3.4 Regresjon | Matematikk 10. klasse

Lineær regresjon og tilpasning av funksjoner til data.

45 min

10 oppgaver

RegresjonLineær regresjonDatapunkterBeste tilpasning

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 10 oppgaver

Kapitlets plass i kurset

Bygger på

3.1Lineære funksjoner

Innledning

I virkeligheten har vi ofte data som ikke følger en eksakt funksjon. Regresjon er en metode for å finne en funksjon som passer best mulig til et sett med datapunkter.

Lineær regresjon finner den rette linjen som passer best til dataene. Denne metoden brukes mye i forskning, økonomi og mange andre felt.

Lineær regresjon

y = ax + b

Minste kvadraters metode

Den vanligste metoden for å finne regresjonslinjen er minste kvadraters metode. Denne minimerer summen av kvadratene av avstandene fra datapunktene til linjen.

I praksis bruker vi digitale verktøy som GeoGebra, Excel eller kalkulator til å beregne regresjonslinjen.

✏️Eksempel 1: Finne regresjonslinje

En undersøkelse måler sammenhengen mellom studietid og eksamenskarakter:

Timer studert (x)	2	4	5	7	8
Karakter (y)	3	4	4	5	6

Finn regresjonslinjen og bruk den til å estimere karakteren ved 6 timers studietid.

Løsning:

Vi plotter punktene og bruker GeoGebra til å finne regresjonslinjen.

I GeoGebra:
1. Skriv inn punktene som en liste: Punktliste = {(2,3), (4,4), (5,4), (7,5), (8,6)}
2. Bruk kommandoen: RegLin[Punktliste]

GeoGebra gir oss: $y = 0{,}47x + 2{,}2$

Ved 6 timers studietid: $y = 0{,}47 \cdot 6 + 2{,}2 = 5{,}0$

Svar: Estimert karakter ved 6 timers studietid er ca. 5.

📝Oppgave 1

Bruk GeoGebra til å finne regresjonslinjen for dataene.

Skriv inn punktene: (1, 2), (3, 5), (5, 7), (7, 10), (9, 11)

Finn regresjonslinjen med kommandoen RegLin[ ]

Bruk linjen til å estimere y-verdien når x = 6

Løs oppgaven Tren

📝Oppgave S1

Sant eller usant?

Hvis korrelasjonskoeffisienten mellom to variabler er $r = 0{,}95$ , betyr det at den ene variabelen forårsaker endringen i den andre.

Korrelasjon

Korrelasjonskoeffisienten $r$ måler hvor godt dataene følger en lineær sammenheng:

- $r = 1$ : Perfekt positiv korrelasjon (alle punkter på en stigende linje)
- $r = -1$ : Perfekt negativ korrelasjon (alle punkter på en synkende linje)
- $r = 0$ : Ingen lineær sammenheng

Generelt:
- $|r| > 0{,}7$ : Sterk korrelasjon
- $0{,}4 < |r| < 0{,}7$ : Moderat korrelasjon
- $|r| < 0{,}4$ : Svak korrelasjon

✏️Eksempel 2: Tolke korrelasjon

Et datasett gir korrelasjonskoeffisient $r = 0{,}85$ . Hva betyr dette?

Løsning:

$r = 0{,}85$ betyr:
- Det er en positiv korrelasjon (r > 0) - når x øker, øker y
- Korrelasjonen er sterk (|r| > 0,7)
- Dataene følger ganske godt en lineær trend

Men husk: Korrelasjon betyr ikke nødvendigvis årsakssammenheng!

📝Oppgave 2

Beskriv korrelasjonen.

r = 0{,}92

r = -0{,}78

r = 0{,}25

r = -0{,}55

Løs oppgaven Tren

📝Oppgave 3

Hvilken type korrelasjon forventer du?

Høyde og vekt hos voksne

Alder på bil og verdi

Temperatur og salg av is

Øvingstimer og antall feil på prøve

Løs oppgaven Tren

Bruke regresjon til prediksjon

Når vi har funnet en regresjonslinje, kan vi bruke den til å estimere verdier:

- Interpolasjon: Estimere verdier innenfor dataintervallet (relativt pålitelig)
- Ekstrapolasjon: Estimere verdier utenfor dataintervallet (mer usikkert)

Viktig: Regresjonslinjen er bare en modell. Jo lenger utenfor dataområdet vi går, desto mer usikker blir estimeringen.

