7.4 Eksponentialregresjon | Matematikk 1P

Lær å gjenkjenne eksponentiell vekst og nedgang i data, utføre eksponentiell regresjon og velge mellom lineær og eksponentiell modell.

50 min

6 oppgaver

EksponentialregresjonEksponentiell vekstModellvalgDigitale verktøy

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 6 oppgaver

Når passer en eksponentiell modell?

Ikke alle datasett følger en rett linje. Noen ganger vokser eller avtar verdiene stadig raskere (eller saktere). Da kan en eksponentiell modell passe bedre enn en lineær.

En eksponentiell funksjon har formen:

$y = a \cdot b^x$

der $a$ er startverdien (verdien av $y$ når $x = 0$ ) og $b$ er vekstfaktoren.
- Hvis $b > 1$ : eksponentiell vekst
- Hvis $0 < b < 1$ : eksponentiell nedgang (avtakende)

Typiske situasjoner med eksponentiell oppførsel:
- Befolkningsvekst
- Avkjøling av kaffe
- Batterilading
- Spredning av virus i tidlig fase

Gjenkjenne eksponentiell vekst i data

Du kan gjenkjenne eksponentiell vekst ved å se på forholdstallet mellom påfølgende $y$ -verdier. Hvis $x$ -verdiene øker med like intervaller:

- Lineær sammenheng: Differansen $y_{n+1} - y_n$ er tilnærmet konstant.
- Eksponentiell sammenheng: Forholdstallet $\displaystyle \frac{y_{n+1}}{y_n}$ er tilnærmet konstant.

I et spredningsdiagram viser eksponentiell vekst en kurve som bøyer oppover stadig brattere, mens eksponentiell nedgang viser en kurve som flater ut.

Eksponentiell regresjon

y = a \cdot b^x

✏️Eksempel 1: Bakterievekst

I et laboratorieforsøk ble antall bakterier i en petriskål talt opp hver time:

Tid (timer)	0	1	2	3	4	5
Antall bakterier	200	310	490	760	1180	1850

a) Regn ut forholdstallet mellom påfølgende

y

-verdier. Er sammenhengen lineær eller eksponentiell?
b) Bruk et digitalt verktøy til å finne den eksponentielle regresjonsmodellen.

Løsning:

a) Vi regner ut forholdstallene:
- $\displaystyle \frac{310}{200} = 1{,}55$
- $\displaystyle \frac{490}{310} \approx 1{,}58$
- $\displaystyle \frac{760}{490} \approx 1{,}55$
- $\displaystyle \frac{1180}{760} \approx 1{,}55$
- $\displaystyle \frac{1850}{1180} \approx 1{,}57$

Forholdstallene er tilnærmet konstante (ca. $1{,}56$ ), mens differansene er $110,\, 180,\, 270,\, 420,\, 670$ som øker. Sammenhengen er eksponentiell.

b) Ved eksponentiell regresjon i GeoGebra får vi:

$y = 198 \cdot 1{,}56^x$

Her er $a \approx 198$ (omtrent startverdien 200) og $b \approx 1{,}56$ (antallet øker med ca. 56 % per time).

📊Utforsk: Eksponentiell regresjon med RegEksp

Punktene viser antall bakterier målt hver time. Veksten er ikke lineær – antallet øker raskere og raskere. Kommandoen RegEksp finner eksponentialfunksjonen som passer best (rød kurve). Sammenlign med hvordan en rett linje ville passet.

📝Oppgave 7.9

Avgjør om dataene passer best til en lineær eller eksponentiell modell ved å se på differanser og forholdstall:

x

: 0, 1, 2, 3, 4 og

y

: 5, 15, 45, 135, 405

x

: 0, 1, 2, 3, 4 og

y

: 12, 19, 26, 33, 40

x

: 0, 1, 2, 3, 4 og

y

: 800, 560, 392, 274, 192

Løs oppgaven Tren

✏️Eksempel 2: Avkjøling av te

En kopp te hadde temperaturen 85 °C da den ble satt til avkjøling i et rom med temperatur 22 °C. Temperaturen over romtemperatur ( $y$ ) ble målt:

Tid (min)	0	5	10	15	20	25	30
$y$ (°C over romtemp.)	63	49	39	30	24	18	14

a) Utfør eksponentiell regresjon og finn modellen.
b) Bruk modellen til å anslå temperaturen over romtemperatur etter 12 minutter.

c) Hva er den faktiske temperaturen på teen etter 12 minutter ifølge modellen?

Løsning:

a) Eksponentiell regresjon i GeoGebra gir:

$y = 63{,}2 \cdot 0{,}95^x$

der $x$ er tid i minutter og $y$ er grader over romtemperatur.

Vekstfaktoren $b = 0{,}95 < 1$ bekrefter at det er eksponentiell nedgang (avkjøling).

b) For $x = 12$ :
$y = 63{,}2 \cdot 0{,}95^{12} = 63{,}2 \cdot 0{,}540 \approx 34{,}2$

Temperaturen over romtemperatur er ca. $34{,}2\,°C$ etter 12 minutter.

c) Faktisk temperatur $= 22 + 34{,}2 = 56{,}2\,°C$ .

Sammenligne lineær og eksponentiell tilpasning

Ofte kan vi prøve begge modelltypene og se hvilken som passer best. Vi kan bruke korrelasjonskoeffisienten $r$ (eller $R^2$ ) til å sammenlikne:

1. Gjør lineær regresjon og noter $r$ -verdien.
2. Gjør eksponentiell regresjon og noter $r$ -verdien.
3. Velg modellen med $|r|$ nærmest $1$ .

