Прогнозирование по регрессионной модели - История изменений

User16 в 05:54, 7 июля 2012

2012-07-07T05:54:50Z

User12 в 19:05, 20 августа 2010

2010-08-20T19:05:00Z

← Предыдущая		Версия 19:05, 20 августа 2010
Строка 5:		Строка 5:
	''      Существует два способа прогнозов по регрессионной модели. Если прогноз производится в пределах экспериментальных значений независимой переменной (в нашем случае это значение концентрации угарного газа — С), то это называется восстановлением значения.''		''      Существует два способа прогнозов по регрессионной модели. Если прогноз производится в пределах экспериментальных значений независимой переменной (в нашем случае это значение концентрации угарного газа — С), то это называется восстановлением значения.''

-	''      Прогнозирование за пределами экспериментальных данных называется экстраполяцией.  Имея регрессионную модель, легко прогнозировать, производя расчеты с помощью электронной таблицы. Выберем для нашего примера в качестве наиболее подходящей квадратичную зависимость. Построим следующую электронную таблицу:<br>[[Image:~~инф99~~.jpg]]<br><br>Подставляя в ячейку А2 значение концентрации ~~угарно¬го~~ газа, в ячейке В2 будем получать прогноз заболеваемости. Вот пример восстановления значения:<br><br> [[Image:~~инф100~~.jpg]]<br><br>Заметим, что число, получаемое по формуле в ячейке В2, на самом деле является дробным. Однако не имеет смысла считать число людей, даже среднее, в дробных величинах. Дробная часть удалена — в формате вывода числа указано 0 цифр после запятой.<br>Экстраполяционный прогноз выполняется аналогично.~~<br>~~Табличный процессор дает возможность производить ~~эк¬страполяцию~~ графическим способом, продолжая тренд за пределы экспериментальных данных. Как это выглядит при использовании квадратичного тренда для С = 7, показано на рис. 2.15.<br> [[Image:~~инф101~~.jpg]]<br>Рис. 2.15. Квадратичный тренд с экстраполяцией<br>В ряде случаев с экстраполяцией надо быть осторожным. Применимость всякой регрессионной модели ограничена, особенно за пределами экспериментальной области. В ~~на¬шем~~ примере при экстраполяции не следует далеко уходить от величины 5 мг/куб. м. Вполне возможно, что далее ~~ха¬рактер~~ зависимости существенно меняется. Слишком ~~слож¬ной~~ является система «экология — здоровье человека», в ней много различных факторов, которые связаны друг с другом. Полученная регрессионная функция является всего лишь моделью, экспериментально подтвержденной в ~~диапа¬зоне~~ концентраций от 2 до 5 мг/куб. м. Что будет вдали от этой области, мы не знаем* Всякая экстраполяция держится на гипотезе: «предположим, что за пределами ~~эксперимен¬тальной~~ области закономерность сохраняется» - А если не ~~со¬храняется~~?~~<br>~~Квадратичная модель в данном примере в области малых значений концентрации, близких к 0, вообще не годится. Экстраполируя ее на С = 0 мг/куб. м, получим 150 человек ~~больных»~~ то есть больше, чем при 5 мг/куб. м. Очевидно, это нелепость. В области малых значений С лучше работает ~~экс¬поненциальная~~ модель. Кстати, это довольно типичная ~~ситу¬ация~~: разным областям данных могут лучше ~~соответство¬вать~~ разные модели.<br><br><br>Коротко о главном<br><br>~~<br>~~Регрессионная модель может использоваться для ~~прогно¬зирования~~ значений параметров в точках, не являющихся экспериментальными.~~<br>~~Расчет зависимой величины в пределах ~~эксперименталь¬ных~~ значений независимого параметра называется ~~восста¬новлением~~ значения; за пределами — экстраполяцией*<br>При экстраполяции нельзя далеко уходить от ~~экспери-<br><br>~~может измениться.<br><br><br>Вопросы и задания<br><br>~~<br>1.~~    $.) Что подразумевается под восстановлением значения no ~~per'<br>рессионной~~ модели?~~<br>~~б) Что такое экстраполяция?~~<br>2.~~    Соберите данные о средней дневной температуре в вашем городе за последнюю неделю (10 дней, 20 дней). Оцените (хотя бы ш глаз), годится ля использование линейного тренда для описав ния характера изменеяия температуры со временем. ~~Попробуй' те~~ путем графической экстраполяции предсказать температур^ через 2-5 дней.~~<br>3.~~    Придумайте СВОЙ примеры практических задач, для которые имело бы смысл выполнение восстановления значений и ~~экст' раполяционных~~ расчетов.'''''<br><br>'''''Семакин И.Г., Хеннер Е.К., Информатика и ИКТ, 11''	+	''      Прогнозирование за пределами экспериментальных данных называется экстраполяцией.  Имея регрессионную модель, легко прогнозировать, производя расчеты с помощью электронной таблицы. Выберем для нашего примера в качестве наиболее подходящей квадратичную зависимость. Построим следующую электронную таблицу:''
