MATHHX A

MATHHX A

\(\newcommand{\footnotename}{footnote}\) \(\def \LWRfootnote {1}\) \(\newcommand {\footnote }[2][\LWRfootnote ]{{}^{\mathrm {#1}}}\) \(\newcommand {\footnotemark }[1][\LWRfootnote ]{{}^{\mathrm {#1}}}\) \(\let \LWRorighspace \hspace \) \(\renewcommand {\hspace }{\ifstar \LWRorighspace \LWRorighspace }\) \(\newcommand {\TextOrMath }[2]{#2}\) \(\newcommand {\mathnormal }[1]{{#1}}\) \(\newcommand \ensuremath [1]{#1}\) \(\newcommand {\LWRframebox }[2][]{\fbox {#2}} \newcommand {\framebox }[1][]{\LWRframebox } \) \(\newcommand {\setlength }[2]{}\) \(\newcommand {\addtolength }[2]{}\) \(\newcommand {\setcounter }[2]{}\) \(\newcommand {\addtocounter }[2]{}\) \(\newcommand {\arabic }[1]{}\) \(\newcommand {\number }[1]{}\) \(\newcommand {\noalign }[1]{\text {#1}\notag \\}\) \(\newcommand {\cline }[1]{}\) \(\newcommand {\directlua }[1]{\text {(directlua)}}\) \(\newcommand {\luatexdirectlua }[1]{\text {(directlua)}}\) \(\newcommand {\protect }{}\) \(\def \LWRabsorbnumber #1 {}\) \(\def \LWRabsorbquotenumber "#1 {}\) \(\newcommand {\LWRabsorboption }[1][]{}\) \(\newcommand {\LWRabsorbtwooptions }[1][]{\LWRabsorboption }\) \(\def \mathchar {\ifnextchar "\LWRabsorbquotenumber \LWRabsorbnumber }\) \(\def \mathcode #1={\mathchar }\) \(\let \delcode \mathcode \) \(\let \delimiter \mathchar \) \(\def \oe {\unicode {x0153}}\) \(\def \OE {\unicode {x0152}}\) \(\def \ae {\unicode {x00E6}}\) \(\def \AE {\unicode {x00C6}}\) \(\def \aa {\unicode {x00E5}}\) \(\def \AA {\unicode {x00C5}}\) \(\def \o {\unicode {x00F8}}\) \(\def \O {\unicode {x00D8}}\) \(\def \l {\unicode {x0142}}\) \(\def \L {\unicode {x0141}}\) \(\def \ss {\unicode {x00DF}}\) \(\def \SS {\unicode {x1E9E}}\) \(\def \dag {\unicode {x2020}}\) \(\def \ddag {\unicode {x2021}}\) \(\def \P {\unicode {x00B6}}\) \(\def \copyright {\unicode {x00A9}}\) \(\def \pounds {\unicode {x00A3}}\) \(\let \LWRref \ref \) \(\renewcommand {\ref }{\ifstar \LWRref \LWRref }\) \( \newcommand {\multicolumn }[3]{#3}\) \(\require {textcomp}\) \(\require {colortbl}\) \(\let \LWRorigcolumncolor \columncolor \) \(\renewcommand {\columncolor }[2][named]{\LWRorigcolumncolor [#1]{#2}\LWRabsorbtwooptions }\) \(\let \LWRorigrowcolor \rowcolor \) \(\renewcommand {\rowcolor }[2][named]{\LWRorigrowcolor [#1]{#2}\LWRabsorbtwooptions }\) \(\let \LWRorigcellcolor \cellcolor \) \(\renewcommand {\cellcolor }[2][named]{\LWRorigcellcolor [#1]{#2}\LWRabsorbtwooptions }\) \(\newcommand {\tothe }[1]{^{#1}}\) \(\newcommand {\raiseto }[2]{{#2}^{#1}}\) \(\newcommand {\LWRsiunitxEND }{}\) \(\def \LWRsiunitxang #1;#2;#3;#4\LWRsiunitxEND {\ifblank {#1}{}{\num {#1}\degree }\ifblank {#2}{}{\num {#2}^{\unicode {x2032}}}\ifblank {#3}{}{\num {#3}^{\unicode {x2033}}}}\) \(\newcommand {\ang }[2][]{\LWRsiunitxang #2;;;\LWRsiunitxEND }\) \(\def \LWRsiunitxdistribunit {}\) \(\newcommand {\LWRsiunitxENDTWO }{}\) \(\def \LWRsiunitxprintdecimalsubtwo #1,#2,#3\LWRsiunitxENDTWO {\ifblank {#1}{0}{\mathrm {#1}}\ifblank {#2}{}{{\LWRsiunitxdecimal }\mathrm {#2}}}\) \(\def \LWRsiunitxprintdecimalsub #1.#2.#3\LWRsiunitxEND {\LWRsiunitxprintdecimalsubtwo #1,,\LWRsiunitxENDTWO \ifblank {#2}{}{{\LWRsiunitxdecimal }\LWRsiunitxprintdecimalsubtwo #2,,\LWRsiunitxENDTWO }}\) \(\newcommand {\LWRsiunitxprintdecimal }[1]{\LWRsiunitxprintdecimalsub #1...