К линейному нельзя свести уравнение

Множественная регрессия и корреляция

Тестовые задания

Парная регрессия и корреляция

1. Наиболее наглядным видом выбора уравнения парной регрессии является:

2. Рассчитывать параметры парной линейной регрессии можно, если у нас есть:

б) не менее 7 наблюдений;

3. Суть метода наименьших квадратов состоит в:

б) минимизации дисперсии результативного признака;

4. Коэффициент линейного парного уравнения регрессии:

а) показывает среднее изменение результата с изменением фактора на одну единицу;

5. На основании наблюдений за 50 семьями построено уравнение регрессии , где – потребление, – доход. Соответствуют ли знаки и значения коэффициентов регрессии теоретическим представлениям?

6. Суть коэффициента детерминации состоит в следующем:

б) характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака;

7. Качество модели из относительных отклонений по каждому наблюдению оценивает:

а) коэффициент детерминации ;

8. Значимость уравнения регрессии в целом оценивает:

а) -критерий Фишера;

9. Классический метод к оцениванию параметров регрессии основан на:

в) шаговом регрессионном анализе.

10. Остаточная сумма квадратов равна нулю:

11. Объясненная (факторная) сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

б) ;

12. Остаточная сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

в) .

13. Общая сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) ;

14. Для оценки значимости коэффициентов регрессии рассчитывают:

в) коэффициент детерминации .

15. Какое уравнение регрессии нельзя свести к линейному виду:

в) .

16. Какое из уравнений является степенным:

б) :

17. Параметр в степенной модели является:

б) коэффициентом эластичности;

18. Коэффициент корреляции может принимать значения:

19. Для функции средний коэффициент эластичности имеет вид:

б) ;

20. Какое из следующих уравнений нелинейно по оцениваемым параметрам:

в) .

Множественная регрессия и корреляция

1. Добавление в уравнение множественной регрессии новой объясняющей переменной:

б) увеличивает значение коэффициента детерминации;

2. Скорректированный коэффициент детерминации:

в) меньше или равен обычному коэффициенту детерминации;

3. С увеличением числа объясняющих переменных скорректированный коэффициент детерминации:

4. Число степеней свободы для остаточной суммы квадратов в линейной модели множественной регрессии равно:

б) ;

5. Число степеней свободы для общей суммы квадратов в линейной модели множественной регрессии равно:

а) ;

6. Число степеней свободы для факторной суммы квадратов в линейной модели множественной регрессии равно:

в) .

7. Множественный коэффициент корреляции . Определите, какой процент дисперсии зависимой переменной объясняется влиянием факторов и :

8. Для построения модели линейной множественной регрессии вида необходимое количество наблюдений должно быть не менее:

9. Стандартизованные коэффициенты регрессии :

а) позволяют ранжировать факторы по силе их влияния на результат;

10. Частные коэффициенты корреляции:

в) характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании других факторов, включенных в уравнение регрессии.

11. Частный -критерий:

б) служит мерой для оценки включения фактора в модель;

12. Несмещенность оценки параметра регрессии, полученной по МНК, означает:

б) что математическое ожидание остатков равно нулю;

13. Эффективность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

14. Состоятельность оценки параметра регрессии, полученной по МНК, означает:

в) увеличение ее точности с увеличением объема выборки.

15. Укажите истинное утверждение:

в) при наличии гетероскедастичности оценки параметров регрессии становятся смещенными.

16. При наличии гетероскедастичности следует применять:

17. Фиктивные переменные – это:

а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;

18. Если качественный фактор имеет три градации, то необходимое число фиктивных переменных:

Множественная регрессия и корреляция

Решение Тестовых заданий

Парная регрессия и корреляция

1. Наиболее наглядным видом выбора уравнения парной регрессии является:

в) экспериментальный (табличный).

Ответ: б) графический.

В парной регрессии выбор вида математической функции может быть осуществлен тремя методами:

2) аналитическим, т.е. исходя из теории изучаемой взаимосвязи;

При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он основан на поле корреляции.