		+
		+	''<br>[[Image:Инф99.jpg]]<br><br>     Подставляя в ячейку А2 значение концентрации угарного газа, в ячейке В2 будем получать прогноз заболеваемости. Вот пример восстановления значения:<br><br> [[Image:Инф100.jpg]]<br><br>      Заметим, что число, получаемое по формуле в ячейке В2, на самом деле является дробным. Однако не имеет смысла считать число людей, даже среднее, в дробных величинах. Дробная часть удалена — в формате вывода числа указано 0 цифр после запятой.<br>Экстраполяционный прогноз выполняется аналогично.''
		+
		+	''     Табличный процессор дает возможность производить экстраполяцию графическим способом, продолжая тренд за пределы экспериментальных данных. Как это выглядит при использовании квадратичного тренда для С = 7, показано на рис. 2.15.''
		+
		+	'' <br> [[Image:Инф101.jpg]]''
		+
		+	''<br>Рис. 2.15. Квадратичный тренд с экстраполяцией''
		+
		+	''<br>      В ряде случаев с экстраполяцией надо быть осторожным. Применимость всякой регрессионной модели ограничена, особенно за пределами экспериментальной области. В нашем примере при экстраполяции не следует далеко уходить от величины 5 мг/куб. м. Вполне возможно, что далее характер зависимости существенно меняется. Слишком сложной является система «экология — здоровье человека», в ней много различных факторов, которые связаны друг с другом. Полученная регрессионная функция является всего лишь моделью, экспериментально подтвержденной в диапазоне концентраций от 2 до 5 мг/куб. м. ''
		+
		+	''      Что будет вдали от этой области, мы не знаем. Всякая экстраполяция держится на гипотезе: «предположим, что за пределами экспериментальной области закономерность сохраняется» . А если не сохраняется?''
		+
		+	''      Квадратичная модель в данном примере в области малых значений концентрации, близких к 0, вообще не годится. Экстраполируя ее на С = 0 мг/куб. м, получим 150 человек больных, то есть больше, чем при 5 мг/куб. м. Очевидно, это нелепость. В области малых значений С лучше работает экспоненциальная модель. Кстати, это довольно типичная ситуация: разным областям данных могут лучше соответствовать разные модели.<br><br><br>                                                                              '''Коротко о главном'''<br><br>     Регрессионная модель может использоваться для прогнозирования значений параметров в точках, не являющихся экспериментальными.''
		+
		+	''     Расчет зависимой величины в пределах экспериментальных значений независимого параметра называется восстановлением значения; за пределами — экстраполяцией.''
		+
		+	''    При экстраполяции нельзя далеко уходить от экспериментальной области.За ее приделами характер зависимости   может измениться.<br><br><br>                                                                                  '''Вопросы и задания'''<br><br>    1. а.) Что подразумевается под восстановлением значения no perрессионной модели?''
		+
		+	''        б) Что такое экстраполяция?''
		+
		+	''    2. Соберите данные о средней дневной температуре в вашем городе за последнюю неделю (10 дней, 20 дней). Оцените (хотя бы на глаз), годится ля использование линейного тренда для описав ния характера изменеяия температуры со временем. Попробуйте путем графической экстраполяции предсказать температур через 2-5 дней.''
		+
		+	''    3.Придумайте СВОЙ примеры практических задач, для которые имело бы смысл выполнение восстановления значений и экстраполяционных расчетов.'''''<br><br>'''''Семакин И.Г., Хеннер Е.К., Информатика и ИКТ, 11''

