Matematikk blir virkelig nyttig når vi bruker den på data fra virkeligheten. I dette kapittelet samler vi trådene fra hele boka: Vi leser inn og utforsker datasett i Python, tilpasser lineære, eksponentielle og logistiske modeller, og bruker derivasjon til å tolke modellene. Til slutt planlegger du et selvstendig arbeid med egne data.
velge og tilpasse lineære, polynom-, eksponentielle og logistiske modeller,
regne med vekstfaktor, doblingstid, bæreevne og vendepunkt,
tolke modeller med derivasjon og vurdere gyldighetsområdet,
planlegge og gjennomføre et selvstendig arbeid med reelle data, og presentere funnene.
9.1 Reelle datasett
Matematiske modeller lages ofte ut fra målinger. Før vi kan lage en modell, må vi kunne lese inn data, se på dem og regne med dem. Python er et godt verktøy til det.
9.1.1 Datasett i Python
I 1950 bodde det omtrent \(3{,}3\) millioner mennesker i Norge. I 2020 var tallet omtrent \(5{,}4\) millioner. Har folketallet vokst jevnt, eller har veksten skutt fart? Hvor mange bor her i 2050? For å svare må vi se på flere målinger enn to, og vi må organisere dem. Et datasett er en samling slike målinger.
Læringsmål
Etter dette delkapittelet skal du kunne
lagre et datasett i Python med lister,
lese inn data fra en tekst i CSV-format,
regne ut endringer, gjennomsnittlig vekstfart og vekstfaktorer fra et datasett,
lage et punktplott med Matplotlib,
lese og endre enkel Python-kode som behandler data.
Data i lister
Et datasett med to variabler lagrer vi som to lister av samme lengde. Element nummer \(i\) i den ene lista hører sammen med element nummer \(i\) i den andre.
EksempelFolketallet i Norge
Tabellen viser folketallet i Norge (omtrentlige tall fra SSB, i millioner).
År
\(1950\)
\(1960\)
\(1970\)
\(1980\)
\(1990\)
\(2000\)
\(2010\)
\(2020\)
Folketall
\(3{,}28\)
\(3{,}58\)
\(3{,}88\)
\(4{,}09\)
\(4{,}24\)
\(4{,}48\)
\(4{,}86\)
\(5{,}37\)
Lagre dataene i Python, og regn ut økningen i hvert tiår.
HintHint
Økningen fra element \(i\) til element \(i + 1\) er folk[i + 1] - folk[i].
Veksten var lavest rundt 1980–1990 og har økt kraftig etter 2000.
Lese inn data
Data lagres ofte i CSV-filer: tekstfiler der hver linje er en rad og verdiene er skilt med komma. Modulen csv leser slike filer. Her bruker vi en tekst i stedet for en fil, men koden er den samme.
EksempelLes inn en CSV-tekst
Les inn temperaturmålinger fra et forsøk der en kopp kaffe avkjøles, og skriv ut den største og minste temperaturen.
HintHint
csv.reader gir én liste per linje. Husk å gjøre tekst om til tall med float.
LosningLøsning
import csvimport iotekst ="""minutt,temperatur0,90.05,62.510,46.015,36.020,30.030,23.8"""tid = []temp = []leser = csv.reader(io.StringIO(tekst))next(leser) # hopp over overskriftenfor rad in leser: tid.append(float(rad[0])) temp.append(float(rad[1]))print(tid)print(max(temp), min(temp))
[0.0, 5.0, 10.0, 15.0, 20.0, 30.0]
90.0 23.8
Med en ekte fil skriver du open("kaffe.csv") i stedet for io.StringIO(tekst).
Plotte data
Et punktplott viser formen på dataene. Den forteller oss hva slags modell som kan passe.
Punktene ligger nesten på en linje, men stigningen øker litt de siste tiårene.
AdvarselVanlige feil
Listene må ha samme lengde, og verdiene må stå i samme rekkefølge.
Tall som leses fra en fil, er tekst til du gjør dem om med float eller int.
range(len(aar) - 1) gir én verdi mindre enn antall målinger, fordi det er én endring mindre enn antall punkter.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
ExerciseGjennomsnittlig vekstfart fra en tabell
Bruk tabellen over folketallet i Norge. Finn den gjennomsnittlige vekstfarten i millioner per år. Svar med tre desimaler.
fra 1950 til 2020
fra 2010 til 2020
ExerciseHva blir utskriften med data?
x = [0, 1, 2, 3]y = [2, 6, 18, 54]for i inrange(3):print(y[i +1] - y[i], y[i +1] / y[i])
Hva blir utskriften? Skriv det siste tallet i utskriften i svarfeltet.
Hva forteller den siste kolonnen om dataene?
KodeKjør koden i Python
ExerciseLes av listene
To lister viser temperaturen klokka \(12\) fem dager på rad.
Hva blir utskriften? Skriv det siste tallet i utskriften i svarfeltet.
Hva forteller tallene i de tre siste linjene?
KodeKjør koden i Python
Utfordringer
ExerciseVekstfaktor per tiår og per år
Folketallet i Norge økte fra \(4{,}86\) millioner i 2010 til \(5{,}37\) millioner i 2020. Vekstfaktoren per tiår er omtrent \(1{,}105\). Forklar hvordan du kan finne vekstfaktoren per år, og hvorfor den ikke er \(1{,}0105\).
ExerciseMellom to målinger
Folketallet i Norge var \(4{,}86\) millioner i 2010 og \(5{,}37\) millioner i 2020.
Anta at folketallet vokste like mye hvert år. Hva var folketallet i 2014?
Det virkelige folketallet i 2014 var omtrent \(5{,}11\) millioner. Ga anslaget for høyt eller for lavt tall?
ExerciseUjevne mellomrom
Målingene i et datasett er ikke tatt med like mellomrom.
År
\(2000\)
\(2005\)
\(2015\)
\(2020\)
Verdi
\(100\)
\(120\)
\(180\)
\(190\)
Finn den gjennomsnittlige vekstfarten per år
fra 2000 til 2005
fra 2005 til 2015
fra 2015 til 2020
I hvilken periode vokste verdien raskest?
