Lineær model (lineær regression)

Matematik B · STX · B-niveau · Modellering

🧮 Lineær model (lineær regression)

Lineær model = matematisk model af formen y = a·x + b. Bruges når data antydningsvis ligger på en ret linje.

Anvendelse

når der er proportional sammenhæng (eller approksimativt) mellem to variabler. Eksempler: temperatur vs. tid, salg vs. reklame-budget, højde vs. alder (i visse aldre).

Antagelser:

1. Sammenhængen ER lineær.

2. Variansen er konstant (homoskedasticitet).

3. Fejlene er normalt fordelt.

4. Datapunkterne er uafhængige.

Procedure:

1. Plot data i koordinatsystem.

2. Visuel vurdering — ligner det en ret linje?

3. Beregn lineær regression med CAS (mindste kvadraters metode).

4. Få a (hældning) + b (skæring) + R² (forklaringsgrad).

5. Vurdér R² — hvis < 0,7 overvej anden model.

6. Anvend modellen til forudsigelse + diskutér grænser for ekstrapolering.

Eksempel — Spotify-eksperiment: Antal lytte-timer (x) vs. lykke-score (y). Data: {(1, 3), (2, 4), (3, 5), (4, 6), (5, 7)}. Regression giver y = x + 2, R² = 1,0 (perfekt). Tolkning: hver ekstra time øger lykke 1 point. b = 2 betyder grundlykke uden lyttning.

Eksempel — temperatur: temperatur i Aarhus 1900-2024. Lineær trend +1,5°C/100 år. R² ~0,7 (rimelig pasform med klimasignaler).

Anvendelse-grænser: lineær model fejler ofte ved ekstreme værdier. Eksponentiel model er bedre til vækst. Logaritmisk til mætning.

Klassisk fejl: ekstrapolere langt ud over data — modellen er kun valid INDEN dataområdet.

CAS: GeoGebra FitLine[points], WordMat regression, Excel =LINEST. **HHX-r

Læringsmål

• Genkende hvornår en lineær model y = a·x + b er passende ud fra et datasæts udseende
• Vurdere de fire antagelser bag lineær regression: linearitet, konstant varians, normalfordelte fejl, uafhængighed
• Beregne og fortolke a (hældning), b (skæring) og R² ved hjælp af CAS
• Anvende modellen til forudsigelser og diskutere grænserne for ekstrapolation
• Skelne lineær model fra eksponentiel og potens-model ud fra datapunkternes form

Sådan kan du arbejde med emnet

• Opstil en lineær model for et givet datasæt med CAS og fortolk hældning og skæringspunkt i kontekst
• Vurder, om en lineær model er passende ved at tegne residualerne for et datasæt
• Brug en lineær model til at forudsige en værdi uden for datasættet og diskutér usikkerheden

Træningsforslag

• For datasættet {(1,3), (2,4), (3,5), (4,6), (5,7)}: find regressionslinjen og R² i CAS, og fortolk a og b.
• Plot temperaturdata for Aarhus 1900-2024 og diskutér om en lineær trend (R² ≈ 0,7) er en god model.
• Forklar hvorfor en lineær model fejler ved ekstreme værdier, og hvilken modeltype der ville passe bedre til vækstdata.
• Diskutér hvorfor det er en fejl at ekstrapolere langt ud over datapunkterne, med et konkret eksempel.

Brobygning

Lineær regression er grundlaget for den mere avancerede statistik på Matematik A og bruges direkte i samfundsfag, biologi og økonomi til at analysere sammenhænge i data.