6.4 Kritisk vurdering av modeller

Vurdere styrker og svakheter ved matematiske modeller og tolke resultater i kontekst.

55 min

10 oppgaver

GyldighetsområdeResidual (avvik)Korrelasjon og kausalitetVelg den enkleste modellen

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 10 oppgaver

Kapitlets plass i kurset

Bygger på

6.3Modellering med regresjon

Kritisk vurdering av modeller

En matematisk modell er alltid en forenkling. Noen modeller er nyttige, men ingen er perfekte.

I dette kapittelet lærer du:
- Skille mellom modell og virkelighet
- Vurdere gyldighetsområde
- Identifisere begrensninger
- Sammenligne ulike modeller

Modellvurdering

Gyldighetsområde: Intervallet der modellen gir fornuftige resultater. Residual (avvik): observert verdi - modellverdi. Ligger residualene tilfeldig over og under 0, passer modelltypen. Følger de et mønster, for eksempel først positive, så negative og så positive igjen, bommer modellen systematisk. Korrelasjon er ikke årsak: At to størrelser følger hverandre, betyr ikke at den ene er årsak til den andre.

✏️To modeller for befolkningsvekst

En bygd hadde 10 000 innbyggere i 2010 og 12 500 i 2020. La $x$ være antall år etter 2010. Lineær modell: $f(x) = 250x + 10\,000$ . Eksponentiell modell: $g(x) = 10\,000 \cdot 1{,}0226^x$ . Sammenlign modellene for 2030.

\displaystyle b^{10} = \frac{12\,500}{10\,000} = 1{,}25

\displaystyle \;b = 1{,}25^{\frac{1}{10}} \approx 1{,}0226

$x = 20$

$f(20) = 250 \cdot 20 + 10\,000 = 15\,000$

$g(20) = 10\,000 \cdot b^{20} = 10\,000 \cdot 1{,}25^2 = 15\,625$

Svar: Den lineære modellen gir 15 000 og den eksponentielle 15 625 innbyggere i 2030. Forskjellen er 625. To datapunkter passer like godt med begge modellene, så vi trenger flere data for å velge.

✏️Eksempel: Residualer avslører feil modelltype

En ny app hadde disse nedlastingene de fire første ukene:

Uke	1	2	3	4
Nedlastinger	100	130	190	290

RegLin gir modellen

f(x) = 63x + 20

med

R^2 = 0{,}94

. Regn ut residualene og vurder om en lineær modell passer.

Residual = observert − modellverdi

$100 - (63 \cdot 1 + 20) = 100 - 83 = 17$

$130 - (63 \cdot 2 + 20) = 130 - 146 = -16$

$190 - (63 \cdot 3 + 20) = 190 - 209 = -19$

$290 - (63 \cdot 4 + 20) = 290 - 272 = 18$

Uke $x$	Observert	Modellverdi $63x + 20$	Residual
1	100	83	$17$
2	130	146	$-16$
3	190	209	$-19$
4	290	272	$18$

Residualene er positive, negative, negative og positive. Det er et mønster: dataene krummer oppover, mens linja er rett.
Svar: Residualene er

17

-16

-19

18

. Mønsteret viser at en lineær modell bommer systematisk, selv om

R^2 = 0{,}94

. En modell som krummer oppover, passer bedre.

Issalg og drukningsulykker følger hverandre. Det betyr ikke at is forårsaker drukning. Begge påvirkes av varmt vær. Vær forsiktig med årsakskonklusjoner.

📝Oppgave 1

Strømforbruket i en bolig modelleres med $y = -0{,}5x + 30$ , der $x$ er utetemperaturen i °C og $y$ er forbruket i kWh per døgn. For hvilke temperaturer er modellen urealistisk?

📝Oppgave 2

En undersøkelse viser sterk korrelasjon mellom antall brannstasjoner og antall forbrytelser i norske byer. Betyr det at brannstasjoner fører til kriminalitet?

📝Oppgave 3

En lineær modell har $R^2 = 0{,}91$ , og en andregradsmodell for de samme dataene har $R^2 = 0{,}93$ . Hvilken modell bør du velge?

📝Oppgave 4

Månedlig husleie for leiligheter i en by modelleres med $y = 350x + 3\,000$ kroner, der $x$ er arealet i kvadratmeter. Regn ut hva modellen gir for en leilighet på 50 m², og gi minst to begrensninger ved modellen.

📝Oppgave 5

Hva betyr det at residualer bør være tilfeldig spredt?

Oppsummering

I dette kapittelet har du lært å vurdere matematiske modeller kritisk:

- En modell er en forenkling av virkeligheten — den bygger på antakelser som kan være mer eller mindre realistiske.
- Sjekk alltid gyldighetsområdet: Innenfor dataområdet (interpolering) er modellen mest pålitelig; utenfor (ekstrapolering) kan den gi urimelige svar.
- Sammenlign modellens verdier med observerte data — store avvik betyr at modellen bør forbedres.
- Vurder antakelsene: Er det rimelig at veksten fortsetter likt? Finnes det begrensninger (plass, ressurser, metning)?
- Husk at korrelasjon ikke betyr årsakssammenheng — en modell som passer godt, beviser ikke at den ene variabelen styrer den andre.

Nøkkelbegreper

Begrep	Forklaring
Modell	Matematisk forenkling av virkeligheten
Gyldighetsområde	Området der modellen kan brukes
Antakelse	Forutsetning modellen bygger på
Avvik (residual)	Forskjell mellom modell og observasjon

Sjekkliste for modellvurdering

1. Hvilke antakelser bygger modellen på?
2. Hvilket område gjelder den for?
3. Hvor godt stemmer den med data?
4. Gir den rimelige svar på lang sikt?

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.