	''Отослано читателями из интернет-сайтов''<br><br>		''Отослано читателями из интернет-сайтов''<br><br>

User12 в 18:55, 20 августа 2010

2010-08-20T18:55:54Z

← Предыдущая		Версия 18:55, 20 августа 2010
Строка 1:		Строка 1:
-	'''[[Гипермаркет знаний - первый в мире!\|Гипермаркет знаний]]>>[[Информатика\|Информатика]]>>[[Информатика 11 класс\|Информатика 11 класс]]>>Информатика: Прогнозирование по регрессионной модели ''' ''<br>'' '''<br><metakeywords>Прогнозирование по регрессионной модели</metakeywords>'''	+	'''[[Гипермаркет знаний - первый в мире!\|Гипермаркет знаний]]>>[[Информатика\|Информатика]]>>[[Информатика 11 класс\|Информатика 11 класс]]>>Информатика: Прогнозирование по регрессионной модели ''' ''<br>'' '''<br><metakeywords>Прогнозирование по регрессионной модели</metakeywords>'''

		+	<br> '''                                                              Прогнозирование по регрессионной модели ''' ''<br>''<br>''        Мы получили регрессионную математическую модель и можем прогнозировать процесс путем вычислений. Теперь можно оценить уровень заболеваемости астмой не только для тех значений концентрации угарного газа, которые были получены путем измерений, но и для других значений. Это очень важно с практической точки зрения. Например, если в городе планируется построить завод, который будет выбрасывать в атмосферу угарный газ, то, рассчитав возможную концентрацию газа, можно предсказать, как это отразится на заболеваемости астмой жителей города.''

-	'''                                                              Прогнозирование по регрессионной модели ''' ''<br>''<br>''        Мы получили регрессионную математическую модель и можем прогнозировать процесс путем вычислений. ~~Теперь можно оценить уровень заболеваемости астмой не только для тех~~ значений концентрации угарного газа, которые были получены путем измерений, но и для других значений. Это очень важно с практической точки зрения. Например, если в городе планируется построить завод, который будет выбрасывать в атмосферу угарный газ, то~~, рассчитав возможную концентрацию газа, можно предсказать, как~~ это ~~отразится на заболеваемости астмой жителей города~~.''	+	''      Существует два способа прогнозов по регрессионной модели. Если прогноз производится в пределах экспериментальных значений независимой переменной (в нашем случае это значение концентрации угарного газа — С), то это называется восстановлением значения.''

