Правильно – “объяснительная”

Чтобы ответить на вопрос, как правильно писать слово объяснительная, надо разобрать его по составу. Лексема объ-яс-ни-тель-на-я разделяется на шесть слогов с ударением на третьем, имя существительное, неодушевленное, женского рода, изменяется по числам и падежам. Слово разделяется на приставку объ-, корень -ясн- и три суффикса -и-, -тель-, -н-, окончание -ая, основа морфемы объяснительн-.

объяснительная

Какое правило

Твердому знаку в русском языке не соответствует ни единый звук, но важность его роли состоит в разделительном произношении, которое передается Ъ при написании. Основное грамматическое правило гласит: разделительный твердый знак пишется на соединении приставки, которая оканчивается на согласный и корня, который начинается на Е, Я, Ю. Примеры: объезд, подъезжаем, изъясняться. Правописание нашей лексической единицы поясняется этим правилом, чтобы все помнили и не путали, как правильно пишется слово объяснительная. Разделительный мягкий знак, также не соответствует ни одному звуку в грамматике, также употребляется для раздельного написания. Основное отличие в применении этих знаков, что мягкий знак пишется только в середине корней (бурьян, завьюжило), перед суффиксами (медвежьи, заячьи) или в словах иностранного происхождения перед буквой -о- (синьор).

 Примеры предложений

• Иван Петрович не знал, как правильно составить объяснительную записку, поэтому изложил текст в произвольной форме.
• Объяснительная записка, это документ, подтверждающий вашу роль в происходящих событиях, или ваше алиби.
• Мария Петровна долго сидела размышляя, как изложить свои доводы в объяснительной записке, а потом начала быстро писать.

Как неправильно писать

Ошибочным будет написание без твердого знака или с мягким знаком после приставки -об. Например, обьяснение, обьяснительная.

Значение

Объяснительная записка – это важный документ, который в обязательном порядке составляется в ситуациях, которые выходят за рамки производственных, дисциплинарных или других отношений. Мы объясняем события, чтобы выяснить их причины или следствия.

Синонимы

Синонимы к выражению объяснительная записка: пояснительная записка, сопроводительная записка, докладная записка.

Заключение

Поговорим о роли документа, как писать правильно объяснение. Сначала поищем ответ на вопрос: для чего нужна объяснительная? Для уточнения причин о нарушенииях в производстве, трудовой дисциплине, о низкой производительности труда, при совершении проступка. Кто обязывает оформлять записку, как документ? Уведомляет о составлении такого документа работодатель или ответственный за определенный участок работы, где произошел сбой. Какие виды объяснительных предвидятся? Документы оформляются по разным причинам, например: прогул, опоздание, невыполнение задания, несоблюдение техники безопасности и другие причины. Нужно знать правильность оформления документа, как заполнить реквизиты. Запомните такой порядок:

• вписывается название организации;
• руководитель или должностное лицо к которому обращаемся;
• вписываются данные автора;
• название документа;
• оставляется место на регистрационный номер;
• содержательно излагается текст;
• указывается дата;
• ставится обязательно подпись автора.

Документ должен быть вовремя составлен, в деловом стиле, со всеми реквизитами, чтобы он рассматривался, как юридический. Пишется объяснение на обычном листе бумаги. Главное запомните значение, причину подачи, порядок оформления объяснительной записки, придерживайтесь орфографических норм при написании.

исследовательский и объяснительный анализ — рассказывание историй с данными

Я часто делаю различие между исследовательским и объяснительным анализом данных .

Исследовательский анализ — это то, что вы делаете для ознакомления с данными. Вы можете начать с гипотезы или вопроса, или вы можете просто углубиться в данные, чтобы определить, что может быть в них интересным. Исследовательский анализ — это процесс переворачивания более 100 камней с целью найти 1-2 драгоценных камня.

Пояснительный анализ — это то, что происходит, когда у вас есть что-то конкретное, что вы хотите показать аудитории — возможно, об этих 1 или 2 драгоценных камнях. В своем блоге и написании статей я, как правило, сосредотачиваюсь в основном на этой последней части, объяснительном анализе, когда вы уже прошли исследовательский анализ и на основании этого определили что-то конкретное, что вы хотите сообщить данной аудитории: другими словами, когда вы хотите рассказать историю с данными.