Oppsummering
Endring
\[
y_{i + 1} - y_i
\]
Gjennomsnittlig vekstfart
\[
\frac{y_{i + 1} - y_i}{x_{i + 1} - x_i}
\]
Vekstfaktor
\[
\frac{y_{i + 1}}{y_i}
\]
Like stor endring: lineær vekst. Like stor vekstfaktor: eksponentiell vekst.
Gjør tekst om til tall med float når du leser inn data.
9.2 Tilpasning av modeller
Når vi har sett på dataene, kan vi velge en funksjonstype og la Python finne den funksjonen av den typen som passer best. Det kalles regresjon.
9.2.1 Modellering med kjent funksjon
I et forsøk slipper en elev en stein og måler hvor langt den har falt. Etter \(1\) sekund har den falt omtrent \(5\) meter, etter \(2\) sekunder omtrent \(20\) meter. Det er ikke en rett linje: Den faller fire ganger så langt på dobbelt så lang tid. Fysikken sier at strekningen er proporsjonal med \(t^2\). Vi vet altså hvilken funksjonstype vi skal bruke. Det som gjenstår, er å finne tallene som passer best til målingene.
Læringsmål
Etter dette delkapittelet skal du kunne
velge en funksjonstype ut fra formen på dataene og kunnskap om situasjonen,
tilpasse lineære modeller og polynommodeller med regresjon i Python,
vurdere hvor godt en modell passer ved å se på avvikene,
bruke en modell til å regne ut verdier og tolke konstantene,
lese og endre enkel Python-kode som bruker en modell.
Regresjon
DefinisjonRegresjon
Regresjon er å finne den funksjonen av en valgt type som passer best til dataene. Python (np.polyfit) finner koeffisientene som gjør summen av kvadratene av avvikene minst mulig. Et avvik (residual) er forskjellen mellom målt verdi og modellverdi.
Funksjonstypen bestemmer vi selv, ut fra punktplottet og det vi vet om situasjonen:
Form på dataene
Modell
Jevn økning eller nedgang
lineær: \(f(x) = ax + b\)
Én topp eller bunn
andregrad: \(f(x) = ax^2 + bx + c\)
Økningen øker i samme takt som verdien
eksponentiell: \(f(x) = a \cdot b^x\)
Vekst som flater ut mot en grense
logistisk
EksempelSteinen som faller
Målinger fra forsøket med steinen:
\(t\) (s)
\(0{,}5\)
\(1{,}0\)
\(1{,}5\)
\(2{,}0\)
\(2{,}5\)
\(s\) (m)
\(1{,}2\)
\(4{,}9\)
\(11{,}1\)
\(19{,}5\)
\(30{,}7\)
Tilpass en andregradsmodell og tolk koeffisienten foran \(t^2\).
HintHint
np.polyfit(t, s, 2) gir koeffisientene \(a\), \(b\) og \(c\).
Modellen er omtrent \(s(t) = 4{,}9t^2\), med små ledd \(b\) og \(c\) som skyldes måleusikkerhet. Fra fysikken er \(s = \frac12 g t^2\), så \(g \approx 2 \cdot 4{,}9 = 9{,}8\) m/s².
Bruke og vurdere en modell
EksempelLineær modell for folketallet
En lineær regresjon av folketallet i Norge fra 1950 til 2020 gir omtrent \(N(x) = 0{,}027x + 3{,}27\) millioner, der \(x\) er antall år etter 1950. Hva betyr tallene, og hva sier modellen om 2050?
HintHint
\(x = 100\) i 2050.
LosningLøsning
\(0{,}027\) betyr at folketallet øker med omtrent \(0{,}027\) millioner, altså \(27\,000\), per år. \(3{,}27\) er modellens verdi i 1950. For 2050 gir modellen \(N(100) \approx 6{,}0\) millioner.
Avvikene viser at de siste målingene ligger over linja. Veksten har økt, så en lineær modell undervurderer trolig framtiden.
EksempelAvvik med Python
Regn ut avvikene for den lineære modellen av folketallet.
HintHint
Avviket er målt verdi minus modellverdi.
LosningLøsning
x = np.array(aar) -1950y = np.array(folk)a, b = np.polyfit(x, y, 1)print(round(a, 4), round(b, 3))print(np.round(y - (a*x + b), 2))
Avvikene er positive i starten, negative fra 1990 til 2010 og positive igjen i 2020. Det tyder på at dataene krummer, og at en lineær modell ikke fanger hele utviklingen.
AdvarselVanlige feil
Velger funksjonstype bare ut fra hvor godt den passer. Tenk også på situasjonen.
Bruker modellen langt utenfor området der det finnes data (ekstrapolering) uten å vurdere om det er rimelig.
Glemmer hva \(x\) måler. Er \(x\) antall år etter 1950, er 2050 \(x = 100\).
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
ExerciseBruk en lineær modell
Prisen for å leie en bil i \(x\) dager er modellert ved \(P(x) = 450x + 300\) kroner.
Hva koster det å leie bilen i \(4\) dager?
Hva betyr tallet \(450\)?
Hvor mange dager kan du leie bilen for \(3000\) kroner?
ExerciseVelg modell
Hvilken modell passer best? Begrunn svaret.
Høyden til et tre de første årene
Antall smittede i starten av en epidemi
Høyden til en ball som kastes opp
Antall dyr i et område med begrenset mat
ExerciseTemperatur og høyde
Temperaturen \(x\) hundre meter over havet er en dag modellert ved \(T(x) = 15 - 0{,}6x\) grader.
Hva er temperaturen ved havnivå?
Hva betyr tallet \(-0{,}6\)?
Hva er temperaturen \(2000\) meter over havet?
Hvor mange meter over havet er temperaturen \(0\) grader?
ExerciseFormen på dataene
Verdiene er målt med like mellomrom. Hvilken modell passer best?
\(3\), \(5\), \(7\), \(9\), \(11\)
\(2\), \(6\), \(18\), \(54\), \(162\)
\(1\), \(4\), \(5\), \(4\), \(1\)
\(10\), \(40\), \(80\), \(95\), \(99\)
Nivå 2
ExerciseAndregradsmodell for et kast
Høyden til en ball er modellert ved \(h(t) = -4{,}9t^2 + 14{,}7t + 1{,}5\) meter.
Hvor høyt var ballen ved \(t = 0\)?
Når er ballen høyest?
