Lineær og eksponentiel regression

Matematik A (HHX) · HHX · A-niveau · Statistik og økonomisk analyse

🧮 Lineær og eksponentiel regression

Regressionsanalyse = matematisk model fra empirisk data.

Lineær regression: find ret linje y = a·x + b der passer bedst til datapunkter.

Mindste kvadraters metode: minimér Σ(yᵢ - (a·xᵢ + b))². Formler: a = Σ(xᵢ-x̄)(yᵢ-ȳ)/Σ(xᵢ-x̄)², b = ȳ - a·x̄.

Determinationskoefficient R²: 0 ≤ R² ≤ 1. Andelen af y-variansen forklaret af x. R²=1: perfekt lineær. R²=0: ingen lineær sammenhæng.

Eksempel: salg vs. reklame-budget. Data: budget (1000 kr) og salg (1000 enheder). Regression: salg = 0,5·budget + 100. R² = 0,87. Tolkning: 87% af salgsvariansen forklares af reklamebudget. Hver 1.000 kr. ekstra budget → 500 ekstra solgte enheder.

Eksponentiel regression: y = b·a^x. Bruges når vækst er procentvis konstant.

Linearisering: ln y = ln b + x·ln a. Plot ln y vs. x → ret linje.

Eksempel: bakteriekultur — antal bakterier fordobles hver time. Eksponentiel: N(t) = N₀·2^t. Kapital med renters rente: K(n) = K₀·(1+r)^n.

Reciprokt regressionsmodel: y = a/x + b. Bruges til efterspørgselskurver (omvendt forhold).

Potens-regression: y = a·x^b. Linearisér med log-log.

CAS-anvendelse: WordMat regression(...), GeoGebra FitLine eller RegPoly, Excel =LINEST eller =GROWTH (eksponentiel).

Korrelation r: r = ±√R². -1 til 1. r=1 perfekt positiv lineær.

VIGTIGT — korrelation ≠ kausalitet: høj R² betyder IKKE at x forårsager y. Klassisk eksempel: issalg og drukneulykker korrelerer — fælles tredje variabel: varmt vejr.

Residualanalyse: residual = observeret y - forudsagt y. Skal være tilfældigt fordelt for at modellen er valid.

Vidste du at...

🧮 Mindste kvadraters metode blev udviklet af Carl Friedrich Gauss (1795, kun 18 år gammel!) og uafhængigt af Adrien-Marie Legendre (1805). Begge brugte det til at forudsige asteroiden Ceres' bane.

📊 Anscombe's kvartet (1973): Frank Anscombe lavede 4 datasæt med næsten identiske statistikker (gennemsnit, varians, regression) — men vidt forskellige grafer. Vis altid dine data visuelt, ikke kun statistikker!

💼 Lineær regression er fundamentet for ALT machine learning. Selv de mest avancerede AI-modeller (ChatGPT, Claude) bygger på principper der ultimativt går tilbage til Gauss' mindste kvadraters metode.

Læringsmål

• Opstille en lineær eller eksponentiel model ud fra data
• Anvende regression til at forudsige fremtidige værdier
• Vurdere modellens validitet ud fra korrelationskoefficienten

Sådan kan du arbejde med emnet

• Udfør en lineær regression på salgsdata fra de seneste 12 måneder og forudsig salget de næste 3 måneder — angiv usikkerheden på forudsigelsen
• Sammenlign den lineære og eksponentielle model for et datasæt med befolkningsvækst og vurder, hvilken model der passer bedst ud fra R^2
• Brug GeoGebra til at finde regressionslinjen for fem datapunkter og forklar, hvad R^2 = 0,95 konkret siger om modellens kvalitet og forklaringsevne

Brug formelsamling og gennemarbejdede opgaver. Stil spørgsmål om bevisførelse og udregningstrin.