Data Bivariat kumpulan soal

Mulailah dengan data berpasangan dalam sebuah tabel, kemudian plot nilai-nilai tersebut dan mintalah siswa untuk mendeskripsikan arah, bentuk, kekuatan, dan kemungkinan outlier sebelum menghitung apa pun. Selanjutnya, perkenalkan garis regresi terbaik, koefisien korelasi, dan residual sambil berulang kali membedakan asosiasi statistik dari sebab-akibat.

Tugas latihan yang efektif meminta siswa untuk membuat dan menafsirkan diagram sebar, mengklasifikasikan korelasi positif atau negatif, memperkirakan dan menghitung garis regresi terbaik, menafsirkan kemiringan dan perpotongan dalam konteksnya, serta menganalisis residual. Membandingkan kumpulan data dengan kekuatan asosiasi yang berbeda membantu siswa menghubungkan ukuran numerik dengan pola yang terlihat.

Mahasiswa sering mengklaim bahwa korelasi membuktikan sebab-akibat, menilai hubungan hanya menggunakan beberapa titik data, atau mengabaikan data pencilan yang memengaruhi garis regresi. Mereka juga mungkin membalikkan variabel penjelas dan variabel respons, salah menafsirkan tanda atau besaran koefisien korelasi, atau menggunakan model regresi yang jauh di luar rentang data yang diamati.

Berikan lembar kerja sebagai kuis digital di Wayground atau unduh PDF yang dapat dicetak untuk diagram sebar, perhitungan, dan interpretasi tertulis berbasis kertas. Setiap lembar kerja menyertakan kunci jawaban lengkap, dan guru dapat menilai pengumpulan fisik dengan memindai atau mengambil gambar pekerjaan menggunakan aplikasi Wayground for Teachers.

Kurikulum statistik Common Core mengembangkan data bivariat melalui diagram sebar, deskripsi asosiasi, model linier yang sesuai, korelasi, dan interpretasi dalam konteks. Perkembangan ini menekankan penggunaan model untuk menjawab pertanyaan nyata dan menyadari bahwa asosiasi yang diamati saja tidak serta merta membuktikan sebab-akibat.

Berikan kepada pembelajar tingkat dasar titik-titik yang telah diplot sebelumnya, sumbu yang diberi label, dan kerangka kalimat untuk menggambarkan asosiasi, sementara pembelajar tingkat lanjut dapat menghitung ukuran regresi, menganalisis residual, dan mengkritik keterbatasan model. Wayground dapat memberikan waktu tambahan, fitur Bacaan Keras, pilihan jawaban yang lebih sedikit, dan mode membaca, dan guru dapat membuat versi lembar kerja dengan spasi yang disesuaikan, teks yang lebih besar, font yang ramah disleksia, atau terjemahan.