- Статистические методы исследования.

Презентация "Статистические методы исследования." по математике – проект, доклад

Слайд 1
Слайд 2
Слайд 3
Слайд 4
Слайд 5
Слайд 6
Слайд 7
Слайд 8
Слайд 9
Слайд 10
Слайд 11
Слайд 12
Слайд 13
Слайд 14
Слайд 15
Слайд 16
Слайд 17
Слайд 18
Слайд 19
Слайд 20
Слайд 21
Слайд 22
Слайд 23
Слайд 24
Слайд 25
Слайд 26
Слайд 27
Слайд 28
Слайд 29
Слайд 30
Слайд 31
Слайд 32
Слайд 33
Слайд 34
Слайд 35
Слайд 36
Слайд 37
Слайд 38
Слайд 39
Слайд 40
Слайд 41
Слайд 42
Слайд 43
Слайд 44
Слайд 45
Слайд 46

Презентацию на тему "Статистические методы исследования." можно скачать абсолютно бесплатно на нашем сайте. Предмет проекта: Математика. Красочные слайды и иллюстрации помогут вам заинтересовать своих одноклассников или аудиторию. Для просмотра содержимого воспользуйтесь плеером, или если вы хотите скачать доклад - нажмите на соответствующий текст под плеером. Презентация содержит 46 слайд(ов).

Слайды презентации

Статистические методы исследования
Слайд 1

Статистические методы исследования

Я подготовил тезисы своего доклада, а вы подберите немного статистики, чтобы их обосновать.
Слайд 2

Я подготовил тезисы своего доклада, а вы подберите немного статистики, чтобы их обосновать.

Математическая статистика. Математическая статистика - область науки, изучающая случайные явления, разрабатывающая математические методы систематизации, обработки и использования статистических данных для научных и практических выводов. Составными частями математической статистики являются: (1) опис
Слайд 3

Математическая статистика

Математическая статистика - область науки, изучающая случайные явления, разрабатывающая математические методы систематизации, обработки и использования статистических данных для научных и практических выводов. Составными частями математической статистики являются: (1) описание данных, (2) статистическое оценивание (3) проверка статистических гипотез.

Замечания. Статистические методы основаны на логике. Следует опасаться применения статистических методов без их глубокого понимания и без контекста, который может оказаться крайне важным. Только после постижения внутренней логики каждого из методов можно с уверенностью говорить о способности исследо
Слайд 4

Замечания

Статистические методы основаны на логике. Следует опасаться применения статистических методов без их глубокого понимания и без контекста, который может оказаться крайне важным. Только после постижения внутренней логики каждого из методов можно с уверенностью говорить о способности исследователя без труда применять статистику для изучения явлений.

Статистические данные. Числовые  Числовая статистика Числовые статистические данные – это числа, вектора, функции. Их можно складывать, умножать на коэффициенты. Поэтому в числовой статистике большое значение имеют разнообразные суммы. Математический аппарат анализа сумм случайных элементов выборки
Слайд 5

Статистические данные

Числовые  Числовая статистика Числовые статистические данные – это числа, вектора, функции. Их можно складывать, умножать на коэффициенты. Поэтому в числовой статистике большое значение имеют разнообразные суммы. Математический аппарат анализа сумм случайных элементов выборки – это (классические) законы больших чисел и центральные предельные теоремы

Нечисловые  Нечисловая статистика Нечисловые статистические данные – это категоризованные данные, вектора разнотипных признаков, бинарные отношения, множества, нечеткие множества и др. Их нельзя складывать и умножать на коэффициенты. Поэтому не имеет смысла говорить о суммах нечисловых статистическ
Слайд 6

Нечисловые  Нечисловая статистика Нечисловые статистические данные – это категоризованные данные, вектора разнотипных признаков, бинарные отношения, множества, нечеткие множества и др. Их нельзя складывать и умножать на коэффициенты. Поэтому не имеет смысла говорить о суммах нечисловых статистических данных. Они являются элементами нечисловых математических пространств (множеств). Математический аппарат анализа нечисловых статистических данных основан на использовании расстояний между элементами (а также мер близости, показателей различия) в таких пространствах.