Hvor høyt er den da?
ExerciseAvvik
En modell gir \(f(2) = 7{,}4\) og \(f(4) = 12{,}0\). De målte verdiene var \(7{,}1\) og \(12{,}6\). Finn avvikene, målt minus modell.
Avviket i \(x = 2\)
Avviket i \(x = 4\)
ExerciseLineær modell gjennom to målinger
En lineær modell \(f(x) = ax + b\) skal gå gjennom målingene \((2, 11)\) og \((6, 23)\).
Finn \(a\).
Finn \(b\).
Hva sier modellen om \(x = 10\)?
Den målte verdien for \(x = 10\) var \(33\). Finn avviket, målt minus modell.
ExerciseInnenfor eller utenfor dataene?
Å bruke en modell mellom målingene kalles interpolering. Å bruke den utenfor området der vi har målinger, kalles ekstrapolering. En modell er tilpasset målinger for \(x\) fra \(0\) til \(20\).
Hva gjør vi når vi regner ut \(f(12)\)?
Hva gjør vi når vi regner ut \(f(45)\)?
Hvilken av de to verdiene er mest usikker?
Den lineære modellen for folketallet i Norge, \(N(x) = 0{,}027x + 3{,}27\) millioner \(x\) år etter 1950, gir \(16{,}8\) millioner for \(x = 500\). Kan vi stole på det tallet?
Kodeoppgaver
Disse oppgavene skal løses uten PC, slik som på eksamen. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Hva blir utskriften? Skriv det siste tallet i utskriften i svarfeltet.
Passer modellen godt?
KodeKjør koden i Python
Utfordringer
ExerciseBremselengde
Bremselengden til en bil er tilnærmet proporsjonal med kvadratet av farten. Ved \(50\) km/h er bremselengden \(15\) m.
Lag en modell \(L(v) = kv^2\).
Hva blir bremselengden ved \(100\) km/h?
ExerciseHvilken linje passer best?
Vi har målingene \((1, 2)\), \((2, 4)\) og \((3, 5)\), og to forslag til modell: \(f(x) = 1{,}5x + 0{,}5\) og \(g(x) = 2x\). Regresjon velger den modellen som gir minst sum av kvadratene av avvikene.
Finn summen av kvadratene av avvikene for \(f\).
Finn summen av kvadratene av avvikene for \(g\).
Hvilken modell passer best?
ExerciseAndregradsmodell gjennom tre punkter
En andregradsmodell \(f(x) = ax^2 + bx + c\) skal gå gjennom punktene \((0, 1)\), \((1, 4)\) og \((2, 11)\). Finn konstantene.
\(c\)
\(a\)
\(b\)
Oppsummering
Avvik
\[
\text{målt verdi} - \text{modellverdi}
\]
Lineær og andregrad
\[
ax + b, \quad ax^2 + bx + c
\]
Velg funksjonstype ut fra punktplottet og situasjonen.
Avvik med tydelig mønster tyder på feil funksjonstype.
9.3 Eksponentielle modeller
Mange prosesser i naturen vokser eller avtar med en fast prosent per tidsenhet: befolkninger, bakterier, radioaktive stoffer og penger i banken. De beskrives med eksponentielle modeller.
9.3.1 Eksponentielle modeller og regresjon
Gjærceller i en deig deler seg med jevne mellomrom. Er det dobbelt så mange celler, deler dobbelt så mange seg, og veksten går dobbelt så fort. Antallet vokser med en fast faktor per tidsenhet, ikke med et fast antall. Slik vekst kalles eksponentiell, og du kjenner funksjonstypen fra kapittel 1.
Læringsmål
Etter dette delkapittelet skal du kunne
kjenne igjen eksponentiell vekst i et datasett,
lage eksponentielle modeller \(f(x) = a \cdot b^x\) og \(f(x) = a \cdot e^{kx}\),
regne ut doblingstid og halveringstid,
tilpasse en eksponentiell modell med regresjon i Python,
lese og endre enkel Python-kode som bruker eksponentielle modeller.
Eksponentiell modell
RegelEksponentiell modell
\[
f(x) = a \cdot b^x = a \cdot e^{kx}, \quad k = \ln b
\]
\(a\) er startverdien, og \(b\) er vekstfaktoren. Vekst med \(p\) % gir \(b = 1 + \frac{p}{100}\), nedgang gir \(b = 1 - \frac{p}{100}\).
Doblingstiden er \(T = \dfrac{\ln 2}{\ln b}\), og halveringstiden er \(T = \dfrac{\ln 2}{-\ln b}\) (når \(b < 1\)).
Doblingstiden finner vi ved å løse \(a \cdot b^T = 2a\): Da er \(b^T = 2\), så \(T \ln b = \ln 2\).
EksempelDoblingstid
En bestand vokser med \(5\) % per år. Hva er doblingstiden?
HintHint
\(b = 1{,}05\). Bruk \(\ln 2 \approx 0{,}693\) og \(\ln 1{,}05 \approx 0{,}0488\).
Tar vi logaritmen av \(y = a e^{kx}\), får vi \(\ln y = \ln a + kx\), som er en lineær funksjon av \(x\). Vi kan derfor tilpasse en rett linje til \(\ln y\) og regne tilbake.
EksempelBakterier i et forsøk
Målinger av antall bakterier (i tusen) i et forsøk:
\(t\) (timer)
\(0\)
\(1\)
\(2\)
\(3\)
\(4\)
\(N\)
\(2{,}0\)
\(3{,}1\)
\(4{,}4\)
\(6{,}9\)
\(10{,}1\)
Tilpass en modell \(N(t) = a e^{kt}\), og finn vekstfaktoren per time.
HintHint
Tilpass en linje til \(\ln N\): np.polyfit(t, np.log(N), 1).
Modellen er omtrent \(N(t) = 2{,}0e^{0{,}40t}\). Vekstfaktoren per time er \(e^k \approx 1{,}5\), altså omtrent \(50\) % vekst per time.
AdvarselVanlige feil
Vekst på \(5\) % gir \(b = 1{,}05\), ikke \(b = 5\) eller \(b = 0{,}05\).
Nedgang på \(20\) % gir \(b = 0{,}8\), ikke \(b = -0{,}2\).
