6.1 Matematisk modellering | Matematikk 2P

Bygge og bruke matematiske modeller.

55 min

12 oppgaver

ModellbyggingForutsetningerValideringTolkning

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 12 oppgaver

Matematisk modellering

Matematisk modellering handler om å bruke matematikk til å beskrive, forstå og forutsi hendelser i den virkelige verden. En matematisk modell er en forenklet beskrivelse av virkeligheten uttrykt med matematisk språk.

I dette kapittelet skal du lære:
- Hva modelleringsprosessen går ut på
- Hvordan du velger mellom lineær og eksponentiell modell
- Hvordan du setter opp modeller fra praktiske situasjoner
- Hvordan du vurderer og kritiserer modeller

Modelleringsprosessen

Modelleringsprosessen består av fem steg: 1. Forstå problemet : Hva er det vi vil finne ut? Hvilke data har vi? 2. Forenkle : Hvilke faktorer er viktigst? Hva kan vi se bort fra? 3. Modellere : Sett opp en matematisk modell (formel, funksjon, likning) 4. Løse : Bruk modellen til å beregne svar 5. Vurdere : Er svaret rimelig? Passer modellen til virkeligheten? En modell er alltid en forenkling - den vil aldri gi et helt eksakt bilde av virkeligheten. Nøkkelen er å lage en modell som er enkel nok til å bruke, men nøyaktig nok til å gi nyttige resultater.

✏️Eksempel: Modelleringsprosessen i praksis

En kommune registrerer at det ble levert 1 200 tonn avfall i 2020 og 1 350 tonn i 2024. De ønsker å forutsi avfallsmengden i 2030. Gå gjennom modelleringsprosessen.

Forstå: Vi kjenner avfallsmengden i to år og vil anslå mengden i 2030.

Forenkle: Vi antar at veksten er jevn, enten med fast mengde eller fast prosent per år. $x$ er antall år etter 2020.

Modellere, lineær modell:

$\displaystyle a = \frac{1\,350 - 1\,200}{4} = 37{,}5$

$f(x) = 37{,}5x + 1\,200$

Modellere, eksponentiell modell:

$1\,200 \cdot b^4 = 1\,350$

$b^4 = 1{,}125$

$\displaystyle b = 1{,}125^{\frac{1}{4}} \approx 1{,}0299$

$g(x) = 1\,200 \cdot 1{,}0299^x$

Løse for 2030, $x = 10$ :

$f(10) = 37{,}5 \cdot 10 + 1\,200 = 1\,575$

$\displaystyle g(10) = 1\,200 \cdot 1{,}125^{\frac{10}{4}} \approx 1\,611$

Vurdere: Begge svarene er rimelige. Den eksponentielle modellen gir litt mer fordi økningen blir større for hvert år. Over så kort tid er forskjellen liten. Flere datapunkter trengs for å avgjøre hvilken modell som passer best.

Svar: Den lineære modellen gir ca. 1 575 tonn og den eksponentielle ca. 1 611 tonn avfall i 2030.

📝Oppgave 1

Hva er det viktigste siste steget i modelleringsprosessen?

📝Oppgave 2

En bedrift har følgende omsetning:

År	Omsetning (mill. kr)
2019	5,0
2020	5,4
2021	5,7
2022	6,2
2023	6,5

Finn en lineær modell for omsetningen.

Bruk modellen til å estimere omsetningen i 2027.

Vurder om estimatet er rimelig.

Løs oppgaven

Lineær eller eksponentiell modell?

f(x) = ax + b

✏️Eksempel: Velge modell

En bakteriekultur vokser slik:

Timer	0	1	2	3	4
Antall	100	150	225	338	506

Er veksten lineær eller eksponentiell?

Differanser:

$150 - 100 = 50$ , $\;225 - 150 = 75$ , $\;338 - 225 = 113$ , $\;506 - 338 = 168$

Differansene er ikke like, så veksten er ikke lineær.

Forholdstall:

$\displaystyle \frac{150}{100} = 1{,}50$ , $\displaystyle \;\frac{225}{150} = 1{,}50$ , $\displaystyle \;\frac{338}{225} \approx 1{,}50$ , $\displaystyle \;\frac{506}{338} \approx 1{,}50$

Forholdstallene er tilnærmet like, så veksten er eksponentiell.

$f(t) = 100 \cdot 1{,}50^t$

Svar: Veksten er eksponentiell med 50 % økning per time.

Gjør dette i GeoGebra

Utforsk: Lineær eller eksponentiell modell?

Blå graf: lineær modell

f(x) = 100 + 20x

(fast økning på 20 per tidsenhet). Rød graf: eksponentiell modell

g(x) = 100 \cdot 1{,}15^x

(15 % økning). På kort sikt ligner de, men etter skjæringspunktet vokser den eksponentielle raskest – og forskjellen bare øker.

