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 passar ein eksponentiell modell?

Ikkje alle datasett følgjer ein rett linje. Nokre gonger veks eller avtakar verdiane stadig raskare (eller saktare). Da kan ein eksponentiell modell passa betre enn ein lineær.

Ein eksponentiell funksjon har forma:

$y = a \cdot b^x$

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 (avtakande)

Typiske situasjonar med eksponentiell oppførsel:
- Befolkningsvekst
- Avkjøling av kaffe
- Batterilading
- Spredning av virus i tidleg fase

Gjenkjenne eksponentiell vekst i data

Du kan gjenkjenne eksponentiell vekst ved å sjå på forholdstalet mellom påfølgjande $y$ -verdiar. Hvis $x$ -verdiane auka med like intervall:

- Lineær samanheng: Differansen $y_{n+1} - y_n$ er tilnærma konstant.
- Eksponentiell samanheng: Forholdstalet $\displaystyle \frac{y_{n+1}}{y_n}$ er tilnærma konstant.

I eit spreiingsdiagram viser eksponentiell vekst ein kurve som bøygjer oppover stadig brattare, medan eksponentiell nedgang viser ein kurve som flatar ut.

Eksponentiell regresjon

y = a \cdot b^x

✏️Eksempel 1: Bakterievekst

I eit laboratorieforsøk vart antalet bakteriar i ein petriskål tald opp kvar time:

Tid (timar)	0	1	2	3	4	5
Antalet bakteriar	200	310	490	760	1180	1850

a) Rekn ut forholdstalet mellom påfølgjande

y

-verdiar. Er samanhengen lineær eller eksponentiell?
b) Bruk eit digitalt verktøy til å finne den eksponentielle regresjonsmodellen.

Løysing:

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

Forholdstala er tilnærma konstante (ca. $1{,}56$ ), medan differansane er $110,\, 180,\, 270,\, 420,\, 670$ som auka. Samanhengen 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 $b \approx 1{,}56$ (antalet auka med ca. 56 % per time).

📊Utforsk: Eksponentiell regresjon med RegEksp

Punkta viser antalet bakteriar målt kvar time. Veksten er ikkje lineær – antalet auka raskare og raskare. Kommandoen RegEksp finn eksponentialfunksjonen som passar best (raud kurve). Samanlikn med korleis ein rett linje ville passa.

📝Oppgave 7.9

Avgjør om dataene passar best til ein lineær eller eksponentiell modell ved å sjå på differansar 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

Ein kopp te hadde temperaturen 85 °C då ho vart sett til avkjøling i eit rom med temperatur 22 °C. Temperaturen over romtemperaturen ( $y$ ) vart 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 romtemperaturen etter 12 minutter.

c) Kva er den faktiske temperaturen på teen etter 12 minutter ifølgje modellen?

Løysing:

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 $b = 0{,}95 < 1$ bekreftar 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 romtemperaturen er ca. $34{,}2\,°C$ etter 12 minutter.

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

Samanlikne lineær og eksponentiell tilpassning

Ofta kan vi prøve båe modelltypar og sjå kva som passar best. Vi kan bruke korrelasjonskoeffisienten $r$ (eller $R^2$ ) til å samanlikne:

1. Gjer lineær regresjon og noter $r$ -verdien.
2. Gjer eksponentiell regresjon og noter $r$ -verdien.
3. Vel modellen med $|r|$ nærmast $1$ .

Vi bør også bruke sunn fornuft:
- Gjev modellen meining i konteksten?
- Kva skjer med modellen for store eller små $x$ -verdiar?
- Er veksten rimelegheitsmessig i lang tid framover?

✏️Eksempel 3: Velje riktig modell

Ein nettbutikk registrerer antalet bestillingar per månad dei første månadene etter oppstart:

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

a) Prøv lineær regresjon. Kva vert

r

?
b) Prøv eksponentiell regresjon. Kva vert

r

c) Kva modell passar best?