Переменные. Данные (data) представляют собой результаты наблюдений, испытаний, накапливаемые с целью последующего изучения и анализа. Переменная, признак (variable) - это некоторая общая для всех изучаемых объектов характеристика или свойство, конкретные проявления которого могут меняться от объекта
Слайд 7

Переменные

Данные (data) представляют собой результаты наблюдений, испытаний, накапливаемые с целью последующего изучения и анализа. Переменная, признак (variable) - это некоторая общая для всех изучаемых объектов характеристика или свойство, конкретные проявления которого могут меняться от объекта к объекту. Проявления признака называют значениями, показателями, альтернативами, градациями. Распределение переменной (distribution of the variable) - совокупность различных значений, которые переменная принимает для различных изучаемых объектов.

Определения. Генеральная совокупность (population) - вся интересующая исследователя совокупность изучаемых объектов. Выборка, выборочная совокупность (sample) - некоторая, обычно небольшая, часть генеральной совокупности, отбираемая специальным образом и исследуемая с целью получения выводов о свойс
Слайд 8

Определения

Генеральная совокупность (population) - вся интересующая исследователя совокупность изучаемых объектов. Выборка, выборочная совокупность (sample) - некоторая, обычно небольшая, часть генеральной совокупности, отбираемая специальным образом и исследуемая с целью получения выводов о свойствах генеральной совокупности.

Параметры (parameters) - числовые характеристики генеральной совокупности. Статистики (statistics) - числовые характеристики выборки.

Гипотеза (hypothesis) - предположение относительно параметров генеральной совокупности, которое подлежит проверке на основе анализа выборки.

Роль статистики в проведении исследований
Слайд 9

Роль статистики в проведении исследований

Измерение явлений. Измерение (measurement) означает присвоение чисел характеристикам изучаемых объектов, явлений согласно некоторому правилу. Шкала (scale) есть правило или алгоритм, в соответствии с которым изучаемым объектам, явлениям присваиваются числа.
Слайд 10

Измерение явлений

Измерение (measurement) означает присвоение чисел характеристикам изучаемых объектов, явлений согласно некоторому правилу. Шкала (scale) есть правило или алгоритм, в соответствии с которым изучаемым объектам, явлениям присваиваются числа.

Типы данных. Дискретные данные (discrete data) представляют собой отдельные значения признака, общее число которых конечно либо если бесконечно, то является счетным, т.е. может быть подсчитано натуральными числами от одного до бесконечности. Непрерывные данные (continuous data) могут принимать любое
Слайд 11

Типы данных

Дискретные данные (discrete data) представляют собой отдельные значения признака, общее число которых конечно либо если бесконечно, то является счетным, т.е. может быть подсчитано натуральными числами от одного до бесконечности. Непрерывные данные (continuous data) могут принимать любое значение в некотором интервале.

Критерии измерений. Надежность измерения (reliability) означает возможность получить согласующиеся результаты при повторных Достоверность измерения (validity) означает соответствие между результатами измерения и его целями, между выбранной шкалой и исследуемыми переменными. измерениях характеристик
Слайд 12

Критерии измерений

Надежность измерения (reliability) означает возможность получить согласующиеся результаты при повторных Достоверность измерения (validity) означает соответствие между результатами измерения и его целями, между выбранной шкалой и исследуемыми переменными. измерениях характеристик объекта. Завершенность измерения (exhaustive) означает, что в результате измерения мы должны получить какой-либо результат. Единственность измерения (mutually exclusive) означает, что в результате измерения мы получим только одно значение переменной.

