Gymnasiet
Ma2
Kapitel 2.4.2

Från graf till formel

Målet är att identifiera modelltyp från en graf och härleda en rimlig regressionsformel.

På den här sidan

Bakgrund

Regressionsanalys används för att beskriva samband mellan variabler och för att göra prediktioner från observerad data.

Teori

Vanliga modelltyper i Ma2 är linjär, polynom, exponentiell och logaritmisk regression.

  1. Linjär regression
  2. Polynomregression
  3. Exponentiell regression
  4. Logaritmisk regression

1. Linjär regression

y=kx+my=\nobreak kx+\nobreak m
  • k\displaystyle k: lutning
  • m\displaystyle m: y-skärning
k=y2−y1x2−x1k=\frac{y_2-\nobreak y_1}{x_2-\nobreak x_1}m=y−kxm=\nobreak y-\nobreak kx

2. Polynomregression

y=∑j=0najxjy=\sum_{j=\nobreak 0}^{n}a_jx^j

Vanliga specialfall: kvadratisk y=ax2+bx+c\displaystyle y=ax^2+bx+c och kubisk y=ax3+bx2+cx+d\displaystyle y=ax^3+bx^2+cx+d.

3. Exponentiell regression

y=abxy=\nobreak ab^xb=(y2y1)1x2−x1b=\left(\frac{y_2}{y_1}\right)^{\frac{1}{x_2-\nobreak x_1}}

4. Logaritmisk regression

y=aln⁡(x)+by=a\ln(x)+\nobreak ba=y2−y1ln⁡(x2)−ln⁡(x1)a=\frac{y_2-\nobreak y_1}{\ln(x_2)-\nobreak \ln(x_1)}

Fördjupning: Minsta kvadrater

Med många datapunkter används minsta kvadratmetoden för att minimera summan av kvadrerade avstånd till regressionslinjen.

k=n∑xy−∑x∑yn∑x2−(∑x)2k=\frac{n\sum xy-\nobreak \sum x\sum y}{n\sum x^2-\nobreak (\sum x)^2}m=∑y−k∑xnm=\frac{\sum y-\nobreak k\sum x}{n}

Interaktivt: graf till formel

Välj modelltyp och justera parametrar

Träna på hur grafens form kopplas till en algebraisk modell.

a / k = 1,67

b / m = 0,33

c = 1

Graf

Formeltyp: y=kx+m\displaystyle y=kx+m

Graf för din modell
Lodrät axel: y
12345678910051015

Vågrät axel: x

Varje ruta motsvarar 1 på den vågräta axeln. På den lodräta axeln motsvarar en ruta 5.

  • Heldragen: Vald modell

Modelltolkning

Linjär modell med konstant lutning.

Exempelprediktion: x=4\displaystyle x=4 ger y^≈7,01\displaystyle \hat y\approx7{,}01.

Kontrollera alltid att modellen också matchar datapunkterna visuellt och med residualer.

Exempel och tillämpningar

Exempel 1: Linjär regression

Uppgift: Bestäm minsta kvadrat-linjen för punkterna (1;2)\displaystyle (1;2), (2;4)\displaystyle (2;4), (3;5)\displaystyle (3;5) och (4;7)\displaystyle (4;7).

Exempel 2: Kvadratisk regression

Uppgift: Bestäm en andragradsfunktion som går genom (−1;2)\displaystyle (-1;2), (0;1)\displaystyle (0;1) och (1;2)\displaystyle (1;2). Kontrollera att även (2;5)\displaystyle (2;5) ligger på grafen.

Exempel 3: Exponentiell regression

Uppgift: Bestäm en exponentialfunktion genom (0;1)\displaystyle (0;1), (1;2)\displaystyle (1;2), (2;4)\displaystyle (2;4) och (3;8)\displaystyle (3;8).

Vanliga misstag

  • Fel identifiering av regressionstyp utifrån grafen.
  • För få datapunkter för att bestämma modell stabilt.
  • Ingen kontroll att formeln faktiskt passar givna punkter.
  • Fel tolkning av koefficienternas betydelse.

Vanliga frågor

Tips för att bemästra regressionsanalys

Viktigt att tänka på

  • Starta alltid med grafisk överblick av data.
  • Var försiktig med extrapolering långt utanför dataområdet.
  • Korrelation innebär inte automatiskt kausalitet.
  • Jämför flera modeller innan du väljer slutlig formel.
  • Kombinera matematisk passform med ämneskunskap och kontext.

Kvalitetskontroll

  • Fyra regressionstyper visas i teori och visualisering.
  • Exempel 1-3 innehåller stegvisa uträkningar.
  • Interaktiv del kopplar grafens form till formel och parameterbetydelse.

Testa att du förstått

Träna uppgifter i algebra för Matematik 2. Du får facit och förklaring direkt.

Träna på det här

Aktivera JavaScript för att använda formulär och interaktiva verktyg. Sidans innehåll och länkar kan läsas utan JavaScript.