Forutsetninger, gyldighetsområde og begrensninger ved økonomiske modeller.
En modell er ikke virkeligheten
I de fire forrige kapitlene har vi regnet med kostnadsfunksjoner, etterspørselskurver og profittmodeller. Regningen har vært eksakt: gir nøyaktig .
Men tallet 450 er bare like pålitelig som modellen det kommer fra. En matematisk modell er en forenkling — den tar med noen ting og lar andre være. Å bruke en modell uten å vite hva den forenkler, er som å stole på et kart uten å se hvilket område det dekker.
Dette kapittelet handler om tre spørsmål du skal stille til enhver modell:
1. Hvilke forutsetninger bygger den på?
2. Hvilket gyldighetsområde har den?
3. Hvilke begrensninger følger av det?
Dette er ikke et tillegg til regningen. Det er en del av svaret.
Gyldighetsområdet er de verdiene av den frie variabelen der modellen er ment å brukes. Det bestemmes av
- hvilke data modellen er laget fra (en regresjonsmodell gjelder i måleområdet),
- hva situasjonen tillater (, kapasitetsgrenser, lagerplass),
- hvor lenge forutsetningene holder.
Begrensninger er de spørsmålene modellen ikke kan svare på, eller svarer galt på. Å regne utenfor gyldighetsområdet kalles ekstrapolering, og er den vanligste kilden til gale svar.
NB: En modell kan være helt riktig regnet og likevel gi et ubrukelig svar. Regnefeil og modellfeil er to forskjellige ting.
Bakeriet har én ovn, og den klarer høyst 600 brød per dag.
a) Regn ut og .
b) Eieren vil vite hva 900 brød koster, og setter inn i modellen. Hva får hun, og hvorfor er svaret feil?
c) En ny ovn koster 1900 kr per dag i avdrag og strøm. Sett opp en modell som også dekker 900 brød.
Svar: 400 brød koster 8000 kr, og 600 brød koster 10 400 kr. Begge ligger innenfor gyldighetsområdet .
b) Modellen gir
Regningen er riktig. Svaret er likevel feil, for 900 ligger utenfor gyldighetsområdet. Modellens konstantledd 3200 forutsetter én ovn, og med én ovn kan bakeriet ikke bake 900 brød i det hele tatt.
Svar: Modellen gir 14 000 kr, men tallet betyr ingenting — bakeriet kan ikke bake 900 brød med det utstyret modellen bygger på.
c) Med en ovn til øker de faste kostnadene:
De variable kostnadene per brød er uendret — melet koster det samme uansett hvilken ovn brødet stekes i:
Svar: Med to ovner koster 900 brød 15 900 kr — altså 1900 kr mer enn den gamle modellen påsto.
NB: Legg merke til at vi ikke kastet den gamle modellen. Vi ga hver modell sitt gyldighetsområde. Slik er det ofte i økonomi: én modell for normal drift, en annen når bedriften har vokst.
Et gårdsmeieri har kostnadene kroner ved liter melk til osteproduksjon per dag. Modellen er laget for , som er kapasiteten til anlegget.
Regn ut (i kroner).
Hvilken verdi gir modellen for (i kroner)?
Forklar hvorfor svaret i b) likevel ikke kan brukes.
Nevn to forutsetninger modellen bygger på.
Regn ut enhetskostnaden ved full kapasitet. Rund av til to desimaler.
To modeller kan passe like godt — og si helt forskjellige ting
Når vi lager en modell fra måledata med regresjon, velger vi selv hva slags funksjon vi vil tilpasse. Ofte passer flere modeller nesten like godt til de målte punktene.
Innenfor måleområdet spiller valget liten rolle. Utenfor kan det bety alt.
En bedrift har målt kostnadene ved fem produksjonsmengder:
| 0 | 100 | 200 | 300 | 400 | |
|---|---|---|---|---|---|
| (kr) | 9000 | 15 500 | 23 000 | 31 500 | 41 000 |
Lineær regresjon gir , og kvadratisk regresjon gir .
a) Hvor godt passer de to modellene i måleområdet?
b) Hva sier de om kostnaden ved 800 enheter?
c) Hvilken modell vil du bruke, og hvorfor?
