Presentere og vurdere en modell
En modell er sjelden PERFEKT – de fleste ekte datapunkter avviker litt fra modellen. AVVIKET (differansen mellom faktisk og modellert verdi) forteller hvor godt modellen faktisk passer. Store avvik på mange punkter betyr at modellen bør revurderes.
Avvik mellom faktisk og modellert verdi
Tips
- Regn ut avviket for FLERE datapunkter, ikke bare ett – ett stort avvik kan være en enkelt uteligger, mens mange store avvik betyr at modellen ikke passer godt.
- Presenter modellen sammen med dataene den er basert på (f.eks. i samme diagram) – det gjør det lett for andre å vurdere hvor godt den faktisk passer.
Eksempel: Vurdere avviket for et nytt datapunkt
Iskrem-modellen ble laget fra data opp til 30°C. En varm dag på 35°C ble det faktisk solgt 90 iskremer. Hva sier modellen, og hvor stort er avviket?
| Verdi | |
|---|---|
| Modellert (3*35-25) | 80 stk |
| Faktisk salg | 90 stk |
| Avvik | 10 stk |
- Modellen gir ved :
- det faktiske salget var 90
- avviket er
- svaret er modellen anslo 80, faktisk salg var 90, et avvik på 10 iskremer.
Alternativ forklaring/metode: Regn ut avviket som prosentvis feil
Alternativ metode – innenfor pensum, men ikke hovedmetoden her
Presentere avviket i prosent i stedet for antall
I stedet for å oppgi avviket som et rent antall, kan du regne det ut som en PROSENTANDEL av den faktiske verdien (avvik delt på faktisk verdi) – nyttig når du skal sammenligne hvor godt en modell passer på tvers av datasett med helt ulik størrelsesorden.
| Type | Verdi |
|---|---|
| Avvik (antall) | 10 |
| Avvik (prosent av faktisk 90) | ca. 11 % |
Oppgaver
Prøv minst én oppgave på hvert nivå.
Lett(3)
L-21En modell anslår 50, men faktisk verdi er 55. Hva er avviket?
Vis fasit
| Type | Verdi |
|---|---|
| Faktisk | 55 |
| Modell | 50 |
| Avvik | 5 |
Avvik: 55 - 50 = 5
L-22En modell anslår 100, men faktisk verdi er 90. Hva er avviket?
Vis fasit
| Type | Verdi |
|---|---|
| Faktisk | 90 |
| Modell | 100 |
| Avvik | -10 |
Avvik: 90 - 100 = -10
L-23Hva forteller et STORT avvik mellom modell og faktiske data (på mange punkter) om modellen?
Vis fasit
| Avvik | Tolkning |
|---|---|
| Store, mange punkter | modellen passer dårlig |
- Mange store avvik betyr at modellen systematisk bommer
- modellen passer dårlig
Middels(3)
M-21Modellen y = 3x - 25 gir hvilken verdi ved x = 40? Hvis faktisk salg er 100, hva er avviket?
Vis fasit
| Type | Verdi |
|---|---|
| Modell (3*40-25) | 95 |
| Faktisk | 100 |
| Avvik | 5 |
- Modell: 3*40-25=95. Avvik: 100-95=5
- modellert 95, avvik 5
M-22En modell for temperatur over tid gir avvik på henholdsvis 2, -1, 3, -2 for fire målinger. Hva er gjennomsnittlig avvik (uten fortegn)?
Vis fasit
| Måling | Absoluttverdi |
|---|---|
| 2, -1, 3, -2 | 2, 1, 3, 2 |
| Gjennomsnitt | 2 |
- Absoluttverdier av 2, -1, 3, -2 er 2, 1, 3, 2
- gjennomsnitt: (2+1+3+2):4=8:4 = 2
M-23To modeller for samme datasett har gjennomsnittlig avvik på 3 og 8. Hvilken modell passer best?
Vis fasit
| Modell | Gjennomsnittlig avvik |
|---|---|
| A | 3 |
| B | 8, A passer best |
- Modellene har avvik 3 og 8
- et mindre gjennomsnittlig avvik betyr at modellen ligger nærmere de faktiske verdiene
- modellen med avvik 3 passer best
Vanskelig(3)
V-21En modell y = 2x + 5 testes mot fem faktiske datapunkter og gir avvikene 1, -1, 8, 0, -1. Hva tyder det store avviket (8) på?
Vis fasit
| Punkt | Avvik |
|---|---|
| 4 punkter | rundt 1 |
| 1 punkt | 8, trolig uteligger |
- Ett avvik (8) er mye større enn de fire andre (rundt 1)
- dette punktet er trolig en uteligger eller spesialtilfelle
V-22Forklar hvorfor en modell med gjennomsnittlig avvik nær 0 likevel kan være en dårlig modell.
Vis fasit
| Avvik | Sum |
|---|---|
| +10 og -10 | gjennomsnitt 0, men store enkeltavvik |
- Store positive og negative avvik kan summere til nesten 0 i gjennomsnitt, selv om ENKELTAVVIKENE er store
- gjennomsnittlig avvik nær 0 skjuler ikke nødvendigvis store enkeltavvik
V-23En elev presenterer en modell uten å vise de faktiske dataene den er basert på. Hvorfor er dette et problem?
Vis fasit
| Presentasjon | Etterprøvbar? |
|---|---|
| Modell alene | nei, mangler data |
- En modell presentert alene, uten grunnlagsdataene, kan ikke etterprøves av andre
- manglende data gjør modellen umulig å vurdere