Измерительные шкалы (С. Стивенс). номинативная, или номинальная, или шкала наименований (в том числе дихотомическая) порядковая, или ранговая, или ординальная шкала интервальная, или шкала равных интервалов шкала равных отношений или реляционная шкала
Слайд 13

Измерительные шкалы (С. Стивенс)

номинативная, или номинальная, или шкала наименований (в том числе дихотомическая) порядковая, или ранговая, или ординальная шкала интервальная, или шкала равных интервалов шкала равных отношений или реляционная шкала

Стивенсовская типология измерительных шкал получила повсеместное распространение, однако, по мнению Суходольского Г.В. к числу измерительных шкал относятся только интервальные и реляционные шкалы. Применение статистического метода определяется, прежде всего, шкалой в которой измерена переменная.
Слайд 14

Стивенсовская типология измерительных шкал получила повсеместное распространение, однако, по мнению Суходольского Г.В. к числу измерительных шкал относятся только интервальные и реляционные шкалы. Применение статистического метода определяется, прежде всего, шкалой в которой измерена переменная.

Представление данных. Группировка Табулирование Ранжирование Распределение частот Интервальное распределения частот Статистические ряды Графическое представление данных
Слайд 16

Представление данных

Группировка Табулирование Ранжирование Распределение частот Интервальное распределения частот Статистические ряды Графическое представление данных

Меры центральной тенденции. Мода Медиана Среднее арифметическое значение Среднее геометрическое Среднее гармоническое. Mo Md
Слайд 17

Меры центральной тенденции

Мода Медиана Среднее арифметическое значение Среднее геометрическое Среднее гармоническое

Mo Md

Меры изменчивости (вариативности). Размах Квартильный размах Дисперсия Стандартное отклонение Коэффициент вариации Асимметрия Эксцесс
Слайд 18

Меры изменчивости (вариативности)

Размах Квартильный размах Дисперсия Стандартное отклонение Коэффициент вариации Асимметрия Эксцесс

Стандартизация шкал. Любое множество n данных со средним и стандартным отклонением Sx можно преобразовать в другое множество со средним 0 и стандартным отклонением 1 таким образом, что преобразованные значения будут непосредственно выражаться в отклонениях исходных значений от среднего, измеренных в
Слайд 20

Стандартизация шкал

Любое множество n данных со средним и стандартным отклонением Sx можно преобразовать в другое множество со средним 0 и стандартным отклонением 1 таким образом, что преобразованные значения будут непосредственно выражаться в отклонениях исходных значений от среднего, измеренных в единицах стандартного отклонения. Новые значения называют значениями z.

Множество данных можно расположить на любой шкале, то есть им можно приписать желаемые среднее (d) и стандартное отклонение (с), пользуясь выражением

Множество X Среднее Ст. откл. Sx Множество Z Ст. откл. Sz=1 Множество Y Ст. откл. Sy

Полигон распределения. Кривая распределения. Кумулятивный полигон. Гистограмма результатов тестирования 43 абитуриентов
Слайд 21

Полигон распределения

Кривая распределения

Кумулятивный полигон.

Гистограмма результатов тестирования 43 абитуриентов

Исследовательский анализ данных. Исследовательский анализ данных (Exploratory Data Analysis - EDA) представляет собой применение статистических методов для представления, упорядочения данных и понимания их важнейших характеристик. Это комплексный анализ характеристик распределения Измерение централь
Слайд 23

Исследовательский анализ данных

Исследовательский анализ данных (Exploratory Data Analysis - EDA) представляет собой применение статистических методов для представления, упорядочения данных и понимания их важнейших характеристик. Это комплексный анализ характеристик распределения Измерение центральной тенденции Измерение вариации. Нахождение и анализ выбросов. Выделение границ для выбросов, анализ экстремальных и умеренных выбросов. Анализ формы распределения. Вычисление и анализ коэффициентов асимметрии и куртозиса.