Doblingstiden er \(\frac{\ln 2}{\ln b}\), ikke \(\frac{2}{b}\).
\(a e^{kx}\) og \(a b^x\) er samme modell med \(b = e^k\). Bland dem ikke sammen.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
ExerciseVekstfaktor
Finn vekstfaktoren \(b\).
Vekst på \(8\) % per år
Nedgang på \(15\) % per år
Dobling hvert år
Halvering hvert år
ExerciseBruk en eksponentiell modell
Verdien til en bil er \(V(t) = 300\,000 \cdot 0{,}8^t\) kroner etter \(t\) år.
Hva var verdien da bilen var ny?
Hvor mange prosent synker verdien per år?
Hva er verdien etter \(2\) år?
ExerciseFra vekstfaktor til prosent
Hvor mange prosent endrer størrelsen seg med per periode? Skriv et negativt tall ved nedgang.
Vekstfaktoren er \(1{,}05\).
Vekstfaktoren er \(0{,}92\).
Vekstfaktoren er \(1{,}3\).
Vekstfaktoren er \(2{,}5\).
ExerciseLes av en eksponentiell modell
Antall innbyggere i en bygd er \(N(t) = 1200 \cdot 1{,}04^t\), der \(t\) er antall år etter 2020.
Hvor mange innbyggere var det i 2020?
Hvor mange prosent vokser folketallet med per år?
Hvor mange innbyggere gir modellen i 2021?
Vokser folketallet med like mange personer hvert år?
Nivå 2
ExerciseDoblingstid og halveringstid
Finn doblingstiden eller halveringstiden eksakt.
\(f(t) = 100 \cdot 2^{t/3}\)
\(f(t) = 50e^{0{,}1t}\)
\(f(t) = 80e^{-0{,}2t}\) (halveringstid)
ExerciseLag modellen fra to målinger
En bestand var \(400\) i 2020 og \(484\) i 2022. Anta eksponentiell vekst.
Finn vekstfaktoren per år.
Lag en modell \(N(t) = a \cdot b^t\), der \(t\) er år etter 2020. Hva er \(a\)?
Hva sier modellen om 2024?
ExerciseFra grunntall e til vekstfaktor
Skriv modellen på formen \(a \cdot b^t\), og finn vekstfaktoren eksakt.
\(N(t) = 20e^{\ln(3) t}\)
\(N(t) = 5e^{2t}\)
ExerciseNår passerer byen 30 000?
Folketallet i en by er \(B(t) = 20\,000 \cdot 1{,}02^t\), der \(t\) er antall år.
Når er folketallet \(30\,000\)? Svar eksakt.
Omtrent hvor mange år er det?
Hvor fort vokser folketallet når \(t = 0\)? Svar i personer per år.
Kodeoppgaver
Disse oppgavene skal løses uten PC, slik som på eksamen. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
ExerciseNår er verdien doblet?
verdi =1000aar =0while verdi <2000: verdi = verdi *1.25 aar = aar +1print(aar, verdi)
Hva blir utskriften? Skriv det første tallet i utskriften i svarfeltet.
Hva finner programmet?
KodeKjør koden i Python
Utfordringer
ExerciseRentesrente
Du setter \(10\,000\) kroner i banken med \(4\) % rente per år. Hvor mange år tar det før beløpet er doblet? Svar eksakt.
ExerciseLineær modell for ln y
En regresjon av \(\ln y\) mot \(x\) gir linja \(\ln y = 0{,}5x + 1\). Finn modellen for \(y\) på formen \(y = a e^{kx}\).
\(a\)
\(k\)
ExerciseHalveringstid fra to målinger
Et radioaktivt stoff avtar eksponentielt. Ved start er det \(80\) mg, og etter \(12\) timer er det \(10\) mg igjen.
Finn halveringstiden i timer.
Modellen er \(m(t) = 80e^{-kt}\). Finn \(k\) eksakt.
Oppsummering
Eksponentiell modell
\[
\begin{gathered} f(x) = a \cdot b^x = a \cdot e^{kx} \\ \text{der } k = \ln b \end{gathered}
\]
Prosent
\[
b = 1 \pm \frac{p}{100}
\]
Doblingstid
\[
T = \frac{\ln 2}{\ln b}
\]
Regresjon
\[
\ln y = \ln a + kx
\]
Vekst på \(5\) % gir \(b = 1{,}05\).
Halveringstid: \(T = \frac{\ln 2}{-\ln b}\).
9.4 Logistiske modeller
Ingen bestand kan vokse eksponentielt for alltid. Før eller senere blir det for lite mat eller plass, og veksten flater ut. En logistisk modell beskriver vekst som starter eksponentielt og så nærmer seg en øvre grense.
9.4.1 Logistiske modeller
Noen få kaniner settes ut på en øy. I starten er det mat nok, og bestanden vokser omtrent eksponentielt. Men øya kan ikke fø uendelig mange kaniner. Når bestanden nærmer seg det øya tåler, blir veksten langsommere og langsommere. Grafen får en S-form. Det høyeste antallet øya kan fø, kalles bæreevnen.
Læringsmål
Etter dette delkapittelet skal du kunne
forklare forskjellen på eksponentiell og logistisk vekst,
tolke konstantene i en logistisk modell,
finne bæreevnen, startverdien og vendepunktet,
regne ut den største vekstfarten,
tilpasse en logistisk modell i Python,
lese og endre enkel Python-kode som simulerer logistisk vekst.
Den logistiske modellen
RegelLogistisk modell
\[
N(t) = \frac{K}{1 + a e^{-rt}}, \quad K, a, r > 0
\]
\(K\) er bæreevnen: \(N(t) \to K\) når \(t \to \infty\).
Startverdien er \(N(0) = \dfrac{K}{1 + a}\).
Vendepunktet er der \(N = \dfrac{K}{2}\), som skjer når \(t = \dfrac{\ln a}{r}\). Der er veksten størst, og den største vekstfarten er \(\dfrac{rK}{4}\).
EksempelKaninene på øya
Bestanden av kaniner er \(N(t) = \dfrac{1000}{1 + 49e^{-0{,}5t}}\) etter \(t\) år.
Hvor mange kaniner ble satt ut?
Hva er bæreevnen?
Når vokser bestanden raskest, og hvor fort vokser den da?
