Digital SAT iki değişkenli veri: scatterplot rehberi

Digital SAT Math'teki iki değişkenli veri soruları (Two-Variable Data: Models and Scatterplots), tek bir bağlam üzerinden iki sayısal değişken arasındaki ilişkiyi okumayı, modellemeyi ve yorumlamayı ister. Grafik çoğu zaman basit görünür; hatalar genellikle grafiğin kendisinden değil, sorunun ne istediğini karıştırmaktan doğar: eğim mi, tahmin mi, artık mı, yoksa ilişkinin kendisi mi?

Bu sayfa ünitenin genel haritasıdır: hangi başlıklar çalışılır, grafiğe bakmadan önce neler kontrol edilir, eksen tuzakları nasıl yakalanır, süre nasıl kullanılır ve en sık hangi hatalar yapılır. En iyi uyum doğrusu, model seçimi ve korelasyon–nedensellik ayrımı ise kendi sayfalarında ayrıntılı anlatılıyor; ilgili bölümlerde o sayfaların bağlantısı var.

Ünitenin başlıkları ve ilk hamleler

Soruların görünüşü değişse de ünite aşağıdaki yedi başlık üzerinden çalışılabilir. Sorunun hangi başlığa girdiğini tanımak, hangi aracın kullanılacağını belirler: grafik okuma, denklemde yerine koyma ya da kavramsal eleme.

Korelasyon ve r² satırları, noktaların yönünü ve doğrunun veriye uyumunu yorumlamak için gereken kavramsal zemindir.

Math bölümündeki sorular ya çoktan seçmelidir ya da cevabı kendinizin yazdığı türdendir. Tahmin ve artık sorularında sayıyı şıklardan kestirmek yerine tam hesaplamak bu yüzden önemlidir.

Grafiğe bakmadan önce: dört ön kontrol

Ekranda bir scatterplot belirdiğinde doğrudan noktalara dalmak yerine dört kontrolü sırayla yapmak, çözümün zeminini kurar. Alıştıkça bu kontroller 15-20 saniye sürer.

1. Eksen etiketleri ve birimler. x ekseni saat mi, yıl mı, sıcaklık mı? Hangi değişken bağımsız (x), hangisi bağımlı (y)? Eğimin birimi buradan çıkar: "saat başına puan" gibi.
2. Eksenlerin başlangıcı ve aralığı. Eksenler sıfırdan başlıyor mu, çizgiler kaçar kaçar artıyor? Dikey eksenin aralığı kırpılmış ya da daraltılmış bir grafik doğruyu daha dik, yatay eksenin aralığı daraltılmış bir grafik ise daha yatık gösterir; görünen diklik eğimi söylemez. Bir sonraki bölümde örneği var.
3. İlişkinin kendisi: üç ayrı karar. İlişki var mı? Varsa yönü ne? Biçimi doğrusal mı, eğrisel mi, yoksa noktalar ayrı kümelerde mi toplanmış? Bu üç soru birbirinden bağımsız karar noktalarıdır: artan bir bulut doğrusal, üstel ya da tepe noktası grafiğin dışında kalan bir kuadratik olabilir. İlişkinin gücü ise noktaların bir doğru ya da eğri boyunca ne kadar yakından dizildiğine bağlıdır. Eğilim yataysa şerit ne kadar dar olursa olsun ilişki yoktur; şeridin ekrandaki genişliği de eksen ölçeğiyle değişir.
4. Aykırı noktalar. Genel eğilimin belirgin biçimde dışında kalan bir nokta var mı? Böyle bir nokta en iyi uyum doğrusunu kendine doğru çekebilir ve korelasyonu değiştirebilir.

Ölçek tuzakları: görüntüye değil eksen değerlerine bakın

Digital SAT'teki grafiklerde eksenler her zaman sıfırdan başlamaz. Örneğin yatay eksen 0'dan 100'e giderken dikey eksen yalnızca 50'den 90'a kadar gösterilebilir. Dikey aralık daraltıldığı için doğru, dikey ekseni 0'dan başlayan bir grafikte olacağından daha dik görünür; köşegene yakın bir doğru, eğimi 1'miş gibi algılanabilir. Bu görüntü eğim hakkında bir şey söylemez. Doğru (20, 62) ile (80, 74) noktalarından geçiyor olsun: eğim (74 − 62) / (80 − 20) = 12 / 60 = 0,2'dir. Eksen aralıklarını birbirine bölmek (40 / 100 = 0,4) burada yanlış sonuç verir.

Kural basittir: her scatterplot'ta önce iki eksenin de başlangıç değerine bakın ve eğimi, doğrunun üzerindeki iki noktanın gerçek koordinatlarından hesaplayın. Eğim, eksenlerin uzunluğundan ya da doğrunun ekranda ne kadar dik göründüğünden çıkarılmaz.