Вероятность (классическое определение). Вероятностью события А назовем отношение числа благоприятных исходов к общему числу элементарных исходов (классическое определение вероятности). Вероятность достоверного события равна единице Вероятность невозможного события равна нулю. Вероятность любого собы
Слайд 24

Вероятность (классическое определение)

Вероятностью события А назовем отношение числа благоприятных исходов к общему числу элементарных исходов (классическое определение вероятности). Вероятность достоверного события равна единице Вероятность невозможного события равна нулю. Вероятность любого события не может быть меньше нуля и больше единицы: 0

Вероятность (статистической определение). Вероятность события А - предельная относительная частота появления события А при проведении серии испытаний, при неограниченном увеличении их числа.
Слайд 25

Вероятность (статистической определение)

Вероятность события А - предельная относительная частота появления события А при проведении серии испытаний, при неограниченном увеличении их числа.

Нормальное распределение
Слайд 26

Нормальное распределение

Выборки. Зависимые (связные) Независимые (несвязные) Требования к формированию выборок: Однородность Репрезентативность Повторность или безповторность
Слайд 27

Выборки

Зависимые (связные) Независимые (несвязные) Требования к формированию выборок: Однородность Репрезентативность Повторность или безповторность

Определение объема выборки (для социологических, педагогических и психологических исследований). принято считать, что при n  60 выборка большая или репрезентативная, но такое деление тоже весьма условно; наибольший объем выборки необходим при разработке диагностической методики – от 200 до 1000-250
Слайд 28

Определение объема выборки (для социологических, педагогических и психологических исследований)

принято считать, что при n  60 выборка большая или репрезентативная, но такое деление тоже весьма условно; наибольший объем выборки необходим при разработке диагностической методики – от 200 до 1000-2500 человек; если необходимо сравнивать две выборки, их общая численность должна быть не менее 50 человек; численность сравниваемых выборок должна быть приблизительно одинаковой;

если изучается взаимосвязь между какими-либо свойствами, то объем выборки должен быть не меньше 30-35 человек; чем больше изменчивость изучаемого свойства, тем больше должен быть объем выборки. Поэтому изменчивость можно уменьшать, увеличивая однородность выборки, например по полу, возрасту и т.д..
Слайд 29

если изучается взаимосвязь между какими-либо свойствами, то объем выборки должен быть не меньше 30-35 человек; чем больше изменчивость изучаемого свойства, тем больше должен быть объем выборки. Поэтому изменчивость можно уменьшать, увеличивая однородность выборки, например по полу, возрасту и т.д.. при этом, естественно, уменьшаются возможности генерализации выводов.

Статистический метод определения объема безповторной выборки. где n – объем выборки, σ – стандартное отклонение, N – объем генеральной совокупности,  – предельная ошибка репрезентативности, задается обычно в пределах от 0,01 до 0,10 с наиболее частым употреблением 0,05 (5%); t – табулированная конс
Слайд 30

Статистический метод определения объема безповторной выборки

где n – объем выборки, σ – стандартное отклонение, N – объем генеральной совокупности,  – предельная ошибка репрезентативности, задается обычно в пределах от 0,01 до 0,10 с наиболее частым употреблением 0,05 (5%); t – табулированная константа, табличные значения этой величины следующие: t=1,96, при =0,05; t=2,58, при =0,01.

Исследование Выборочное Сплошное. Целенаправленное (есть список ген.сов.). Случайное (вероятностное). Простая Квотная. Систематизированная. Стратифицированные. Кластерная. С учетом групп (кластеров). Без учета групп (кластеров). Типическая Стихийная
Слайд 31

Исследование Выборочное Сплошное

Целенаправленное (есть список ген.сов.)