Помня об этом различии, я подумал, что было бы интересно взглянуть на недавнюю переделку и показать, как визуальные элементы, которые вы могли бы использовать для исследовательских и пояснительных этапов аналитического процесса, могут отличаться.

Для этого (обобщенного и упрощенного *) примера представьте, что вы работаете на производителя автомобилей. Вы изучаете отзывы клиентов, в частности, чтобы лучше понять, как неудовлетворительная или неидеальная производительность по различным параметрам для данной марки и модели влияет на удовлетворенность клиентов. Основная выходная переменная, на которую вы обращаетесь в этом случае, — это общий вопрос в вашем опросе об удовлетворенности клиентов, в котором клиентов просят выразить свое общее удовлетворение своим автомобилем по 5-балльной шкале Лайкерта (очень недоволен, недоволен, нейтрально, удовлетворен , Очень доволен).Предположим, вы больше всего заинтересованы в том, чтобы кто-то ответил чем-нибудь , кроме Очень доволен, и хотите понять, как это зависит от клиентов, которые сообщили о конкретных проблемах с их автомобилем, в зависимости от типа проблемы.

* Имейте в виду, что я придумываю конкретный сценарий здесь; преобразование — это обобщенный пример из прошлого семинара, где у меня нет всех деталей, а также нет других данных, которые, возможно, были бы полезны на исследовательской и пояснительной фазах. Например, есть, вероятно, другие факторы, способствующие общему удовлетворению автомобилем, которые мы здесь игнорируем. Кроме того, каждый раз, когда вы показываете такие проценты, я бы рекомендовал также показывать количество N — в данном случае количество людей, сообщающих о данной проблеме, — что будет полезно для интерпретации данных.

Ваше первоначальное изображение может выглядеть примерно так:

Альтернативы «Правильно» и «Неправильно»

Представьте, что тренер в передней части комнаты отвечает на комментарий участника, говоря только «Вы правы! ” или «Неверно.«Представьте, что это происходит снова и снова.

Несмотря на то, что это кажется бесполезным, это один из наиболее распространенных типов обратной связи, которые мы используем в курсах электронного обучения, чтобы реагировать на действия и ответы пользователей. Фактически, многие инструменты разработки поставляются с этими пустыми утверждениями в качестве ответа по умолчанию.

Если мы стремимся к более высокоуровневому мышлению и максимальной передаче знаний, то мы упускаем прекрасную возможность, когда отказываемся от реальной обратной связи и вместо этого прибегаем к «правильному» и «неправильному». «Нам необходимо найти способы закрыть цикл обратной связи.

У вас много возможностей

Существует множество стратегий для обеспечения обратной связи, в зависимости от контекста и типа обучения, целей учебной деятельности и уровня знаний аудитории. Давайте рассмотрим некоторые из ваших вариантов предоставления достаточно информативной обратной связи, которая продвигает учащегося вперед.

1. Последствия в реальном мире

Аналоговый мир. Некоторые из самых идеальных отзывов воспроизводят то, что происходит в аналоговом мире.В симуляторах и виртуальных мирах учащимся предоставляется возможность исследовать, манипулировать и практиковаться, чтобы они могли учиться в безопасной среде.

В достаточно точном моделировании обратная связь возникает естественным образом в результате действия. Например, в моделировании вождения поворот имитируемого рулевого колеса вправо кажется, что автомобиль поворачивает вправо. Это отзыв.

Цифровой мир. Опять же, иногда наши симуляции воспроизводят цифровой мир, как в программном моделировании.Слишком часто моделирование программного обеспечения полностью консервировано, поэтому пользователи могут выполнить только одно действие. Если возможно, сделайте возможным больше интерактивности, чтобы учащиеся могли немного опробовать смоделированное программное обеспечение, чтобы лучше понять, как выполнять задачу. С большей гибкостью обратная связь имитирует реальный (цифровой) мир. Например, когда учащийся щелкает пункт меню, отображается меню. Это реальная обратная связь.

У нас часто нет бюджета на высоконадежное или сложное моделирование, поэтому давайте рассмотрим некоторые другие варианты.

2. Подсказки и подсказки

Во время взаимодействия учащимся может потребоваться несколько попыток, чтобы прояснить обучающий момент или отточить свои дискриминационные навыки. Если вы разрабатываете такой тип взаимодействия, то ценные подсказки и подсказки — хороший способ помочь учащимся, но при этом полностью не лишить возможности совершать ошибки.

