6.1 Matematisk modellering | Matematikk 2P

Byggje og bruke matematiske modellar.

55 min

12 oppgaver

ModellbyggingFøresetnaderValideringTolking

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 12 oppgaver

Matematisk modellering

Matematisk modellering handlar om å bruke matematikk til å skildre, forstå og føreseie hendingar i den verkelege verda. Ein matematisk modell er ei forenkla skildring av verkelegheita uttrykt med matematisk språk.

I dette kapittelet skal du lære:
- Kva modelleringsprosessen går ut på
- Korleis du vel mellom lineær og eksponentiell modell
- Korleis du set opp modellar frå praktiske situasjonar
- Korleis du vurderer og kritiserer modellar

Modelleringsprosessen

Modelleringsprosessen består av fem steg: 1. Forstå problemet : Kva er det vi vil finne ut? Kva for data har vi? 2. Forenkle : Kva for faktorar er viktigast? Kva kan vi sjå bort frå? 3. Modellere : Set opp ein matematisk modell (formel, funksjon, likning) 4. Løyse : Bruk modellen til å rekne ut svar 5. Vurdere : Er svaret rimeleg? Passar modellen til verkelegheita? Ein modell er alltid ei forenkling - han vil aldri gi eit heilt eksakt bilete av verkelegheita. Nøkkelen er å lage ein modell som er enkel nok til å bruke, men nøyaktig nok til å gi nyttige resultat.

✏️Eksempel: Modelleringsprosessen i praksis

Ein kommune registrerer at det vart levert 1 200 tonn avfall i 2020 og 1 350 tonn i 2024. Dei ønskjer å føreseie avfallsmengda i 2030. Gå gjennom modelleringsprosessen.

Forstå: Vi kjenner avfallsmengda i to år og vil anslå mengda i 2030.

Forenkle: Vi går ut frå at veksten er jamn, anten med fast mengd eller fast prosent per år. $x$ er talet på 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:

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

$b^4 = 1{,}125$

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

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

Løyse 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 svara er rimelege. Den eksponentielle modellen gir litt meir fordi auken blir større for kvart år. Over så kort tid er skilnaden liten. Fleire datapunkt trengst for å avgjere kva modell som passar best.

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

📝Oppgave 1

Kva er det viktigaste siste steget i modelleringsprosessen?

📝Oppgave 2

Ei bedrift har følgjande omsetning:

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

Finn ein lineær modell for omsetninga.

Bruk modellen til å estimere omsetninga i 2027.

Vurder om estimatet er rimeleg.

Løs oppgaven

Lineær eller eksponentiell modell?

f(x) = ax + b

✏️Eksempel: Velje modell

Ein bakteriekultur veks slik:

Timar	0	1	2	3	4
Tal	100	150	225	338	506

Er veksten lineær eller eksponentiell?

Differansar:

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

Differansane er ikkje like, så veksten er ikkje lineær.

Forholdstal:

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

Forholdstala er tilnærma like, så veksten er eksponentiell.

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

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

Gjør dette i GeoGebra

Utforsk: Lineær eller eksponentiell modell?

Blå graf: lineær modell

f(x) = 100 + 20x

(fast auke på 20 per tidseining). Raud graf: eksponentiell modell

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

(15 % auke). På kort sikt liknar dei, men etter skjeringspunktet veks den eksponentielle raskast – og forskjellen berre aukar.

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

Kva for modell passar best for å skildre korleis prisen på straum varierer gjennom eit år (høg om vinteren, låg om sommaren)?

Praktiske modelleringseksempel

Matematisk modellering handlar om å ta situasjonar frå den verkelege verda og uttrykkje dei med matematikk. Her er nokre typiske situasjonar:

- Folketalsvekst: Ofte eksponentiell i byrjinga, men flatar ut
- Spreiing av informasjon i sosiale medium: Startar eksponentielt, flatar ut
- Vasstand i ein behaldar: Ofte lineær ved jamn fylling/tapping
- Temperaturendring: Kan modellerast med eksponentiell nedkjøling (Newtons avkjølingslov)

I alle tilfelle må vi hugse at modellen er ei forenkling og har avgrensingar.

✏️Eksempel: Modell for oppvarming

Du set ein kopp med vatn i mikrobølgjeomnen. Temperaturen aukar jamt med 15 °C per minutt. Vatnet startar på 20 °C. Set opp ein modell og finn når vatnet når 100 °C.

Sidan temperaturen aukar jamt med 15 °C per minutt, er dette ein lineær modell.

$T(t) = 15t + 20$

der $T$ er temperaturen i °C og $t$ er tida i minutt.

Når blir $T = 100$ ?

$15t + 20 = 100$

$15t = 80$

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

Modellen er grei for korte tidsrom. Nær kokepunktet blir oppvarminga i praksis tregare.

Svar: Vatnet når 100 °C etter ca. 5 minutt og 20 sekund.

📝Oppgave 4

Talet på abonnentar på ei strøymeteneste i ein by var 2 000 i januar 2023 og 3 200 i januar 2025.

Set opp ein lineær modell.

Set opp ein eksponentiell modell.

Bruk begge modellane til å estimere talet på abonnentar i januar 2028.

Kva for modell er mest realistisk? Grunngi svaret.

Vurdere og kritisere modellar

Når du vurderer ein modell, bør du stille desse spørsmåla: 1. Passar modellen til dataa? Samanlikn verdiane til modellen med dei faktiske verdiane. 2. Er modellen rimeleg utanfor dataintervallet? Ekstrapolering (prediksjon utanfor kjende data) er alltid usikkert. 3. Kva er avgrensingane til modellen? Ingen modell gjeld for alltid eller i alle situasjonar. 4. Er føresetnadene realistiske? T.d. «jamn vekst» gjeld sjeldan evig. 5. Kan modellen forbetrast? Kanskje ein annan type funksjon passar betre? Interpolering (rekne ut verdiar mellom kjende datapunkt) er meir påliteleg enn ekstrapolering (rekne ut verdiar utanfor dataintervallet).

📝Oppgave 5

Kva er den viktigaste forskjellen mellom interpolering og ekstrapolering?

Oppsummering

I dette kapittelet har du lært:

- Modelleringsprosessen: Forstå → forenkle → modellere → løyse → vurdere
- Lineær modell ( $f(x) = ax + b$ ): Blir brukt når endringa per periode er konstant
- Eksponentiell modell ( $f(x) = a \cdot b^x$ ): Blir brukt når endringa er ein fast prosent av noverande verdi
- Avgjere modelltype ved å sjekke om differansar (lineær) eller forholdstal (eksponentiell) er konstante
- Vurdere modellar: Alle modellar er forenklingar; interpolering er meir påliteleg enn ekstrapolering

📝Oppgave 6

Talet på elsparkesyklar i ein by vart registrert:

Månad (etter lansering)	1	3	6	9	12
Tal	200	520	1 100	1 600	1 900

Undersøk om veksten er lineær eller eksponentiell.

Bruk lineær regresjon til å lage ein modell for talet.

Estimer talet etter 18 månader.

Drøft om modellen er realistisk for lang sikt.

📝Oppgave 7

Du jobbar i ei bedrift som sel softis. Bedrifta hadde 50 000 kr i inntekt i juni 2023 og 65 000 kr i juni 2024. Leiinga spør deg: «Når vil vi nå 100 000 kr i månadsinntekt?»

Set opp ein lineær modell og ein eksponentiell modell.

Bruk begge modellane til å svare leiinga.

Diskuter kva for modell som er mest realistisk, og kva for føresetnader som må vere oppfylte for at estimata skal slå til.

Repetisjonsoppgåver

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.