-	''      Существует два способа прогнозов по регрессионной модели. Если прогноз производится в пределах экспериментальных значений независимой переменной (в нашем случае это значение концентрации угарного газа — С), то это называется восстановлением значения.''	+	''      Прогнозирование за пределами экспериментальных данных называется экстраполяцией.  Имея регрессионную модель, легко прогнозировать, производя расчеты с помощью электронной таблицы. Выберем для нашего примера в качестве наиболее подходящей квадратичную зависимость. Построим следующую электронную таблицу:<br>[[Image:инф99.jpg]]<br><br>Подставляя в ячейку А2 значение концентрации угарно¬го газа, в ячейке В2 будем получать прогноз заболеваемости. Вот пример восстановления значения:<br><br> [[Image:инф100.jpg]]<br><br>Заметим, что число, получаемое по формуле в ячейке В2, на самом деле является дробным. Однако не имеет смысла считать число людей, даже среднее, в дробных величинах. Дробная часть удалена — в формате вывода числа указано 0 цифр после запятой.<br>Экстраполяционный прогноз выполняется аналогично.<br>Табличный процессор дает возможность производить эк¬страполяцию графическим способом, продолжая тренд за пределы экспериментальных данных. Как это выглядит при использовании квадратичного тренда для С = 7, показано на рис. 2.15.<br> [[Image:инф101.jpg]]<br>Рис. 2.15. Квадратичный тренд с экстраполяцией<br>В ряде случаев с экстраполяцией надо быть осторожным. Применимость всякой регрессионной модели ограничена, особенно за пределами экспериментальной области. В на¬шем примере при экстраполяции не следует далеко уходить от величины 5 мг/куб. м. Вполне возможно, что далее ха¬рактер зависимости существенно меняется. Слишком слож¬ной является система «экология — здоровье человека», в ней много различных факторов, которые связаны друг с другом. Полученная регрессионная функция является всего лишь моделью, экспериментально подтвержденной в диапа¬зоне концентраций от 2 до 5 мг/куб. м. Что будет вдали от этой области, мы не знаем* Всякая экстраполяция держится на гипотезе: «предположим, что за пределами эксперимен¬тальной области закономерность сохраняется» - А если не со¬храняется?<br>Квадратичная модель в данном примере в области малых значений концентрации, близких к 0, вообще не годится. Экстраполируя ее на С = 0 мг/куб. м, получим 150 человек больных» то есть больше, чем при 5 мг/куб. м. Очевидно, это нелепость. В области малых значений С лучше работает экс¬поненциальная модель. Кстати, это довольно типичная ситу¬ация: разным областям данных могут лучше соответство¬вать разные модели.<br><br><br>Коротко о главном<br><br><br>Регрессионная модель может использоваться для прогно¬зирования значений параметров в точках, не являющихся экспериментальными.<br>Расчет зависимой величины в пределах эксперименталь¬ных значений независимого параметра называется восста¬новлением значения; за пределами — экстраполяцией*<br>При экстраполяции нельзя далеко уходить от экспери-<br><br>может измениться.<br><br><br>Вопросы и задания<br><br><br>1.    $.) Что подразумевается под восстановлением значения no per'<br>рессионной модели?<br>б) Что такое экстраполяция?<br>2.    Соберите данные о средней дневной температуре в вашем городе за последнюю неделю (10 дней, 20 дней). Оцените (хотя бы ш глаз), годится ля использование линейного тренда для описав ния характера изменеяия температуры со временем. Попробуй' те путем графической экстраполяции предсказать температур^ через 2-5 дней.<br>3.    Придумайте СВОЙ примеры практических задач, для которые имело бы смысл выполнение восстановления значений и экст' раполяционных расчетов.'''''<br><br>'''''Семакин И.Г., Хеннер Е.К., Информатика и ИКТ, 11''