Случайное (вероятностное)

Простая Квотная

Систематизированная

Стратифицированные

Кластерная

С учетом групп (кластеров)

Без учета групп (кластеров)

Типическая Стихийная

Алгоритм решения. Определить, какая модель кажется наиболее подходящей для доказательства научных предположений Ознакомиться с описанием метода, примерами и задачами Рассмотреть ограничения критерия и возможность сбора необходимых данных. Определить объем выборки Обеспечить доступ к выборке Провести
Слайд 32

Алгоритм решения

Определить, какая модель кажется наиболее подходящей для доказательства научных предположений Ознакомиться с описанием метода, примерами и задачами Рассмотреть ограничения критерия и возможность сбора необходимых данных. Определить объем выборки Обеспечить доступ к выборке Провести исследование, обработать полученные данные по заранее выбранному алгоритму Если ограничения выполнить не удалось, обратиться к предыдущим шагам, когда данные уже получены.

Схема применения статистических методов. Формулируются статистические гипотезы: Но: гипотеза об отсутствии различий (так называемая нулевая гипотеза) Н1: гипотеза о значимости различий (так называемая альтернативная гипотеза) Для принятия решений о том, какую из гипотез следует принять, используют р
Слайд 33

Схема применения статистических методов

Формулируются статистические гипотезы: Но: гипотеза об отсутствии различий (так называемая нулевая гипотеза) Н1: гипотеза о значимости различий (так называемая альтернативная гипотеза) Для принятия решений о том, какую из гипотез следует принять, используют решающие правила – статистические критерии То есть, на основании информации о результатах наблюдений вычисляется число, называемое эмпирическим значением критерия. Это число сравнивается с известным (например, заданным таблично) эталонным числом, называемым критическим значением критерия.

Критические значения. Находится по специальным таблицам – для каждого метода свои таблица Зависят или от объема выборки, или от количества интервалов, или количества выборок Зависят от уровня значимости Уровни значимости - вероятность ошибки, заключающейся в отклонении (не принятии) нулевой гипотезы
Слайд 34

Критические значения

Находится по специальным таблицам – для каждого метода свои таблица Зависят или от объема выборки, или от количества интервалов, или количества выборок Зависят от уровня значимости Уровни значимости - вероятность ошибки, заключающейся в отклонении (не принятии) нулевой гипотезы, когда она верна, то есть вероятность того, что различия сочтены существенными, а они на самом деле случайны. Обычно различают (p) 0,05, 0,01 и 0,001.

Правила принятия гипотез. Если полученное исследователем эмпирическое значение критерия оказывается меньше или равно критическому, то принимается нулевая гипотеза. В противном случае, если эмпирическое значение критерия оказывается строго больше критического, то нулевая гипотеза отвергается и приним
Слайд 35

Правила принятия гипотез

Если полученное исследователем эмпирическое значение критерия оказывается меньше или равно критическому, то принимается нулевая гипотеза. В противном случае, если эмпирическое значение критерия оказывается строго больше критического, то нулевая гипотеза отвергается и принимается альтернативная гипотеза. В разных науках принято считать низшим разный уровень статистической значимости, например в психологии – это 0,05 в экономике, физике – это 0,01

Графическая интерпретация
Слайд 36

Графическая интерпретация

Интерпретация ответов. rxy = 0,669. Гипотеза H0 отвергается и принимается гипотеза H1 (при 0,01). Достоверность составляет 99%. rxy = 0,669. Гипотеза H0 отвергается и принимается гипотеза H1 (при 0,05). Достоверность составляет 95%.
Слайд 38

Интерпретация ответов

rxy = 0,669. Гипотеза H0 отвергается и принимается гипотеза H1 (при 0,01). Достоверность составляет 99%. rxy = 0,669. Гипотеза H0 отвергается и принимается гипотеза H1 (при 0,05). Достоверность составляет 95%.

