📊 סטטיסטיקה וניתוח נתונים לכיתה ח׳

Q: מה ההבדל בין קשר חיובי, קשר שלילי והיעדר קשר בדיאגרמת פיזור?

ב**קשר חיובי**, ככל ש-$x$ גדל, ערכי $y$ נוטים לגדול (הנקודות עולות משמאל לימין). ב**קשר שלילי**, ככל ש-$x$ גדל, ערכי $y$ נוטים לקטון (הנקודות יורדות משמאל לימין). כאשר הנקודות מפוזרות באקראי ללא דפוס מסוים, **אין קשר** בין המשתנים.

Q: כיצד מוצאים את משוואת קו המגמה?

בוחרים שתי נקודות על קו המגמה $({x}_1, {y}_1)$ ו-$({x}_2, {y}_2)$. מחשבים את השיפוע $m = \frac{y_2 - y_1}{x_2 - x_1}$. לאחר מכן מציבים את אחת הנקודות והשיפוע במשוואה $y = mx + b$ כדי למצוא את נקודת החיתוך $b$.

Q: מהן שכיחויות משותפות, שכיחויות שוליות ושכיחויות יחסיות בטבלה דו-ממדית?

**שכיחויות משותפות** הן המספרים בתאי הטבלה הפנימיים. **שכיחויות שוליות** הן סכומי השורות והטורים בשולי הטבלה. **שכיחויות יחסיות** מתקבלות מחלוקת שכיחות מסוימת בסך הכל של השורה, הטור או כלל המדגם $N$.

Q: כיצד קובעים אם ערך מסוים הוא חריג בתרשים קופסה?

מחשבים את הטווח הבין-רבעוני $\text{IQR} = Q_3 - Q_1$. ערך נחשב לחריג אם הוא קטן מהגבול התחתון $Q_1 - 1.5 \times \text{IQR}$ או גדול מהגבול העליון $Q_3 + 1.5 \times \text{IQR}$.

שליטה מלאה בנתונים דו-משתנים, דיאגרמות פיזור, קווי מגמה, טבלאות שכיחות דו-ממדיות ותרשימי קופסה עם פתרונות מודרכים צעד אחר צעד.

נושאי תרגול

דיאגרמות פיזור וערכים חריגים - סטטיסטיקה לכיתה ח׳

שרטוט נתונים דו-משתנים, זיהוי קשר חיובי, שלילי או לא-לינארי, וחשיפת קשרים וחוקיות מתוך נתוני מעבדה וניסויים בעולם האמיתי.

✍️ התחלת תרגול ←

קו המגמה ומודלים לינאריים - סטטיסטיקה לכיתה ח׳

אמידת קו המגמה, מציאת משוואת הישר y = mx + b, פענוח משמעות השיפוע והחיתוך, וביצוע תחזיות באמצעות אינטרפולציה ואקסטרפולציה.

✍️ התחלת תרגול ←

טבלאות שכיחות דו-ממדיות - סטטיסטיקה לכיתה ח׳

בנייה וקריאה של טבלאות שכיחות דו-ממדיות לנתונים קטגוריאליים, חישוב שכיחויות משותפות ושוליות, וחישוב שכיחויות יחסיות לפי שורה וטור.

✍️ התחלת תרגול ←

תרשימי קופסה וסיכום חמשת המספרים - סטטיסטיקה לכיתה ח׳

חישוב סיכום חמשת המספרים (מינימום, רבעון תחתון, חציון, רבעון עליון, מקסימום), חישוב הטווח הבין-רבעוני IQR, וזיהוי ערכים חריגים לפי כלל 1.5 × IQR.

✍️ התחלת תרגול ←

מבחן בסטטיסטיקה לכיתה ח׳

בחנו את עצמכם במבחן מקיף בסטטיסטיקה לכיתה ח׳ הכולל דיאגרמות פיזור, קווי מגמה, טבלאות שכיחות ותרשימי קופסה עם בדיקה מיידית ודוח פתרונות.

✍️ התחלת תרגול ←

מדריך לימוד לסטטיסטיקה לכיתה ח׳

1. דיאגרמות פיזור וחריגים

🚀 ✍️ ✍️ התחלת תרגול ←

1. מהם נתונים דו-משתנים ודיאגרמת פיזור?