HintHint
Bruk formlene for startverdi, bæreevne og vendepunkt.
LosningLøsning
\(N(0) = \dfrac{1000}{50} = 20\) kaniner.
\(K = 1000\).
Ved \(t = \dfrac{\ln 49}{0{,}5} = 2\ln 49 \approx 7{,}8\) år, når \(N = 500\). Vekstfarten er da \(\dfrac{0{,}5 \cdot 1000}{4} = 125\) kaniner per år.
Animasjonen viser grafen til \(N(t) = \frac{1000}{1 + 9e^{-0{,}5t}}\) til venstre og vekstfarten \(N'(t)\) til høyre. Vekstfarten øker så lenge \(N\) er under halve bæreevnen, er størst når \(N = 500\), og avtar mot \(0\) når \(N\) nærmer seg bæreevnen.
Tilpasning i Python
En logistisk modell kan ikke gjøres om til en rett linje med logaritmer. Da bruker vi curve_fit fra SciPy, som finner de konstantene som passer best.
EksempelTilpass en logistisk modell
Antall brukere (i tusen) av en ny app de første ukene:
Uke
\(0\)
\(2\)
\(4\)
\(6\)
\(8\)
\(10\)
\(12\)
Brukere
\(5\)
\(14\)
\(34\)
\(62\)
\(82\)
\(93\)
\(97\)
Tilpass en logistisk modell, og finn bæreevnen.
HintHint
Lag en Python-funksjon for modellen, og gi curve_fit en rimelig startgjetning.
Bæreevnen er omtrent \(K \approx 99\) tusen brukere.
AdvarselVanlige feil
Forveksler startverdien med bæreevnen. Startverdien er \(\frac{K}{1 + a}\).
Tror veksten er størst i starten. I en logistisk modell er veksten størst i vendepunktet, når \(N = \frac{K}{2}\).
Bruker en eksponentiell modell langt fram i tid, der den gir urimelig store verdier.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
ExerciseLes av en logistisk modell
En bestand er \(N(t) = \dfrac{600}{1 + 5e^{-0{,}4t}}\).
Hva er bæreevnen?
Hva var bestanden ved \(t = 0\)?
Hva er bestanden i vendepunktet?
ExerciseEksponentiell eller logistisk?
Hvilken modell passer best? Begrunn svaret.
Antall som har sett en viral video, der nesten alle i målgruppen til slutt har sett den
Penger i banken med fast rente
Antall fisk i et vann der fiskene ble satt ut for ett år siden
ExerciseSant eller usant om logistisk vekst
Avgjør om påstandene er sanne eller usanne.
Bestanden vokser raskest når den er halvparten av bæreevnen.
I modellen kan bestanden bli større enn bæreevnen.
I starten ligner veksten på eksponentiell vekst.
Vekstfarten er størst når bestanden nærmer seg bæreevnen.
ExerciseSett inn i en logistisk modell
En bestand er \(N(t) = \dfrac{800}{1 + 3e^{-t}}\).
Hva er bæreevnen?
Hva var bestanden ved \(t = 0\)?
Hvor mange prosent av bæreevnen var bestanden ved \(t = 0\)?
Hva er bestanden når den vokser raskest?
ExerciseTilpass modellen med glidebrytere
En bakteriekultur starter med \(50\) bakterier (i tusen) og telles annenhver time.
Timer
\(0\)
\(2\)
\(4\)
\(6\)
\(8\)
\(10\)
\(12\)
Antall
\(50\)
\(116\)
\(225\)
\(345\)
\(429\)
\(471\)
\(489\)
Vi bruker modellen \(N(t) = \dfrac{K}{1 + ae^{-rt}}\). Figuren velger \(a\) slik at \(N(0) = 50\), så du trenger bare å finne \(K\) og \(r\).
Hva er bæreevnen, ifølge modellen din?
Hva er \(a\) i modellen?
Hvor stor er den største vekstfarten (i tusen bakterier per time)?
Nivå 2
ExerciseVendepunkt og største vekst
En bestand er \(N(t) = \dfrac{2000}{1 + 99e^{-0{,}2t}}\).
Finn \(t\) i vendepunktet eksakt.
Finn den største vekstfarten.
ExerciseLag en logistisk modell
En bestand har bæreevne \(5000\), starter med \(250\) og vokser raskest etter \(10\) år. Finn \(a\) og \(r\) i modellen \(N(t) = \dfrac{5000}{1 + ae^{-rt}}\).
\(a\)
\(r\) eksakt
ExerciseVekstfarten i en logistisk modell
Det kan vises at en logistisk modell oppfyller \(N'(t) = rN\left(1 - \dfrac{N}{K}\right)\). Bruk dette til å finne vekstfarten når \(N = 250\), \(r = 0{,}4\) og \(K = 1000\).
Den største vekstfarten i en logistisk modell er \(\dfrac{rK}{4}\).
Har bestandene samme bæreevne?
Hvilken bestand når vendepunktet først?
Finn den største vekstfarten til \(A\).
Finn den største vekstfarten til \(B\).
Kodeoppgaver
Disse oppgavene skal løses uten PC, slik som på eksamen. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
ExerciseSimulering av logistisk vekst
N =100K =1000r =0.5for aar inrange(1, 4): N = N + r*N*(1- N/K)print(aar, round(N))
Hva blir utskriften? Skriv det siste tallet i utskriften i svarfeltet.
Hva skjer med veksten når \(N\) nærmer seg \(K\)?
KodeKjør koden i Python
Utfordringer
ExerciseVendepunktet i en logistisk modell
Vis at \(N(t) = \dfrac{K}{1 + ae^{-rt}}\) er lik \(\dfrac{K}{2}\) når \(t = \dfrac{\ln a}{r}\).
ExerciseNår er bestanden 90 % av bæreevnen?
En bestand er \(N(t) = \dfrac{1000}{1 + 9e^{-t}}\). Når er bestanden \(900\)? Svar eksakt.
ExerciseSymmetri om vendepunktet
En logistisk modell med \(a = 1\) er \(N(t) = \dfrac{K}{1 + e^{-rt}}\). Vendepunktet er da i \(t = 0\).
Vis at \(N(t) + N(-t) = K\) for alle \(t\).