\LWRsiunitxEND }\) \(\def \LWRsiunitxnumplus #1+#2+#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxprintdecimal {#1}}{\ifblank {#1}{\LWRsiunitxprintdecimal {#2}}{\LWRsiunitxprintdecimal {#1}\unicode {x02B}\LWRsiunitxprintdecimal {#2}}}\LWRsiunitxdistribunit }\) \(\def \LWRsiunitxnumminus #1-#2-#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumplus #1+++\LWRsiunitxEND }{\ifblank {#1}{}{\LWRsiunitxprintdecimal {#1}}\unicode {x02212}\LWRsiunitxprintdecimal {#2}\LWRsiunitxdistribunit }}\) \(\def \LWRsiunitxnumpmmacro #1\pm #2\pm #3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumminus #1---\LWRsiunitxEND }{\LWRsiunitxprintdecimal {#1}\unicode {x0B1}\LWRsiunitxprintdecimal {#2}\LWRsiunitxdistribunit }}\) \(\def \LWRsiunitxnumpm #1+-#2+-#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumpmmacro #1\pm \pm \pm \LWRsiunitxEND }{\LWRsiunitxprintdecimal {#1}\unicode {x0B1}\LWRsiunitxprintdecimal {#2}\LWRsiunitxdistribunit }}\) \(\newcommand {\LWRsiunitxnumscientific }[2]{\ifblank {#1}{}{\ifstrequal {#1}{-}{-}{\LWRsiunitxprintdecimal {#1}\times }}10^{\LWRsiunitxprintdecimal {#2}}\LWRsiunitxdistribunit }\) \(\def \LWRsiunitxnumD #1D#2D#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumpm #1+-+-\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\) \(\def \LWRsiunitxnumd #1d#2d#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumD #1DDD\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\) \(\def \LWRsiunitxnumE #1E#2E#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumd #1ddd\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\) \(\def \LWRsiunitxnume #1e#2e#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumE #1EEE\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\) \(\def \LWRsiunitxnumx #1x#2x#3x#4\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnume #1eee\LWRsiunitxEND }{\ifblank {#3}{\LWRsiunitxnume #1eee\LWRsiunitxEND \times \LWRsiunitxnume #2eee\LWRsiunitxEND }{\LWRsiunitxnume #1eee\LWRsiunitxEND \times \LWRsiunitxnume #2eee\LWRsiunitxEND \times \LWRsiunitxnume #3eee\LWRsiunitxEND }}}\) \(\newcommand {\num }[2][]{\LWRsiunitxnumx #2xxxxx\LWRsiunitxEND }\) \(\newcommand {\si }[2][]{\mathrm {\gsubstitute {#2}{~}{\,}}}\) \(\def \LWRsiunitxSIopt #1[#2]#3{\def \LWRsiunitxdistribunit {\,\si {#3}}{#2}\num {#1}\def \LWRsiunitxdistribunit {}}\) \(\newcommand {\LWRsiunitxSI }[2]{\def \LWRsiunitxdistribunit {\,\si {#2}}\num {#1}\def \LWRsiunitxdistribunit {}}\) \(\newcommand {\SI }[2][]{\ifnextchar [{\LWRsiunitxSIopt {#2}}{\LWRsiunitxSI {#2}}}\) \(\newcommand {\numlist }[2][]{\text {#2}}\) \(\newcommand {\numrange }[3][]{\num {#2}\ \LWRsiunitxrangephrase \ \num {#3}}\) \(\newcommand {\SIlist }[3][]{\text {#2}\,\si {#3}}\) \(\newcommand {\SIrange }[4][]{\num {#2}\,#4\ \LWRsiunitxrangephrase \ \num {#3}\,#4}\) \(\newcommand {\tablenum }[2][]{\mathrm {#2}}\) \(\newcommand {\ampere }{\mathrm {A}}\) \(\newcommand {\candela }{\mathrm {cd}}\) \(\newcommand {\kelvin }{\mathrm {K}}\) \(\newcommand {\kilogram }{\mathrm {kg}}\) \(\newcommand {\metre }{\mathrm {m}}\) \(\newcommand {\mole }{\mathrm {mol}}\) \(\newcommand {\second }{\mathrm {s}}\) \(\newcommand {\becquerel }{\mathrm {Bq}}\) \(\newcommand {\degreeCelsius }{\unicode {x2103}}\) \(\newcommand {\coulomb }{\mathrm {C}}\) \(\newcommand {\farad }{\mathrm {F}}\) \(\newcommand {\gray }{\mathrm {Gy}}\) \(\newcommand {\hertz }{\mathrm {Hz}}\) \(\newcommand {\henry }{\mathrm {H}}\) \(\newcommand {\joule }{\mathrm {J}}\) \(\newcommand {\katal }{\mathrm {kat}}\) \(\newcommand {\lumen }{\mathrm {lm}}\) \(\newcommand {\lux }{\mathrm {lx}}\) \(\newcommand {\newton }{\mathrm {N}}\) \(\newcommand {\ohm }{\mathrm {\Omega }}\) \(\newcommand {\pascal }{\mathrm {Pa}}\) \(\newcommand {\radian }{\mathrm {rad}}\) \(\newcommand {\siemens }{\mathrm {S}}\) \(\newcommand {\sievert }{\mathrm {Sv}}\) \(\newcommand {\steradian }{\mathrm {sr}}\) \(\newcommand {\tesla }{\mathrm {T}}\) \(\newcommand {\volt }{\mathrm {V}}\) \(\newcommand {\watt }{\mathrm {W}}\) \(\newcommand {\weber }{\mathrm {Wb}}\) \(\newcommand {\day }{\mathrm {d}}\) \(\newcommand {\degree }{\mathrm {^\circ }}\) \(\newcommand {\hectare }{\mathrm {ha}}\) \(\newcommand {\hour }{\mathrm {h}}\) \(\newcommand {\litre }{\mathrm {l}}\) \(\newcommand {\liter }{\mathrm {L}}\) \(\newcommand {\arcminute }{^\prime }\) \(\newcommand {\minute }{\mathrm {min}}\) \(\newcommand {\arcsecond }{^{\prime \prime }}\) \(\newcommand {\tonne }{\mathrm {t}}\) \(\newcommand {\astronomicalunit }{au}\) \(\newcommand {\atomicmassunit }{u}\) \(\newcommand {\bohr }{\mathit {a}_0}\) \(\newcommand {\clight }{\mathit {c}_0}\) \(\newcommand {\dalton }{\mathrm {D}_\mathrm {a}}\) \(\newcommand {\electronmass }{\mathit {m}_{\mathrm {e}}}\) \(\newcommand {\electronvolt }{\mathrm {eV}}\) \(\newcommand {\elementarycharge }{\mathit {e}}\) \(\newcommand {\hartree }{\mathit {E}_{\mathrm {h}}}\) \(\newcommand {\planckbar }{\mathit {\unicode {x210F}}}\) \(\newcommand {\angstrom }{\mathrm {\unicode {x212B}}}\) \(\let \LWRorigbar \bar \) \(\newcommand {\barn }{\mathrm {b}}\) \(\newcommand {\bel }{\mathrm {B}}\) \(\newcommand {\decibel }{\mathrm {dB}}\) \(\newcommand {\knot }{\mathrm {kn}}\) \(\newcommand {\mmHg }{\mathrm {mmHg}}\) \(\newcommand {\nauticalmile }{\mathrm {M}}\) \(\newcommand {\neper }{\mathrm {Np}}\) \(\newcommand {\yocto }{\mathrm {y}}\) \(\newcommand {\zepto }{\mathrm {z}}\) \(\newcommand {\atto }{\mathrm {a}}\) \(\newcommand {\femto }{\mathrm {f}}\) \(\newcommand {\pico }{\mathrm {p}}\) \(\newcommand {\nano }{\mathrm {n}}\) \(\newcommand {\micro }{\mathrm {\unicode {x00B5}}}\) \(\newcommand {\milli }{\mathrm {m}}\) \(\newcommand {\centi }{\mathrm {c}}\) \(\newcommand {\deci }{\mathrm {d}}\) \(\newcommand {\deca }{\mathrm {da}}\) \(\newcommand {\hecto }{\mathrm {h}}\) \(\newcommand {\kilo }{\mathrm {k}}\) \(\newcommand {\mega }{\mathrm {M}}\) \(\newcommand {\giga }{\mathrm {G}}\) \(\newcommand {\tera }{\mathrm {T}}\) \(\newcommand {\peta }{\mathrm {P}}\) \(\newcommand {\exa }{\mathrm {E}}\) \(\newcommand {\zetta }{\mathrm {Z}}\) \(\newcommand {\yotta }{\mathrm {Y}}\) \(\newcommand {\percent }{\mathrm {\%}}\) \(\newcommand {\meter }{\mathrm {m}}\) \(\newcommand {\metre }{\mathrm {m}}\) \(\newcommand {\gram }{\mathrm {g}}\) \(\newcommand {\kg }{\kilo \gram }\) \(\newcommand {\of }[1]{_{\mathrm {#1}}}\) \(\newcommand {\squared }{^2}\) \(\newcommand {\square }[1]{\mathrm {#1}^2}\) \(\newcommand {\cubed }{^3}\) \(\newcommand {\cubic }[1]{\mathrm {#1}^3}\) \(\newcommand {\per }{\,\mathrm {/}}\) \(\newcommand {\celsius }{\unicode {x2103}}\) \(\newcommand {\fg }{\femto \gram }\) \(\newcommand {\pg }{\pico \gram }\) \(\newcommand {\ng }{\nano \gram }\) \(\newcommand {\ug }{\micro \gram }\) \(\newcommand {\mg }{\milli \gram }\) \(\newcommand {\g }{\gram }\) \(\newcommand {\kg }{\kilo \gram }\) \(\newcommand {\amu }{\mathrm {u}}\) \(\newcommand {\nm }{\nano \metre }\) \(\newcommand {\um }{\micro \metre }\) \(\newcommand {\mm }{\milli \metre }\) \(\newcommand {\cm }{\centi \metre }\) \(\newcommand {\dm }{\deci \metre }\) \(\newcommand {\m }{\metre }\) \(\newcommand {\km }{\kilo \metre }\) \(\newcommand {\as }{\atto \second }\) \(\newcommand {\fs }{\femto \second }\) \(\newcommand {\ps }{\pico \second }\) \(\newcommand {\ns }{\nano \second }\) \(\newcommand {\us }{\micro \second }\) \(\newcommand {\ms }{\milli \second }\) \(\newcommand {\s }{\second }\) \(\newcommand {\fmol }{\femto \mol }\) \(\newcommand {\pmol }{\pico \mol }\) \(\newcommand {\nmol }{\nano \mol }\) \(\newcommand {\umol }{\micro \mol }\) \(\newcommand {\mmol }{\milli \mol }\) \(\newcommand {\mol }{\mol }\) \(\newcommand {\kmol }{\kilo \mol }\) \(\newcommand {\pA }{\pico \ampere }\) \(\newcommand {\nA }{\nano \ampere }\) \(\newcommand {\uA }{\micro \ampere }\) \(\newcommand {\mA }{\milli \ampere }\) \(\newcommand {\A }{\ampere }\) \(\newcommand {\kA }{\kilo \ampere }\) \(\newcommand {\ul }{\micro \litre }\) \(\newcommand {\ml }{\milli \litre }\) \(\newcommand {\l }{\litre }\) \(\newcommand {\hl }{\hecto \litre }\) \(\newcommand {\uL }{\micro \liter }\) \(\newcommand {\mL }{\milli \liter }\) \(\newcommand {\L }{\liter }\) \(\newcommand {\hL }{\hecto \liter }\) \(\newcommand {\mHz }{\milli \hertz }\) \(\newcommand {\Hz }{\hertz }\) \(\newcommand {\kHz }{\kilo \hertz }\) \(\newcommand {\MHz }{\mega \hertz }\) \(\newcommand {\GHz }{\giga \hertz }\) \(\newcommand {\THz }{\tera \hertz }\) \(\newcommand {\mN }{\milli \newton }\) \(\newcommand {\N }{\newton }\) \(\newcommand {\kN }{\kilo \newton }\) \(\newcommand {\MN }{\mega \newton }\) \(\newcommand {\Pa }{\pascal }\) \(\newcommand {\kPa }{\kilo \pascal }\) \(\newcommand {\MPa }{\mega \pascal }\) \(\newcommand {\GPa }{\giga \pascal }\) \(\newcommand {\mohm }{\milli \ohm }\) \(\newcommand {\kohm }{\kilo \ohm }\) \(\newcommand {\Mohm }{\mega \ohm }\) \(\newcommand {\pV }{\pico \volt }\) \(\newcommand {\nV }{\nano \volt }\) \(\newcommand {\uV }{\micro \volt }\) \(\newcommand {\mV }{\milli \volt }\) \(\newcommand {\V }{\volt }\) \(\newcommand {\kV }{\kilo \volt }\) \(\newcommand {\W }{\watt }\) \(\newcommand {\uW }{\micro \watt }\) \(\newcommand {\mW }{\milli \watt }\) \(\newcommand {\kW }{\kilo \watt }\) \(\newcommand {\MW }{\mega \watt }\) \(\newcommand {\GW }{\giga \watt }\) \(\newcommand {\J }{\joule }\) \(\newcommand {\uJ }{\micro \joule }\) \(\newcommand {\mJ }{\milli \joule }\) \(\newcommand {\kJ }{\kilo \joule }\) \(\newcommand {\eV }{\electronvolt }\) \(\newcommand {\meV }{\milli \electronvolt }\) \(\newcommand {\keV }{\kilo \electronvolt }\) \(\newcommand {\MeV }{\mega \electronvolt }\) \(\newcommand {\GeV }{\giga \electronvolt }\) \(\newcommand {\TeV }{\tera \electronvolt }\) \(\newcommand {\kWh }{\kilo \watt \hour }\) \(\newcommand {\F }{\farad }\) \(\newcommand {\fF }{\femto \farad }\) \(\newcommand {\pF }{\pico \farad }\) \(\newcommand {\K }{\mathrm {K}}\) \(\newcommand {\dB }{\mathrm {dB}}\) \(\newcommand {\kibi }{\mathrm {Ki}}\) \(\newcommand {\mebi }{\mathrm {Mi}}\) \(\newcommand {\gibi }{\mathrm {Gi}}\) \(\newcommand {\tebi }{\mathrm {Ti}}\) \(\newcommand {\pebi }{\mathrm {Pi}}\) \(\newcommand {\exbi }{\mathrm {Ei}}\) \(\newcommand {\zebi }{\mathrm {Zi}}\) \(\newcommand {\yobi }{\mathrm {Yi}}\) \(\let \unit \si \) \(\let \qty \SI \) \(\let \qtylist \SIlist \) \(\let \qtyrange \SIrange \) \(\let \numproduct \num \) \(\let \qtyproduct \SI \) \(\let \complexnum \num \) \(\newcommand {\complexqty }[3][]{(\complexnum {#2})\si {#3}}\) \(\newcommand {\mleft }{\left }\) \(\newcommand {\mright }{\right }\) \(\newcommand {\mleftright }{}\) \(\newcommand {\mleftrightrestore }{}\) \(\require {gensymb}\) \(\newcommand {\intertext }[1]{\text {#1}\notag \\}\) \(\let \Hat \hat \) \(\let \Check \check \) \(\let \Tilde \tilde \) \(\let \Acute \acute \) \(\let \Grave \grave \) \(\let \Dot \dot \) \(\let \Ddot \ddot \) \(\let \Breve \breve \) \(\let \Bar \bar \) \(\let \Vec \vec \) \(\require {cancel}\) \(\newcommand {\mathred }[1]{\textcolor [rgb]{1, 0, 0}{#1}}\) \(\newcommand {\mathgreen }[1]{\textcolor [rgb]{0,0.5,0}{#1}}\) \(\newcommand {\mathblue }[1]{\textcolor [rgb]{0,0,1}{#1}}\) \(\newcommand {\mathorange }[1]{\textcolor [rgb]{1,0.5,0}{#1}}\) \(\newcommand {\mathmagenta }[1]{\textcolor [cmyk]{0, 1, 1, 0.33}{#1}}\) \( \newcommand \ccancel [2][red]{\renewcommand \CancelColor {\color {#1}}\cancel {#2}} \) \(\newcommand {\Dom }{\operatorname {Dom}}\) \(\newcommand {\Ran }{\operatorname {Ran}}\) \(\newcommand {\Dm }{\operatorname {Dm}}\) \(\newcommand {\Vm }{\operatorname {Vm}}\) \(\newcommand {\Var }{\operatorname {Var}}\) \(\newcommand {\SD }{\operatorname {SD}}\) \(\newcommand {\ExV }{\operatorname {E}}\) \(\newcommand {\opointtext }{\textcolor {blue}{\circ }}\) \(\newcommand {\cpointtext }{\textcolor {blue}{\bullet }}\) \(\newcommand {\vectwo }[2]{\begin {pmatrix} #1 \\ #2 \end {pmatrix}}\) \(\newcommand {\tcbset }[1]{}\) \(\newcommand {\tcbsetforeverylayer }[1]{}\) \(\newcommand {\tcbox }[2][]{\boxed {\text {#2}}}\) \(\newcommand {\tcboxfit }[2][]{\boxed {#2}}\) \(\newcommand {\tcblower }{}\) \(\newcommand {\tcbline }{}\) \(\newcommand {\tcbtitle }{}\) \(\newcommand {\tcbsubtitle [2][]{\mathrm {#2}}}\) \(\newcommand {\tcboxmath }[2][]{\boxed {#2}}\) \(\newcommand {\tcbhighmath }[2][]{\boxed {#2}}\) \(\newcommand {\toprule }[1][]{\hline }\) \(\let \midrule \toprule \) \(\let \bottomrule \toprule \) \(\def \LWRbooktabscmidruleparen (#1)#2{}\) \(\newcommand {\LWRbooktabscmidrulenoparen }[1]{}\) \(\newcommand {\cmidrule }[1][]{\ifnextchar (\LWRbooktabscmidruleparen \LWRbooktabscmidrulenoparen }\) \(\newcommand {\morecmidrules }{}\) \(\newcommand {\specialrule }[3]{\hline }\) \(\newcommand {\addlinespace }[1][]{}\) \(\def \LWRsiunitxrangephrase {\TextOrMath { }{\ }\protect \mbox {to (numerical range)}\TextOrMath { }{\ }}\) \(\def \LWRsiunitxdecimal {.}\)