נתונים דו-משתנים הם נתונים הנאספים משני משתנים שונים עבור כל פריט או תצפית במדגם, ומיוצגים כזוגות סדורים ‏

(x, y)

‏.‏ דיאגרמת פיזור מציגה זוגות אלה כנקודות במישור הקואורדינטות, ומאפשרת לחוקרים לזהות האם קיים קשר, תלות או מתאם אמיתי בין שני המשתנים (למשל: שעות לימוד מול ציון במבחן, טמפרטורה מול לחץ גז, או כמות דשן מול יבול).

🔬חשיפת קשרים מתוך נתוני ניסויים ומעבדה

בניסויים מדעיים ובמחקר מעבדתי, מדידות גולמיות עשויות להיראות במבט ראשון כרשימת מספרים כאוטית. שרטוט הנתונים על גבי דיאגרמת פיזור הופך את המדידות לתמונה חזותית ברורה, שבאמצעותה מדענים מגלים חוקיות מתמטית, בודקים השערות ומאמתים תגליות פיזיקליות וביולוגיות.

2. דפוסי קשר ומתאם (חיובי, שלילי, לא-לינארי, ללא קשר)

📈 קשר לינארי חיובי

כאשר x גדל, y גדל

📉 קשר לינארי שלילי

כאשר x גדל, y קטן

🔄 קשר לא-לינארי (עקום)

דפוס עקום ברור (פרבולה וכד')

⚪ אין קשר (ללא מתאם)

נקודות מפוזרות באקראי

3. אשכולות נתונים וערכים חריגים

אשכול נתונים: קבוצה צפופה ומובחנת של נקודות המתרכזות סביב אזור מסוים בגרף.
ערך חריג: נקודת תצפית בודדת ‏ $(x, y)$ ‏‏ המתרחקת באופן מובהק מהמגמה הכללית של מרבית הנתונים.

🎯 אשכולות נתונים

נקודות המצטברות בקבוצות צפופות ומובחנות

📍 ערך חריג

נקודה בודדת המתרחקת באופן מובהק מקו המגמה

4. חלוצי מדע: כיצד ניסויים ונתונים עיצבו את הידע המודרני

מרבית החוקים הפיזיקליים, המודלים והנוסחאות שאנו לומדים כיום נולדו בזכות מדענים שערכו ניסויים קפדניים, אספו זוגות נתונים ‏

(x, y)

‏,‏ שרטטו דיאגרמות פיזור וזיהו דפוסים מתמטיים. להלן כמה דוגמאות היסטוריות מפורסמות:

🔭

Galileo Galilei (1564–1642)

פיזיקה ותנועה חופשית

הניסוי והנתונים: גלילאו גלגל כדורים במורד מישורים משופעים ומדד את המרחק ‏ $(y)$ ‏‏ מול הזמן ‏ $(x)$ ‏.‏
התגלית מהגרף: דיאגרמת הפיזור הראתה קשר ריבועי (‏ $d \propto t^2$ ‏‏), המראה תאוצה קבועה.

מרחק כפונקציה של זמן ($d \propto t^2$)

📊 נתונים משוחזרים מניסויי המישור המשופע של גלילאו (1604)

📐

Carl Friedrich Gauss (1777–1855)

סטטיסטיקה ואסטרונומיה

הניסוי והנתונים: גאוס ניתח תצפיות של האסטרואיד קרס (Ceres) תוך התחשבות בשגיאות מדידה.
התגלית מהגרף: פיתח גרסה מוקדמת של שיטת הריבועים הפחותים (קו מגמה) המאזנת שגיאות אקראיות.

קו מגמה בשיטת הריבועים הפחותים

📊 מודל הריבועים הפחותים על תצפיות קרס (גאוס, 1801)

🌌

Edwin Hubble (1889–1953)

קוסמולוגיה והתפשטות היקום

הניסוי והנתונים: מדד מרחק לגלקסיות ‏ $(x)$ ‏‏ מול מהירות התרחקותן ‏ $(y)$ ‏‏ באמצעות היסט לאדום.
התגלית מהגרף: קשר לינארי חיובי מובהק (‏ $v = H_0 \cdot d$ ‏,‏ חוק האבל) שסיפק ראיות תצפיתיות להתפשטות היקום.

דיאגרמת האבל ($v = H_0 \cdot d$)

✓ נתוני אמת היסטוריים (מאמר אדווין האבל, 1929)

☢️

Marie Curie (1867–1934)

פיזיקה ורדיואקטיביות

הניסוי והנתונים: קירי מדדה את זרם היינון ‏ $(y)$ ‏‏ כתלות במסת האורניום במדגם ‏ $(x)$ ‏.‏
התגלית מהגרף: הקשר הישיר הראה שרדיואקטיביות היא תכונה פנימית של אטום האורניום.