2. Рассчитывать параметры парной линейной регрессии можно, если у нас есть:

а) не менее 5 наблюдений;

б) не менее 7 наблюдений;

в) не менее 10 наблюдений.

Отчет: б) не менее 7 наблюдений

Считается, что число наблюдений должно в 7-8 раз превышать число рассчитываемых параметров при переменной . Это означает, что искать линейную регрессию, имея менее 7 наблюдений, вообще не имеет смысла. Если вид функции усложняется, то требуется увеличение объема наблюдений, ибо каждый параметр при должен рассчитываться хотя бы по 7 наблюдениям.

3. Суть метода наименьших квадратов состоит в:

а) минимизации суммы остаточных величин;

б) минимизации дисперсии результативного признака;

в) минимизации суммы квадратов остаточных величин.

Ответ: б) минимизации дисперсии результативного признака

Классический подход к оцениванию параметров линейной модели множественной регрессии основан на методе наименьших квадратов (МНК). МНК позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений результативного признака от расчетных минимальна:

4. Коэффициент линейного парного уравнения регрессии:

а) показывает среднее изменение результата с изменением фактора на одну единицу;

б) оценивает статистическую значимость уравнения регрессии;

в) показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1%.

Ответ: а) показывает среднее изменение результата с изменением фактора на одну единицу

Параметр называется коэффициентом регрессии. Его величина показывает среднее изменение результата с изменением фактора на одну единицу.

Возможность четкой экономической интерпретации коэффициента регрессии сделала линейное уравнение регрессии достаточно распространенным в эконометрических исследованиях.

На основании наблюдений за 50 семьями построено уравнение регрессии , где – потребление, – доход. Соответствуют ли знаки и значения коэффициентов регрессии теоретическим представлениям?

в) ничего определенного сказать нельзя.

Ответ: а) да (пример рассматривали на паре с доходами и расходами)

6. Суть коэффициента детерминации состоит в следующем:

а) оценивает качество модели из относительных отклонений по каждому наблюдению;

в) характеризует долю дисперсии , вызванную влиянием не учтенных в модели факторов.

Ответ: б) характеризует долю дисперсии результативного признака у, объясняемую регрессией, в общей дисперсии результативного признака

Квадрат индекса корреляции носит название индекса детерминации и характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака:

, (1.22)

т.е. имеет тот же смысл, что и в линейной регрессии; .

7. Качество модели из относительных отклонений по каждому наблюдению оценивает:

а) коэффициент детерминации ;

б) -критерий Фишера;

в) средняя ошибка аппроксимации .

Ответ: а) коэффициент детерминации

Для оценки качества подбора линейной функции рассчитывается квадрат линейного коэффициента корреляции , называемый коэффициентом детерминации. Коэффициент детерминации характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака:

, (1.7)

где , .

8. Значимость уравнения регрессии в целом оценивает:

а) -критерий Фишера;

б) -критерий Стьюдента;

в) коэффициент детерминации .

Ответ: а) F-критерий Фишера

Оценка значимости уравнения регрессии в целом производится на основе -критерия Фишера, которому предшествует дисперсионный анализ. В математической статистике дисперсионный анализ рассматривается как самостоятельный инструмент статистического анализа.

9. Классический метод к оцениванию параметров регрессии основан на:

а) методе наименьших квадратов:

б) методе максимального правдоподобия:

в) шаговом регрессионном анализе.

Ответ: в) шаговом регрессионном анализе

Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. В зависимости от того, какая методика построения уравнения регрессии принята, меняется алгоритм ее решения на ЭВМ.

Наиболее широкое применение получили следующие методы построения уравнения множественной регрессии:

1. Метод исключения – отсев факторов из полного его набора.

2. Метод включения – дополнительное введение фактора.

3. Шаговый регрессионный анализ – исключение ранее введенного фактора.

При отборе факторов также рекомендуется пользоваться следующим правилом: число включаемых факторов обычно в 6–7 раз меньше объема совокупности, по которой строится регрессия. Если это соотношение нарушено, то число степеней свободы остаточной дисперсии очень мало. Это приводит к тому, что параметры уравнения регрессии оказываются статистически незначимыми, а -критерий меньше табличного значения.

