong một nhánh thứ k trong mạch có mặt cả 3 thông số Rk, Lk, Ck mắc nối tiếp sẽ có: ∫++=++= dtiC 1 dt di LiRuuuu k k k kkkCkLkRkk (1.14) (1.14)-ký hiệu cho gọn là uk=Lk ik. Trong đó: ℒk= ∫++ dtC1dtdLR kkk (1.15) Lk – gọi là toán tử nhánh hình thức, tức là “nhân hình thức” Lk với ik để được uk. – Công thức biến đổi nút. Một nhánh thứ k nằm giữa hai nút a-b có điện thế tương ứng là ϕa và ϕb (dòng điện có chiều từ a sang b) với 3 thông số Rk, Lk, Ck mắc nối tiếp và có thêm nguồn s. đ. đ. là ek thì có thể viết quan hệ: kk k k kkkbak edtiC 1 dt diLiRu m∫++=ϕ−ϕ= hay kbak k k kkk edtiC 1 dt diLiR ±ϕ−ϕ=++ ∫ . (1.16) Trong công thức cuối ek lấy với dấu “+” nó cùng chiều dòng ik, dấu “-” ngược chiều ik. Phép giải phương trình vi phân cuối để tìm ik ta ký hiệu một cách hình thức là ik=Lk -1(ϕa-ϕb ± ek). Như vậy có thể tìm được dòng nhánh ik bất kỳ theo điện thế nút. Công thức này gọi là công thức bíên đổi nút; Lk-1-gọi là toán tử nhánh đảo. -Công thức bíến đổi vòng: Người ta quy ước dòng mạch vòng là một dòng điện hình thức chạy trong một vòng kín. Nếu một nhánh có nhiều dòng mạch vòng đi qua thì dòng nhánh đó là tổng đại số của tất cả các dòng mạch vòng đi qua nó, dòng nào cùng chiều dòng nhánh thì được lấy với dấu “+”, ngược chiều – dấu “-“, tức ∑ = = m j Vjk Ii 1 . Công thức cuối gọi là công thức biến đổi vòng. -Hệ phương trình (trạng thái) dòng nhánh: Mạch có n nút và m nhánh sẽ phải viết (n-1) phương trình theo định luật Kieckhop 1 dạng { 0 1 1 =∑ = nóti¹T j ji ; và (m-n+1) phương trình theo định luật Kieckhop 2 dạng ∑∑ == = 11 i i j j eijL . -Hệ phương trình (trạng thái) dòng mạch vòng: có dạng tổng quát 15 ∑ ∑ ∑ =++++ =++++ =++++ chúng tôi …………………………………………………………….. chúng tôi chúng tôi NvNvvv vNvvv vNvvv NNN3N2N1 2N232221 1N131211 LLLL LLLL LLLL 321 2321 1321 (1.17) Trong đó:- N=m-n+1-số vòng độc lập với các dòng mạch vòng tương ứng iVk – kkL – tổng các toán tử nhánh thuộc mạch vòng thứ k, dấu “+”. – lkL với k≠1- Tổng các toán tử nhánh chung của vòng thứ k và vòng thứ l, dấu có thể “+” hoặc “-” tuỳ theo hai dòng vòng ik và il qua nhánh này cùng chiều hay ngược chiều. -∑ ek -tổng đại số các sđđ thuộc vòng thứ k, dấu có thể “+” hoặc “-” tuỳ theo nguồn cùng chiều hay ngược chiều dòng mạch vòng. -Hệ phương trình (trạng thái) điện thế nút: có dạng tổng quát ∑ ∑ ∑ =ϕ+−ϕ−ϕ−ϕ =ϕ−−ϕ−ϕ+ϕ =ϕ−−ϕ−ϕ−ϕ J…. …………………………………………………………….. J…. J…. NNNNNNN NN NN 1-1-1-1- 1-1-1-1- 1-1-1-1- LLLL- LLLL- LLLL 432211 22323222121 11313212111 (1.18) Trong đó: – N=(n-1) – số nút ứng các điện thế nút ϕ1, ϕ2,…ϕN – -1L kk – tổng các toán tử nhánh đảo của các nhánh nối với nút thứ k thứ k, luôn mang dấu “+”. – -1L lk với k≠1 – toán tử nhánh đảo của nhánh nối trực tiếp giữa nút thứ k và nút thứ 1, luôn có dấu “-“. – ∑ Jk -tổng các nguồn dòng và nguồn dòng tương đương nối với nút thứ k. Mạch thuần trở: Khi trong mạch chỉ có điện trở thì uk=RkiK, ik= )e(g kbak ±ϕ−ϕ -Hệ phương trình dòng mạch vòng: có dạng tổng quát 16 ∑ ∑ ∑ =+++ =+++ =+++ eiR…………RiRiR ………………………………………………………………….. eiR…………RiRiR eiR…………RiRiR NVNNN3N2v2N1V1N 2VNN2232v221V21 1VNN1132v121V11 (1.19) ∑=+++ eiR…………RiRiR NVNNN3N2v2N1V1N Trong đó: – N=(m-n+1) – số vòng độc lập có các dòng mạch vòng tương ứng iVk – Rkk- tổng các điện trở thuộc mạch vòng thứ k, dấu “+”. – Rkl với k≠1 – tổng các điện trở nhánh chung của vòng thứ k và vòng thứ 1, dấu có thể “+” hoặc “-” tuỳ theo hai dòng vòng ik và il qua nhánh này cùng chiều hay ngược chiều. -∑ ek – tổng đại số các sđđ thuộc vòng thứ k, dấu có thể “+” hoặc “-” tuỳ theo nguồn cùng chiều hay ngược chiều dòng mạch vòng. -Hệ phương trình điện thế nút: có dạng tổng quát: ∑ ∑ ∑ =ϕ+−ϕ−ϕ−ϕ− =ϕ−−ϕ−ϕ+ϕ− =ϕ−−ϕ−ϕ−ϕ chúng tôi …………………………………………………………. chúng tôi chúng tôi NNNNNNN NN NN 332211 22323222121 11313212111 (1.20) Trong đó: – N=(n-1) – số nút ứng các điện thế nút ϕ1, ϕ2,…ϕN – gkk – tổng các toán tử nhảnh đảo của các nhánh nối với nút thứ k thứ luôn mang dấu “+”. – gkl với k≠1 – toán tử nhảnh đảo của nhánh nối giữa 2 nút thứ k và nút thứ l, luôn có dấu “-“. -∑ Jk -tổng các nguồn dòng và nguồn dòng tương đương nối với nút thứ k. Chú ý: – Không lập phương trình cho vòng có chứa nguồn dòng. – Không lập phương trình cho nút có nguồn điện áp lý tưởng nối với nó. Biến đổi mạch loại bỏ nguuồn áp và nguồn dòng lý tưởng: Có thể loại bỏ nguồn điện áp lý tưởng trong mạch nếu ta tịnh tiến nguồn này vào các nhánh nối với cực dương của nguồn và chập 2 cực của nguồn. (Hình 1.5a→b). 