-		+
-	''      Прогнозирование за пределами экспериментальных данных называется экстраполяцией.  Имея регрессионную модель, легко прогнозировать, производя расчеты с помощью электронной таблицы. Выберем для нашего примера в качестве наиболее подходящей квадратичную зависимость. Построим следующую электронную таблицу:<br> <br>    А                  1    В<br>1    Концентрация угарного газа (мг/кубМ                          ,    Число больных &стмой на 1 тыс* жителей<br>2        ^21 t846A2A2-106,97А2+150,21<br><br>Подставляя в ячейку А2 значение концентрации угарно¬го газа, в ячейке В2 будем получать прогноз заболеваемости. Вот пример восстановления значения:<br><br> ~~   А    В<br>1    Концентрация угарного газа (мг/куб~~.~~м)    Число больных астмой на 1 тыс. жителей<br>2    3    25~~<br><br>Заметим, что число, получаемое по формуле в ячейке В2, на самом деле является дробным. Однако не имеет смысла считать число людей, даже среднее, в дробных величинах. Дробная часть удалена — в формате вывода числа указано 0 цифр после запятой.<br>Экстраполяционный прогноз выполняется аналогично.<br>Табличный процессор дает возможность производить эк¬страполяцию графическим способом, продолжая тренд за пределы экспериментальных данных. Как это выглядит при использовании квадратичного тренда для С = 7, показано на рис. 2.15.<br> <br>Рис. 2.15. Квадратичный тренд с экстраполяцией<br>В ряде случаев с экстраполяцией надо быть осторожным. Применимость всякой регрессионной модели ограничена, особенно за пределами экспериментальной области. В на¬шем примере при экстраполяции не следует далеко уходить от величины 5 мг/куб. м. Вполне возможно, что далее ха¬рактер зависимости существенно меняется. Слишком слож¬ной является система «экология — здоровье человека», в ней много различных факторов, которые связаны друг с другом. Полученная регрессионная функция является всего лишь моделью, экспериментально подтвержденной в диапа¬зоне концентраций от 2 до 5 мг/куб. м. Что будет вдали от этой области, мы не знаем Всякая экстраполяция держится на гипотезе: «предположим, что за пределами эксперимен¬тальной области закономерность сохраняется» - А если не со¬храняется?<br>Квадратичная модель в данном примере в области малых значений концентрации, близких к 0, вообще не годится. Экстраполируя ее на С = 0 мг/куб. м, получим 150 человек больных» то есть больше, чем при 5 мг/куб. м. Очевидно, это нелепость. В области малых значений С лучше работает экс¬поненциальная модель. Кстати, это довольно типичная ситу¬ация: разным областям данных могут лучше соответство¬вать разные модели.<br><br><br>Коротко о главном<br><br><br>Регрессионная модель может использоваться для прогно¬зирования значений параметров в точках, не являющихся экспериментальными.<br>Расчет зависимой величины в пределах эксперименталь¬ных значений независимого параметра называется восста¬новлением значения; за пределами — экстраполяцией*<br>При экстраполяции нельзя далеко уходить от экспери-<br><br>может измениться.<br><br><br>Вопросы и задания<br><br><br>1.    $.) Что подразумевается под восстановлением значения no per'<br>рессионной модели?<br>б) Что такое экстраполяция?<br>2.    Соберите данные о средней дневной температуре в вашем городе за последнюю неделю (10 дней, 20 дней). Оцените (хотя бы ш глаз), годится ля использование линейного тренда для описав ния характера изменеяия температуры со временем. Попробуй' те путем графической экстраполяции предсказать температур^ через 2-5 дней.<br>3.    Придумайте СВОЙ примеры практических задач, для которые имело бы смысл выполнение восстановления значений и экст' раполяционных расчетов.'''''<br><br>'''''Семакин И.Г., Хеннер Е.К., Информатика и ИКТ, 11''	+

