Hoe ver buiten de gegevens mag ik voorspellen?

Er is geen veilige afstand. Net buiten het bereik kan het nog kloppen als het patroon duidelijk doorloopt, maar elke extrapolatie moet je als onzeker aangeven, en voorspellingen ver weg (of onmogelijke waarden) gebruik je niet.

Wat is het verschil tussen r en R²?

$r$ ligt tussen $-1$ en $1$ en toont de richting (het teken) en de sterkte van een lineair verband. $R^2 = r^2$ ligt tussen $0$ en $1$ en zegt welk deel van de variatie in $y$ de lijn verklaart. $R^2$ verliest het teken, dus kijk voor de richting naar de richtingscoëfficiënt.

Als R² hoog is, veroorzaakt x dan y?

Niet per se. Een hoge $R^2$ zegt alleen dat de lijn goed bij de gegevens past. Een verstorende variabele of toeval kan het patroon veroorzaken; alleen een gecontroleerd experiment kan oorzaak en gevolg aantonen.

Leermiddelen

Contextopgaven over regressie

Q: Heeft het startgetal altijd een betekenis?

Nee. Het is de voorspelde $y$ bij $x = 0$. Als $x = 0$ onmogelijk is (iemand van 0 cm lang) of ver van de gegevens ligt (een huis van 0 m²), dan is het startgetal alleen een getal dat de lijn vastlegt, niet iets om te interpreteren.

Los complete regressieopgaven op: richtingscoëfficiënt en startgetal in context uitleggen, voorspellen, extrapolatie herkennen, residuen berekenen en r en R² uitleggen.

Gevorderd30 minLes

Werkblad om te printen

Definitie

Een contextopgave over regressie geeft je echte gegevens (of een regressievergelijking die al bij de gegevens past) en vraagt wat het model over de situatie zegt. Elke opgave van dit soort gebruikt dezelfde gereedschapskist:

\hat{y} = mx + b

**Richtingscoëfficiënt $m$ in context**: als $x$ met 1 eenheid toeneemt, verandert de voorspelde $y$ gemiddeld met $m$ eenheden.
**Startgetal $b$ in context**: de voorspelde $y$ bij $x = 0$ . Dat heeft alleen een echte betekenis als $x = 0$ zinvol is en dicht bij de gegevens ligt.
Voorspelling: vul $x$ in de vergelijking in en je krijgt de voorspelde waarde $\hat{y}$ .
Interpolatie of extrapolatie: een voorspelling voor een $x$ binnen het bereik van de gegevens is interpolatie (meestal betrouwbaar); buiten dat bereik is het extrapolatie (riskant).
Residu: $e = y - \hat{y}$ (werkelijke min voorspelde waarde). Positief betekent dat het punt boven de lijn ligt.
r en R²: $r$ geeft de richting en sterkte van het lineaire verband; $R^2 = r^2$ is het deel van de variatie in $y$ dat het lineaire verband met $x$ verklaart.

Een goed antwoord gebruikt altijd de eenheden en woorden van de opgave, niet alleen getallen.

Probeer het meteen

Het model

\hat{y} = 6x + 48

voorspelt de toetsscore

\hat{y}

(punten) uit het aantal studie-uren per week

x

. Wat betekent de richtingscoëfficiënt

6

Uitgewerkte voorbeelden

Een café noteerde op vijf ochtenden de buitentemperatuur

x

(in °C, van

0

tot

20

) en het aantal verkochte warme dranken

y

. De regressielijn is

\hat{y} = 110 - 3x

. Leg de richtingscoëfficiënt en het startgetal uit.

Richtingscoëfficiënt en startgetal aflezen

\hat{y} = -3x + 110

, dus

m = -3

b = 110

→

m = -3

b = 110

Richtingscoëfficiënt met eenheden uitleggen

Per 1 °C warmer verandert het voorspelde aantal warme dranken met

-3

→ Gemiddeld ongeveer 3 warme dranken minder per extra graad

Startgetal met eenheden uitleggen

Bij

x = 0

°C voorspelt het model

\hat{y} = 110 - 3 \cdot 0 = 110

→ Ongeveer 110 warme dranken op een ochtend van 0 °C

Controleren of het startgetal zinvol is

0

°C is een echte temperatuur en ligt binnen het bereik van de gegevens, van

0

tot

20

→ Het startgetal heeft hier een echte betekenis

Antwoord: Richtingscoëfficiënt: per 1 °C temperatuurstijging verkoopt het café volgens het model ongeveer 3 warme dranken minder. Startgetal: op een ochtend van 0 °C voorspelt het model ongeveer 110 warme dranken; dat is zinvol, want 0 °C hoort bij de gegevens.