17 E0 E0 E0 E0 a) b) H×nh 1.5 I0 Ra Rb Ra Rb .I0 Ra.I0 Rb a) b) H×nh 1.6 ……………………………………………………………………………………………………… Có thể loại bỏ nguồn dòng trong mạch bằng cách: -Chọn 1 vòng duy nhất đi qua nguồn dòng. -Thay thế nguồn dòng bằng cách thêm vào các nhánh nằm trong vòng đã chọn các sđđ, có trị số bằng tích nguồn dòng với giá trị của điện trở nhánh tương ứng, có chiều ngược với chiều vòng. (Hình 1.6 a→b) Bài tập 1.1. Một nguồn pin có sđđ E=1,5V, nội trở r0=3Ω mắc với điện trở ngoài R=7Ω. a) Xác định sụt áp trên nội trở nguồn và điện áp giữa 2cực của nguồn. b) Các đại lượng trên sẽ là bao nhiêu nếu điện trở ngoài là 17Ω. 1.2. Ba nguồn điện áp một chiều với E1=12V, E2=18V, E3=10V có các nội trở tương ứng là r01=4Ω, r02=3Ω và r03=1Ω mắc như ở hình 1.7 (mắc có lỗi). a) Hãy xác định điện áp giữa từng cặp cực của các nguồn. b) Hãy xác định điện áp giữa từng cặp cực của các nguồn khi nguồn thứ 2 được mắc đảo chiều và mạch ngoài mắc điện trở R=12Ω. 1.3. Điện áp trên điện trở R trong các hình 1.8 xác định thế nào: a) ở hình 1.8a) với e1=10V, e2=20V, R=10Ω b) ở hình 1.8b) e=10V, I0=2A, R=10Ω 1.4. Mạch điện hình 1.9 có E1=24V, E2=12V, R1=30Ω, R2=20Ω. Hãy xác định trị số của von kế lý tưởng trong mạch nếu bỏ qua các nội trở nguồn. 1.5. Một nguồn sđđ khi bị ngắn mạch tiêu thụ công suất 400mW. Tìm công suất cực đại mà nguồn này có thể cung cấp cho mạch ngoài. e e2e1 Io H×nh1.8 a) b) H×nh 1.9 R1 + _ + _ R2 E2E1 V R R 18 1.6. Cho các đồ thị hình 1.10 là các điện áp khác nhau đặt lên điện trở R=5Ω. Hãy tìm: -Biểu thức tức thời của dòng điện và biểu diễn nó bằng đồ thị. -Biểu thức của công suất tức thời và biểu diễn nó bằng đồ thị. -Tính năng lượng tiêu tán trên điện trở trong khoảng thời gian (0÷1)s 1.7. Cho điện áp là 1 xung có quy luật trên đồ thị hình 1.11. 1. Đem điện áp này đặt lên điện trở R=1Ω. a) Tìm biểu thức và vẽ đồ thị của dòng điện qua điện trở. b) Tìm năng lượng toả ra trên điện trở trong khoảng (0÷4)s 2. Đem điện áp này đặt lên điện cảm L=1H. a) Tìm biểu thức và vẽ đồ thị của dòng điện qua điện cảm L. b) Tìm quy luật biến thiên của năng lượng từ trường tích luỹ trong điện cảm L. c) Vẽ đường cong của tốc độ biến thiên của năng lượng từ trường. 2. Đem điện áp này đặt lên điện dung C=1F. a) Tìm biểu thức và vẽ đồ thị của dòng điện qua điện dung C. b) Tìm quy luật biến thiên của năng lượng điện trường tích luỹ trong C. c) Vẽ đường cong của tốc độ biến thiên của năng lượng điện trường. 1.8. Cho mạch điện hình 1.12 với R=100Ω, L=0,25H, nguồn điện áp lý tưởng e(t)=10sin 400t 2 e(t) R L H×nh 1.13 b) iii LRC C u(t) 2 2 a) 0 t i(t) 4 2 u (t) trong khoảng 0÷100dB

