Mục lục bài họcĐang ở d02-b4
Outliers, Influential Points and Transforming for Linearity
Three kinds of unusual point
An outlier in regression is a point with a large residual — it lies far from the line vertically. A high-leverage point is one whose $x$-value is far from $\bar x$; it may sit right on the line and still have leverage. A point is influential if removing it changes the slope, the intercept or $r$ substantially. High-leverage points are the usual culprits: a single distant $x$ can drag the whole line toward itself and inflate $r$. The AP test asks you to describe the effect of removing such a point, not to delete it — you may only remove data when you know it is an error.
When the scatter is curved
A curved residual plot means the linear model is wrong for the raw data. The fix is to transform a variable and refit:
- Exponential model $y=ab^x$: take $\ln y$. Then $\ln y=\ln a+(\ln b)\,x$ is linear in $x$.
- Power model $y=ax^k$: take logs of both: $\ln y=\ln a+k\ln x$.
- A square-root or reciprocal transformation also appears, usually given by the problem.
Example: if the fitted line is $\widehat{\ln y}=1{,}10+0{,}18x$, then $\hat y=e^{1{,}10}\cdot e^{0{,}18x}\approx3{,}0\cdot(1{,}20)^x$, so $y$ grows by about $20\%$ per unit of $x$.
Judging the transformed model
The transformation is good if the new residual plot is patternless; a higher $r^2$ is supporting evidence but not the deciding one. Predictions must be back-transformed: predict $\ln y$, then exponentiate. And $r^2$ of the transformed fit describes variation in $\ln y$, not in $y$.
Ba loại điểm bất thường trên đồ thị phân tán, đừng gọi lẫn: ngoại lai có phần dư lớn (xa đường theo chiều dọc); đòn bẩy cao có $x$ xa $\bar x$ (có thể nằm ngay trên đường); ảnh hưởng là điểm mà bỏ đi thì hệ số góc, tung độ gốc hoặc $r$ đổi hẳn. Thủ phạm thường là điểm đòn bẩy cao: một $x$ lẻ loi kéo cả đường về phía nó và thổi phồng $r$. Đề hỏi bỏ điểm đó thì đường đổi thế nào, chứ không cho phép tự tiện bỏ dữ liệu.
Khi đồ thị phần dư có dạng cong, mô hình tuyến tính sai cho dữ liệu gốc. Cách chữa là biến đổi rồi khớp lại:
- Mô hình mũ $y=ab^x$: lấy $\ln y$, được đường thẳng $\ln y=\ln a+(\ln b)x$.
- Mô hình luỹ thừa $y=ax^k$: lấy log cả hai biến.
Ví dụ: $\widehat{\ln y}=1{,}10+0{,}18x$ tương đương $\hat y\approx3{,}0\cdot(1{,}20)^x$, tức $y$ tăng khoảng $20\%$ mỗi đơn vị $x$.
Mô hình sau biến đổi tốt khi đồ thị phần dư mới không còn dạng; $r^2$ cao hơn chỉ là bằng chứng phụ. Dự đoán phải đổi ngược về đơn vị gốc (dự đoán $\ln y$ rồi lấy $e$ mũ), và $r^2$ lúc này nói về $\ln y$, không phải $y$.
Số vi khuẩn (nghìn con) theo giờ có đồ thị cong; sau khi lấy $\ln$ của số vi khuẩn, đường hồi quy là $\widehat{\ln(\text{số})}=2{,}30+0{,}045\,(\text{giờ})$ với đồ thị phần dư không có dạng. (a) Dự đoán số vi khuẩn ở giờ $20$. (b) Diễn giải hệ số góc theo đơn vị gốc.
Kiểm mô hình: phần dư của mô hình đã lấy log không có dạng, nên dùng nó thay cho mô hình tuyến tính trên dữ liệu gốc.
(a) $\widehat{\ln(\text{số})}=2{,}30+0{,}045\cdot20=3{,}20$. Đổi ngược: $e^{3{,}20}\approx24{,}5$, tức khoảng $24{,}5$ nghìn con. Viết $3{,}20$ làm đáp số là quên bước đổi ngược — lỗi phổ biến nhất của dạng này.
(b) Mỗi giờ, $\ln(\text{số})$ tăng $0{,}045$, nghĩa là số vi khuẩn được nhân với $e^{0{,}045}\approx1{,}046$: tăng khoảng $4{,}6\%$ mỗi giờ. Hệ số góc trên thang log là hệ số nhân, không phải "tăng thêm $0{,}045$ nghìn con".
Kết luận trong bối cảnh: mô hình mũ mô tả tốt sự tăng trưởng; dự đoán ở giờ $20$ chỉ đáng tin nếu $20$ nằm trong khoảng giờ đã quan sát.
Đọc xong rồi — làm thử ngay
Bài tập của chương Unit 2 — Exploring Two-Variable Data gồm 14 câu trắc nghiệm và 5 đề tự luận. Đáp án hiện ngay khi chọn, miễn phí.