עוצמת קרינה מול מסת אורניום

📊 נתוני מעבדה משוחזרים (רישומי האלקטרומטר של קירי, 1898)

✍️ התחלת תרגול

2. קו המגמה וקו ההתאמה

🚀 ✍️ ✍️ התחלת תרגול ←

1. מהו קו מגמה (קו ההתאמה הטובה ביותר)?

קו מגמה (קו ההתאמה הטובה ביותר) הוא קו ישר הנמתח דרך מרכז ענן הנקודות בדיאגרמת פיזור לינארית. הקו נבחר כך שהוא ממזער את סכום ריבועי השאריות האנכיות מכל הנקודות לקו, ומספק מודל מתמטי בצורת משוואה לינארית ‏

y = mx + b

‏‏ המאפשרת לאמוד קצבי שינוי ולבצע תחזיות עתידיות.

🎯 איזון נקודות מעל ומתחת לקו המגמה

הקו עובר במרכז הנתונים: 4 נקודות מעל הקו ו-3 נקודות מתחתיו, עם מרחקים אנכיים מינימליים (קווים אדומים מקווקוים).

📝דוגמה מעשית מלאה: שעות לימוד מול ציון במבחן

נניח שנאספו נתונים מ-5 תלמידים על מספר שעות הלימוד השבועיות (‏

x

‏‏) והציון שהשיגו במבחן (‏

y

‏‏):

נתוני התצפיות: ‏ $(1, 63),\, (2, 68),\, (3, 80),\, (4, 84),\, (5, 95)$ ‏‏
משוואת קו המגמה: ‏ $\hat{y} = 8x + 54$ ‏‏

פירוק המשמעות של המודל:
1. שיפוע (‏ $m = +8$ ‏‏): עבור כל שעת לימוד נוספת (‏

+1\text{ שעה}

‏‏), הציון הצפוי עולה ב-‏

8

‏‏ נקודות בממוצע (קצב השינוי).
2. חיתוך עם ציר ה-‏ $y$ ‏‏ (‏ $b = 54$ ‏‏): תלמיד שלמד ‏

0

‏‏ שעות (‏

x = 0

‏‏) צפוי לקבל ציון בסיסי של ‏

54

‏‏ נקודות.
3. ביצוע תחזית (אינטרפולציה): אם תלמיד ילמד ‏

3.5

‏‏ שעות:

\hat{y} = 8(3.5) + 54 = 28 + 54 = 82\text{ נקודות}

✔️ עקרונות לסרטוט נכון של קו מגמה:

עוקב אחר השיפוע: הקו חייב להתאים לזווית ולמגמה הכללית של הנקודות (עולה עבור קשר חיובי, יורד עבור קשר שלילי).
איזון נקודות: מספר הנקודות מעל הקו ומתחתיו צריך להיות שווה בקירוב לכל אורך הטווח.
אין חובה לעבור בראשית: קו המגמה אינו מחויב לעבור בנקודה ‏ $(0, 0)$ ‏‏ או לגעת בכל הנקודות.

2. נוסחאות שיפוע ומשוואת קו המגמה

שיפוע קו המגמה

m = \frac{y_2 - y_1}{x_2 - x_1}

m

הוא השיפוע / קצב השינוי, ו-

(x_1, y_1), (x_2, y_2)

הן נקודות על הקו

משוואת קו המגמה

y = mx + b

m

הוא קצב השינוי, ו-

b

הוא הערך ההתחלתי / נקודת החיתוך עם ציר ה-y

3. פענוח משמעות השיפוע והחיתוך בהקשר אמיתי

במשוואה הלינארית ‏

y = mx + b

‏‏:

השיפוע ‏ $m$ ‏‏ (קצב השינוי): מראה בכמה משתנה ערך ה-‏ $y$ ‏‏ עבור כל תוספת של יחידה אחת ב-‏ $x$ ‏‏ (לדוגמה: עלות של $15 לכל שעת עבודה נוספת).
נקודת החיתוך ‏ $b$ ‏‏ (הערך ההתחלתי): הערך של ‏ $y$ ‏‏ כאשר ‏ $x = 0$ ‏‏ (לדוגמה: דמי פתיחת מנוי קבועים של $50).