| målt | avvik | avvik | |||
|---|---|---|---|---|---|
| 0 | 9000 | 8000 | 9000 | 0 | |
| 100 | 15 500 | 16 000 | 15 500 | 0 | |
| 200 | 23 000 | 24 000 | 23 000 | 0 | |
| 300 | 31 500 | 32 000 | 31 500 | 0 | |
| 400 | 41 000 | 40 000 | 41 000 | 0 |
Svar: Den kvadratiske modellen treffer alle fem punktene nøyaktig. Den lineære bommer med høyst 1000 kr — under 5 % i måleområdet fra 100 enheter og opp, men 11 % ved . Og avvikene har et mønster: for lavt i begge ender, for høyt på midten. Et slikt mønster er selve signaturen på at dataene krummer, og at en rett linje er feil form.
b) Vi setter inn i begge:
Svar: Modellene er uenige om 17 000 kr — nesten en fjerdedel av det den lineære modellen anslår.
c) To ting taler for den kvadratiske:
- Den treffer alle målepunktene eksakt.
- Den stemmer med det vi vet om produksjon: kostnaden per enhet pleier å øke ved høy produksjon (overtid, slitasje, dyrere råvarer). En lineær modell sier at enhet nummer 800 koster like mye som enhet nummer 1.
Men legg merke til hva vi ikke kan slutte: at er riktig. Begge modellene er laget fra målinger mellom 0 og 400. Ved 800 enheter ekstrapolerer vi dobbelt så langt som dataene rekker.
Svar: Vi bruker den kvadratiske modellen, både fordi den passer best og fordi formen stemmer med faget. Men svaret ved 800 enheter oppgir vi som et anslag med forbehold, og vi anbefaler bedriften å måle noen punkter over 400 før den tar en beslutning som avhenger av tallet.
NB: Dette er den viktigste setningen i kapittelet: at en modell passer godt til dataene, sier ingenting om hvor godt den passer utenfor dem.
En sykkelforhandler har solgt elsykler slik, der er antall år etter 2019:
| 0 | 1 | 2 | 3 | 4 | 5 | |
|---|---|---|---|---|---|---|
| Antall | 1200 | 1560 | 2030 | 2640 | 3430 | 4460 |
Regn ut differansene mellom påfølgende år. Passer en lineær modell?
Regn ut forholdstallene mellom påfølgende år. Hva ser du?
Sett opp en eksponentiell modell , og kontroller den mot .
Hva sier modellen om salget i 2034 ()?
Drøft om du vil stole på svaret i d).
Vi fant at profitten er størst ved 450 kasser i uken. Bryggeriet har imidlertid bare tanker til 300 kasser i uken.
Hvor mange kasser bør bryggeriet produsere nå?
Toppunktet ligger ved , og det ligger utenfor gyldighetsområdet. Da kan vi ikke bruke det.
Vi undersøker hvordan oppfører seg i det området vi faktisk har:
Den deriverte er positiv i . Siden er en synkende rett linje som først blir null i , er for alle mellom 0 og 300. Profitten stiger altså hele veien fram til kapasitetsgrensen.
Når en funksjon stiger på hele intervallet, ligger den største verdien i høyre endepunkt:

Toppunktet ligger utenfor gyldighetsområdet. Siden hele veien fram til kapasitetsgrensen, ligger den største verdien i ENDEPUNKTET: 300 kasser og 31 000 kr.
Svar: Bryggeriet bør fylle kapasiteten og produsere 300 kasser i uken. Profitten blir 31 000 kr.
Hva kapasitetsgrensen koster bryggeriet, ser vi ved å sammenligne:
Svar: Bryggeriet går glipp av 4500 kr i uken fordi tankene er for små. Det tallet er nyttig: skal bryggeriet vurdere å kjøpe flere tanker, er 4500 kr per uke det investeringen må måles mot.
NB: Her er poenget at ikke var svaret. Når toppunktet ligger utenfor gyldighetsområdet, må vi undersøke endepunktene. Å svare «450 kasser» ville vært riktig regnet og likevel galt.
En bedrift har profittfunksjonen kroner per uke. Produksjonslinjen klarer høyst 180 enheter i uken.
Finn -verdien til toppunktet uten å ta hensyn til kapasiteten.
Ligger toppunktet innenfor gyldighetsområdet?
Regn ut og forklar hva fortegnet forteller.
Hvor stor blir den største profitten bedriften kan oppnå (i kroner)?
Hvor mye taper bedriften i uken på kapasitetsgrensen, og hva ville du rådet den til?
Undersøk hva modellen sier når blir stor, og vurder om det er rimelig.
Verdiene blir mindre og mindre, men aldri null:
Modellen sier altså at det alltid finnes flere kjøpere, bare prisen settes lavt nok. Vil vi selge 99 995 enheter, må prisen ned i 1 øre:
Er det rimelig? Nei, ikke uten videre:
- Det finnes et endelig antall mennesker i markedet. En etterspørselskurve som aldri treffer -aksen, sier at markedet er uendelig stort.