10. Остаточная сумма квадратов равна нулю:

а) когда правильно подобрана регрессионная модель;

б) когда между признаками существует точная функциональная связь;

Ответ: в) никогда

Согласно основной идее дисперсионного анализа, общая сумма квадратов отклонений переменной от среднего значения раскладывается на две части – «объясненную» и «необъясненную»:

где – общая сумма квадратов отклонений; – сумма квадратов отклонений, объясненная регрессией (или факторная сумма квадратов отклонений); – остаточная сумма квадратов отклонений, характеризующая влияние неучтенных в модели факторов.

а) ;

б) ;

в) .

Ответ: б)

Фактическое значение -критерия Фишера (1.9) сравнивается с табличным значением при уровне значимости и степенях свободы и . При этом, если фактическое значение -критерия больше табличного, то признается статистическая значимость уравнения в целом.

Для парной линейной регрессии , поэтому

12. Остаточная сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) ;

б) ;

в) .

Ответ: в) .

Величина стандартной ошибки совместно с -распределением Стьюдента при степенях свободы применяется для проверки существенности коэффициента регрессии и для расчета его доверительного интервала.

Для оценки существенности коэффициента регрессии его величина сравнивается с его стандартной ошибкой, т.е. определяется фактическое значение -критерия Стьюдента: которое затем сравнивается с табличным значением при определенном уровне значимости и числе степеней свободы

13. Общая сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) ;

б) ;

в) .

Ответ: а)

Общая

14. Для оценки значимости коэффициентов регрессии рассчитывают:

а) -критерий Фишера;

б) -критерий Стьюдента;

в) коэффициент детерминации .

Ответ: в) коэффициент детерминации .

Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина меньше . А близость этих показателей указывает на то, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию. Для оценки качества подбора линейной функции рассчитывается квадрат линейного коэффициента корреляции , называемый коэффициентом детерминации. Коэффициент детерминации характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака:

где , .

Соответственно величина характеризует долю дисперсии , вызванную влиянием остальных, не учтенных в модели, факторов.

15. Какое уравнение регрессии нельзя свести к линейному виду:

а) ;

б) :

в) .

Ответ: в) .

К внутренне нелинейным моделям можно отнести следующие модели: ,

16. Какое из уравнений является степенным:

а) ;

б) :

в) .

Ответ: б) :

Существуют регрессии, нелинейные по оцениваемым параметрам, например

– степенная – .

17. Параметр в степенной модели является:

а) коэффициентом детерминации;

б) коэффициентом эластичности;

в) коэффициентом корреляции.

Ответ: б) коэффициентом эластичности;

Широкое использование степенной функции связано с тем, что параметр в ней имеет четкое экономическое истолкование – он является коэффициентом эластичности. (Коэффициент эластичности показывает, на сколько процентов измениться в среднем результат, если фактор изменится на 1%.) Формула для расчета коэффициента эластичности имеет вид:

Так как для остальных функций коэффициент эластичности не является постоянной величиной, а зависит от соответствующего значения фактора , то обычно рассчитывается средний коэффициент эластичности:

18. Коэффициент корреляции может принимать значения:

Ответ: а) от –1 до 1

Линейный коэффициент корреляции находится в пределах: . Чем ближе абсолютное значение к единице, тем сильнее линейная связь между факторами (при имеем строгую функциональную зависимость). Но следует иметь в виду, что близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При другой (нелинейной) спецификации модели связь между признаками может оказаться достаточно тесной.

19. Для функции средний коэффициент эластичности имеет вид:

а) ;

б) ;

в) .

Ответ: б)

Вид функции,	Первая производная,	Средний коэффициент эластичности,

20. Какое из следующих уравнений нелинейно по оцениваемым параметрам:

а) ;

б) ;

в) .

Ответ: в) .

