The line should look as if it goes

The line should look as if it goes through all the points, and r2 should be very close to 1.00. We might make a mistake here and say, “Wow—temperature increases linearly. The fit is nearly perfect.” That is, we might think we’re finished. It’s true that the line explains a lot of the temperature change, but two things should bother you:
• It’s hard to believe that it really is linear, that is, that the stove can heat hot water as fast as it can heat cold water.
• It’s hard to believe that our measurements of times and temperatures are so accurate that the points fall on the line exactly.
So we’ll look at the graph more closely.
9. For several of the points, zoom in to the point and record, in the table we’ve provided, approximately how far it is from the line (in degrees Celsius). Use positive numbers for above the line, negative for below. These numbers are called the residuals.
10. Describe any pattern you see in the residuals.
11. Let’s make this process easier. Make a new attribute called predictedTemp.
12. Give predictedTemp a formula—the formula of the least-squares line. Now the values of predictedTemp are the temperatures on the line for each of the times in the collection.
13. Make another new attribute, residuals. Give it the formula temp – predictedTemp. Explain why these residuals are the same as the “distance in degrees Celsius” you reported in Step 4 (especially, is the sign right?).

14. Make a new separate graph and plot residuals as a function of time. Sketch that graph (labeled and scaled) at left. The pattern you see in the graph should be the same as the one you saw in the numbers in Step 5. Now, what does that pattern (the curve) mean in terms of the situation of heating water? That is, it’s not linear. In what way is it not linear, and why do you suppose that’s true?

Kết quả (Việt) 2:

Các dòng nên hình như nếu nó đi qua tất cả các điểm, và r2 nên rất gần 1,00. Chúng tôi có thể làm cho một sai lầm ở đây và nói, "Wow nhiệt độ tăng tuyến tính. Các phù hợp gần như hoàn hảo. "Đó là, chúng ta có thể nghĩ rằng chúng ta đã hoàn tất. Đúng là dòng giải thích rất nhiều sự thay đổi nhiệt độ, nhưng hai điều nên làm phiền bạn:
• Thật khó để tin rằng nó thực sự là tuyến tính, đó là, bếp có thể đun nóng nước nóng nhanh như nó có thể làm nóng nước lạnh.
• Thật khó để tin rằng các phép đo của chúng ta về thời gian và nhiệt độ rất chính xác rằng các điểm rơi trên dòng chính xác.
Vì vậy, chúng ta sẽ nhìn vào biểu đồ chặt chẽ hơn.
9. Đối với một số điểm, phóng to các điểm và ghi lại, trong bảng, chúng tôi đã cung cấp, khoảng cách đến nay nó là từ dòng (độ C). Sử dụng các số dương trên đường, tiêu cực cho bên dưới. Những con số này được gọi là các phần dư.
10. Mô tả bất kỳ mô hình mà bạn nhìn thấy trong các phần dư.
11. Hãy làm cho quá trình này dễ dàng hơn. Thực hiện một thuộc tính mới gọi là predictedTemp.
12. Cho predictedTemp một công thức công thức của các dòng phương nhỏ nhất. Bây giờ các giá trị của predictedTemp là nhiệt độ trên dòng cho mỗi lần trong bộ sưu tập.
13. Tạo một thuộc tính mới, chất thải. Cho nó temp thức - predictedTemp. Giải thích lý do tại sao những dư đều giống nhau là "khoảng cách bằng độ Celsius" bạn báo cáo trong Bước 4 (đặc biệt, là dấu hiệu phải không?). 14. Thực hiện một đồ thị và cốt truyện mới dư riêng biệt như một hàm của thời gian. Phác thảo rằng đồ thị (có nhãn và co giãn) ở bên trái. Các mô hình mà bạn nhìn thấy trong đồ thị nên được giống như một trong những bạn đã thấy trong các con số trong Bước 5. Bây giờ, những gì mà mô hình (đường cong) có nghĩa là về tình hình của nước nóng? Đó là, nó không phải là tuyến tính. Bằng cách nào là nó không tuyến tính, và lý do tại sao bạn cho rằng đó là sự thật?