6.6 Determinationskoefficienten

På Mat-B mødte vi determinationskoefficienten, men grundet, at det var først år, b-niveau og alt det der, var jeg tvunget til at introducere den på en noget upræcis måde. Det skal vi rette op på i dette afsnit, hvor vi skal se, hvordan \(R^2\) beregnes og fortolkes korrekt.

Formlen for \(R^2\) er:

\[ R^2 = 1-\frac {\mathblue {\sum _{i=1}^{n}e_i^2}}{\mathred {\sum _{i=1}^{n}(y_i-\overline {y})^2}} \]

hvor:

.
\(e_i\) er det \(i\)’te residual,
\(y_i\) er den \(i\)’te \(y\)-værdi,
\(\overline {y}\) er gennemsnittet af \(y\)-værdierne.

Vi vender tilbage til vores datasæt som vi vil bruge til at forklare, hvad formlen udtrykker:

\(\begin {array}{ | c | c |} \hline x_i & y_i \\ \hline 2 & 5 \\ 4 & 3 \\ 6 & 7 \\ \hline \end {array}\)

Vi starter med at forklare \(\mathblue {\sum _{i=1}^{n}e_i^2}\) i formlen. Vi tegner først data, model og residualer:

(-tikz- diagram)

I udtrykket \(\mathblue {\sum _{i=1}^{n}e_i^2}\) står residualerne i anden. Størrelserne af \(\mathblue {e_i^2}\) kan derfor vises med kvadrater som her:

(-tikz- diagram)

Udtrykket \(\mathblue {\sum _{i=1}^{n}e_i^2}\) viser altså det samlede areal af de blå kvadrater.

Vi vender nu blikket mod nævneren i brøken i formlen for \(R^2\):

\[\mathred {\sum _{i=1}^{n}(y_i-\overline {y})^2}\]

Vi kan se at dette udtryk også er en sum af kvadrerede afvigelser. Men denne gang er det afvigelserne fra \(y\)-værdierne til gennemsnittet af \(y\)-værdierne, \(\overline {y}\). Vi kan tegne dem på tilsvarende måde som vi tegnede de kvadrerede residualer (blå kvadrater), bortset fra at vi skal tage udgangspunkt i linjen \(y=\overline {y}\) i stedet for regressionslinjen. I vores eksempel bliver der kun to kvadrater, fordi det første kvadrat forsvinder, da det første punkt ligger på linjen \(y=\overline {y}\):

(-tikz- diagram)

Så nævneren i brøken er altså summen af arealerne af de røde kvadrater.

Vi vil starte med at argumentere for, at \(0\leq R^2\leq 1\). Formlen var:

\[ R^2 = 1-\frac {\mathblue {\sum _{i=1}^{n}e_i^2}}{\mathred {\sum _{i=1}^{n}(y_i-\overline {y})^2}} \]

Da både tælleren og nævneren i brøken er ikke-negative (det er arealer), må selve brøken være ikke-negativ. Trækker man noget ikke-negativt fra \(1\), er det højeste man kan få \(1\). Så \(R^2\leq 1\). At \(R^2\geq 0\), skyldes at regressionslinjen er den linje, som giver de mindste kvadrerede afvigelser, og derfor må tælleren i brøken være mindre end eller lig med nævneren (som jo er de kvadrerede afvigelser fra linjen \(y=\overline {y}\)). Dvs. brøken er mindre end eller lig med \(1\). Altså konkluderer vi:

\[0\leq R^2\leq 1\]