Среди нелинейных моделей наиболее часто используется степенная функция , которая приводится к линейному виду логарифмированием:

;

где . Т.е. МНК мы применяем для преобразованных данных:

а затем потенцированием находим искомое уравнение.

Множественная регрессия и корреляция

1. Добавление в уравнение множественной регрессии новой объясняющей переменной:

а) уменьшает значение коэффициента детерминации;

б) увеличивает значение коэффициента детерминации;

в) не оказывает никакого влияние на коэффициент детерминации.

Ответ: б) увеличивает значение коэффициента детерминации

При дополнительном включении в регрессию фактора коэффициент детерминации должен возрастать, а остаточная дисперсия уменьшаться.

2. Скорректированный коэффициент детерминации:

а) меньше обычного коэффициента детерминации;

б) больше обычного коэффициента детерминации;

в) меньше или равен обычному коэффициенту детерминации;

Ответ: в) меньше или равен обычному коэффициенту детерминации

Скорректированный коэффициент множественной детерминации определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов и поэтому может сравниваться по разным моделям с разным числом факторов.

В рассмотренных показателях множественной корреляции (индекс и коэффициент) используется остаточная дисперсия, которая имеет систематическую ошибку в сторону преуменьшения, тем более значительную, чем больше параметров определяется в уравнении регрессии при заданном объеме наблюдений . Если число параметров при равно и приближается к объему наблюдений, то остаточная дисперсия будет близка к нулю и коэффициент (индекс) корреляции приблизится к единице даже при слабой связи факторов с результатом. Для того чтобы не допустить возможного преувеличения тесноты связи, используется скорректированный индекс (коэффициент) множественной корреляции.

Скорректированный индекс множественной корреляции содержит поправку на число степеней свободы, а именно остаточная сумма квадратов делится на число степеней свободы остаточной вариации , а общая сумма квадратов отклонений на число степеней свободы в целом по совокупности .

Формула скорректированного индекса множественной детерминации имеет вид:

3. С увеличением числа объясняющих переменных скорректированный коэффициент детерминации:

в) не изменяется.

Ответ: б) уменьшается

Поскольку , то величину скорректированного индекса детерминации можно представить в виде:

Чем больше величина , тем сильнее различия и .

4. Число степеней свободы для остаточной суммы квадратов в линейной модели множественной регрессии равно:

а) ;

б) ;

в) .

Ответ: в)

Компоненты дисперсии	Сумма квадратов	Число степеней свободы	Дисперсия на одну степень свободы
Остаточная

5. Число степеней свободы для общей суммы квадратов в линейной модели множественной регрессии равно:

а) ;

б) ;

в) .

Ответ: а)

Компоненты дисперсии	Сумма квадратов	Число степеней свободы	Дисперсия на одну степень свободы
Общая

6. Число степеней свободы для факторной суммы квадратов в линейной модели множественной регрессии равно:

а) ;

б) ;

в) .

Компоненты дисперсии	Сумма квадратов	Число степеней свободы	Дисперсия на одну степень свободы
Факторная

Процентное выражение дисперсии зависимой переменной y вычисляется:

; 0,9*100=90%

В линейной множественной регрессии параметры при называются коэффициентами «чистой» регрессии. Они характеризуют среднее изменение результата с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне.

9. Стандартизованные коэффициенты регрессии :

а) позволяют ранжировать факторы по силе их влияния на результат;

б) оценивают статистическую значимость факторов;

в) являются коэффициентами эластичности.

Ответ: а) позволяют ранжировать факторы по силе их влияния на результат

Ранжирование факторов, участвующих во множественной линейной регрессии, может быть проведено через стандартизованные коэффициенты регрессии ( -коэффициенты).

10. Частные коэффициенты корреляции:

а) характеризуют тесноту связи рассматриваемого набора факторов с исследуемым признаком;

б) содержат поправку на число степеней свободы и не допускают преувеличения тесноты связи;

Ответ: в) характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании других факторов, включенных в уравнение регрессии.

Частные коэффициенты корреляции характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании (устранении влияния) других факторов, включенных в уравнение регрессии.

