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

Innleiing

I røynda har vi ofte data som ikkje fylgjer ein eksakt funksjon. Regresjon er ein metode for å finna ein funksjon som passar best muleg til eit sett med datapunkt.

Lineær regresjon finn den rette linja som passar best til dataene. Denne metoden blir brukt mykje i forsking, økonomi og mange andre felt.

Lineær regresjon

y = ax + b

Minste kvadrats metode

Den mest vanlege metoden for å finna regresjonslinja er minste kvadrats metode. Denne minimerer summen av kvadrata av avstanda frå datapunkta til linja.

I praksis brukar vi digitale verktøy som GeoGebra, Excel eller kalkulator til å rekna ut regresjonslinja.

✏️Døme 1: Finna regresjonslinje

Ein undersøking måler samanhengen mellom studietid og eksamenskarakter:

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

Finn regresjonslinja og bruk ho til å estimera karakteren ved 6 timars studietid.

Løysing:

Vi plottar punkta og brukar GeoGebra til å finna regresjonslinja.

I GeoGebra:
1. Skriv inn punkta som ein 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 timars studietid: $y = 0{,}47 \cdot 6 + 2{,}2 = 5{,}0$

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

📝Oppgave 1

Bruk GeoGebra til å finna regresjonslinja for dataene.

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

Finn regresjonslinja med kommandoen RegLin[ ]

Bruk linja til å estimera y-verdien når x = 6

Løs oppgaven Tren

📝Oppgave S1

Sant eller usant?

Hvis korrelasjonskoeffisienten mellom to variable er $r = 0{,}95$ , betyr det at den eine variabelen forårsaker endringa i den andre.

Korrelasjon

Korrelasjonskoeffisienten $r$ måler kor godt dataene fylgjer ein lineær samanheng:

- $r = 1$ : Perfekt positiv korrelasjon (alle punkt på ein stigande linje)
- $r = -1$ : Perfekt negativ korrelasjon (alle punkt på ein synkande linje)
- $r = 0$ : Ingen lineær samanheng

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

✏️Døme 2: Tolka korrelasjon

Eit datasett gir korrelasjonskoeffisient $r = 0{,}85$ . Kva betyr dette?

Løysing:

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

Men husk: Korrelasjon betyr ikkje nødvendigvis årsaksammenheng!

📝Oppgave 2

Skildr korrelasjonen.

r = 0{,}92

r = -0{,}78

r = 0{,}25

r = -0{,}55

Løs oppgaven Tren

📝Oppgave 3

Kva type korrelasjon forventar du?

Høyde og vekt hos vaksne

Alder på bil og verdi

Temperatur og sal av is

Øvingtimar og tal på feil på prøve

Løs oppgaven Tren

Bruke regresjon til prediksjon

Når vi har funne ein regresjonslinje, kan vi bruke henne til å estimere verdiar:

- Interpolasjon: Estimere verdiar innan dataintervallet (relativt pålitelig)
- Ekstrapolasjon: Estimere verdiar utanfor dataintervallet (meir usikkert)

Viktig: Regresjonslinjen er berre ein modell. Jo lenger utanfor dataområdet vi går, desto meir usikker blir estimeringen.

📝Oppgave 4

Data viser samanhengen mellom tal på tilsette og årleg omsetning (i millionar kr):

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

Plottar punkta og finn regresjonslinjen i GeoGebra.

Estimerer omsetningen for ein bedrift med 18 tilsette.

Er det trygt å bruke modellen til å estimere for 100 tilsette? Grunngi.

Løs oppgaven Tren

📝Oppgave 5

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

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

Plottar punkta. Passar ein rett linje godt?

Prøv andregradstilpassing med RegPoly[ , 2]

Bruk modellen til å estimere temperaturen kl. 10.

Vurdere modellens kvalitet

For å vurdere om regresjonsmodellen er god:

1. Sjå på korrelasjonskoeffisienten $r$ - jo nærmast $|r|$ er 1, desto betre passar linjen
2. Plottar residualar - avvika frå linjen bør vera tilfeldig, ikkje følgje eit mønster
3. Bruk sunn fornuft - gir modellen meining i konteksten?

📝Oppgave 6

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

Er samanhengen positiv eller negativ?

Er modellen god? Grunngi.

Kva betyr konstantleddet 10?

Løs oppgaven Tren

📝Oppgave 7

Samanheng mellom pris og etterspørnad:

Pris (kr)	50	60	70	80	90	100
Selde einingar	200	180	150	130	100	80

Finn regresjonslinjen.

Tolkinga av stigningstalet i denne samanhengen.

Ved kva pris er etterspørnaden null ifølgje modellen?

Løs oppgaven Tren

📝Oppgave 8

Befolkningsdata for ei by:

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

Finn regresjonslinjen og estimér befolkninga i 2025.

Prøv også eksponentiell tilpassing. Kva modell passar best?

Løs oppgaven Tren

📝Oppgave 9

Kritisk tenking om regresjon:

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

Kvifor kan det vera farleg å ekstrapolera langt utanfor dataområdet?

Kva skal du alltid gjera før du brukar ein regresjonsmodell?

📝Oppgave 10

Eige prosjekt: Samla inn data og analyser.

Vel to variablar du trur hengar saman (f.eks. søvn og konsentrasjon, trening og humør).

Samla inn minst 10 datapunkt.

Finn regresjonslinjen og korrelasjonskoeffisienten.

Skriv ein kort rapport der du tolkir resultata.

📝Oppgave D1

Drøftingsoppgåve: Ein avisartikkel hevdar: «Jo meir sjokolade eit land et per innbyggjar, desto fleire Nobelpris-vinnarar har landet. Difor bør vi eta meir sjokolade for å bli smartare.» Drøft denne påstanden. Kva kan forklara korrelasjonen? Er konklusjonen gyldig?

Oppsummering

I dette kapitlet har du lært:

- Lineær regresjon: Finna den rette linja $y = ax + b$ som best passar til eit sett med datapunkt
- Korrelasjonskoeffisienten: $r$ måler styrken og retninga på ein lineær sammenheng ( $|r|$ nær 1 = sterk, nær 0 = svak)
- Interpolasjon og ekstrapolasjon: Estimera verdiar innanfor (påliteleg) og utanfor (usikkert) dataområdet
- Vurdera modellens kvalitet: Bruka $r$ , residualar og sunn fornuft for å bedømma om modellen passar

Nøkkelbegrep

Begrep	Forklaring
Regresjonslinjen	Den rette linja som passar best til dataene
Korrelasjonskoeffisient ( $r$ )	Mål på lineær sammenheng, frå $-1$ til $1$
Interpolasjon	Estimera verdiar innanfor dataområdet
Ekstrapolasjon	Estimera verdiar utanfor dataområdet (meir usikkert)
Minste kvadratars metode	Metoden som minimerer kvadratavvika frå linja

Repetisjonsoppgåver

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.