📝Oppgave 4

Data viser sammenhengen mellom antall ansatte og årlig omsetning (i millioner kr):

Ansatte	5	10	15	20	25
Omsetning	2	5	7	10	13

Plott punktene og finn regresjonslinjen i GeoGebra.

Estimer omsetningen for en bedrift med 18 ansatte.

Er det trygt å bruke modellen for å estimere for 100 ansatte? Begrunn.

Løs oppgaven Tren

📝Oppgave 5

Temperaturdata for en vårdag (kl. 6-18):

Klokkeslett	6	9	12	15	18
Temp (°C)	5	10	16	18	14

Plott punktene. Passer en rett linje godt?

Prøv andregradstilpasning med RegPoly[ , 2]

Bruk modellen til å estimere temperaturen kl. 10.

Vurdere modellens kvalitet

For å vurdere om regresjonsmodellen er god:

1. Se på korrelasjonskoeffisienten $r$ - jo nærmere $|r|$ er 1, desto bedre passer linjen
2. Plot residualer - avvikene fra linjen bør være tilfeldige, ikke følge et mønster
3. Bruk sunn fornuft - gir modellen mening i konteksten?

📝Oppgave 6

En regresjon gir $y = 2{,}5x + 10$ med $r = 0{,}95$ .

Er sammenhengen positiv eller negativ?

Er modellen god? Begrunn.

Hva betyr konstantleddet 10?

Løs oppgaven Tren

📝Oppgave 7

Sammenheng mellom pris og etterspørsel:

Pris (kr)	50	60	70	80	90	100
Solgte enheter	200	180	150	130	100	80

Finn regresjonslinjen.

Tolk stigningstallet i denne sammenhengen.

Ved hvilken pris er etterspørselen null ifølge modellen?

Løs oppgaven Tren

📝Oppgave 8

Befolkningsdata for en by:

År	2000	2005	2010	2015	2020
Innbyggere (tusen)	45	52	61	72	85

Finn regresjonslinje og estimer befolkningen i 2025.

Prøv også eksponentiell tilpasning. Hvilken modell passer best?

Løs oppgaven Tren

📝Oppgave 9

Kritisk tenkning om regresjon:

Det er sterk korrelasjon mellom iskremssalg og drukning. Betyr dette at is forårsaker drukning?

Hvorfor kan det være farlig å ekstrapolere langt utenfor dataområdet?

Hva bør du alltid gjøre før du bruker en regresjonsmodell?

📝Oppgave 10

Eget prosjekt: Samle inn data og analyser.

Velg to variabler du tror henger sammen (f.eks. søvn og konsentrasjon, trening og humør).

Samle inn minst 10 datapunkter.

Finn regresjonslinjen og korrelasjonskoeffisienten.

Skriv en kort rapport der du tolker resultatene.

📝Oppgave D1

Drøftingsoppgave: En avisartikkel hevder: «Jo mer sjokolade et land spiser per innbygger, desto flere Nobelpris-vinnere har landet. Derfor bør vi spise mer sjokolade for å bli smartere.» Drøft denne påstanden. Hva kan forklare korrelasjonen? Er konklusjonen gyldig?

Oppsummering

I dette kapittelet har du lært:

- Lineær regresjon: Finne den rette linjen $y = ax + b$ som best passer til et sett med datapunkter
- Korrelasjonskoeffisienten: $r$ måler styrken og retningen på en lineær sammenheng ( $|r|$ nær 1 = sterk, nær 0 = svak)
- Interpolasjon og ekstrapolasjon: Estimere verdier innenfor (pålitelig) og utenfor (usikkert) dataområdet
- Vurdere modellens kvalitet: Bruke $r$ , residualer og sunn fornuft for å bedømme om modellen passer

Nøkkelbegreper

Begrep	Forklaring
Regresjonslinje	Den rette linjen som passer best til dataene
Korrelasjonskoeffisient ( $r$ )	Mål på lineær sammenheng, fra $-1$ til $1$
Interpolasjon	Estimere verdier innenfor dataområdet
Ekstrapolasjon	Estimere verdier utenfor dataområdet (mer usikkert)
Minste kvadraters metode	Metoden som minimerer kvadratavvikene fra linjen

Repetisjonsoppgaver

Din fremgang

0deloppgaver0 / 6 oppgaver

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.