Modellering i Matematikk R2

Modellering i Matematikk R2 samler hele modelleringskompetansen i faget i én søkbar og visuelt forklart ressurs: fra reelle data og faglige antakelser til modellvalg, parameterestimering, analyse, prediksjon og kritisk validering. Siden inneholder 444 komplette modelleringsverksteder.

En modell er mer enn en formel

En modell er en oversettelse av et virkelig spørsmål til matematikk, med antakelser som kan diskuteres. Det finnes to innganger til en modell: fra en faglig mekanisme (for eksempel at endringsraten er proporsjonal med størrelsen) eller fra data (regresjon). Begge krever at du vet hva modellen ikke kan brukes til.

Modelltypene i R2

• Lineær – konstant endring per enhet.
• Andregrad og polynom – ett eller flere vendepunkter.
• Eksponentiell – konstant prosentvis endring.
• Potens – y = a·x^b.
• Logistisk – vekst som flater ut mot en bæreevne.
• Trigonometrisk – periodiske fenomener.
• Dempet periodisk – svingninger med avtakende amplitude.
• Differensiallikning – modellen er gitt som en endringslov.
• Stykkevis og sammensatt – ulike regler på ulike intervaller.
• Parameterkurve – posisjon som funksjon av tid.
• Integralmodell – akkumulert mengde fra en rate.

Ti porter fra spørsmål til konklusjon

• Fra virkelighet til matematisk spørsmål
• Velg responsvariabel og forklaringsvariabel
• Enheter som modellkontroll
• Datakilde og sporbarhet
• Spredningsdiagram før regresjon
• Mekanisme eller ren kurvetilpasning
• Interpolasjon og ekstrapolasjon
• Treningsdata og kontrollpunkter
• Residual som informasjon, residualplott og systematiske mønstre
• Parameterestimering, startverdier i ikke-lineær regresjon og identifiserbarhet

Les formen før du trykker regresjon

Et spredningsdiagram forteller mer enn R². Se etter krumning, periodisitet, avvikere og påvirkningsrike punkter, og vurder om dataene bør transformeres, skaleres eller normaliseres før du velger modell. Overtilpasning gir høy R² og dårlig prediksjon; undertilpasning gir systematiske residualer.

Tre kontroller som avslører svake modeller

• Residualplott: et mønster i residualene betyr at modellen mangler noe.
• R², MAE og RMSE med kritisk blikk: målene må tolkes sammen med faglig feilkostnad, ikke hver for seg.
• Sensitivitetsanalyse: hvor mye endrer prediksjonen seg når parametrene endres litt? Skill mellom måleusikkerhet og modellusikkerhet.

Vanlige spørsmål om modellering i R2

Siden svarer blant annet på: Hva er matematisk modellering i R2? Hva er forskjellen på en modell og en funksjon? Må jeg alltid bruke regresjon? Hvordan velger jeg modelltype? Hva er et residual? Er høy R² nok? Hva er interpolasjon og ekstrapolasjon? Hvordan tolker jeg en parameter? Hva er overtilpasning og undertilpasning? Når passer en lineær, eksponentiell, logistisk eller trigonometrisk modell?

Videre i Matematikk R2

• Matematikk R2 – oversikt
• Formelbank
• Metodebank
• Skriftlig eksamen
• R2 oppgaver