Vi kommer nu til den mest spændende del, nemlig den korrekte fortolkning af \(R^2\). Vi har allerede argumenteret for at \(R^2\leq 1\). Lad os se på, hvornår den er høj. Det vil ske når brøken i formlen bliver tæt på \(0\). En brøk med positiv tæller og nævner kommer tæt på \(0\), når tælleren er lille sammenlignet med nævneren. Det vil ske, når punkterne ligger tæt på regressionslinjen (små blå kvadrater), men langt fra gennemsnittet (store røde kvadrater). Vi konkluderer, at \(R^2\) er tæt på \(1\), når regressionslinjen passer meget bedre med data end linjen \(y=\overline {y}\). Altså er den korrekte fortolkning af determinationskoefficienten:

Determinationskoefficienten \(R^2\) er et tal mellem \(0\) og \(1\). Jo bedre regressionsmodellen er, sammenlignet med modellen \(y=\overline {y}\), jo højere er \(R^2\).

  • Eksempel 6.6.1
    Antag, at vi har et datasæt, der beskriver udviklingen i arbejdsløshed over en periode. Den simpleste beskrivelse af arbejdsløsheden gennem perioden fås ved at beregne den gennemsnitlige arbejdsløshed. Vil man have en bedre beskrivelse, kunne man regne en lineær regressionsmodel for udviklingen. Antag nu, at \(R^2=0{,}1\) for sådan en model. Fordi \(R^2\) er så lav, er der noget, der tyder på, at den lineære model ikke giver en væsentlig bedre beskrivelse af udviklingen end den gennemsnitlige arbejdsløshed.

  • Eksempel 6.6.2
    Betragt \(xy\)-plottet med en lineær regressionsmodel:

    (-tikz- diagram)

    Fordi \(y\)-værdierne er næsten ens, vil de ligge tæt på deres gennemsnit. Så selvom punkterne ligger tæt på regressionsmodellen, er regressionsmodellen ikke væsentligt bedre end modellen \(y=\overline {y}\) og derfor er \(R^2\) lav. Faktisk er den \(R^2=0{,}25\).

Øvelse 6.6.1

Læs følgende Wikipedia-artikel:

https://en.wikipedia.org/wiki/Anscombe’s_quartet.

  • a) Forklar, hvor det er problematisk at bruge \(R^2\) til at afgøre om en given lineær model er god.

  • b) Forklar, hvorfor man I nogle tilfælde vil acceptere modeller med en lav \(R^2\) værdi.

 6.6.1

  • a) Følgende regressionsmodeller har ifølge artiklen samme \(R^2\):
    (image)
    Vi ser at data i det øverste højre hjørne følger en parabel, og beskrives derfor dårligt med den lineære model. Data øverst til venstre er til gengæld godt beskrevet med en lineær model. De har alle sammen samme \(R^2\), så \(R^2\) er ikke nok i sig selv til at afgøre om modellen er god.

  • b) Selvom \(R^2\) er lav kan der godt være en klar lineær tendens. Data fra artiklen har \(R^2=0{,}67\), hvilket jo ikke er superhøjt, men der er en klar lineær tendens i modellen øverst til venstre, og derfor er det rimeligt at beskrive data med den lineære model.
    (image)

  • Eksempel 6.6.3
    Vi vil beregne \(R^2\) for vores datasæt:

    \(\begin {array}{ | c | c |} \hline x_i & y_i \\ \hline 2 & 5 \\ 4 & 3 \\ 6 & 7 \\ \hline \end {array}\)

    Vi har tidligere bestemt den estimerede lineære model til at være:

    \[ y=0{,}5x + 3 \]

    Vi regner første residualerne ved at finde forskellen mellem modellens \(y\)-værdier, som vi betegner med \(\hat {y}\) og de faktiske \(y\)-værdier (dem fra tabellen):

    \begin{align*} e_1 &= y_1-\hat {y_1}\\ &= 5 - (0{,}5\cdot 2 +3) && \text {(indsat $x_1$ i modellen)}\\ & = 1 \end{align*} På tilsvarende måde regnes \(e_2=-2\), \(e_3=1\).