- Svært lave priser ville i praksis utløst noe helt annet enn mer salg: folk ville kjøpt for videresalg, eller mistenkt at varen var defekt.

Modellen er brukbar i området den er laget for — rundt markedskrysset ved 37 enheter. At kurven aldri treffer -aksen, betyr matematisk at det alltid finnes flere kjøpere, og det slutter å gjelde lenge før prisen er 1 øre.
Svar: Modellen er brukbar i det området den er laget for — rundt markedskrysset ved 37 enheter. Utenfor blir den urimelig, og den skal ikke brukes til å svare på spørsmål om massesalg til lave priser.
NB: Legg merke til at det ikke er noe galt med funksjonen i seg selv. Det er koblingen mellom funksjonen og virkeligheten som slutter å gjelde. En modell har alltid et gyldighetsområde, også når formelen er definert overalt.
En butikk har prøvd ut fem priser og notert salget per uke:
| Pris (kr) | 20 | 30 | 40 | 50 | 60 |
|---|---|---|---|---|---|
| Antall solgt | 520 | 430 | 350 | 260 | 180 |
Lineær regresjon gir . Bruk regneark eller GeoGebra.
Hva er gyldighetsområdet til modellen?
Hva sier modellen om salget hvis varen gis bort gratis ()?
Er svaret i b) troverdig? Begrunn.
Ved hvilken pris gir modellen null salg? Rund av til én desimal.
Hva sier modellen om salget ved prisen 90 kr, og hvorfor er det et tegn på at vi har gått for langt?
Oppsummering — sjekklisten
Når du har regnet ferdig på en økonomisk modell, går du gjennom disse punktene før du svarer:
| Spørsmål | Hva du ser etter |
|---|---|
| Hvor kommer modellen fra? | Måledata (hvilket område?) eller antakelser (hvilke?) |
| Er svaret innenfor gyldighetsområdet? | , kapasitet, måleområde, tidsrom |
| Er svaret fysisk mulig? | Negative antall, negative priser, mengder større enn markedet |
| Hva er antatt konstant? | Pris per enhet, kostnad per enhet, rente, etterspørsel |
| Hva ville endret svaret? | Kapasitet, avgifter, konkurrenter, prisstigning |
Tre fallgruver:
1. Ekstrapolering. En modell laget fra data i ett område brukes i et annet. Dette er den vanligste feilen, og den er usynlig i regningen.
2. Toppunkt utenfor gyldighetsområdet. Når gir et svar som er umulig i praksis, ligger den beste løsningen i et endepunkt.
3. Riktig regning, feil spørsmål. Modellen kan svare presist på noe annet enn det som er spurt om — for eksempel størst omsetning i stedet for størst profitt.
Hvordan du skriver vurderingen: nevn hvilke forutsetninger modellen bygger på, hvilket område den gjelder i, og hva som ville måttet stemme for at svaret skal holde. Et godt svar er ikke «modellen er usikker», men «modellen bygger på at prisen per enhet er konstant, og den er laget fra målinger opp til 400 enheter. Svaret ved 800 enheter forutsetter at begge deler fortsatt gjelder.»
for antall solgte billetter ved prisen kroner, og anbefaler prisen som gir størst inntekt. Hallen har 1500 sitteplasser.
Vis at , og finn prisen konsulenten anbefaler (i kroner).
Hvor mange billetter selges ifølge modellen ved denne prisen?
Hvilken forutsetning i anbefalingen svikter?
Hvilken pris fyller hallen akkurat, og hvor stor blir inntekten da (i kroner)?
Drøft modellen: hvilke forutsetninger bygger den på, og hva bør kommunen gjøre?
En bedrift har målt strømforbruket sitt i gigawattimer (GWh), der er antall år etter 2020:
| 0 | 2 | 4 | 6 | 8 | |
|---|---|---|---|---|---|
| Forbruk | 120 | 150 | 196 | 258 | 336 |
Lineær regresjon gir , og kvadratisk regresjon gir . Bruk regneark eller GeoGebra.
Regn ut begge modellene i alle fem målepunktene, og sett opp avvikene.
Hvilken modell passer best til dataene, og hvordan ser du det?
Hva gir de to modellene for 2030 ()?
Hva gir de to modellene for 2040 ()?
Drøft hvilken modell du vil bruke til å planlegge strømavtalen for 2030, og hvilke forbehold du vil ta.
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.