3. Ветвление в рассказах и сценариях

При использовании историй и сценариев в электронном обучении естественно направлять учащихся по другому пути в зависимости от их реакции.Это своего рода обратная связь. Например, во время курса обучения неотложной медицинской помощи выбор одного лекарства приводит к стабилизации состояния пациента, тогда как выбор другого лекарства приводит к опасно высокому уровню артериального давления.

Сложная часть с точки зрения дизайна и разработки — это определить, сколько путей нужно спроектировать и реализовать. Более простой подход — спроектировать короткие развилки на дороге, а затем снова объединить две или три дорожки. Это один из способов избежать огромных усилий по проектированию и разработке.

4. Контекстно-зависимая обратная связь

Если вы не хотите прокладывать много путей в истории или сценарии, просто предоставьте уникальную обратную связь для каждого ответа. В приведенном выше медицинском сценарии неправильный выбор приведет к обратной связи об опасности выбранного лекарства и потребует от учащегося выбрать другой. Хотя контекстно-зависимая обратная связь не так убедительна, как разветвление, она более увлекательна, чем упражнение, основанное только на фактах, и, вероятно, более полезна для обучения.

Я думаю, что контекстно-зависимая обратная связь должна быть минимальным типом обратной связи, который мы предоставляем, как дизайнеры учебного процесса. Это означает, что мы всегда должны предоставлять уникальную обратную связь, специфичную для каждого ответа или действия, предпринимаемого учащимся. Он работает в тестах с множественным выбором, а также в играх, историях и виртуальных средах.

5. Активная обратная связь

Хотя в обучающих играх нет какого-то одного типа обратной связи, набирать очки или выполнять задания — это мотивирует.Этот тип обратной связи служит стимулом для продолжения игры и обучения.

Как пишет Карл Капп в книге «Геймификация обучения и обучения», «игрок увлекается игрой, потому что мгновенная обратная связь и постоянное взаимодействие связаны с задачей игры, которая определяется правилами, которые работают в рамках система, чтобы вызвать эмоциональную реакцию и, наконец, привести к количественному результату в абстрактной версии более крупной системы ».

6.Отзывы коллег или социальных сетей

В контексте обучения вы можете использовать инструменты для совместной работы и социальные сети, чтобы давать и получать обратную связь от коллег. Например, если вы разрабатываете курс для новых тренеров, вы можете настроить страницу группы Facebook для обсуждения. Затем попросите участников написать о том, как они будут справляться с конкретной ситуацией коучинга.

Участники комментировали, как каждый тренер справлялся с надуманной проблемой, и каждый учился в процессе.Дополнительным бонусом здесь является то, что акт критики и комментария может помочь самим рецензентам, согласно одному исследованию, в котором студенты критиковали сочинения друг друга. (Чо и Чо, 2011)

См. «Социальные сети для тренеров» Джейн Бозарт, чтобы узнать о других способах использования социальных сетей для обучения.

7. Пояснительная обратная связь

Вы можете применить пояснительную обратную связь к любому опыту обучения, в котором ошибки вызваны неправильными представлениями или недостатком знаний. Если в вашем дизайне учащиеся часто могут отреагировать, тогда вы сможете уловить и исправить неправильные представления, пока учащийся конструирует смысл.

В частности, объяснительная обратная связь, а не корректирующая обратная связь, является хорошим выбором для обучения открытию, поскольку она помогает учащимся создавать точные ментальные модели. Кроме того, есть свидетельства того, что объяснительная обратная связь снижает когнитивную нагрузку. (Морено, 2004)

8. Самостоятельная обратная связь

Мотивированные или зрелые учащиеся могут извлечь выгоду из самостоятельной обратной связи. Как разработчик обучения вы можете задавать продуманные вопросы, которые побуждают учащихся к размышлениям, самооценке и самооценке.

Например, после того, как учащиеся попросили написать короткий ответ на вопрос в эссе, предоставьте в качестве обратной связи идеальный ответ или конкретные критерии. Затем позвольте учащимся оценить собственное эссе и сравнить его с идеальным. Есть много типов вопросов для самооценки, которые могут стимулировать мышление и размышления более высокого уровня.