4. אינטרפולציה לעומת אקסטרפולציה

אינטרפולציה: ביצוע תחזית עבור ערך ‏ $x$ ‏‏ הנמצא בתוך טווח הנתונים המקורי (‏ $x_{\min} \le x \le x_{\max}$ ‏‏). תחזית זו נחשבת בדרך כלל לאמינה ומדויקת.
אקסטרפולציה: ביצוע תחזית עבור ערך ‏ $x$ ‏‏ הנמצא מחוץ לטווח התצפיות המקורי (‏ $x > x_{\max}$ ‏‏ או ‏ $x < x_{\min}$ ‏‏). תחזית זו עלולה להיות פחות אמינה כיוון שהמגמה הלינארית עלולה להשתנות.

✍️ התחלת תרגול

3. טבלאות שכיחות דו-ממדיות

🚀 ✍️ ✍️ התחלת תרגול ←

1. מהי טבלת שכיחות דו-ממדית?

טבלת שכיחות דו-ממדית מציגה נתונים קטגוריאליים שנאספו משני מאפיינים שונים עבור אותה אוכלוסייה (לדוגמה: שכבת גיל מול השתתפות בחוג ספורט). הטבלה מארגנת את הנתונים בתאים פנימיים ובשורות/טורי סיכום בשוליים.

2. מבנה הטבלה: שכיחויות משותפות ושוליות

קטגוריה	עוסק בספורט	ללא ספורט	סה״כ שורה (שולי)
כיתה ז׳	24	16	40
כיתה ח׳	36	24	60
סה״כ טור (שולי)	60	40	100 (N)

3. נוסחת שכיחות יחסית ואחוזים

שכיחות יחסית בטבלת שכיחות דו-ממדית

\text{‎שכיחות יחסית‎} = \frac{\text{‎שכיחות משותפת‎}}{\text{Total}}

שכיחות יחסית מתוך המדגם הכולל: מחלקים את תא השכיחות בגודל המדגם הכולל ‏ $N$ ‏‏ (למשל: ‏ $\frac{24}{100} = 24\%$ ‏‏).
שכיחות יחסית מותנית לפי שורה: מחלקים את תא השכיחות בסך הכל של אותה שורה (למשל: תלמידי כיתה ח׳ העוסקים בספורט ‏ $\frac{36}{60} = 60\%$ ‏‏).

✍️ התחלת תרגול

4. תרשימי קופסה ורבעונים

🚀 ✍️ ✍️ התחלת תרגול ←

1. מהו תרשים קופסה?

תרשים קופסה, שפותח על ידי הסטטיסטיקאי ג׳ון טוקי בשנת 1977, הוא כלי גרפי מרכזי להצגת התפלגות, פיזור ונטייה מרכזית של נתונים מספריים.

התרשים מבוסס על סיכום חמשת המספרים ומחלק מערך נתונים ממוין ל-4 רבעונים, כאשר כל רבעון מייצג כ-‏

25\%

‏‏ מסך כל התצפיות:

מינימום (‏ $\text{מינימום}$ ‏‏): הערך הקטן ביותר במערך הנתונים.
רבעון תחתון (‏ $Q_1$ ‏‏): חציון המחצית התחתונה (‏ $25\%$ ‏‏ מהנתונים מתחתיו).
חציון (‏ $Q_2$ ‏‏): הערך האמצעי של מערך הנתונים (‏ $50\%$ ‏‏ מתחתיו ו-‏ $50\%$ ‏‏ מעליו).
רבעון עליון (‏ $Q_3$ ‏‏): חציון המחצית העליונה (‏ $75\%$ ‏‏ מהנתונים מתחתיו).
מקסימום (‏ $\text{מקסימום}$ ‏‏): הערך הגדול ביותר במערך הנתונים.

2. מבנה תרשים הקופסה והרבעונים

3. נוסחאות סיכום חמשת המספרים וטווח בין-רבעוני

סיכום חמשת המספרים

\text{‎Summary‎} = \{\text{‎מינימום‎},\, Q_1,\, \text{‎חציון‎},\, Q_3,\, \text{‎מקסימום‎}\}

\text{מינימום}

הוא המינימום,

Q_1

הוא הרבעון התחתון,

\text{חציון}

הוא החציון,

Q_3

הוא הרבעון העליון, ו-

\text{מקסימום}

הוא המקסימום

טווח בין-רבעוני (IQR)

\text{IQR} = Q_3 - Q_1

Q_1

הוא הרבעון הראשון, ו-

Q_3

הוא הרבעון השלישי

כלל זיהוי חריגים (כלל 1.5 × IQR)

\begin{gathered} \text{‎Outlier‎} < Q_1 - 1.5 \times \text{IQR} \\[4pt] \text{‎or‎} \\[4pt] \text{‎Outlier‎} > Q_3 + 1.5 \times \text{IQR} \end{gathered}