Kesişim sorularında da aynı dikkat gerekir. Dikey eksenin hangi x değerinde çizildiğine bakın: x = 0'da değilse (örneğin yatay eksen 10'dan başlıyorsa) doğrunun o eksenle kesiştiği yer y-kesişimi değildir; y-kesişimi x = 0'daki değerdir ve denklemden ya da doğruyu x = 0'a uzatarak bulunur. Örneğin yatay eksen 10'dan başlıyor ve doğru y = 2x + 5 ise, çizili eksen üzerindeki kesişim 25'tir, y-kesişimi ise 5'tir.

Aynı mantık korelasyon için de geçerlidir. Tüm y değerleri 40 ile 80 arasında olan bir veri kümesi önce 0–100 aralıklı bir y ekseninde, sonra 40–80 aralıklı bir y ekseninde çizilsin. İkinci grafikte nokta bulutu çok daha dik görünür; oysa veri aynıdır ve korelasyon katsayısı r iki grafikte de aynıdır. Eksen aralığını değiştirmek görüntüyü değiştirir, ilişkiyi değiştirmez.

Son kontrol birimdir: eksenin birimi ile sorunun ya da şıkların birimi farklıysa önce dönüştürün. Örneğin yatay eksen dakika cinsindeyse ama soru saat başına değişimi soruyorsa, dakika başına eğimi 60 ile çarpmak gerekir.

Tanımlayıcı mı, tahmin mi? Soru kökünü okumak

Scatterplot sorularının kökleri kabaca iki aileye ayrılır. Tanımlayıcı sorular mevcut noktaların örüntüsünü sorar; denklem gerekmez, yön ve biçim okunur. Örnek kökler:

• "Which of the following best describes the data?"
• "Is there a positive association, negative association, or no association?"

Tahmin soruları ise modeli kullanarak belirli bir x değeri için y'yi ister. Örnek kök: "If x = 18, which of the following is the best estimate for y?" Denklem verilmişse x = 18 denkleme konur; verilmemişse doğrunun x = 18'deki yüksekliği grafikten okunur (gerekirse doğru üzerindeki iki noktadan denklem kurulur). Her iki durumda cevap doğrunun üzerindeki değerdir, gerçek veri noktası değil.

Bu köklerde karşılaşılan terimler: "line of best fit" (en iyi uyum doğrusu), "predicted" (tahmin edilen), "slope" (eğim). Artık ise "residual" kelimesiyle ya da "actual" ile "predicted" değer arasındaki fark olarak sorulabilir. Bu yüzden kökte "predicted" görmek tek başına tahmin sorusu demek değildir: soru gözlenen değerle tahmin arasındaki farkı istiyorsa cevap artıktır.

Aynı veri iki farklı soru üretebilir. Önce tahmin sorusu:

"A researcher records the number of hours 12 students studied for an exam and their resulting exam scores. The scatterplot displays this data with a line of best fit. The equation of the line is y = 2.8x + 43. Based on this model, what is the predicted exam score for a student who studied for 20 hours?"

Çözüm: x = 20 denkleme konur; 2,8 × 20 = 56 ve 56 + 43 = 99. Modelin tahmini 99 puandır. Aynı veriden gelen tanımlayıcı ikiz ise şöyledir:

"Based on the scatterplot, which of the following best describes the relationship between the number of hours studied and the exam score?"

Bu ikinci soruda hesap yapılmaz; noktaların genel yönü okunur. İki kökü karıştırmak, tahmin sorusuna "pozitif bir ilişki var" diye ya da tanımlayıcı soruya denklemle sayı üreterek cevap vermek demektir.

İstenen x değeri verinin aralığı dışında kalsa da hesap yapılır: soru modelin tahminini istiyorsa cevap odur. Aralık dışı tahminin ne kadar güvenilir olduğu, ancak soru bunu açıkça sorduğunda yoruma girer.

En iyi uyum doğrusu, artık ve korelasyon: kısa özet

En iyi uyum doğrusunda eğim, x bir birim arttığında y'nin ortalama ne kadar değiştiğini söyler; y-kesişimi ise x = 0 iken modelin tahmin ettiği y değeridir. Soru belirli bir x için modelin tahminini istiyorsa cevap modelin o x'te verdiği değerdir: doğrusal modelde doğrunun, eğrisel modelde eğrinin üzerindeki değer; gerçek veri noktası değil. Soru gözlenen değerle tahmin arasındaki farkı istiyorsa cevap artıktır.

Artık, gözlenen y ile tahmin edilen y arasındaki farktır: artık = gözlenen − tahmin. Nokta doğrunun üstündeyse artık pozitif, altındaysa negatiftir. En küçük kareler doğrusunun artıklarının toplamı sıfırdır; bu yüzden artıkların hepsi aynı işaretli olamaz.

Korelasyon katsayısı r, −1 ile +1 arasındadır ve yalnızca doğrusal ilişkiyi ölçer: işareti yönü, ±1'e yakınlığı gücü gösterir. Güçlü ama eğrisel bir ilişkide r sıfıra yakın çıkabilir. r² ise y'deki değişkenliğin model tarafından açıklanan payıdır.