9. Рабочие примеры как обратная связь

Проработанные примеры — это пошаговые демонстрации того, как решить проблему. Считается, что они эффективны для учащихся, обладающих ограниченными необходимыми знаниями, поскольку эти примеры снижают когнитивную нагрузку.(Свеллер и др., 1998)

Если ваше обучение направлено на решение проблемы, вы можете предоставить учащимся отработанные примеры для изучения, а затем снова в качестве обратной связи после того, как они решат проблему. Обратите внимание, что рабочие примеры неэффективны для учащихся, которые умеют решать задачу, поскольку они мешают их способности решать проблемы, как эксперт.

Какой тип обратной связи, по вашему мнению, наиболее эффективен для различных типов обучения и учащихся? Ответьте в комментариях ниже.

Список литературы

Чо, Ён Хоан и Квансу Чо. Рецензенты учатся, давая комментарии. Учебные науки 39: 629–643, 2011.

Морено, Роксана. Снижение когнитивной нагрузки для начинающих студентов: эффекты объяснительной и корректирующей обратной связи в мультимедиа на основе открытий. Учебные науки 32: 99–113, 2004.

Sweller, J., Van Merriënboer, J.J.G. И Паас, F.G.W.C. Когнитивная архитектура и учебный дизайн, Обзор педагогической психологии 10: 251–296, 1998.

Получите The eLearning Coach с доставкой на ваш почтовый ящик два раза в месяц со статьями, советами и ресурсами. Введите свое имя и адрес электронной почты ниже. Ваша информация никогда не будет передана.

Система счисления, Теория чисел, Практические вопросы по свойствам чисел: Ascent TANCET 2020 Классы

Эта тема важна и обычно составляет около четверти вопросов, которые обычно появляются в любом вступительном тесте школы B — будь то TANCET или CAT или GMAT.Проверенные концепции включают простые числа, составные числа, проверку того, является ли данное число простым, компостным или относительно простым числом, свойства полных квадратов, свойства совершенных кубов, НОК, HCF или НОД, остатки, проверка делимости, единичные цифры чисел. , факториалы (вероятно, будут проверяться в XAT, а не в TANCET), выражающие числа в разных основаниях, количество множителей положительного целого числа, сумма множителей положительного целого числа, произведение множителей положительного целого числа и свойства индексов.

1. Если оба 11 ² и 3 ³ являются множителями числа a * 4 ³ * 6 ² * 13 ¹¹ , каково наименьшее возможное значение ‘a’?

   1. 121
   2. 3267
   3. 363
   4. 33
   5. 37

   Концепция: делители, простые множители

2. Найдите наибольшее пятизначное число, которое делится на 7, 10, 15, 21 и 28.

   1. 99,840
   2. 99,900
   3. 99,960
   4. 99,990
   5. 99,970

   Концепция: проверка делимости

3. Аните пришлось умножить два положительных целых числа.Вместо того, чтобы взять 35 в качестве одного из множителей, она неправильно взяла 53. В результате продукт вырос на 540. Что такое новый продукт?

   1. 1050
   2. 540
   3. 1440
   4. 1520
   5. 1590

   Концепция: проблема Word

4. Пусть x, y и z — разные целые числа. x и y нечетные и положительные, а z четные и положительные. Какое из следующих утверждений не может быть верным?

   1. (x — z) ² y четное
   2. (x — z) y ² нечетное
   3. (x — z) y нечетное
   4. (x — y) ² z четное
   5. (x + y) ³ z четно

   Концепция: операции с нечетными и четными целыми

5. Когда число делится на 36, остается 19.Каким будет остаток от деления числа на 12?

   1. 10
   2. 7
   3. 19
   4. 192
   5. Ни один из этих

   Концепция: остатки

6. Сумма первых 100 натуральных чисел от 1 до 100 делится на ____

   1. 2, и 8
   2. 2 и 4
   3. 2
   4. 100
   5. Ни один из этих

   Концепция: сумма AP и делимость

Измерение пояснительной мощности с помощью R-квадрата

Если вы ищете широко Используемая мера, которая описывает, насколько сильна регрессия , R-квадрат будет вашей чашкой чая. Предпосылкой для понимания математики R-квадрат является разложение общей изменчивости наблюдаемых данных на объясненные и необъяснимые.

Ключевым моментом этой декомпозиции является то, что чем меньше ошибка регрессии, тем лучше регрессия.