Løysing:

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 modellar gjev høg korrelasjon, men den eksponentielle modellen har $|r|$ nærmast $1$ ( $1{,}00$ vs. $0{,}96$ ).

I tillegg ser vi at differansane mellom påfølgjande $y$ -verdiar auka ( $18, 30, 42, 66, 94$ ), medan forholdstala er meir konstante ( $1{,}45;\; 1{,}52;\; 1{,}48;\; 1{,}51;\; 1{,}48$ ). Eksponentiell modell passar best.

Merknad: I praksis kan eksponentiell vekst ikkje halde fram i det endelause. Etter kvart vil veksten avta, og ein annan modell kan bli meir passande.

📝Oppgave 7.10

Verdien av ein bruktbil ( $y$ , i tusen kroner) vart registrert kvart 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 skrivne av ein lineær eller eksponentiell modell? Grunngi med forholdstall.

Utfør eksponentiell regresjon og finn modellen.

Kva anslår modellen at bilen er verd etter 7 år?

Kor mange prosent av verdien mistar bilen kvart år ifølgje modellen?

Praktiske døme på eksponentiell regresjon

Befolkningsvekst: Mange land har hatt periodar med tilnærma eksponentiell befolkningsvekst. Om folkemengda i ein by veks med ca. 3 % per år, kan vi modelere dette med $y = a \cdot 1{,}03^x$ .

Batterilading: Ein mobiltelefon som blir lada, fyller dei siste prosentane saktare enn dei første. Gjenverande kapasitet som skal fyllast, følgjer ofte ein eksponentiell nedgang.

Medisinkonsentrasjon: Når du tek ein tablett, brytast virkestoffet gradvis ned i kroppen. Konsentrasjonen i blodet avtar gjerne eksponentielt — til dømes halvast mengda med ein fast halveringstid.

I alle tilfella hjelper eksponentiell regresjon oss å finne den konkrete modellen frå målte data.

📝Oppgave 7.11

Ein bygd hadde følgjande innbyggjartal dei siste åra:

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

(Set

x = 0

for 2018,

x = 1

for 2019 osv.)

Utfør både lineær og eksponentiell regresjon. Oppgi modellane og korrelasjonskoeffisientane.

Begge modellane gjev høg $r$ -verdi. Bruk modellane til å anslå innbyggjartal i 2030 ( $x = 12$ ). Kva gjev det mest rimelegaste svaret?

Diskuter kva som skjer med modellane på lang sikt (t.d. $x = 50$ , år 2068).

Slik gjer du eksponentiell regresjon i GeoGebra:

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

For å samanlikne modellane:
- Gjer RegLin(liste) og RegEksp(liste) på same datasett.
- Sjå kva linje/kurve som følgjer datapunkta best.
- Samanlikn $r$ -verdiar (eller $R^2$ -verdiar).

Eksponentiell vekst i røynda

Eksponentiell vekst kan ikkje vare eitt. I praksis vil avgrensa ressursar (plass, mat, pengar) alltid bremse veksten etter ein viss tid.

Ein eksponentiell regresjonsmodell er derfor best eigna til å beskrive utviklinga over avgrensa tidsperiodar — ikkje til langtidsprognosar.

Ver spesielt forsiktig med ekstrapolering: sjølv om modellen passar dataa svært godt, kan ho gje heilt urealistiske verdiar langt fram i tid.

Oppsummering

I dette kapittelet har du lært:

- Eksponentiell modell: $y = a \cdot b^x$ passar når dataa endrast med (omtrent) same prosent per periode.
- Gjenkjenna eksponentiell vekst: Sjekk om forholdet mellom påfølgjande verdiar er omtrent konstant.
- Eksponentialregresjon: Gjørast digitalt (t.d. RegEksp i GeoGebra) og gjev $a$ (startverdi) og $b$ (vekstfaktor).
- Avgrensing: Eksponentiell vekst kan ikkje vare eitt i røynda.

Nøkkelbegrep

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

Hugs

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

Repetisjonsoppgåver

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.