Veelgemaakte fouten

De richtingscoëfficiënt als kaal getal geven: "de richtingscoëfficiënt is 6"

Waarom het fout is: Een getal zonder context beantwoordt de vraag niet. De richtingscoëfficiënt is een veranderingssnelheid: hij heeft eenheden nodig en het woord "voorspeld" of "gemiddeld", omdat echte punten rond de lijn spreiden.

Correct: Zeg: "Per extra studie-uur per week stijgt de voorspelde toetsscore met ongeveer 6 punten."

Een voorspelling ver buiten de gegevens vertrouwen (extrapolatie)

Waarom het fout is: De lijn is alleen aan het waargenomen bereik aangepast. Daarbuiten kan het patroon veranderen en kan de lijn onmogelijke waarden geven, zoals een score van 120 van de 100 of een negatief aantal verkopen.

Correct: Controleer eerst het bereik van $x$ . Binnen het bereik: interpolatie. Erbuiten: extrapolatie, dus zeg dat de voorspelling onbetrouwbaar is.

Het residu omgekeerd berekenen: $\hat{y} - y$

Waarom het fout is: Dan draait het teken om en wordt "boven de lijn" ineens "onder de lijn". Volgens afspraak is het residu werkelijke min voorspelde waarde.

Correct: Gebruik altijd $e = y - \hat{y}$ : positief betekent dat het model te laag voorspelde, negatief dat het te hoog voorspelde.

$R^2 = 0{,}9$ lezen als "90 % van de punten ligt op de lijn" of "het model heeft 90 % van de keren gelijk"

Waarom het fout is: $R^2$ meet hoeveel van de variatie in $y$ het lineaire verband verklaart. Alle punten kunnen naast de lijn liggen en toch kan $R^2$ gelijk zijn aan 0,9.

Correct: Zeg: "90 % van de variatie in $y$ wordt verklaard door het lineaire verband met $x$ ."

Interactieve visualisatie

Spreidingsdiagram

Studie-uren per week en toetsscore

ŷ = 6x + 48

r = 0,949 · sterke positieve correlatie

Tik op een punt om de coördinaten te zien.

Spreidingsdiagram

Buitentemperatuur en verkochte warme dranken

ŷ = −3x + 110

r = -0,949 · sterke negatieve correlatie

Tik op een punt om de coördinaten te zien.

Interactieve sandbox

Expressiecalculator

Probeer deze:

Geschiedenis

Nog geen berekeningen

Oefenproblemen

18 opgaven

Opgave 1 van 18

Makkelijk

Het model

\hat{y} = 6x + 48

voorspelt de toetsscore

\hat{y}

(punten) uit het aantal studie-uren per week

x

. Wat betekent de richtingscoëfficiënt

6

Oefenproblemen: Contextopgaven over regressie

1. Het model \hat{y} = 6x + 48 voorspelt de toetsscore \hat{y} (punten) uit het aantal studie-uren per week x. Wat betekent de richtingscoëfficiënt 6?
2. Voorspel met \hat{y} = 6x + 48 (toetsscore uit het aantal studie-uren per week x) de score van een leerling die 4 uur per week studeert.
3. Een regressielijn is gepast op gegevens met x-waarden van 2 tot 10. Voor welke waarde van x is een voorspelling extrapolatie?
4. Een datapunt heeft werkelijke waarde y = 80, en de regressielijn voorspelt er \hat{y} = 74 voor. Wat is het residu?
5. Een regressie van het examencijfer op de studietijd heeft R² = 0,64. Welke uitspraak klopt?
6. De correlatie tussen het aantal stappen per dag en verbrande calorieën is r = 0,7. Wat is R²? Geef het als decimaal getal.
7. Het model van een dealer voor tweedehands auto's is \hat{y} = 18000 - 1500x, met \hat{y} de prijs in € en x de leeftijd in jaren (gegevens voor auto's van 0 tot 8 jaar). Wat betekent het startgetal 18000?
8. Een café gebruikt \hat{y} = 110 - 3x om het aantal verkochte warme dranken te voorspellen uit de ochtendtemperatuur x in °C (gegevens van 0 tot 20 °C). Hoeveel warme dranken voorspelt het voor 12 °C?
9. In een model voor levertijden heeft een bezorging een residu van -5 minuten. Wat betekent dat?
10. De hoogte van een plant wordt gemodelleerd met \hat{y} = 2{,}5x + 4 (cm, x in weken). Met hoeveel cm neemt de voorspelde hoogte toe in 4 weken extra?
11. Het model van het café is \hat{y} = 110 - 3x (warme dranken, x in °C). Op een ochtend van 15 °C verkocht het café 75 warme dranken. Bepaal het residu van die ochtend.
12. Bij de gegevens over studie-uren is de kwadratensom van de residuen SS_{\text{res}} = 40 en de totale variatie van de scores SS_{\text{tot}} = 400. Bepaal R^2 en zeg welk percentage van de variatie in scores de lijn verklaart.
13. Het model \hat{y} = 6x + 48 is gepast op leerlingen die 1 tot 5 uur per week studeren (toetsen van 100 punten). Voorspel de score voor 12 uur en bepaal wat voor soort voorspelling dit is.
14. Het model van de dealer is \hat{y} = 18000 - 1500x (prijs in €, x = leeftijd in jaren, gegevens van 0 tot 8 jaar). Een auto van 4 jaar oud werd verkocht voor 13000 €. Bepaal de voorspelde prijs en het residu. Werd de auto boven of onder de voorspelde prijs verkocht?
15. Een leerling telt het aantal opdrukken y dat ze kan doen na x weken training: | x | 1 | 2 | 3 | 4 | |---|---|---|---|---| | y | 3 | 5 | 6 | 10 | Bepaal de regressielijn \hat{y} = mx + b met de kleinste-kwadratenmethode.
16. Het model van het café is \hat{y} = 110 - 3x (warme dranken, x in °C, gegevens van 0 tot 20 °C), met R^2 = 0{,}9. Op een ochtend van 8 °C verkocht het café 90 warme dranken. Bepaal de voorspelling, het residu, de correlatiecoëfficiënt r en het percentage verklaarde variatie.
17. Een ijskraam verzamelde gegevens voor temperaturen van 10 tot 30 °C. De regressielijn van het aantal verkochte ijsjes per uur tegen de temperatuur heeft richtingscoëfficiënt 1{,}5, en de gemiddelden zijn \bar{x} = 20 °C en \bar{y} = 50 ijsjes. Bepaal het startgetal, voorspel de verkoop bij 30 °C en bepaal het residu van een uur bij 30 °C met 61 verkochte ijsjes.
18. Hoeveel studie-uren zijn er volgens \hat{y} = 6x + 48 (toetsscore uit studie-uren per week, gegevens van 1 tot 5 uur) nodig voor een voorspelde score van 84? Kun je dit antwoord vertrouwen?

Waarom het belangrijk is

Met regressie maken mensen van gegevens beslissingen:

Winkels en cafés voorspellen aan de hand van de weersverwachting hoeveel ze moeten inkopen.
Scholen bekijken hoe studietijd en resultaten samenhangen en welke leerlingen beter of slechter scoren dan voorspeld.
Artsen en onderzoekers schatten met regressie doseringen, groeisnelheden en risico's.
Autodealers en banken schatten hoe snel de waarde van een auto elk jaar daalt.

In al deze gevallen is niet het rekenwerk het lastige deel, maar de interpretatie: zeggen wat de richtingscoëfficiënt betekent, weten wanneer je een voorspelling kunt vertrouwen en uitleggen hoe goed de lijn past. Precies dat wordt op toetsen en in het werk gevraagd, en precies dat train je in deze les.

Toepassingen in de echte wereld

Biologielab: groei van een plant

Bij biologie meten leerlingen elke week een kiemplant en passen ze een regressielijn toe op de hoogte tegen de tijd om de groeisnelheid te beschrijven.

Voorbeeld:

Bij $\hat{y} = 2{,}5x + 4$ (hoogte in cm, $x$ in weken, gegevens van week 0 tot week 8) zegt de richtingscoëfficiënt dat de plant ongeveer 2,5 cm per week groeit en het startgetal dat hij bij het begin van de metingen ongeveer 4 cm hoog was.

1Probeer het zelf

Het model van de klas is $\hat{y} = 2{,}5x + 4$ , met de hoogte $\hat{y}$ in cm en de tijd $x$ in weken (gegevens van week 0 tot week 8).

Welke hoogte voorspelt het model in week 6?

Stap 1: Schrijf de wiskundige uitdrukking

Vul $x = 6$ in de vergelijking in:

Levertijden van een webwinkel

Bezorgdiensten modelleren de levertijd als functie van de afstand om klanten een verwachte aankomsttijd te geven en routes te vinden die trager zijn dan verwacht.

Voorbeeld:

Met $\hat{y} = 12 + 3x$ (minuten, $x$ = afstand in km, gegevens van 1 tot 10 km) wordt voor een bezorging van 4 km een duur van $12 + 12 = 24$ minuten voorspeld.

2Probeer het zelf

Het model is $\hat{y} = 12 + 3x$ (tijd in minuten, $x$ = afstand in km). Een bezorging van 6 km duurde in werkelijkheid 33 minuten.

Wat is het residu van deze bezorging?