Forklar hva resultatet sier om grafen.
Oppsummering
Logistisk modell
\[
N(t) = \frac{K}{1 + ae^{-rt}}
\]
Startverdi
\[
N(0) = \frac{K}{1 + a}
\]
Vendepunkt
\[
t = \frac{\ln a}{r}, \quad N = \frac{K}{2}
\]
Største vekstfart
\[
\frac{rK}{4}
\]
\(K\) er bæreevnen.
Veksten er størst når \(N = \frac{K}{2}\).
9.5 Tolkning og vurdering
En modell er bare nyttig hvis vi forstår hva den sier, og vet når vi kan stole på den. Her bruker vi derivasjon til å tolke modeller, og vi lærer å vurdere hvor gode de er. Til slutt planlegger vi et selvstendig arbeid med egne data.
9.5.1 Tolkning og vurdering med derivasjon
Jordas befolkning vokste med omtrent \(2\) % per år på 1960-tallet. En eksponentiell modell basert på det spår over \(20\) milliarder mennesker i 2050. I virkeligheten har veksten avtatt, og FN regner med under \(10\) milliarder. Modellen passet godt i perioden den ble laget for, men den sa ingenting om at veksten skulle endre seg. Å vurdere en modell er like viktig som å lage den.
Læringsmål
Etter dette delkapittelet skal du kunne
tolke den deriverte av en modell som vekstfart, med riktig enhet,
bruke derivasjon til å finne når en modell vokser raskest, eller når den har størst eller minst verdi,
vurdere gyldighetsområdet til en modell,
sammenligne to modeller og argumentere for hvilken som er best,
lese og endre enkel Python-kode som sammenligner modeller.
Den deriverte som vekstfart
RegelTolkning av den deriverte i en modell
Er \(f(t)\) en modell for en størrelse, er \(f'(t)\) vekstfarten. Enheten er enheten til \(f\) per enhet til \(t\). Fortegnet forteller om størrelsen øker eller avtar, og \(f''(t)\) forteller om veksten øker eller avtar.
EksempelVekstfart i en kaffemodell
Temperaturen i en kopp kaffe er \(T(t) = 20 + 70e^{-0{,}08t}\) grader etter \(t\) minutter. Finn \(T'(10)\), og forklar hva tallet betyr.
HintHint
\(T'(t) = -5{,}6e^{-0{,}08t}\). Bruk \(e^{-0{,}8} \approx 0{,}45\).
LosningLøsning
\(T'(10) = -5{,}6e^{-0{,}8} \approx -2{,}5\). Etter \(10\) minutter synker temperaturen med omtrent \(2{,}5\) grader per minutt.
Gyldighetsområde
DefinisjonGyldighetsområde
Gyldighetsområdet til en modell er de verdiene av variabelen der vi har grunn til å tro at modellen gir rimelige svar. Som regel er det området der vi har data, og litt utenfor. Å bruke modellen langt utenfor kalles ekstrapolering og er usikkert.
EksempelVurder en modell
En lineær modell for høyden til et grantre er \(h(t) = 0{,}4t + 0{,}5\) meter, laget fra målinger de første \(20\) årene. Hva sier modellen om høyden etter \(200\) år? Er det rimelig?
HintHint
Hvor høye blir grantrær?
LosningLøsning
\(h(200) = 80{,}5\) m. Det er urimelig: Grantrær blir sjelden høyere enn \(40\)–\(50\) m, og veksten avtar med alderen. Modellen gjelder bare de første tiårene. En logistisk modell ville passet bedre over lang tid.
EksempelSammenlign modeller med Python
Sammenlign en lineær og en eksponentiell modell for folketallet i Norge. Hvilken passer best?
HintHint
Regn ut summen av kvadrerte avvik for begge modellene.
Den eksponentielle modellen har litt mindre avvik. For 2050 gir modellene ulike svar, og ingen av dem tar hensyn til endringer i fødselstall og innvandring. Vi bør være forsiktige med å bruke dem så langt fram.
AdvarselVanlige feil
Glemmer enheten på vekstfarten.
Tror at en modell som passer godt til dataene, også gjelder langt utenfor dataområdet.
Velger modell bare ut fra hvor godt den passer, uten å tenke på hva som er rimelig i situasjonen.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
ExerciseVekstfart i en modell
Antall besøkende på en nettside er \(B(t) = 200 + 30t - t^2\) per dag, der \(t\) er antall dager etter en kampanje.
Finn \(B'(5)\).
Når er antall besøkende størst?
Hva er det største antallet?
ExerciseGyldighetsområde
En modell for vekten til et barn de første \(12\) månedene er \(V(t) = 3{,}5 + 0{,}6t\) kg, der \(t\) er antall måneder. Er modellen rimelig for \(t = 240\) (20 år)? Begrunn svaret.
ExerciseAbonnenter og vekstfart
En strømmetjeneste har \(N(t)\) abonnenter etter \(t\) måneder. Vi vet at \(N(6) = 4000\) og \(N'(6) = 150\).
Hva betyr \(N(6) = 4000\)?
Hva betyr \(N'(6) = 150\)?
Bruk vekstfarten til å anslå \(N(7)\).
Bruk vekstfarten til å anslå \(N(8)\).
ExerciseAvkjøling og vekstfart
Temperaturen i en kopp kakao er \(T(t) = 20 + 60e^{-0{,}1t}\) grader etter \(t\) minutter.
Finn \(T'(t)\).
Finn \(T'(0)\).
Er temperaturen voksende eller avtakende?
Hva skjer med \(T'(t)\) når \(t\) blir stor?
Nivå 2
ExerciseMedisin i blodet
Konsentrasjonen av et legemiddel er \(K(t) = 8te^{-0{,}5t}\) mg/L etter \(t\) timer.
Finn \(K'(t)\).
Når er konsentrasjonen høyest?
Når avtar konsentrasjonen raskest?
ExerciseTo modeller for samme data
En bestand er målt i \(5\) år. Modell \(A\): \(N(t) = 200 + 40t\). Modell \(B\): \(N(t) = 200 \cdot 1{,}18^t\). Begge passer omtrent like godt.
Hva sier modellene om \(t = 1\)?
Hvilken modell gir størst verdi etter \(30\) år? Hvorfor?