А теперь пора познакомить вас с R-squared . R-squared — интуитивно понятный и практичный инструмент, когда он находится в правильных руках. Это равно изменчивости, объясняемой регрессией , деленной на общую изменчивость.

Что такое R-квадрат?

Это относительная мера и принимает значения от 0 до 1. R-квадрат , равный нулю, означает, что наша линия регрессии не объясняет никакой изменчивости данных.

R-квадрат из 1 означал бы, что наша модель объясняет всю изменчивость данных.

К сожалению, регрессий , объясняющих всю изменчивость, встречаются редко. Обычно мы наблюдаем значения от 0,2 до 0,9.

Какая лучшая ценность для R-квадрата?

Непосредственный вопрос, который вы можете задать: «Что такое хороший R-квадрат ? Когда я точно узнаю, что моя регрессия достаточно хороша? »

К сожалению, однозначного ответа на этот вопрос нет.

В таких областях, как физика и химия, ученые обычно ищут регрессий с R-квадрат между 0.7 и 0,99. Однако в социальных науках, таких как экономика, финансы и психология, ситуация иная. Здесь R-квадрат , равный 0,2, или 20% изменчивости, объясняемой моделью, было бы фантастическим.

Это зависит от сложности темы и того, сколько переменных, как предполагается, задействовано.

Работа с несколькими переменными

Возьмем, к примеру, ваш доход. Это может зависеть от дохода вашей семьи (включая ваших родителей и супруга), вашего образования, многолетнего опыта, страны, в которой вы живете, и языков, на которых вы говорите. Однако это все еще может составлять менее 50% изменчивости дохода.

Ваша зарплата — очень сложный вопрос. Но вы, наверное, это знаете.

Пример SAT-GPA

Давайте посмотрим на пример SAT-GPA. Мы использовали его в предыдущем руководстве, поэтому, если вы хотите отслеживать, о чем мы говорим, обязательно ознакомьтесь с ним. Если вы не хотите, вот регрессия , сводка :

Оценка SAT — один из лучших факторов, определяющих интеллектуальные способности и способности.На самом деле наша регрессия имела R-квадрат , равное 0,406, как вы можете видеть на рисунке ниже.

Другими словами, результаты SAT объясняют 41% изменчивости оценок в колледже для нашей выборки.

Прочие факторы

R-квадрат 41% не является ни хорошим, ни плохим. Но так как это далеко от 90%, мы можем сделать вывод, что нам не хватает важной информации. Необходимо учитывать и другие детерминанты. Такие переменные, как пол, доход и семейное положение, могут помочь нам немного лучше понять полную картину.

Теперь вы, наверное, чувствуете, что готовы двигаться дальше. Однако следует помнить об одном.

Не спешите так легко регрессировать. Критическое мышление имеет решающее значение. Прежде чем согласиться с тем, что фактор является значительным, вы должны попытаться понять, почему. Итак, давайте быстро оправдаем это утверждение.

Пол

Во-первых, в старших классах у женщин больше шансов опередить мужчин.

Но затем с высшим образованием больше мужчин поступают в академические круги.

Здесь много предубеждений. Не сообщая вам, какие кандидаты лучше — женщины или мужчины, научные исследования показывают, что гендерный разрыв существует в сфере образования. Пол — важная информация для любой регрессии по теме.

Доход

Второй фактор, который мы отметили, — это доход. Если доход вашей семьи низкий, у вас больше шансов найти работу на неполный рабочий день. Таким образом, у вас будет меньше времени на учебу и, возможно, вы получите более низкие оценки.

Если вы когда-либо учились в колледже, вы наверняка вспомните друга, который не успевал по этой причине.

Детский

В-третьих, если вы выйдете замуж и родите ребенка, посещаемость у вас определенно будет ниже.

Вопреки тому, что думает большинство студентов, когда учатся в колледже, посещаемость является важным фактором для вашего среднего балла. Вы можете подумать, что лучше потратите свое время, пропуская лекцию, но ваш средний балл отличается.

Когда включать больше факторов?

После этих пояснений, давайте подведем итоги. R-squared измеряет степень соответствия нашей модели. Чем больше факторов мы включаем в нашу регрессию , тем выше R-квадрат .

Итак, должны ли мы включить пол и доход в нашу регрессию ? Если это соответствует нашим исследованиям и их включение приводит к получению лучшей модели, мы должны это сделать.