Stap 1: Schrijf de wiskundige uitdrukking

Residu = werkelijke tijd min voorspelde tijd:

Batterijtests van smartphones

Techrecensenten zetten schermtijd af tegen batterijverbruik en geven aan hoe sterk het verband is, zodat lezers weten hoeveel ze op de regressielijn kunnen vertrouwen.

Voorbeeld:

Als schermtijd en batterijverbruik $r = 0{,}8$ hebben, dan is $R^2 = 0{,}64$ : 64 % van de variatie in batterijverbruik wordt verklaard door de schermtijd.

3Probeer het zelf

In een batterijtest is de correlatie tussen de kamertemperatuur en de batterijduur $r = -0{,}9$ .

Welk percentage van de variatie in batterijduur wordt verklaard door het lineaire verband met de kamertemperatuur?

Stap 1: Schrijf de wiskundige uitdrukking

Kwadrateer r en zet het om in een percentage:

Belangrijke punten

1Leg de richtingscoëfficiënt uit als veranderingssnelheid met eenheden: neemt $x$ met 1 toe, dan verandert de voorspelde $y$ gemiddeld met $m$
2Het startgetal is de voorspelde $y$ bij $x = 0$ ; dat betekent alleen iets als $x = 0$ zinvol is en dicht bij de gegevens ligt
3Voorspel door $x$ in $\hat{y} = mx + b$ in te vullen; binnen het bereik van de gegevens is dat interpolatie, erbuiten riskante extrapolatie
4Een residu is werkelijke min voorspelde waarde, $e = y - \hat{y}$ : positief boven de lijn, negatief eronder
5 $r$ toont richting en sterkte; $R^2 = r^2$ is het deel van de variatie in $y$ dat de lijn verklaart
6Een goede passing toont een verband, geen oorzaak: antwoord altijd met de woorden en eenheden van de opgave

Veelgestelde vragen

Nee. Het is de voorspelde

y

bij

x = 0

. Als

x = 0

onmogelijk is (iemand van 0 cm lang) of ver van de gegevens ligt (een huis van 0 m²), dan is het startgetal alleen een getal dat de lijn vastlegt, niet iets om te interpreteren.

Woordenlijst

Voorspelde waarde $\hat{y}$: De waarde van $y$ die de regressielijn geeft voor een gekozen $x$
Richtingscoëfficiënt in context: De voorspelde verandering van $y$ , in de eenheden van $y$ , als $x$ met 1 eenheid toeneemt
Startgetal in context: De voorspelde waarde van $y$ bij $x = 0$ , alleen zinvol als $x = 0$ realistisch is en dicht bij de gegevens ligt
Interpolatie: $y$ voorspellen voor een $x$ binnen het bereik van de gegevens
Extrapolatie: $y$ voorspellen voor een $x$ buiten het bereik van de gegevens; vaak onbetrouwbaar
Determinatiecoëfficiënt R²: Het deel van de variatie in $y$ dat het lineaire verband met $x$ verklaart; bij een lijn gelijk aan $r^2$

Formulekaart

Regressielijn

\hat{y} = mx + b

Vul x in om de voorspelde waarde te krijgen

Richtingscoëfficiënt (kleinste kwadraten)

m = \frac{\sum(x-\bar{x})(y-\bar{y})}{\sum(x-\bar{x})^2}

Berekend uit de afwijkingen van de gemiddelden

Startgetal (kleinste kwadraten)

b = \bar{y} - m\bar{x}

De lijn gaat altijd door het punt van de gemiddelden

Residu

e = y - \hat{y}

Werkelijk min voorspeld; positief boven de lijn

Determinatiecoëfficiënt

R^2 = r^2 = 1 - \frac{SS_{\text{res}}}{SS_{\text{tot}}}

$SS_{\text{res}}$ is de kwadratensom van de residuen, $SS_{\text{tot}}$ de som van de gekwadrateerde afwijkingen van y van het gemiddelde

Uitdaging van vandaagEén opgave, drie pogingen

Meer over dit onderwerp

Definitie

Uitgewerkte voorbeelden

Veelgemaakte fouten

Interactieve visualisatie

Spreidingsdiagram

Studie-uren per week en toetsscore

Spreidingsdiagram

Buitentemperatuur en verkochte warme dranken

Interactieve sandbox

Expressiecalculator

Geschiedenis

Oefenproblemen

Waarom het belangrijk is

Toepassingen in de echte wereld

Biologielab: groei van een plant

Levertijden van een webwinkel

Batterijtests van smartphones

Belangrijke punten

Veelgestelde vragen

Woordenlijst

Formulekaart

Regressielijn

Richtingscoëfficiënt (kleinste kwadraten)

Startgetal (kleinste kwadraten)

Residu

Determinatiecoëfficiënt

Meer over dit onderwerp

Inleiding tot regressie

Lineaire regressie

Spreidingsdiagrammen

Lijn van beste passing