ExerciseHvor lenge gjelder modellen?
Høyden til en ball er modellert ved \(h(t) = -4{,}9t^2 + 14{,}7t + 1{,}5\) meter etter \(t\) sekunder.
Hva sier modellen om høyden når \(t = 5\)?
Er svaret i a) rimelig?
Modellen gjelder fram til ballen lander. Omtrent når lander ballen?
ExerciseNår øker salget raskest?
Salget av et nytt produkt er modellert ved \(S(t) = -t^3 + 9t^2 + 10\) enheter per uke, der \(t\) er antall uker og \(0 \leq t \leq 8\).
Når øker salget raskest?
Hvor fort øker salget da?
Når er salget størst?
Hva er det største salget?
Kodeoppgaver
Disse oppgavene skal løses uten PC, slik som på eksamen. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
ExerciseSammenlign to modeller
def A(t):return200+40*tdef B(t):return200*1.18**tfor t in [0, 5, 10]:print(t, A(t), round(B(t)))
Hva blir utskriften? Bruk at \(1{,}18^5 \approx 2{,}29\) og \(1{,}18^{10} \approx 5{,}23\). Skriv det siste tallet i utskriften i svarfeltet.
Når blir modell \(B\) større enn modell \(A\)?
KodeKjør koden i Python
Utfordringer
ExerciseNår er vekstfarten 1 % av verdien?
En modell er \(N(t) = 500e^{0{,}01t}\). Vis at \(N'(t) = 0{,}01 \cdot N(t)\) for alle \(t\), og forklar hva det betyr.
ExerciseNår tar den eksponentielle modellen igjen?
To modeller for en bestand er \(A(t) = 100 + 20t\) og \(B(t) = 100 \cdot 1{,}1^t\).
Finn \(B'(t)\).
Hvem vokser raskest når \(t = 0\)?
Omtrent når begynner \(B\) å vokse raskere enn \(A\)?
ExerciseLike gode modeller, ulike prognoser
En bestand er målt i ti år. En eksponentiell modell og en logistisk modell passer omtrent like godt til målingene.
Forklar hvorfor de to modellene kan passe like godt de første årene.
Forklar hvorfor de gir svært ulike prognoser for år \(50\).
Hva slags kunnskap om situasjonen kan hjelpe oss å velge modell?
Oppsummering
Vekstfart
\[
\begin{gathered} f'(t) \text{ i enheten til } f \\ \text{per enhet til } t \end{gathered}
\]
Raskest vekst
\[
f''(t) = 0
\]
Husk enhet på vekstfarten.
Vær forsiktig med å bruke modellen langt utenfor dataene.
9.5.2 Selvstendig arbeid med reelle datasett
Til nå har du arbeidet med datasett og modeller som andre har valgt. I et selvstendig arbeid velger du selv hva du vil undersøke. Kanskje vil du finne ut hvor fort isen i Arktis smelter, hvordan antall elbiler i Norge har vokst, eller hvor fort en kopp te avkjøles på kjøkkenbenken. Du finner data, velger modell, analyserer og presenterer funnene dine.
Læringsmål
Etter dette delkapittelet skal du kunne
planlegge et selvstendig arbeid med reelle data,
finne og vurdere en datakilde,
velge, tilpasse og vurdere en modell,
bruke derivasjon til å analysere modellen,
presentere funnene dine tydelig, med figurer og konklusjon.
Fremgangsmåte
RegelEt selvstendig arbeid i seks steg
Problemstilling: Hva vil du finne ut? Formuler et konkret spørsmål.
Data: Finn data, for eksempel fra SSB, Meteorologisk institutt eller egne målinger. Noter kilden.
Utforsk: Lag tabeller og punktplott. Hvilken form har dataene?
Modell: Velg en funksjonstype og begrunn valget. Tilpass modellen med regresjon.
Analyse: Bruk modellen. Finn vekstfart, topp- og bunnpunkter eller vendepunkter, og tolk dem.
Vurdering og presentasjon: Hvor godt passer modellen, og hvor langt kan den brukes? Presenter funnene med figurer, og svar på problemstillingen.
Et eksempelprosjekt
EksempelHvor fort avkjøles teen?
Problemstilling: Hvor lang tid tar det før en kopp te er avkjølt til \(50\) °C?
Data: Egne målinger hvert femte minutt med et steketermometer, i et rom som holder \(21\) °C.
\(t\) (min)
\(0\)
\(5\)
\(10\)
\(15\)
\(20\)
\(25\)
\(30\)
\(T\) (°C)
\(88\)
\(72\)
\(60\)
\(51\)
\(44\)
\(38\)
\(34\)
Lag en modell, finn svaret og vurder modellen.
HintHint
Newtons avkjølingslov sier at \(T - 21\) avtar eksponentielt. Tilpass en linje til \(\ln(T - 21)\).
Modell:\(T(t) = 21 + a e^{kt}\) med verdiene over. Svar: Teen er \(50\) °C etter omtrent \(15\) minutter.
Analyse:\(T'(t) = ak e^{kt}\) er negativ og nærmer seg \(0\): Teen avkjøles raskest i starten.
Vurdering: Modellen passer godt i måleområdet. Den forutsetter konstant romtemperatur, og målingene har en usikkerhet på omtrent én grad.
Presentasjon
En god presentasjon har
en tydelig problemstilling,
en beskrivelse av dataene og kilden,
figurer med tittel, akser og enheter,
modellen, med begrunnelse for valget,
analyse med derivasjon og tolkning,
en vurdering av modellen og en konklusjon som svarer på problemstillingen.
AdvarselVanlige feil
Problemstillingen er for vag. «Hvordan er klimaet?» er for stort. «Hvor raskt har middeltemperaturen i Oslo i juli økt siden 1950?» er bedre.
Kilden mangler, eller dataene er ikke kontrollert.
Modellen brukes langt utenfor dataene uten vurdering.
Figurene mangler enheter.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
ExerciseGode problemstillinger
Hvilke problemstillinger egner seg for et selvstendig arbeid? Forbedre de som ikke gjør det.
Hvordan er været?
Hvor raskt har antall elbiler i Norge vokst fra 2010 til 2023, og når kan veksten forventes å flate ut?
Er matte vanskelig?
ExerciseVelg datakilde
Foreslå en datakilde for hver problemstilling.