Eğim ve kesişim yorumu, tahmin ve artık hesaplarının çözümlü örnekleri, veri aralığı ve aykırı değerler için: SAT en iyi uyum doğrusu: tahmin, artık değer, r ve r².

Model seçimi ve korelasyon–nedensellik ayrımı

Veri doğrusal değilse hangi modelin uyduğuna karar vermek ayrı bir soru tipidir. Kısa kural: tabloda eşit x adımlarında y'deki fark sabitse doğrusal, oran sabitse üstel, ikinci fark sabitse kuadratik model; grafikte bir tepe ya da çukur varsa, yani y önce artıp sonra azalıyorsa ya da tersi, kuadratik model. Giderek dikleşen bir eğri tek başına üstel demek değildir: tepe noktası grafiğin dışında kalan bir parabol de böyle görünür. Karar, eşit x adımlarında oranın mı yoksa ikinci farkın mı sabit olduğuna bakılarak verilir. Gerçek ölçümlerden oluşan bir scatterplot'ta farklar ve oranlar ancak yaklaşık sabit olur; bu yüzden testler orada kesin karar değil, ipucu verir. Çözümlü örnekler ve artık grafiğiyle model seçimi model seçimi sayfasında anlatılıyor.

İki değişken arasında güçlü bir ilişki görmek, birinin diğerine neden olduğunu göstermez. Gözlemsel veride "X, Y'ye neden olur" diyen şık yanlıştır; nedensellik ancak rastgele atamalı bir deneyle desteklenebilir. Sonucun kimler için geçerli olduğu da ayrı bir ölçüttür: katılımcılar ilgili gruptan rastgele seçilmediyse ilişki yalnızca incelenen katılımcılar için söylenebilir. Üçüncü değişken örnekleri ve bu sorulardaki tuzaklar için: Digital SAT'te korelasyon ve nedensellik ayrımı.

Tempo: 35 dakikada 22 soru

Digital SAT Math iki modülden oluşur; her modülde 22 soru ve 35 dakika vardır. Bu, soru başına ortalama yaklaşık 95 saniye demektir. Bir scatterplot sorusu bu bütçeye sığar: dört ön kontrol için 15-20 saniye, kalan süre çözüm ve kontrol için.

Süreyi kısaltan iki imkân vardır. Birincisi Bluebook'taki yerleşik Desmos hesap makinesidir; Math bölümünün tamamında açıktır. Doğrunun denklemini girip istenen x değerindeki y'yi okuyabilir, tablo hâlinde verilen noktaları çizdirip doğruyla karşılaştırabilirsiniz. İkincisi gezinme serbestliğidir: aynı modül içinde sorular arasında ileri geri gidebilir, uzayan bir soruyu işaretleyip modülün sonunda yeniden açabilirsiniz. Modülün süresi dolduğunda o modüle geri dönülmez.

Sınav modül bazında uyarlanır: ikinci Math modülünün zorluğu, birinci modüldeki genel performansa göre belirlenir. Soru soru uyarlama yoktur ve yönlendirme konu bazında yapılmaz; scatterplot soruları da birinci modüldeki diğer sorular gibi toplam performansa katkıda bulunur.

Sık yapılan hatalar ve kontrol yolları

Aşağıdaki hataların her biri tek satırlık bir kontrolle yakalanabilir.

Çalışma planı: beş haftalık döngü ve hata günlüğü

Ünite, beş haftaya yayılan sıkıştırılmış bir döngüyle çalışılabilir:

• 1. hafta: Eksen okuma, ölçek ve birim dönüşümü, temel korelasyon yorumu; günde 12-15 dakikalık kısa oturumlar.
• 2. hafta: En iyi uyum doğrusunun denklemi; eğim ve kesişim yorumu hem hesap hem yorum düzeyinde; tahmin ve artık hesabı.
• 3. hafta: Artık grafiği ve model seçimi.
• 4. hafta: Bluebook formatında 4-5 tam modül simülasyonu; her birinin ardından scatterplot sorularına odaklanan bir hata analizi.
• 5. hafta: Hata günlüğündeki kalıpların tekrarı.

Hata günlüğü yalnızca yanlış cevapları değil, doğru işaretlenip gerekçesi yanlış olan soruları da kapsamalıdır. Örneğin "doğrusal model uygundur" seçeneği doğru işaretlenmiş, ama gerekçe "noktalar artan biçimde dağılıyor" diye yazılmış olabilir; oysa artan biçimde dağılma üstel ve kuadratik model için de geçerlidir. Doğru cevap ile yanlış gerekçe, benzer bir soruda aynı hataya dönüşür. Bu yüzden günlük "doğru mu?" sorusunun ötesine geçmeli, "neden doğru?" sorusunu da yanıtlamalıdır.

Sıkça Sorulan Sorular