11. Частный -критерий:

а) оценивает значимость уравнения регрессии в целом;

б) служит мерой для оценки включения фактора в модель;

в) ранжирует факторы по силе их влияния на результат.

Ответ: б) служит мерой для оценки включения фактора в модель

12. Несмещенность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

Ответ: б) что математическое ожидание остатков равно нулю

Несмещенность оценки означает, что математическое ожидание остатков равно нулю. Если оценки обладают свойством несмещенности, то их можно сравнивать по разным исследованиям.

13. Эффективность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

Ответ: а) что она характеризуется наименьшей дисперсией

Оценки считаются эффективными, если они характеризуются наименьшей дисперсией. В практических исследованиях это означает возможность перехода от точечного оценивания к интервальному.

14. Состоятельность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

Ответ: в) увеличение ее точности с увеличением объема выборки

Состоятельность оценок характеризует увеличение их точности с увеличением объема выборки

15. Укажите истинное утверждение:

а) скорректированный и обычный коэффициенты множественной детерминации совпадают только в тех случаях, когда обычный коэффициент множественной детерминации равен нулю;

б) стандартные ошибки коэффициентов регрессии определяются значениями всех параметров регрессии;

в) при наличии гетероскедастичности оценки параметров регрессии становятся смещенными.

Ответ: в) при наличии гетероскедастичности оценки параметров регрессии становятся смещенными.

16. При наличии гетероскедастичности следует применять:

б) обобщенный МНК;

в) метод максимального правдоподобия.

Ответ: а) обычный МНК

При использовании обобщенного МНК с целью корректировки гетероскедастичности коэффициент регрессии представляет собой взвешенную величину по отношению к обычному МНК с весом .

17. Фиктивные переменные – это:

а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;

б) экономические переменные, принимающие количественные значения в некотором интервале;

в) значения зависимой переменной за предшествующий период времени.

Ответ: а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;

Чтобы ввести такие переменные в регрессионную модель, им должны быть присвоены те или иные цифровые метки, т.е. качественные переменные преобразованы в количественные. Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными.

18. Если качественный фактор имеет три градации, то необходимое число фиктивных переменных:

Предполагая при параметре независимую переменную, равную 1, имеем следующую матрицу исходных данных:

В рассматриваемой матрице существует линейная зависимость между первым, вторым и третьим столбцами: первый равен сумме второго и третьего столбцов. Поэтому матрица исходных факторов вырождена. Выходом из создавшегося затруднения может явиться переход к уравнениям

т.е. каждое уравнение включает только одну фиктивную переменную или .

Методика введения решения линейных уравнений и уравнений, сводящихся к линейным

Разделы: Математика

Изучение уравнений в среднем звене начинается с введения решения линейных уравнений и уравнений, сводящихся к линейным.

Равенство двух функций, рассматриваемых в общей области определения, называется уравнением. Переменные, входящие в уравнение, обозначаются латинскими буквами x, y,z, t … Уравнение с одной переменной х в общем, виде записывается так f(x)= g(x).

Всякое значение переменной, при котором выражения f(x) и g(x) принимают равные числовые значения, называется корнем уравнения.

Решить уравнение – это, значит, найти все его корни или доказать, что их нет.

Например, уравнение 3+x=7 имеет единственный корень 4, так как при этом и только при этом значении переменной 3+x=7 верное равенство.

Уравнение (x-1)(x-2)=0 имеет 2 корня 1 и 2.

Уравнение x 2 +1=0 не имеет действительных корней, так как сумма двух положительных чисел не равняется 0.

Для того, чтобы решить любое уравнение с одной переменной, учащийся должен знать: во-первых, правила, формулы или алгоритмы решения уравнений данного вида и, во-вторых, правила выполнения тождественных и равносильных преобразований, с помощью которых данное уравнение можно привести к простейшим.

Таким образом, решение каждого уравнения складывается из двух основных частей:

преобразования данного уравнения к простейшим;
решения простейших уравнений по известным правилам, формулам или алгоритмам.