Vi bør også bruke sunn fornuft:
- Gir modellen mening i konteksten?
- Hva skjer med modellen for store eller små $x$ -verdier?
- Er veksten rimelig i lang tid fremover?

✏️Eksempel 3: Velge riktig modell

En nettbutikk registrerer antall bestillinger per måned de første månedene etter oppstart:

Måned ( $x$ )	1	2	3	4	5	6
Bestillinger ( $y$ )	40	58	88	130	196	290

a) Prøv lineær regresjon. Hva blir

r

?
b) Prøv eksponentiell regresjon. Hva blir

r

c) Hvilken modell passer best?

Løsning:

a) Lineær regresjon gir: $y = 49x - 37$ med $r \approx 0{,}96$ .

b) Eksponentiell regresjon gir: $y = 26{,}5 \cdot 1{,}49^x$ med $r \approx 1{,}00$ .

c) Begge modellene gir høy korrelasjon, men den eksponentielle modellen har $|r|$ nærmere $1$ ( $1{,}00$ vs. $0{,}96$ ).

I tillegg ser vi at differansene mellom påfølgende $y$ -verdier øker ( $18, 30, 42, 66, 94$ ), mens forholdstallene er mer konstante ( $1{,}45;\; 1{,}52;\; 1{,}48;\; 1{,}51;\; 1{,}48$ ). Eksponentiell modell passer best.

Merk: I praksis kan eksponentiell vekst ikke fortsette i det uendelige. Etter hvert vil veksten avta, og en annen modell kan bli mer passende.

📝Oppgave 7.10

Verdien av en bruktbil ( $y$ , i tusen kroner) ble registrert hvert år etter kjøp ( $x$ ):

År etter kjøp ( $x$ )	0	1	2	3	4	5
Verdi ( $y$ , 1000 kr)	350	290	245	200	168	140

Er dataene best beskrevet av en lineær eller eksponentiell modell? Begrunn med forholdstall.

Utfør eksponentiell regresjon og finn modellen.

Hva anslår modellen at bilen er verdt etter 7 år?

Hvor mange prosent av verdien mister bilen hvert år ifølge modellen?

Praktiske eksempler på eksponentiell regresjon

Befolkningsvekst: Mange land har hatt perioder med tilnærmet eksponentiell befolkningsvekst. Om folkemengden i en by vokser med ca. 3 % per år, kan vi modellere dette med $y = a \cdot 1{,}03^x$ .

Batterilading: En mobiltelefon som lades, fyller de siste prosentene saktere enn de første. Gjenværende kapasitet som skal fylles, følger ofte en eksponentiell nedgang.

Medisinkonsentrasjon: Når du tar en tablett, brytes virkestoffet gradvis ned i kroppen. Konsentrasjonen i blodet avtar gjerne eksponentielt — for eksempel halveres mengden med en fast halvtid.

I alle tilfeller hjelper eksponentiell regresjon oss å finne den konkrete modellen fra målte data.

📝Oppgave 7.11

En bygd hadde følgende innbyggertall de siste årene:

År	2018	2019	2020	2021	2022	2023
Innbyggere	1240	1290	1350	1405	1465	1530

(Sett

x = 0

for 2018,

x = 1

for 2019 osv.)

Utfør både lineær og eksponentiell regresjon. Oppgi modellene og korrelasjonskoeffisientene.

Begge modellene gir høy $r$ -verdi. Bruk modellene til å anslå innbyggertallet i 2030 ( $x = 12$ ). Hvilken gir det mest rimelige svaret?

Diskuter hva som skjer med modellene på lang sikt (f.eks. $x = 50$ , år 2068).

Slik gjør du eksponentiell regresjon i GeoGebra:

1. Skriv inn datapunktene, f.eks.: liste = {(0, 200), (1, 310), (2, 490), (3, 760), (4, 1180), (5, 1850)}
2. Bruk kommandoen RegEksp(liste) for eksponentiell regresjon.
3. GeoGebra finner $a$ og $b$ i $y = a \cdot b^x$ .

For å sammenligne modeller:
- Gjør RegLin(liste) og RegEksp(liste) på samme datasett.
- Se hvilken linje/kurve som følger datapunktene best.
- Sammenlign $r$ -verdier (eller $R^2$ -verdier).

Eksponentiell vekst i virkeligheten

Eksponentiell vekst kan ikke vare evig. I praksis vil begrensede ressurser (plass, mat, penger) alltid bremse veksten etter en viss tid.

En eksponentiell regresjonsmodell er derfor best egnet til å beskrive utviklingen over begrensede tidsperioder — ikke til langtidsprognoser.

Vær spesielt forsiktig med ekstrapolering: selv om modellen passer dataene svært godt, kan den gi helt urealistiske verdier langt frem i tid.

Oppsummering

I dette kapittelet har du lært:

- Eksponentiell modell: $y = a \cdot b^x$ passer når dataene endres med (omtrent) samme prosent per periode.
- Gjenkjenne eksponentiell vekst: Sjekk om forholdet mellom påfølgende verdier er omtrent konstant.
- Eksponentialregresjon: Gjøres digitalt (f.eks. RegEksp i GeoGebra) og gir $a$ (startverdi) og $b$ (vekstfaktor).
- Begrensning: Eksponentiell vekst kan ikke vare evig i virkeligheten.

Nøkkelbegreper

Begrep	Forklaring
Vekstfaktor	Forholdet mellom påfølgende verdier
Eksponentiell modell	$y = a \cdot b^x$
Lineær modell	$y = ax + b$ — fast beløp per periode

Husk

- Lik differanse mellom verdiene → lineær modell
- Likt forhold mellom verdiene → eksponentiell modell

Repetisjonsoppgaver

Din fremgang

0deloppgaver0 / 3 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.