Folketallet i kommunen din de siste \(30\) årene
Nedbøren i Bergen hver måned
Hvor fort en ball faller
ExerciseStegene i et selvstendig arbeid
Velg det som passer.
Hva gjør du først?
Hva bør du gjøre rett før du velger funksjonstype?
I hvilket steg noterer du hvor dataene kommer fra?
Hva hører hjemme i det siste steget?
ExerciseFørste blikk på målingene
En elev måler temperaturen i en kopp te. Den er \(88\) grader ved start, \(66\) grader etter \(10\) minutter og \(51\) grader etter \(20\) minutter.
Finn den gjennomsnittlige vekstfarten de første \(10\) minuttene.
Finn den gjennomsnittlige vekstfarten de neste \(10\) minuttene.
Avkjøles teen like fort hele tida?
Passer en lineær modell til målingene?
Nivå 2
ExerciseVurder en presentasjon
En elev har laget en eksponentiell modell for antall elbiler og konkluderer med at alle biler i Norge er elbiler om \(5\) år, og at det er \(50\) millioner elbiler om \(20\) år. Hva vil du si til eleven?
ExerciseAnalyse av avkjølingsmodellen
En modell for teen er \(T(t) = 21 + 67e^{-0{,}04t}\).
Hva er temperaturen ved start?
Finn \(T'(0)\).
Hvilken temperatur nærmer teen seg?
ExerciseSvakheter i et prosjekt
Hva er den største svakheten?
En elev har tre målinger og tilpasser en andregradsmodell som går nøyaktig gjennom alle tre.
En elev har hentet tall fra en nettside, men skriver ikke hvor de kommer fra.
En elev har målinger for ti år og bruker modellen til å si noe om situasjonen om hundre år.
En elev velger en eksponentiell modell for antall deltakere i et løp med plass til \(500\).
ExerciseAnalyse av en modell for elbiler
En elev har tilpasset modellen \(E(t) = \dfrac{600}{1 + 59e^{-0{,}5t}}\) for antall elbiler i tusen, der \(t\) er antall år etter 2010.
Hvor mange tusen elbiler gir modellen i 2010?
Hvor mange tusen elbiler nærmer modellen seg?
Når vokser antallet raskest? Svar eksakt.
Hvor stor er den største vekstfarten, i tusen elbiler per år?
Kodeoppgaver
Disse oppgavene skal løses uten PC, slik som på eksamen. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
ExerciseNår er teen 50 grader?
from math import expdef T(t):return21+67*exp(-0.04*t)t =0while T(t) >50: t = t +1print(t, round(T(t), 1))
Hva gjør programmet?
Utskriften er 21 49.9. Hva betyr det?
KodeKjør koden i Python
Utfordringer
ExercisePlanlegg ditt eget prosjekt
Lag en plan for et selvstendig arbeid. Skriv ned problemstilling, datakilde, hvilken modell du tror passer, hva du vil analysere med derivasjon, og hvordan du vil vurdere modellen.
ExerciseKontroller en påstand
En avis skriver: «Boligprisene har steget med \(8\) % i året de siste fem årene. Fortsetter det slik, koster en leilighet til \(4\) millioner hele \(188\) millioner om \(50\) år.»
Kontroller regnestykket. Hva blir prisen i millioner etter \(50\) år med \(8\) % vekst per år?
Vurder påstanden. Hva er svakheten i resonnementet?
ExerciseBytt variabel i modellen
Den lineære modellen for folketallet i Norge er \(N(x) = 0{,}027x + 3{,}27\) millioner, der \(x\) er antall år etter 1950. En elev vil heller bruke årstallet \(t\) som variabel, slik at \(N(t) = 0{,}027t + b\).
Finn \(b\).
Hva ville modellen sagt om folketallet i år \(0\)? Forklar hvorfor konstantleddet ikke kan tolkes som et folketall.
Oppgavene her blander stoff fra hele kapittelet, slik som på en prøve.
ExerciseSmitte i en skole
Under et utbrudd av omgangssyke på en skole med \(800\) elever er antall syke modellert ved
\[
S(t) = \frac{800}{1 + 79e^{-0{,}5t}},
\]
der \(t\) er antall dager.
Hvor mange var syke ved \(t = 0\)?
Når sprer sykdommen seg raskest? Svar eksakt.
Hvor mange blir syke per dag da?
ExerciseEksponentiell vekst i en bakteriekultur
En bakteriekultur hadde \(1000\) bakterier ved start og \(4000\) etter \(6\) timer. Anta eksponentiell vekst.
Finn doblingstiden.
Finn vekstfaktoren per time eksakt.
Lag en modell \(N(t) = 1000e^{kt}\). Finn \(k\) eksakt.
ExerciseVurder modellen
En lineær modell for gjennomsnittstemperaturen i juli i en by er \(T(x) = 0{,}02x + 15{,}2\) °C, der \(x\) er antall år etter 1950. Modellen er laget fra data fra 1950 til 2020.
Hva sier modellen om 2020?
Hva betyr tallet \(0{,}02\)?
Hvor sikker er modellen for år 2200?
9.7 Oppsummering
Data og regresjon
Gjennomsnittlig vekstfart
\[
\frac{y_{i + 1} - y_i}{x_{i + 1} - x_i}
\]
Vekstfaktor
\[
\frac{y_{i + 1}}{y_i}
\]
Avvik
\[
\text{målt verdi} - \text{modellverdi}
\]
Eksponentielle og logistiske modeller
Eksponentiell modell
\[
\begin{gathered} f(x) = a \cdot b^x = a \cdot e^{kx} \\ \text{der } k = \ln b \end{gathered}
\]
Doblingstid
\[
T = \frac{\ln 2}{\ln b}
\]
Logistisk modell
\[
N(t) = \frac{K}{1 + ae^{-rt}}
\]
Startverdi
\[
N(0) = \frac{K}{1 + a}
\]
Vendepunkt
\[
t = \frac{\ln a}{r}, \quad N = \frac{K}{2}
\]
Største vekstfart
\[
\frac{rK}{4}
\]
Tolkning
Vekstfart
\[
\begin{gathered} f'(t) \text{ i enheten til } f \\ \text{per enhet til } t \end{gathered}
\]