4. דוגמאות מספריות מפורטות צעד-אחר-צעד

📝דוגמה 1: חישוב סיכום חמשת המספרים וטווח בין-רבעוני (‏

n = 11

‏‏)

נניח שנאספו ציוני מבחן של ‏

11

‏‏ תלמידים:

[72, 85, 90, 64, 78, 92, 88, 70, 82, 95, 80]

שלבי החישוב:
1. סידור בסדר עולה: ‏

[64, 70, 72, 78, 80, \mathbf{82}, 85, 88, 90, 92, 95]

‏‏
2. חציון (‏ $Q_2$ ‏‏): הערך ה-‏

6

‏‏ במערך הנתונים (האמצע המדויק של ‏

11

‏‏ נתונים) ‏

\implies \mathbf{82}

‏‏
3. רבעון תחתון (‏ $Q_1$ ‏‏): חציון המחצית התחתונה ‏

[64, 70, \mathbf{72}, 78, 80] \implies \mathbf{72}

‏‏
4. רבעון עליון (‏ $Q_3$ ‏‏): חציון המחצית העליונה ‏

[85, 88, \mathbf{90}, 92, 95] \implies \mathbf{90}

‏‏
5. מינימום ומקסימום: ‏

\text{מינימום} = 64,\; \text{מקסימום} = 95

‏‏
6. טווח בין-רבעוני (‏ $\text{IQR}$ ‏‏):

\text{IQR} = Q_3 - Q_1 = 90 - 72 = 18

⚠️דוגמה 2: זיהוי תצפיות חריגות באמצעות כלל ‏

1.5 \times \text{IQR}

‏‏

נניח שנמדדו טמפרטורות יומיות במשך ‏

12

‏‏ ימים:

[60, 62, 65, 68, 70, 72, 74, 75, 78, 80, 82, 108]

שלבי זיהוי הערך החריג:
1. חישוב רבעונים (‏ $n = 12$ ‏‏):

‏ $Q_1 = \frac{65 + 68}{2} = 66.5$ ‏‏
‏ $Q_2 = \frac{72 + 74}{2} = 73$ ‏‏
‏ $Q_3 = \frac{78 + 80}{2} = 79$ ‏‏
2. חישוב טווח בין-רבעוני ומכפלת ה-IQR:
$\text{IQR} = 79 - 66.5 = 12.5 \implies 1.5 \times \text{IQR} = 1.5 \times 12.5 = 18.75$

3. בדיקת גבולות החריגה:
גבול עליון: ‏ $Q_3 + 1.5 \times \text{IQR} = 79 + 18.75 = 97.75$ ‏‏
מאחר ש-‏ $108 > 97.75$ ‏,‏ הערך ‏ $108$ ‏‏ הוא תצפית חריגה.
4. סרטוט התרשים: הזיף הימני יימתח עד לערך התקין הגבוה ביותר (‏ $82$ ‏‏), והערך החריג (‏ $108$ ‏‏) יסומן כנקודה מבודדת (‏ $*$ ‏‏).

5. פענוח צורת ההתפלגות (סימטריה וצידוד)

⚖️ התפלגות סימטרית

החציון נמצא במרכז הקופסה והזיפים שווים בקירוב באורכם. הנתונים מתפלגים בצורה מאוזנת סביב המרכז.

➡️ צידוד ימני (חיובי)

הזיף הימני ארוך משמעותית והחציון קרוב יותר ל-‏

Q_1

‏.‏ זנב הנתונים נמשך לעבר הערכים הגבוהים.

⬅️ צידוד שמאלי (שלילי)

הזיף השמאלי ארוך משמעותית והחציון קרוב יותר ל-‏

Q_3

‏.‏ זנב הנתונים נמשך לעבר הערכים הנמוכים.

✍️ התחלת תרגול

נושאי לימוד

דיאגרמות פיזור וערכים חריגים - סטטיסטיקה לכיתה ח׳קו המגמה ומודלים לינאריים - סטטיסטיקה לכיתה ח׳טבלאות שכיחות דו-ממדיות - סטטיסטיקה לכיתה ח׳תרשימי קופסה וסיכום חמשת המספרים - סטטיסטיקה לכיתה ח׳🎓מבחן בסטטיסטיקה לכיתה ח׳

❓ שאלות נפוצות

מה ההבדל בין קשר חיובי, קשר שלילי והיעדר קשר בדיאגרמת פיזור?

