Lineær regression
Find den bedste rette linje med CAS og fortolk
Lineær regression finder den "bedst passende" rette linje \(\hat{y} = ax + b\) gennem et datasæt. Linjen minimerer de kvadrerede afvigelser fra datapunkterne.
Brug altid CAS eller lommeregner — beregn ikke a og b i hånden. Det vigtige er at fortolke a og b i konteksten og vurdere modellens kvalitet.
Husk: korrelation er IKKE kausalitet. At is-salg og druknedøde korrelerer, skyldes det varme vejr — ikke isen.
Formler
Regressionslinje
\(\hat{y} = a\cdot x + b\) — beregnes med CAS/lommeregner
Fortolkning
\(a\): gennemsnitlig ændring i y pr. enhed x øges
\(b\): forudsagt y-værdi når \(x=0\)
\(b\): forudsagt y-værdi når \(x=0\)
Residual
\(e = y_{\text{obs}} - \hat{y}\) (observeret minus forudsagt)
Eksempler
Eksempel\(\hat{y}=0{,}16x-1{,}5\), find \(\hat{y}\) for \(x=10000\)▼
1
\(\hat{y} = 0{,}16\cdot 10000-1{,}5 = 1600-1{,}5 = \textcolor{#ef4444}{1598{,}5}\)
Genkend opgavetypen
🔍 Sådan ser den ud til eksamen
- Lineær regression: find \(a\) og \(b\) i \(\hat{y} = ax + b\) fra data
- Fortolk \(a\) (hældning) og \(b\) (skæring) i konteksten
- Vurdér modellen: plot residualer eller sammenlign \(r^2\)
⚠️ Klassiske eksamensfejl
- Fortolk a i konteksten: "pr. enhed x stiger/falder y med a"
- Brug regression på lommeregner — udfør ikke beregningen i hånden
- Ekstrapolation uden for dataintervallet er upålidelig
Eksempel 2\(\hat{y} = 2500x - 50000\) (huspriser kr., x = areal m²). Fortolk a og b.▼
1
Fortolk a = 2500
For hvert ekstra m² stiger prisen gennemsnitligt med 2500 kr.
For hvert ekstra m² stiger prisen gennemsnitligt med 2500 kr.
2
Fortolk b = −50000
Matematisk startværdi ved 0 m² — meningsløs i praksis. Modellen er kun gyldig inden for dataintervallet.
Matematisk startværdi ved 0 m² — meningsløs i praksis. Modellen er kun gyldig inden for dataintervallet.
⚠️ Faldgrube: Regression er IKKE kausalitet. At der er en sammenhæng betyder ikke at x forårsager y.