Если вторая часть является алгоритмической, то первая часть — в значительной степени — эвристической, что и представляет наибольшую трудность для учащихся. В процессе решения уравнения его стараются заменить более простым, поэтому важно знать с помощью каких преобразований это возможно. Здесь необходимо в доступной для ребенка форме дать понятие равносильности.

Уравнения, имеющие одни и теже корни, называются равносильными. Равносильными считаются и уравнения, каждое из которых не имеет корней.

Например, уравнения x+2=5 и x+5=8 равносильны, так как каждое из них имеет единственный корень — число 3.Равносильны и уравнения x 2 +1=0 и 2x 2 +5=0 — ни одно из них не имеет корней.

Уравнения х-5=1 и х 2 =36 не равносильны, так как первое имеет только один корень х=6, тогда как второе имеет два корня 6 и –6.

К равносильным преобразованиям относятся:

1) Если к обеим частям уравнения прибавить одно и тоже число или одно и тоже целое алгебраическое выражение, содержащее неизвестное, то новое уравнение будет равносильно данному.

2) Если обе части уравнения умножить или разделить на одно и тоже отличное от нуля число, то получится уравнение, равносильное данному.

Например, уравнение равносильно уравнению x 2 – 1 = 6x

3) Если в уравнении произвести раскрытие скобок и привести подобные слагаемые, то получится уравнения, равносильно данному.

Обучение решения уравнений начинается с простейших линейных уравнений и уравнений сводящихся к ним. Дается определение линейного уравнения и рассматриваются случаи, когда оно имеет одно решение; не имеет решений и имеет бесконечное множество решений.

Линейным уравнением с одной переменной х называют уравнение вида ах = b, где а и b — действительные числа, а — называют коэффициентом при переменной, b — свободным членом.

Для линейного уравнения ах = b могут представиться при случае:

а 0, в этом случае корень уравнения равен b/a
а = 0; b = 0; в этом случае уравнение принимает вид 0х = b, что верно при любом х, т.е. корнем уравнения служит любое действительное число;
а = 0; b 0; в том случае уравнение принимает вид 0х = b, оно не имеет корней.

Многие уравнения в результате преобразований сводятся к линейным.

Так в 7 классе можно применить следующие уравнения:

Это уравнение сводиться к линейному уравнению.

Умножением обеих частей на 12 (наименьшее общее краткое знаменателей 3, 4, 6, 12), получим:

8 + 3x + 2 – 2x = 5x –12,

8 + 2 + 12 = 5x – 3x + 2x,

2) Покажем, что уравнение 2 (х + 1) – 1 = 3 — (1 — 2х) не имеет корней.

Упростим обе части уравнения:

2х + 2 – 1 = 3 – 1 + 2х,

Это уравнение не имеет корней, т.к. левая часть 0 х равна 0 при любом х, а значит не равна 1.

3) Покажем, что уравнение 3(1 – x) + 2 = 5 – 3x имеет бесконечное множество корней.

При прохождении темы “линейные уравнения с двумя переменными” можно предложить учащимся графический способ решения уравнения. Данный метод основан на пользовании графиков функций, входящих в уравнение. Суть метода: найти абсциссы точек пересечения графиков функций, стоящих в левой и правой частях уравнения. Основывается на выполнение следующих действий:

1) Преобразовать исходное уравнение к виду f(x) = g(x), где f(x) и g(x) функции, графики, которых можно построить.
2) Построить графики функций f(x) и g(x)
3) Определить точки пересечения построенных графиков.
4) Определить абсциссы найденных точек. Они и дадут множество решений исходного уравнения.
5) Записать ответ.

Преимущество данного метода заключается в том, что он позволяет легко определить число корней уравнения. Недостаток в том, что корни в общем случае определяются приближенно.

Следующим этапом в изучении линейных уравнений, являются уравнения с модулями, причем некоторые решения выполняются несколькими способами.

Решение уравнений, содержащих знак модуля и уравнений с параметрами можно назвать деятельностью, близкой к исследовательской. Это обусловлено тем, что выбор метода решения, процесс решения, запись ответа предполагают определенный уровень сформированности умений наблюдать, сравнивать, анализировать, выдвигать и проверять гипотезу, обобщать полученные результаты.