    --- Bài cũ hơn ---

  • Đề Kiểm Tra 45′ Có Đáp Án Môn Vật Lý 9 Hk1 Thcs Thống Nhất
  • 2 Đề Kiểm Tra 15 Phút Môn Lý Lớp 9 Chương 1 Kì 1 Năm 2022 (Có Đáp Án)
  • Bài Tập Nâng Cao Vật Lý 9
  • Giải Bài Tập Sgk Lịch Sử Lớp 6 Bài 2: Cách Tính Thời Gian Trong Lịch Sử
  • Giải Bài Tập Kỹ Thuật Điện
  • Quy Trình Hướng Dẫn Học Sinh Tiểu Học Giải Toán Có Lời Văn

    --- Bài mới hơn ---

  • Rèn Kĩ Năng Giải Toán Có Lời Văn Cho Học Sinh Lớp 5
  • Chuyên Đề Toán Có Lời Văn
  • Giải Toán Có Lời Văn Cho Học Sinh Lớp 3
  • Giải Toán Có Lời Văn Lớp 3(Có Đáp Án)
  • Kinh Nghiệm Dạy Học Giải Toán Có Lời Văn Lớp 3
  • Khi dạy và học giải toán có lời văn ở tiểu học là một khâu mà nhiều trẻ khó và hay lúng túng. Nhiều khi tôi và thầy cô vẫn cứ dạy hàng ngày . Nhưng xét kĩ ra thì dạy thế nào cho đúng nhất và học sinh hiểu nhanh nhất thì là cả một vấn đề . Hãy xem bài viết của tôi về dạy học sinh giải một bài toán có lời văn ở tiểu học. Quy trình hướng dẫn học sinh Tiểu học giải toán có lời văn theo các bước sau.

    Bước này yêu cầu học sinh phải đọc kỹ đề bài, nhớ những dữ kiện bài toán đã cho một cách chính xác và nắm vững yêu cầu của đề bài.

    Trong quá trình này học sinh cần nhận ra bài toán đã cho thuộc dạng toán nào. Sau đó giáo viên toán tắt đề bài bằng cách đặt câu hỏi:

    + Bài toán cho biết gì?

    + Bài toán yêu cầu gì?

    Khi học sinh đã trả lời tôi thường giúp các em gạch chân dưới những từ quan trọng mà nhiều khi học sinh đọc không đọc kĩ đề bài nên đã bỏ sót dẫn tới làm bài sai. Tuỳ theo từng dạng bài mà có cách tóm tắt phù hợp dễ hiểu.

    2. Phân tích đề bài để tìm ra cách giải.

    Dựa và việc nhận dạng bài toán ở bước 1, ở bước này tôi hướng dẫn học sinh cách giải bắt đầu từ yêu cầu bài toán.

    + Muốn giải đáp những yêu cầu của đề bài thì cần phải biết những gì? Những điều đó đề bài đã cho biết chưa? Nếu chưa biết thì tìm bằng cách nào? dựa vào đâu để tìm?

    Cứ lần lượt như vậy cho đến khi nào học sinh có thể tìm được cách giải đáp từ những dữ kiện cho sẵn trong đề bài. Đây là bước quan trọng vì nó giúp học sinh hiểu được cách giải bài toán.

    3.Tổng hợp lời giải.

    Bước này ngược với bước 2. Dựa vào bước 2 các em vạch ra được thứ tự trình bày lời giải: “Cần tìm điều gì trước, điều gì sau”.

    Tất nhiên những gì tìm được nhờ vào những dữ kiện cho sẵn trong bài sẽ được trình bày trước để làm cơ sở cho phân tích sau.

    Bước này giúp học sinh trình bày lời giải một cách chặt chẽ, logic.

    4. Trình bày lời giải.

    Đây là bước trình bày giải một cách hoàn chỉnh dựa vào bước 3.

    --- Bài cũ hơn ---

  • Skkn Biện Pháp Rèn Kỹ Năng Giải Toán Có Lời Văn Cho Học Sinh Lớp 5
  • Phương Pháp Hướng Dẫn Học Sinh Lớp 5 Giải Toán Có Lời Văn
  • Những Bài Giải Toán Lớp 5
  • Chuyên Đề Giải Toán Có Lời Văn Lớp 4&5
  • Chuyên Đề Giải Toán Có Lời Văn Lớp 3
  • Web hay
  • Links hay
  • Push
  • Chủ đề top 10
  • Chủ đề top 20
  • Chủ đề top 30
  • Chủ đề top 40
  • Chủ đề top 50
  • Chủ đề top 60
  • Chủ đề top 70
  • Chủ đề top 80
  • Chủ đề top 90
  • Chủ đề top 100
  • Bài viết top 10
  • Bài viết top 20
  • Bài viết top 30
  • Bài viết top 40
  • Bài viết top 50
  • Bài viết top 60
  • Bài viết top 70
  • Bài viết top 80
  • Bài viết top 90
  • Bài viết top 100