Классификация задач. Выявление различий в уровне исследуемого признака Оценка сдвига значений исследуемого признака Выявление различий в распределении признака. Выявление степени согласованности изменений Анализ изменений признака под влиянием контролируемых условий Методы многомерного анализа
Слайд 39

Классификация задач

Выявление различий в уровне исследуемого признака Оценка сдвига значений исследуемого признака Выявление различий в распределении признака. Выявление степени согласованности изменений Анализ изменений признака под влиянием контролируемых условий Методы многомерного анализа

Пример методов.  коэффициент корреляции Пирсона  - коэффициент корреляции Кендалла R – бисериальный коэффициент корреляции  - корреляционное отношение Пирсона rS - коэффициент ранговой корреляции Спирмена rxy - коэффициент линейной корреляции Пирсона Множественная и частная корреляция Линейная, к
Слайд 40

Пример методов

 коэффициент корреляции Пирсона  - коэффициент корреляции Кендалла R – бисериальный коэффициент корреляции  - корреляционное отношение Пирсона rS - коэффициент ранговой корреляции Спирмена rxy - коэффициент линейной корреляции Пирсона Множественная и частная корреляция Линейная, криволинейная и множественная регрессия Факторный и кластерный анализы

Пример методов для определения связи между переменными

Структура эксперимента
Слайд 41

Структура эксперимента

Корреляционный анализ
Слайд 42

Корреляционный анализ

Линейная отрицательная связь. Криволинейная связь. Линейная положительная связь. Случайная связь
Слайд 43

Линейная отрицательная связь

Криволинейная связь

Линейная положительная связь

Случайная связь

Степень (сила или теснота) корреляционной связи определяется по величине коэффициента корреляции, обозначающегося часто как r. -1 ≤ r ≤ +1. Сила связи не зависит от ее направленности и определяется по абсолютному значению коэффициента корреляции /r/. Если коэффициент корреляции по модулю оказывается
Слайд 44

Степень (сила или теснота) корреляционной связи определяется по величине коэффициента корреляции, обозначающегося часто как r. -1 ≤ r ≤ +1. Сила связи не зависит от ее направленности и определяется по абсолютному значению коэффициента корреляции /r/. Если коэффициент корреляции по модулю оказывается близким к 1, то это соответствует высокому уровню связи между переменными.

Пример. r= 0,67 r= 0,12 r= 0,98 r= -0,67 r= -0,13 r= 0,79. ? r0,05= 0,69 r0,01= 0,89 r0,01= 0,78. Общая классификация. Частная классификация
Слайд 46

Пример

r= 0,67 r= 0,12 r= 0,98 r= -0,67 r= -0,13 r= 0,79

? r0,05= 0,69 r0,01= 0,89 r0,01= 0,78

Общая классификация

Частная классификация

Список похожих презентаций

Математические методы исследования явлений культуры

Математические методы исследования явлений культуры

Рекомендуемая литература: Миронов Б.Н., Степанов З.В. Историк и математика: (Математические методы в историческом исследовании). – Л., 1975. Богомолова ...
статистические методы обработки данных

статистические методы обработки данных

Этапы статистического исследования. 1. Сбор информации 2. Обработка информации 3. Анализ данных. Виды статистических признаков:. количественные; качественные ...
Статистические исследования 5 класса МОУ «Арылахская общеобразовательная школа

Статистические исследования 5 класса МОУ «Арылахская общеобразовательная школа

Цель: выяснить, как собираются и группируются статистические данные, как можно наглядно представить статистические исследования . уточнение понятия ...
Формы и методы подготовки к ЕГЭ на уроках математики

Формы и методы подготовки к ЕГЭ на уроках математики

«…подготовка к ЕГЭ стала сегодня основной целью работы учителя. А результаты ЕГЭ – основным мерилом его работы». Нарышкин С. Е., глава специальной ...
Статистические характеристики интервального ряда

Статистические характеристики интервального ряда

Тема урока: «Статистические характеристики интервального ряда». Тип урока: повторительно - обобщительный урок. Цели и задачи : - повторить основные ...
Статистические характеристики

Статистические характеристики

“Статистика знает всё”. “Известно, сколько какой пищи съедает в год средний гражданин республики… Известно, сколько в стране охотников, балерин, станков, ...
Статистические характеристики