Особой интерес представляют уравнения, содержащие знак модуля.

По определению модуля числа a, имеем:

Число –a может быть отрицательным при a>0; -a положительным при a -1, тогда

Видим, что число 0 принадлежит промежутку. Значит, является корнем. Таким образом, уравнение имеет два корня: 0 и -4.

На простых примерах рассмотрим алгоритм решения уравнений с параметрами: область допустимых значений, область определения, общие решения, контрольные значения параметров, типы частных уравнений. Способы их нахождения будут устанавливаться в каждом виде уравнений отдельно.

На базе введенных понятий определим общую схему решения всякого уравнения F(a;x)=0 с параметром а (для случая двух параметров схема аналогична):

устанавливаются область допустимых значений параметра и область определения;
определяются контрольные значения параметра, разбивающие область допустимых значений параметра на области однотипности частных уравнений;
для контрольных значений параметра соответствующие частные уравнения исследуются отдельно;
находятся общие решения x=f₁ (a),…, f_k (a) уравнения F(a;x)=0 на соответствующих множествах А_f1,…, А_fk значений параметра;
составляется модель общих решений, контрольных значений параметра;
на модели выделяются промежутки значений параметра с одинаковыми общими решениями (области однотипности);
для контрольных значений параметра и выделенных областей однотипности записываются характеристики всех типов частных уравнений
Особое место в алгебре отводится линейным уравнениям с параметрами.

Рассмотрим несколько примеров.

1.	2х – 3 = m+1,

2х – 3 = + 4 m + 1,где m – неизвестный параметр.

Умножим обе части уравнения на 3, получим6х – 9 = m•х + 12m +3,

6х — m•х + 12m + 12,Вынесем общий множитель за скобки, получимх•(6-m) = 12(m+1),

, 6 – m ? 0, m ? 6.так как стоит в знаменателе дроби.Ответ: , при m 6.

Уравнение 2х – 3 + m (х/3 + 4) + 1 имеет множество решений, заданных формулой при всех значениях m, кроме 6.

2. , при m 2, x 1, n 0.

mx – n = 2x – 2 + 2n + 3xn,

mx – 2x – 3xn = — 2 + 2n +n,

mx – 2x – 3xn = 3n – 2,

x (m – 2 – 3n) = 3n – 2, при m 2, x 1, n 0.

Рассмотрим случай, где a = 0, тогда

m = 3n +2, при n 0

n = .

m = 3 • + 2,

x(4 – 2 – 3 ) = 3 • — 2,

x – любое число, кроме x = 1.

б) 3n – 2 0

0 • x = b. В этом случае уравнение не имеет решений.

2) a 0

m – 2 – 3n 0

m 2 + 3n.

x = , при x ? 1,

3n – 2 m – 2 – 3n,

3n + 3n 2 – 2 + m,

6n m (n )

В этом случае уравнение решений не имеет.

Значит, при n = и m = 4, x – любое число, кроме 1; при n = 0, m = 6n

(n ), m = 3n + 2 (n ), m = 2 уравнение решений не имеет. Для всех остальных значения параметров x = .

Ответ: 1. n = , m = 4 – x ? R\.

2. n = 0, m = 6n (n ), m = 3n + 2 (n ), m = 2 – решений нет.

3. n 0, m 6n, m 3n + 2, m 2 – x = .

В дальнейшем предлагается рассмотреть решение задач методом составления линейных уравнений. Это сложный процесс, где надо уметь думать, догадываться, хорошо знать фактически материал.

В процессе решения каждой задачи надо четко размечать четыре этапа:

изучение условия задачи;
поиск плана решения и его составление;
оформление найденного решения;
критический анализ результата решения.

Теперь рассмотрим задачи, при решении которых применяются линейные уравнения.

