Dados bivariados planilhas para 12ª série

Instrução centrada na escolha e defesa de um modelo. Forneça aos alunos um conjunto de dados reais, peça-lhes que examinem seu diagrama de dispersão e valores discrepantes, construam um modelo de regressão e expliquem se a previsão resultante é estatisticamente razoável.

As atividades do 12º ano devem combinar interpretação e cálculo: coeficientes de correlação, equações de regressão, efeitos de valores discrepantes e previsões a partir de modelos ajustados. Inclua exercícios que exijam que os alunos expliquem por que uma forte associação ainda não estabelece causalidade.

Os alunos podem apresentar um coeficiente de correlação sem interpretar seu sinal ou magnitude, ignorar como um valor discrepante influente altera a linha de regressão ou extrapolar além do intervalo observado. Outro erro frequente é apresentar a previsão de um modelo como certa em vez de estimada.

Utilize o formato digital para hospedar a folha de exercícios como um questionário do Wayground ou atribua a impressão do PDF em papel. Cada folha de exercícios inclui um gabarito completo, e os professores podem corrigir as respostas em papel digitalizando-as ou capturando-as com o aplicativo Wayground para Professores.

Este curso amplia o trabalho com dados de duas variáveis, baseado nos padrões Common Core, ao pedir aos alunos que interpretem correlações, usem regressão linear para previsão e avaliem os efeitos de valores discrepantes. Isso prepara os alunos para analisar criticamente modelos estatísticos, em vez de simplesmente calculá-los.

Use tamanho de fonte ajustável ou uma fonte adequada para disléxicos quando as tabelas de dados e os cenários da folha de exercícios criarem barreiras visuais. A leitura em voz alta pode auxiliar alunos com contextos repletos de texto, enquanto alunos mais avançados podem investigar como diferentes tratamentos para valores discrepantes alteram o modelo de regressão.

Eles devem ser capazes de analisar diagramas de dispersão, calcular e interpretar correlações, determinar a linha de melhor ajuste, avaliar valores discrepantes e fazer previsões qualificadas. Devem também distinguir claramente a associação estatística da evidência de causa e efeito.