    Vi regner gennemsnittet til at være:

    \[ \overline {y}=\frac {5+3+7}{3}=5\]

    Vi kan nu indsætte i formlen

    \begin{align*} R^2 &= 1-\frac {\mathblue {\sum _{i=1}^{n}e_i^2}}{\mathred {\sum _{i=1}^{n}(y_i-\overline {y})^2}}\\[5pt] & = 1-\frac {\mathblue {1^2+(-2)^2+1^2}}{\mathred {(5-5)^2+(3-5)^2+(7-5)^2}}\\[5pt] & = 1-\frac {\mathblue {6}}{\mathred {8}}\\[5pt] & = 0{,}25 \end{align*} Så \(R^2=0{,}25\)

Øvelse 6.6.2

I øvelse 6.5.1 regnede du modellen \(y=-x+13\) for følgende data.

\(\begin {array}{ | c | c |} \hline x_i & y_i \\ \hline 5 & 9 \\ 8 & 3 \\ 11 & 3 \\ \hline \end {array}\)

  • a) Beregn \(R^2\) ved hjælp af formlen.

 6.6.2

  • a) \(R^2=0{,}75\).

Ekstra

En almindelig fortolkning af \(R^2\) er:

Andelen af variationen i \(y\)-værdierne, som forklares af modellen.

Vi skal nu se, hvor den fortolkning kommer fra. Vi vil tage udgangspunkt i følgende \(xy\)-plot:

(-tikz- diagram)

Vi vil nu forklare, hvad der menes med variationen i \(y\)-værdierne. Det skal forstås som, hvor meget observationerne afviger fra gennemsnittet \(\overline {y}\). Det kan måles på flere måder, men her måler vi det som kvadrerede afvigelser. I første omgang tegner vi dog kun selve afvigelsen ind:

(-tikz- diagram)

Vi vil nu se, om vi kan slippe af med noget af den afvigelse ved at tegne en regressionslinje:

(-tikz- diagram)

Vi kan se, at vi med modellen kommer tættere på punktet og at vi dermed er sluppet af med noget af afvigelsen. Den grønne streg viser hvor stor en del af afvigelsen, som modellen har ”forklaret” og den blå viser den afvigelse, der stadig er tilbage. Som sagt, regner vi variationen som kvadrerede afvigelser, så vi skal tegne kvadrater:

(-tikz- diagram)

Vi forestiller os nu, at vi tegner tilsvarende kvadrater for de andre punkter og indfører følgende betegnelser.

\(\mathred {SS_\text {tot}}\): Summen af arealerne af de røde kvadrater, som udtrykker variation af \(y\)-værdierne. Kaldes også den totale variation.

\(\mathgreen {SS_\text {reg}}\): Summen af arealerne af de grønne kvadrater, som udtrykker den forklarede variation.

\(\mathblue {SS_\text {res}}\): Summen af arealerne af de blå kvadrater, som udtrykker den del af variationen, modellen ikke kan forklare.

Med de betegnelser får vi at

\[R^2=1-\frac {\mathblue {SS_\text {res}}}{\mathred {SS_\text {tot}}} \]

Man kan bevise (vil vil ikke gøre det), at når man bruger mindste kvadraters metode til at finde modellen, så er

\[\mathred {SS_\text {tot}}=\mathgreen {SS_\text {reg}}+\mathblue {SS_\text {res}}\]

Vi dividerer med \(\mathred {SS_\text {tot}}\) på begge sider.

\[\frac {\mathred {SS_\text {tot}}}{\mathred {SS_\text {tot}}}=\frac {\mathblue {SS_\text {res}}}{\mathred {SS_\text {tot}}} + \frac {\mathgreen {SS_\text {reg}}}{\mathred {SS_\text {tot}}}\]

Vi forkorter og omskriver:

\[1-\frac {\mathblue {SS_\text {res}}}{\mathred {SS_\text {tot}}} = \frac {\mathgreen {SS_\text {reg}}}{\mathred {SS_\text {tot}}}\]

Vi genkender venstresiden som \(R^2\). Vi husker at \(\mathgreen {SS_\text {reg}}\) udtrykker den del af variationen som modellen kan forklare og dermed er \(\frac {\mathgreen {SS_\text {reg}}}{\mathred {SS_\text {tot}}}\) andelen af variationen som modellen kan forklare. Vi har altså:

Andelen af variationen i \(y\)-værdierne, som forklares af modellen.

På grund af dette kaldes \(R^2\) også for forklaringsgraden, da \(R^2\) udtrykker i hvilken grad regressionslinjen forklarer variationen.

Øvelse 6.6.3

Den lineære model for sammenhæng mellem lårbensknogle og højde havde \(R^2=0{,}82\) .

  • a) Fortolk dette ud fra indholdet i dette ekstraafsnit.

 6.6.3

  • a) Vi konkluderer, at \(82\%\) af variationen i højderne i stikprøven kan forklares af regressionsmodellen.