	''Отослано читателями из интернет-сайтов''<br><br>		''Отослано читателями из интернет-сайтов''<br><br>

User12 в 18:51, 20 августа 2010

2010-08-20T18:51:55Z

← Предыдущая		Версия 18:51, 20 августа 2010
Строка 1:		Строка 1:
-	'''[[Гипермаркет знаний - первый в мире!\|Гипермаркет знаний]]>>[[Информатика\|Информатика]]>>[[Информатика 11 класс\|Информатика 11 класс]]>>Информатика: Прогнозирование по регрессионной модели ''' ''<br>'' '''<br><metakeywords>Прогнозирование по регрессионной модели</metakeywords><br><br>'''''Семакин И.Г., Хеннер Е.К., Информатика и ИКТ, 11''	+	'''[[Гипермаркет знаний - первый в мире!\|Гипермаркет знаний]]>>[[Информатика\|Информатика]]>>[[Информатика 11 класс\|Информатика 11 класс]]>>Информатика: Прогнозирование по регрессионной модели ''' ''<br>'' '''<br><metakeywords>Прогнозирование по регрессионной модели</metakeywords>'''
		+
		+
		+	'''                                                              Прогнозирование по регрессионной модели ''' ''<br>''<br>''        Мы получили регрессионную математическую модель и можем прогнозировать процесс путем вычислений. Теперь можно оценить уровень заболеваемости астмой не только для тех значений концентрации угарного газа, которые были получены путем измерений, но и для других значений. Это очень важно с практической точки зрения. Например, если в городе планируется построить завод, который будет выбрасывать в атмосферу угарный газ, то, рассчитав возможную концентрацию газа, можно предсказать, как это отразится на заболеваемости астмой жителей города.''
		+
		+	''      Существует два способа прогнозов по регрессионной модели. Если прогноз производится в пределах экспериментальных значений независимой переменной (в нашем случае это значение концентрации угарного газа — С), то это называется восстановлением значения.''
		+
		+	''      Прогнозирование за пределами экспериментальных данных называется экстраполяцией.  Имея регрессионную модель, легко прогнозировать, производя расчеты с помощью электронной таблицы. Выберем для нашего примера в качестве наиболее подходящей квадратичную зависимость. Построим следующую электронную таблицу:<br> <br>    А                  1    В<br>1    Концентрация угарного газа (мг/кубМ                          ,    Число больных &стмой на 1 тыс* жителей<br>2        ^21 t846A2A2-106,97А2+150,21<br><br>Подставляя в ячейку А2 значение концентрации угарно¬го газа, в ячейке В2 будем получать прогноз заболеваемости. Вот пример восстановления значения:<br><br>    А    В<br>1    Концентрация угарного газа (мг/куб.м)    Число больных астмой на 1 тыс. жителей<br>2    3    25<br><br>Заметим, что число, получаемое по формуле в ячейке В2, на самом деле является дробным. Однако не имеет смысла считать число людей, даже среднее, в дробных величинах. Дробная часть удалена — в формате вывода числа указано 0 цифр после запятой.<br>Экстраполяционный прогноз выполняется аналогично.<br>Табличный процессор дает возможность производить эк¬страполяцию графическим способом, продолжая тренд за пределы экспериментальных данных. Как это выглядит при использовании квадратичного тренда для С = 7, показано на рис. 2.15.<br> <br>Рис. 2.15. Квадратичный тренд с экстраполяцией<br>В ряде случаев с экстраполяцией надо быть осторожным. Применимость всякой регрессионной модели ограничена, особенно за пределами экспериментальной области. В на¬шем примере при экстраполяции не следует далеко уходить от величины 5 мг/куб. м. Вполне возможно, что далее ха¬рактер зависимости существенно меняется. Слишком слож¬ной является система «экология — здоровье человека», в ней много различных факторов, которые связаны друг с другом. Полученная регрессионная функция является всего лишь моделью, экспериментально подтвержденной в диапа¬зоне концентраций от 2 до 5 мг/куб. м. Что будет вдали от этой области, мы не знаем Всякая экстраполяция держится на гипотезе: «предположим, что за пределами эксперимен¬тальной области закономерность сохраняется» - А если не со¬храняется?<br>Квадратичная модель в данном примере в области малых значений концентрации, близких к 0, вообще не годится. Экстраполируя ее на С = 0 мг/куб. м, получим 150 человек больных» то есть больше, чем при 5 мг/куб. м. Очевидно, это нелепость. В области малых значений С лучше работает экс¬поненциальная модель. Кстати, это довольно типичная ситу¬ация: разным областям данных могут лучше соответство¬вать разные модели.<br><br><br>Коротко о главном<br><br><br>Регрессионная модель может использоваться для прогно¬зирования значений параметров в точках, не являющихся экспериментальными.<br>Расчет зависимой величины в пределах эксперименталь¬ных значений независимого параметра называется восста¬новлением значения; за пределами — экстраполяцией*<br>При экстраполяции нельзя далеко уходить от экспери-<br><br>может измениться.<br><br><br>Вопросы и задания<br><br><br>1.    $.) Что подразумевается под восстановлением значения no per'<br>рессионной модели?<br>б) Что такое экстраполяция?<br>2.    Соберите данные о средней дневной температуре в вашем городе за последнюю неделю (10 дней, 20 дней). Оцените (хотя бы ш глаз), годится ля использование линейного тренда для описав ния характера изменеяия температуры со временем. Попробуй' те путем графической экстраполяции предсказать температур^ через 2-5 дней.<br>3.    Придумайте СВОЙ примеры практических задач, для которые имело бы смысл выполнение восстановления значений и экст' раполяционных расчетов.'''''<br><br>'''''Семакин И.Г., Хеннер Е.К., Информатика и ИКТ, 11''

	''Отослано читателями из интернет-сайтов''<br><br>		''Отослано читателями из интернет-сайтов''<br><br>

User12: Создана новая страница размером '''Гипермаркет знаний>>[[Информатика...