Статистические характеристики

Среднее арифметическое, размах и мода находят применение в статистике – науке, которая занимается получением, обработкой и анализом количественных ...
Статистические распределения и их основные характеристики

Статистические распределения и их основные характеристики

Различия индивидуальных значений признака у единиц совокупности называются вариацией признака. Она возникает в результате того, что индивидуальные ...
Системы линейных уравнений: методы решения

Системы линейных уравнений: методы решения

Систему m линейных уравнений с n неизвестными будем записывать в следующем виде:. Здесь x1, x2, , xn – неизвестные величины; aij (i = 1,2, … , m; ...
Активные методы обучения на уроках математики и во внеурочной деятельности

Активные методы обучения на уроках математики и во внеурочной деятельности

Активные методы обучения — это методы, которые побуждают учащихся к активной мыслительной и практической деятельности в процессе овладения учебным ...
Применение производной для исследования функций

Применение производной для исследования функций

Монотонность функции. Убывает на (-;x, x) Возрастает на х1; х2. Постоянна на а;в. у х У=f(x) x1 а в. Исследование функции на возрастание. ...
Комбинаторные методы решения вероятностных задач

Комбинаторные методы решения вероятностных задач

Обобщить знания и умения учащихся по применению методов решения задач формировать умения решать задачи на нахождение вероятности случайного события ...
Математические методы в сетевом планировании

Математические методы в сетевом планировании

Сергей Гриняев Угрозы информационной революции Угрозы и вызовы - среднесрочный прогноз экспертов корпорации РЭНД о будущем информационной революции. ...
Исследование операций и методы оптимизации

Исследование операций и методы оптимизации

Структура дисциплины. Лекции – 32 ч. Практические занятия – 32 ч. ОТЧЕТНОСТЬ Контрольная работа - 5 ТЕСТЫ - 1 ФОРУМ - 1 Экзамен. ВВЕДЕНИЕ В ИССЛЕДОВАНИЕ ...
Грубые погрешности и методы их устранения

Грубые погрешности и методы их устранения

Определение. Грубая погрешность, или промах, — это погрешность результата отдельного измерения, входящего в ряд измерений, которая для данных условий ...
Аналитический и численный методы решения систем уравнений с параметром

Аналитический и численный методы решения систем уравнений с параметром

АНАЛИТИЧЕСКИЙ И ЧИСЛЕННЫЙ МЕТОДЫ РЕШЕНИЯ СИСТЕМ УРАВНЕНИЙ С ПАРАМЕТРОМ. Астрахарчик Н.А. Система симметрична относительно знака x. Система симметрична ...
Аналитические методы решения логарифмических уравнений

Аналитические методы решения логарифмических уравнений

Цели урока:. Обобщить и систематизировать изученные методы решения логарифмических уравнений Выявить особенности каждого метода Выяснить, всегда ли ...
Активные формы и методы обучения школьников

Активные формы и методы обучения школьников

Ф о р м ы р а б о т ы. индивидуальные парные групповые коллективные. Основные формы проведения факультативных занятий. Лекция Семинар Дискуссия Решение ...
Применение производной для исследования функции на монотонность и экстремумы

Применение производной для исследования функции на монотонность и экстремумы

Х У 0 касательная α. k – угловой коэффициент прямой (касательной). Геометрический смысл производной: если к графику функции y = f(x) в точке с абсциссой ...
Математические методы проверки гипотез

Математические методы проверки гипотез

Гипотеза – это…. Гипотеза исследования. Теоретическая: объясняет причины и внутренние закономерностей эмпирически исследуемых явлений. Эмпирическая: ...