בקשר חיובי, ככל ש-‏

x

‏‏ גדל, ערכי ‏

y

‏‏ נוטים לגדול (הנקודות עולות משמאל לימין). בקשר שלילי, ככל ש-‏

x

‏‏ גדל, ערכי ‏

y

‏‏ נוטים לקטון (הנקודות יורדות משמאל לימין). כאשר הנקודות מפוזרות באקראי ללא דפוס מסוים, אין קשר בין המשתנים.

כיצד מוצאים את משוואת קו המגמה?

בוחרים שתי נקודות על קו המגמה ‏

({x}_1, {y}_1)

‏‏ ו-‏

({x}_2, {y}_2)

‏.‏ מחשבים את השיפוע ‏

m = \frac{y_2 - y_1}{x_2 - x_1}

‏.‏ לאחר מכן מציבים את אחת הנקודות והשיפוע במשוואה ‏

y = mx + b

‏‏ כדי למצוא את נקודת החיתוך ‏

b

‏.‏

מהן שכיחויות משותפות, שכיחויות שוליות ושכיחויות יחסיות בטבלה דו-ממדית?

שכיחויות משותפות הן המספרים בתאי הטבלה הפנימיים. שכיחויות שוליות הן סכומי השורות והטורים בשולי הטבלה. שכיחויות יחסיות מתקבלות מחלוקת שכיחות מסוימת בסך הכל של השורה, הטור או כלל המדגם ‏

N

‏.‏

כיצד קובעים אם ערך מסוים הוא חריג בתרשים קופסה?

מחשבים את הטווח הבין-רבעוני ‏

\text{IQR} = Q_3 - Q_1

‏.‏ ערך נחשב לחריג אם הוא קטן מהגבול התחתון ‏

Q_1 - 1.5 \times \text{IQR}

‏‏ או גדול מהגבול העליון ‏

Q_3 + 1.5 \times \text{IQR}

‏.‏

📊 סטטיסטיקה וניתוח נתונים לכיתה ח׳

נושאי תרגול

דיאגרמות פיזור וערכים חריגים - סטטיסטיקה לכיתה ח׳

קו המגמה ומודלים לינאריים - סטטיסטיקה לכיתה ח׳

טבלאות שכיחות דו-ממדיות - סטטיסטיקה לכיתה ח׳

תרשימי קופסה וסיכום חמשת המספרים - סטטיסטיקה לכיתה ח׳

מבחן בסטטיסטיקה לכיתה ח׳

מדריך לימוד לסטטיסטיקה לכיתה ח׳

1. דיאגרמות פיזור וחריגים

1. מהם נתונים דו-משתנים ודיאגרמת פיזור?

2. דפוסי קשר ומתאם (חיובי, שלילי, לא-לינארי, ללא קשר)

📈 קשר לינארי חיובי

📉 קשר לינארי שלילי

🔄 קשר לא-לינארי (עקום)

⚪ אין קשר (ללא מתאם)

3. אשכולות נתונים וערכים חריגים

🎯 אשכולות נתונים

📍 ערך חריג

4. חלוצי מדע: כיצד ניסויים ונתונים עיצבו את הידע המודרני

2. קו המגמה וקו ההתאמה

1. מהו קו מגמה (קו ההתאמה הטובה ביותר)?

2. נוסחאות שיפוע ומשוואת קו המגמה

שיפוע קו המגמה

משוואת קו המגמה

3. פענוח משמעות השיפוע והחיתוך בהקשר אמיתי

4. אינטרפולציה לעומת אקסטרפולציה

3. טבלאות שכיחות דו-ממדיות

1. מהי טבלת שכיחות דו-ממדית?

2. מבנה הטבלה: שכיחויות משותפות ושוליות

3. נוסחת שכיחות יחסית ואחוזים

שכיחות יחסית בטבלת שכיחות דו-ממדית

4. תרשימי קופסה ורבעונים

1. מהו תרשים קופסה?

2. מבנה תרשים הקופסה והרבעונים

3. נוסחאות סיכום חמשת המספרים וטווח בין-רבעוני

סיכום חמשת המספרים

טווח בין-רבעוני (IQR)

כלל זיהוי חריגים (כלל 1.5 × IQR)

4. דוגמאות מספריות מפורטות צעד-אחר-צעד

5. פענוח צורת ההתפלגות (סימטריה וצידוד)

❓ שאלות נפוצות

הגנו על הציוד שלכם עם SealBags! 🛡️