Skriv inn én linje om gangen i inntastingsfeltet:

f(x) = 100 + 20x
g(x) = 100 * 1.15^x
S = Skjæring(f, g, 1, 10)
SetColor(f, "Blue")
SetColor(g, "Red")
SetColor(S, "Green")

Med språket satt til norsk forstår GeoGebra kommandonavnene både på norsk og engelsk.

Åpne GeoGebra

📝Oppgave 3

Hvilken modell passer best for å beskrive hvordan prisen på strøm varierer gjennom et år (høy om vinteren, lav om sommeren)?

Praktiske modelleringseksempler

Matematisk modellering handler om å ta situasjoner fra den virkelige verden og uttrykke dem med matematikk. Her er noen typiske situasjoner:

- Befolkningsvekst: Ofte eksponentiell i begynnelsen, men flater ut
- Spredning av informasjon i sosiale medier: Starter eksponentielt, flater ut
- Vannstand i en beholder: Ofte lineær ved jevn fylling/tapping
- Temperaturendring: Kan modelleres med eksponentiell nedkjøling (Newtons avkjølingslov)

I alle tilfeller må vi huske at modellen er en forenkling og har begrensninger.

✏️Eksempel: Modell for oppvarming

Du setter en kopp med vann i mikrobølgeovnen. Temperaturen øker jevnt med 15 °C per minutt. Vannet starter på 20 °C. Sett opp en modell og finn når vannet når 100 °C.

Siden temperaturen øker jevnt med 15 °C per minutt, er dette en lineær modell.

$T(t) = 15t + 20$

der $T$ er temperaturen i °C og $t$ er tiden i minutter.

Når blir $T = 100$ ?

$15t + 20 = 100$

$15t = 80$

$\displaystyle t = \frac{80}{15} \approx 5{,}3$ minutter

Modellen er grei for korte tidsrom. Nær kokepunktet blir oppvarmingen i praksis tregere.

Svar: Vannet når 100 °C etter ca. 5 minutter og 20 sekunder.

📝Oppgave 4

Antall abonnenter på en strømmetjeneste i en by var 2 000 i januar 2023 og 3 200 i januar 2025.

Sett opp en lineær modell.

Sett opp en eksponentiell modell.

Bruk begge modellene til å estimere antall abonnenter i januar 2028.

Hvilken modell er mest realistisk? Begrunn svaret.

Vurdere og kritisere modeller

Når du vurderer en modell, bør du stille disse spørsmålene: 1. Passer modellen til dataene? Sammenlign modellens verdier med de faktiske verdiene. 2. Er modellen rimelig utenfor dataintervallet? Ekstrapolering (prediksjon utenfor kjente data) er alltid usikkert. 3. Hva er modellens begrensninger? Ingen modell gjelder for alltid eller i alle situasjoner. 4. Er forutsetningene realistiske? F.eks. «jevn vekst» gjelder sjelden evig. 5. Kan modellen forbedres? Kanskje en annen type funksjon passer bedre? Interpolering (beregne verdier mellom kjente datapunkter) er mer pålitelig enn ekstrapolering (beregne verdier utenfor dataintervallet).

📝Oppgave 5

Hva er den viktigste forskjellen mellom interpolering og ekstrapolering?

Oppsummering

I dette kapittelet har du lært:

- Modelleringsprosessen: Forstå → forenkle → modellere → løse → vurdere
- Lineær modell ( $f(x) = ax + b$ ): Brukes når endringen per periode er konstant
- Eksponentiell modell ( $f(x) = a \cdot b^x$ ): Brukes når endringen er en fast prosent av nåværende verdi
- Avgjøre modelltype ved å sjekke om differanser (lineær) eller forholdstall (eksponentiell) er konstante
- Vurdere modeller: Alle modeller er forenklinger; interpolering er mer pålitelig enn ekstrapolering

📝Oppgave 6

Antall elsparkesykler i en by ble registrert:

Måned (etter lansering)	1	3	6	9	12
Antall	200	520	1 100	1 600	1 900

Undersøk om veksten er lineær eller eksponentiell.

Bruk lineær regresjon til å lage en modell for antallet.

Estimer antallet etter 18 måneder.

Drøft om modellen er realistisk for lang sikt.

📝Oppgave 7

Du jobber i en bedrift som selger softis. Bedriften hadde 50 000 kr i inntekt i juni 2023 og 65 000 kr i juni 2024. Ledelsen spør deg: «Når vil vi nå 100 000 kr i månedsinntekt?»

Sett opp en lineær modell og en eksponentiell modell.

Bruk begge modellene til å svare ledelsen.

Diskuter hvilken modell som er mest realistisk, og hvilke forutsetninger som må oppfylles for at estimatene skal slå til.

Repetisjonsoppgaver

Din fremgang

0deloppgaver0 / 5 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.