Конспекты

Численные методы интегрирования

Численные методы интегрирования

Государственное бюджетное образовательное учреждение. среднего профессионального образования. Пермский политехнический колледж имени Н.Г. Славянова. ...
Статистические характеристики

Статистические характеристики

Нелюбина Гульнара Ахуновна. Моау «СОШ №10» город Оренбург. Учитель математики. Разработка урока по теме «Статистические характеристики». 7 класс. ...
Статистическое определение вероятности. Комбинаторные методы решения задач

Статистическое определение вероятности. Комбинаторные методы решения задач

Алгебра. Раздел: Теория вероятностей. Тема:. Статистическое определение вероятности. Комбинаторные методы решения задач. Цель:. выработать умение ...
Статистика. Статистические характеристики

Статистика. Статистические характеристики

Учитель: Ахонен Екатерина Петровна. Урок в 8 классе по теме: « Статистика. Статистические характеристики». Цель:. . Познакомить с понятиями ...
Статистические характеристики

Статистические характеристики

. Технологическая карта урока математики. . 1. Ф.И.О. учителя:. Орликова Наталья Ивановна. . 2. Класс: 7. Дата: 07.10.2013 . . . Предмет:. ...
Применение производной для исследования функций на монотонность и экстремумы

Применение производной для исследования функций на монотонность и экстремумы

Открытый урок по математике в 10 классе по теме:. «Применение производной для исследования функций на монотонность и экстремумы». Цели и задачи:. ...
Применение производной для исследования функций на монотонность и экстремумы

Применение производной для исследования функций на монотонность и экстремумы

Урок алгебры в 10 классе. по теме: «Применение производной для исследования функций. . на монотонность и экстремумы». Тип урока:. . интегрированный. ...
Общие методы решения уравнений

Общие методы решения уравнений

Разработка урока в 11 классе. . Тема урока: Общие методы решения уравнений. Цели:. Повторить и расширить сведения об уравнениях и способах ...
Основные методы решения тригонометрических уравнений

Основные методы решения тригонометрических уравнений

. МАТЕМАТИКА 11 класс. Тема: Основные методы решения тригонометрических уравнений. Цели урока:. Обобщить и систематизировать полученные знания ...
Общие методы решения тригонометрических уравнений

Общие методы решения тригонометрических уравнений

. Муниципальное общеобразовательное учреждение. Малоибряйкинская основная общеобразовательная школа. Похвистневского района Самарской области. ...

Советы как сделать хороший доклад презентации или проекта

  1. Постарайтесь вовлечь аудиторию в рассказ, настройте взаимодействие с аудиторией с помощью наводящих вопросов, игровой части, не бойтесь пошутить и искренне улыбнуться (где это уместно).
  2. Старайтесь объяснять слайд своими словами, добавлять дополнительные интересные факты, не нужно просто читать информацию со слайдов, ее аудитория может прочитать и сама.
  3. Не нужно перегружать слайды Вашего проекта текстовыми блоками, больше иллюстраций и минимум текста позволят лучше донести информацию и привлечь внимание. На слайде должна быть только ключевая информация, остальное лучше рассказать слушателям устно.
  4. Текст должен быть хорошо читаемым, иначе аудитория не сможет увидеть подаваемую информацию, будет сильно отвлекаться от рассказа, пытаясь хоть что-то разобрать, или вовсе утратит весь интерес. Для этого нужно правильно подобрать шрифт, учитывая, где и как будет происходить трансляция презентации, а также правильно подобрать сочетание фона и текста.
  5. Важно провести репетицию Вашего доклада, продумать, как Вы поздороваетесь с аудиторией, что скажете первым, как закончите презентацию. Все приходит с опытом.
  6. Правильно подберите наряд, т.к. одежда докладчика также играет большую роль в восприятии его выступления.
  7. Старайтесь говорить уверенно, плавно и связно.
  8. Старайтесь получить удовольствие от выступления, тогда Вы сможете быть более непринужденным и будете меньше волноваться.

Информация о презентации

Ваша оценка: Оцените презентацию по шкале от 1 до 5 баллов
Дата добавления:25 сентября 2018
Категория:Математика
Содержит:46 слайд(ов)
Поделись с друзьями:
Скачать презентацию
Смотреть советы по подготовке презентации