2010-08-20T18:48:06Z

Создана новая страница размером '''Гипермаркет знаний>>[[Информатика...

Новая страница

'''[[Гипермаркет знаний - первый в мире!|Гипермаркет знаний]]>>[[Информатика|Информатика]]>>[[Информатика 11 класс|Информатика 11 класс]]>>Информатика: Прогнозирование по регрессионной модели ''' '' '' ''' <metakeywords>Прогнозирование по регрессионной модели</metakeywords> '''''Семакин И.Г., Хеннер Е.К., Информатика и ИКТ, 11''

''Отослано читателями из интернет-сайтов'' 

 

'''Содержание урока'''
'''[[Image:1236084776 kr.jpg|10x10px]] конспект урока '''
[[Image:1236084776 kr.jpg|10x10px]] опорный каркас
[[Image:1236084776 kr.jpg|10x10px]] презентация урока
[[Image:1236084776 kr.jpg|10x10px]] акселеративные методы
[[Image:1236084776 kr.jpg|10x10px]] интерактивные технологии

'''Практика'''
[[Image:1236084776 kr.jpg|10x10px]] задачи и упражнения
[[Image:1236084776 kr.jpg|10x10px]] самопроверка
[[Image:1236084776 kr.jpg|10x10px]] практикумы, тренинги, кейсы, квесты
[[Image:1236084776 kr.jpg|10x10px]] домашние задания
[[Image:1236084776 kr.jpg|10x10px]] дискуссионные вопросы
[[Image:1236084776 kr.jpg|10x10px]] риторические вопросы от учеников

'''Иллюстрации'''
'''[[Image:1236084776 kr.jpg|10x10px]] аудио-, видеоклипы и мультимедиа '''
[[Image:1236084776 kr.jpg|10x10px]] фотографии, картинки
[[Image:1236084776 kr.jpg|10x10px]] графики, таблицы, схемы
[[Image:1236084776 kr.jpg|10x10px]] юмор, анекдоты, приколы, комиксы
[[Image:1236084776 kr.jpg|10x10px]] притчи, поговорки, кроссворды, цитаты

'''Дополнения'''
'''[[Image:1236084776 kr.jpg|10x10px]] рефераты'''
[[Image:1236084776 kr.jpg|10x10px]] статьи
[[Image:1236084776 kr.jpg|10x10px]] фишки для любознательных
[[Image:1236084776 kr.jpg|10x10px]] шпаргалки
[[Image:1236084776 kr.jpg|10x10px]] учебники основные и дополнительные
[[Image:1236084776 kr.jpg|10x10px]] словарь терминов
[[Image:1236084776 kr.jpg|10x10px]] прочие

Совершенствование учебников и уроков
'''[[Image:1236084776 kr.jpg|10x10px]] исправление ошибок в учебнике'''
[[Image:1236084776 kr.jpg|10x10px]] обновление фрагмента в учебнике
[[Image:1236084776 kr.jpg|10x10px]] элементы новаторства на уроке
[[Image:1236084776 kr.jpg|10x10px]] замена устаревших знаний новыми

'''Только для учителей'''
'''[[Image:1236084776 kr.jpg|10x10px]] идеальные уроки '''
[[Image:1236084776 kr.jpg|10x10px]] календарный план на год
[[Image:1236084776 kr.jpg|10x10px]] методические рекомендации
[[Image:1236084776 kr.jpg|10x10px]] программы
[[Image:1236084776 kr.jpg|10x10px]] обсуждения

'''Интегрированные уроки'''


 

Если у вас есть исправления или предложения к данному уроку, [http://xvatit.com/index.php?do=feedback напишите нам].

Если вы хотите увидеть другие корректировки и пожелания к урокам, смотрите здесь - [http://xvatit.com/forum/ Образовательный форум].