Korrelation og regressionslinje

Matematik · 10. klasse · Statistik og sandsynlighed

Korrelation og regressionslinje 📈

På 10. klasse-niveau skal du kunne analysere SAMMENHÆNG mellem to variable — forberedelse til STX og videnskabelig dataanalyse.

Scatter plot (gentagelse)

Punktdiagram viser sammenhæng mellem 2 variable.

Hver datapoint er (x, y).

Korrelationskoefficient (r)

r måler STYRKEN af LINEÆR sammenhæng:

```

r værdi | Sammenhæng

1 | Perfekt positiv

0,7 til 1 | Stærk positiv

0,3 til 0,7| Moderat positiv

-0,3 til 0,3| Svag eller ingen

-0,7 til -0,3| Moderat negativ

-1 til -0,7| Stærk negativ

-1 | Perfekt negativ

```

Beregne r (formel)

```

r = Σ((x-x̄)(y-ȳ)) / √(Σ(x-x̄)² × Σ(y-ȳ)²)

```

Men i praksis: LAD COMPUTEREN gøre det (Excel, GeoGebra).

Excel-kommando

```

=KORRELATION(A1:A20; B1:B20)

```

Hvad r IKKE siger

r siger INTET om:

• Kausalitet (korrelation ≠ årsag)
• Styrken af ikke-lineær sammenhæng
• Outliers' betydning

r er SVAGEST ved:

• Kurver (U-form)
• Cirkulære mønstre

Regressionslinje

Den BEDSTE lineære model gennem punkterne:

```

y = ax + b

```

Beregnes med mindste kvadraters metode — minimerer SUMMEN af kvadrerede afvigelser.

Mindste kvadrater

For hvert punkt: beregn (y_observeret - y_model)².

Sum disse → minimer.

Giver unikke a og b.

Excel-kommando

```

=HÆLDNING(y-data; x-data) → a

=SKÆRING(y-data; x-data) → b

```

Eller brug INDSÆT → SPREDNINGSDIAGRAM → Tilføj trendlinje → vis ligning.

R² (determinationskoefficient)

R² = r² — forklarer hvor STOR ANDEL af variansen der forklares af modellen.

• R² = 1: perfekt model
• R² = 0: modellen forklarer intet

Eksempel

Studie-timer vs. test-score:

```

Timer | Score

1 | 50

2 | 60

3 | 65

4 | 75

5 | 80

```

Regression: y = 7,5x + 45,5 (ca.)

r ≈ 0,98 (stærk positiv)

R² ≈ 0,96 — 96 % af score-variation forklares af studie-timer.

Forudsigelse

Med modellen y = 7,5x + 45,5:

"Hvad hvis jeg studerer 6 timer?"

y = 7,5(6) + 45,5 = 90,5 point

Pas på ekstrapolation

FORUDSIGELSE virker kun INDEN for dataintervallet.

Ekstrapolation: forudsige uden for intervallet → URISTABT.

Eksempel: Ved 100 timer siger modellen y = 795 — men max er 100!

Korrelation ≠ kausalitet (gentagelse)

Selv stærk r BEVISER ikke kausalitet.

Eksempel: Is-salg og drukninger korrelerer (r = 0,8) — men ingen kausalitet.

Regression i praksis

Økonomi: forudsige salg

Sundhed: sammenhæng mellem risikofaktorer og sygdom

Klimaforskning: temperatur vs. CO2

Sport: træning vs. præstation

GeoGebra

1. Indtast data i spreadsheet

2. Marker punkter

3. "Anvend regression" - vælg Linear

4. Få ligning og r automatisk

Forbered til STX

På STX: regressionsanalyse er standardværktøj i matematik, økonomi, biologi, samfundsfag.

Læringsmål

• Beregne korrelationskoefficient r med Excel eller GeoGebra
• Fortolke r-værdi (styrke af lineær sammenhæng)
• Tegne regressionslinje med mindste kvadraters metode
• Bruge R² til at måle model-kvalitet
• Forudsige værdier INDEN FOR dataintervallet
• Undgå ekstrapolation og forveksle korrelation med kausalitet

Regression-projekt 📈

Excel-analyse: Indtast 10 par (x, y) data. Beregn korrelation og regressionslinje. Forstå outputtet.

GeoGebra-regression: Brug GeoGebra til at lave regressionsanalyse af et datasæt. Tegn trendlinjen.

Kritisk analyse: Find en korrelation i medier. Er det kausalt? Hvilke skjulte variable kan der være?