Analysere residualer for å vurdere kvaliteten på regresjonsmodeller.
Utover den rette linjen
Lineær regresjon fungerer når sammenhengen er tilnærmet lineær. Men mange fenomener følger andre mønstre:
- Eksponentiell vekst: Befolkningsvekst, renters rente
- Logaritmisk: Desibel, Richter-skalaen
- Polynomisk: Kastebaner, kostnadsoptimering
- Grad 2 (kvadratisk):
- Grad 3 (kubisk):
Koeffisientene bestemmes ved minste kvadraters metode.
Høyde (m) ved tid (s) for en ball:
| 0 | 0,5 | 1,0 | 1,5 | 2,0 | 2,5 | |
|---|---|---|---|---|---|---|
| 1,0 | 4,6 | 6,8 | 7,2 | 5,9 | 3,1 |
Regresjon gir , . Tolk.
- m (starthøyde)
- Toppunkt: s
- : 99,5 % forklares. Svært god tilpasning.
Linearisering: er lineær i .
1. Beregn for alle datapunkter
2. Lineær regresjon på
3. Konstantledd , stigningstall
| 0 | 1 | 2 | 3 | 4 | |
|---|---|---|---|---|---|
| 100 | 150 | 220 | 340 | 500 |
Regresjon på : , .
Modell:
Doblingstid: timer.
Modellvalg
Potensregresjon: — lineariseres med
Logaritmisk: — allerede lineær i
| Mønster | Modell |
|---|---|
| Jevn stigning | Lineær |
| Krumning | Polynomisk |
| Rask vekst | Eksponentiell |
| Avtagende vekst | Logaritmisk |
| Log-log lineær | Potens |
Bruk og residualplott for å sammenligne.
Løs oppgavene:
Hvilken modell passer for rask vekst som avtar?
Hva betyr «linearisering» for ?
Løs oppgavene:
Konsentrasjon: , , , , . Beregn og vurder eksponentiell modell.
Løs oppgavene:
Forklar linearisering av .
Løs oppgavene:
Kvadratisk vs. lineær . Er kvadratisk nødvendigvis bedre?
Løs oppgavene:
BNP og levealder: , , , , , . Beregn og vurder logaritmisk modell.
Oppsummering
- Polynomisk:
- Eksponentiell: , lineariseres med
- Potens: , lineariseres med
- Logaritmisk:
- Bruk og residualplott for modellvalg
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.
