خيارات الخصوصية

يستخدم KiwiBee ملفات تعريف ارتباط اختيارية من Google Analytics وGoogle Ads وMeta Pixel لفهم الزوار البالغين، وقياس عمليات التسجيل المكتملة، وتحسين الحملات. تبقى ملفات تعريف الارتباط الأساسية مفعّلة دائمًا. يقيس بكسل إعلانات ChatGPT من OpenAI أيضًا مشاهدات الصفحات والاستفسارات المرسلة بعد الموافقة على الإعلانات، وقد يستخدم بيانات اتصال مجزأة للمطابقة. سياسة الخصوصية

تجاوز إلى المحتوى الرئيسي

الانحدار الخطي ووعاء الخطأ

عن هذه المحاكاة

يربط انحدار المربعات الصغرى ووعاء الخطأ الإحصاء والتحسين في استوديو ثلاثي الأبعاد مقسم. على اللوحة اليسرى، يتم ملاءمة ست نقاط انتشار قابلة للسحب - بما في ذلك قيمة متطرفة برتقالية عالية التأثير - بواسطة خط تجريبي y = mx + b. مرفق بكل نقطة مربع أحمر حرفي يساوى ضلعه الباقي الرأسي |yᵢ − (mxᵢ + b)|، مما يجعل مساحته مساوية للخطأ المربع eᵢ². على المسرح الأيمن، يتم رسم المساحة الإجمالية لجميع المربعات كوعاء قطع مكافئ ثلاثي الأبعاد SSE(m, b) عبر فضاء معلمات الميل والمقطع. يمكن للطلاب سحب مؤشر المعلمة عبر الوعاء أو تبديل الالتصاق بـ OLS الأمثل لمراقبة المؤشر وهو يستقر في الحد الأدنى العالمي الفريد (m̂, b̂) أثناء مراقبة r و R².

ما الذي يمكن للطلاب استكشافه

  • اضبط شريطي الميل التجريبي m والمقطع التجريبي b أو اسحب الكرة الذهبية على الوعاء ثلاثي الأبعاد لتصغير مربعات البواقي الحمراء قدر الإمكان.
  • قم بتشغيل الالتصاق بـ OLS الأمثل وتأكد من أن كرة المعلمة الذهبية تستقر بدقة على علامة الحد الأدنى لـ OLS الخضراء في قاع وعاء الخطأ.
  • اسحب نقطة القيمة المتطرفة البرتقالية بشكل حاد نحو الأسفل على مخطط الانتشار وراقب مدى قوة سحب قيمة متطرفة واحدة للميل الأمثل m̂ وخفض R².
  • قم بصف نقاط الانتشار الست في خط مستقيم تقريباً وراقب معامل الارتباط r يقترب من 1.000 و SSE يقترب من الصفر.
  • قم بتحديد إظهار مربعات البواقي تشغيلاً وإيقافاً لمقارنة البواقي الرأسية eᵢ بمساحاتها المربعة eᵢ².

أهداف التعلّم

  1. 1اشرح لماذا تقلل المربعات الصغرى العادية (OLS) مجموع البواقي الرأسية المربعة Σ (yᵢ − ŷᵢ)² بدلاً من البواقي ذات الإشارات.
  2. 2اربط معلمات الانحدار الجبري (الميل m والمقطع b) بإحداثيات على سطح خسارة ثلاثي الأبعاد محدب SSE(m, b).
  3. 3قيم كيف تشوه القيم المتطرفة ونقاط التأثير العالي خط انحدار المربعات الصغرى وتقلل معامل التحديد R².
  4. 4فسر الارتباط r و R² كمقاييس للارتباط الخطي والتباين المفسر.

أسئلة يطرحها المعلمون

لماذا يتم تربيع البواقي في انحدار المربعات الصغرى؟

تربيع كل خطأ رأسي eᵢ = yᵢ − ŷᵢ يمنع الأخطاء الموجبة فوق الخط من إلغاء الأخطاء السالبة تحته، ويعاقب الأخطاء الكبيرة بشدة، ويخلق وعاء قطع مكافئ أملس بحد أدنى فريد واحد.

ماذا يمثل وعاء الخطأ ثلاثي الأبعاد على اليمين؟

المحوران الأفقِيان للوعاء هما الميل التجريبي m والمقطع التجريبي b، والارتفاع الرأسي هو مجموع الأخطاء المربعة SSE(m, b). كل خط مستقيم ممكن يتوافق مع نقطة واحدة على هذا الوعاء، ويستقر خط التوافق الأفضل في أدنى نقطة.

لماذا يؤدي سحب القيمة المتطرفة إلى تغيير الخط الملائم بشكل دراماتيكي؟

نظراً لأنه يتم تربيع الأخطاء، فإن نقطة تبعد مسافة مضاعفة عن الخط تساهم بأربعة أضعاف في SSE. يميل خط الانحدار بقوة نحو القيمة المتطرفة لمنع ذلك المربع العملاق من الانفجار في المساحة.

ما الفرق بين معامل الارتباط r ومعامل التحديد R²؟

يتراوح معامل الارتباط r من −1 إلى +1 ويقيس اتجاه وقوة العلاقة الخطية. يتراوح R² (مربع r في الانحدار الخطي البسيط) من 0% إلى 100% ويخبرنا بالنسبة المئوية لتباين y الذي يتم تفسيره بواسطة x.

أدرِج هذه المحاكاة في موقعك

ضعها في منصتك التعليمية أو مدونتك أو موقع صفك — مجانًا.

<iframe src="https://kiwibee.io/ar/simulations/least-squares-linear-regression-3d-3d-simulation/embed" title="الانحدار الخطي ووعاء الخطأ | KiwiBee" loading="lazy" allowfullscreen style="width:100%;height:min(70vh,620px);min-height:420px;border:0;border-radius:16px"></iframe>

واصل الاستكشاف

من النموذج إلى الدليل

استخدم ورقة عمل لتدوين التوقعات والملاحظات والتفسيرات بعد أن يستكشف الطلاب.

أدخل العلوم التفاعلية إلى صفك

مساحة المعلم المجانية في KiwiBee تجمع تخطيط الدروس وأوراق العمل وأدوات الصف وسجل الدرجات في مكان واحد.

ابدأ مجانًا وأنشئ صفك الأول

أو استكشف مساحة المعلم ←