1. Сплав меди и цинка содержит меди на 640 г. Больше, чем цинка. После того, как из сплава выделили 6/7 содержащейся в нем меди и 60% цинка, масса сплава оказалась равной 200 г. Какова была масса сплава первоначально?

Пусть в сплаве было х г. цинка, тогда меди (640 + х) г. после того, как выделили 6/7 меди и 60% цинка, осталось 1/7 меди и 40% цинка, т.е. 0,4 части. Зная, что масса сплава оказалась равной 200 г., составим уравнение.

1/7 (х + 640) + 0,4•х = 200,

х + 640 + 2,8•х =1400,

Значит, цинка было 200 г., а меди 840 г.

(200 + 640 = 840). 1) 200 + 840 = 1040 (г.) – масса сплава. Ответ: первоначальная масса сплава 1040 г.

2. Сколько литров 60% серной кислоты нужно прибавить к 10 л 30% кислоты, чтобы получить 40% раствор?

Пусть число литров 60% кислоты, которое прибавим х л, тогда раствора чистой кислоты будет л. А в 10 л 30% раствора чистой кислоты будет л. Зная, что в полученных (10 + х) смеси будет чистой кислоты л, составим уравнение.

+=,

60х + 300 = 40х + 400,

60х – 40х = 400 – 300,

Значит, нужно прибавить 5 л 60% кислоты.

При изучении темы “Решение линейных уравнений” рекомендуется некоторая историческая справка.

Задачи на решение уравнений первой степени встречаются еще в вавилонских клинописных текстах. В них же есть некоторые задачи, приводящие к квадратным и даже кубическим уравнениям (последние, по-видимому, решались с помощью подбора корней). Древнегреческие математики нашли геометрическую форму решения квадратного уравнения. В геометрической же форме арабский математик Омар Хайям (конец XI – начало XII века н. э.) исследовал кубическое уравнение, хотя и не нашел общей формулы для его решения. Решение кубического уравнения было найдено в начале XVI века в Италии. После того, как Сципиан дель Ферро решил один частный вид таких уравнений в 1535 году, итальянец Тарталья нашел общую формулу. Он доказал, что корни уравнения x 3 + px + q = 0 имеют вид x =.

Это выражение обычно называют формулой Кардано, по имени ученого, узнавшего ее от Тартальи и опубликовавшего в 1545 году в своей книге “Великое искусство алгебраических правил”. Ученик Кардано – молодой математик Феррари решил общее уравнение четвертой степени. После этого на протяжении двух с половиной столетий продолжались поиски формулы для решения уравнений пятой степени. В 1823 году замечательный норвежский математик Нильс Хендрик Абель (1802-1829) доказал, что такой формулы не существует. Точнее говоря, он доказал, что корни общего уравнения пятой степени нельзя выразить через его коэффициенты с помощью арифметических действий и операций извлечения корня. Глубокое исследование вопроса об условиях разрешимости уравнений в радикалах провел французский математик Эварист Галуа (1811-1832), погибший на дуэли в возрасте 21 года. Некоторые проблемы теории Галуа решил советский алгебраист И.Т.Шафаревич.

Наряду с поисками формулы для решения уравнения пятой степени велись и другие исследования в области теории алгебраических уравнений. Виета установил связь между коэффициентами уравнений и его корнями. Он доказал, что если x₁,…,x_n – корни уравнения x n + a₁x n-1 +…+a_n=0, то имеют место формулы:

Литература:

Журнал “Математика в школе” 6, 1999
Приложение к газете “Первое сентября”- математика 20, 1999.
С.И. Туманов “Алгебра”, пособие для учащихся 6-8 классов.
Н.И. Александров; И. П.Ярандай “Словарь-справочник по математике”.
О.Б. Епишева; В.И. Крупич “Учить школьников учиться математике”.
Е.И.Ямщенко “Изучение функций”.
А.И. Худобин; М.Ф. Шуршалов “Сборник задач по алгебре и элементарным функциям”.
Ш. А. Алимов, В.А. Ильин “Алгебра 6-8 классы”.

источники:

http://lektsii.org/14-43321.html

http://urok.1sept.ru/articles/410415