Скорректированный R-квадрат

R-squared кажется весьма полезным, не так ли? Однако это не идеально. Чтобы быть более точным, нам придется его доработать. Его новая версия будет называться с поправкой на R-квадрат .

Что регулируется для

Рассмотрим следующие два утверждения:

1. R-квадрат измеряет, какая часть общей изменчивости объясняется нашей моделью.
2. Множественные регрессии всегда лучше простых. Это связано с тем, что с каждой добавляемой вами дополнительной переменной объяснительная сила может только увеличиваться или оставаться неизменной.

Ну, с поправкой на R-квадрат учитывает именно это. Он измеряет, насколько общая изменчивость объясняется нашей моделью с учетом количества переменных.

скорректированный R-квадрат всегда меньше, чем R-квадрат , так как он наказывает чрезмерное использование переменных.

Множественная регрессия

Давайте создадим нашу первую множественную регрессию, чтобы объяснить этот момент.

Сначала мы импортируем все соответствующие библиотеки.

Это то, что нам нужно кодировать:

 импортировать numpy как np

импортировать панд как pd

импортировать matplotlib.pyplot как plt

импортировать statsmodels.api как sm

импортные морские перевозки

seaborn.set () 

Мы можем загрузить данные из файла «1.02. Множественная линейная регрессия.csv ’. Вы можете скачать его по следующей ссылке. Способ загрузки следующий:

 data = pd.read_csv (‘1.02. Multiple linear regression.csv’) 

Дополнительная переменная

Введите «данные» и запустите код.

Как видно из рисунка выше, у нас есть данные о результатах SAT и GPA студентов. Однако есть одна дополнительная переменная, которая называется Rand 1,2,3 . Мы создали переменную, которая случайным образом присваивает 1, 2 или 3 каждому учащемуся. Мы на 100% уверены, что эта переменная не может предсказать средний балл колледжа .

Итак, это наша модель: средний балл вуза равен b ₀ + b ₁ * балл SAT + b ₂ * случайная величина.

Теперь давайте напишем data.describe () и посмотрим на описательную статистику.

Создание регрессии

В нашем случае y — это средний балл и есть две независимые переменные — SAT и Random 1,2,3.

Что мы можем сделать, так это объявить x1 как фрейм данных, содержащий обе серии.Итак, код должен выглядеть так:

 y = данные [‘GPA’]

x1 = данные [[‘SAT’, ‘Rand 1,2,3’]] 

Далее мы должны соответствовать регрессии:

 x = sm. add_constant (x1)

results = sm.OLS (y, x) .fit () 

После этого мы можем проверить таблицы регрессии, используя соответствующий метод

 results.summary () 

Вы можете увидеть те из ранее связанного руководства в поле справа. Имейте в виду, что у нас там только 1 переменная.

Новый R-квадрат

Мы замечаем, что новый R-squared равен 0,407, поэтому кажется, что мы увеличили объяснительную силу модели. Но затем наш энтузиазм приглушен скорректированным R-квадрат 0,392.

Нас оштрафовали за добавление дополнительной переменной, не имевшей сильной объяснительной силы. Мы добавили информацию, но потеряли ценность.

Важно: Дело в том, что вы должны тщательно выбирать данные и исключать бесполезную информацию.

Однако можно было бы предположить, что регрессионный анализ умнее этого. Модель должна каким-то образом указать на добавление непрактичной переменной.

Что ж, это правда. Давайте посмотрим на таблицу коэффициентов . Мы определили коэффициент для переменной Rand 1,2,3, но его P-значение составляет 0,762!

Нулевая гипотеза

Нулевая гипотеза теста состоит в том, что β = 0 .Мы не можем отклонить нулевую гипотезу на уровне значимости 76%!

Это невероятно высокое значение P .

Важно: Чтобы коэффициент был статистически значимым, мы обычно хотим, чтобы значение P было меньше 0,05.

Наш вывод состоит в том, что переменная Rand 1,2,3 не только ухудшает объяснительную силу модели, что отражается более низким с поправкой на R-квадрат , но также незначительно.Поэтому от него следует вообще отказаться.

Удаление ненужных переменных

Важно удалить бесполезные переменные. Вы можете увидеть, что оригинальная модель изменилась с:

ŷ = 0,275 + 0,0017 * х ₁