{ } { } En mängd är en samling objekt A = 0, 1. Ex: Mängder grundbegrepp 5 C. Olof M C = { 7, 1, 5} M = { Ce, Joa, Ch, Je, Id, Jon, Pe}
|
|
- Mikael Pålsson
- för 5 år sedan
- Visningar:
Transkript
1 Mängder grundbegrepp En mängd är en samling objekt Ex: { } { } A = 0, 1 B = 0 C = { 7, 1, 5} tomma mängden (har inga element) D = { 1, 2, 3,, 10} M = { Ce, Joa, Ch, Je, Id, Jon, Pe} kallas element i mängden mängden av alla hela tal mellan 1 och 10 mängden av mattelärare på skolan 5 C Olof M elementet 5 tillhör mängden C Olof tillhör inte M
2 Ex: N = { 0, 1, 2, 3, } mängden av alla naturliga tal Mängder grundbegrepp Z = {, 2, 1, 0, 1, 2, } mängden av alla hela tal
3 Ex: N = { 0, 1, 2, 3, } mängden av alla naturliga tal Mängder grundbegrepp Z = {, 2, 1, 0, 1, 2, } mängden av alla hela tal Tillbaka till D: D = { x x är ett heltal och 1 x 10}
4 Ex: N = { 0, 1, 2, 3, } mängden av alla naturliga tal Mängder grundbegrepp Z = {, 2, 1, 0, 1, 2, } mängden av alla hela tal Tillbaka till D: D = { x x är ett heltal och 1 x 10} mängden av alla x sådana att x är ett heltal mellan 1 och 10 namn på godtyckligt element i mängden beskrivning (påstående som är sant för de x som är element i mängden)
5 Ex: N = { 0, 1, 2, 3, } mängden av alla naturliga tal Mängder grundbegrepp Z = {, 2, 1, 0, 1, 2, } mängden av alla hela tal Tillbaka till D: D = { x x är ett heltal och 1 x 10} mängden av alla x sådana att x är ett heltal mellan 1 och 10 namn på godtyckligt element i mängden beskrivning (påstående som är sant för de x som är element i mängden) Ännu kompaktare: D = { x x Z, 1 x 10}
6 Mängder grundbegrepp Om varje element i en mängd B också tillhör mängden A, kallas B delmängd av A. Skrivs B A eller A B
7 Mängder grundbegrepp Om varje element i en mängd B också tillhör mängden A, kallas B delmängd av A. Skrivs B A eller A B Om B A men B A är B en äkta delmängd av A. Skrivs B A eller A B
8 Mängder grundbegrepp Om varje element i en mängd B också tillhör mängden A, kallas B delmängd av A. Skrivs B A eller A B Om B A men B A är B en äkta delmängd av A. Skrivs B A Notera att eller A B är delmängd av varje mängd.
9 Mängder grundbegrepp Om varje element i en mängd B också tillhör mängden A, kallas B delmängd av A. Skrivs B A eller A B Om B A men B A är B en äkta delmängd av A. Skrivs B A Notera att eller A B är delmängd av varje mängd. En mängd med n element har 2 n delmängder.
10 Låt A och B vara två mängder som är delmängder av någon grundmängd G. Mängdoperationer G A B
11 Låt A och B vara två mängder som är delmängder av någon grundmängd G. Snittet av A och B: A B = x x A och x B { } G A B Mängdoperationer G A B
12 Låt A och B vara två mängder som är delmängder av någon grundmängd G. Mängdoperationer G A B Snittet av A och B: A B = x x A och x B { } Unionen av A och B: A B = { x x A eller x B} G G A A B B
13 Låt A och B vara två mängder som är delmängder av någon grundmängd G. Mängdoperationer G A B Snittet av A och B: A B = x x A och x B { } Unionen av A och B: A B = { x x A eller x B} Mängddifferensen av A och B: A B = { x x A och x B} G G G A A A B B B
14 Låt A och B vara två mängder som är delmängder av någon grundmängd G. Mängdoperationer G A B Snittet av A och B: A B = x x A och x B { } Unionen av A och B: A B = { x x A eller x B} Mängddifferensen av A och B: A B = { x x A och x B} Komplementet till A med avseende på G: A C = G A G G G G A A A A B B B Alla element som ingår i både A och B ingår i A eller B eller i båda [ eller/och ] ingår i A men inte i B ingår i G men inte i A
15 Om A och B inte har något gemensamt element (det vill säga om A B = ) sägs de vara disjunkta. G A B Venndiagram
16 Om A och B inte har något gemensamt element (det vill säga om A B = ) sägs de vara disjunkta. G A B Antalet element i en mängd M betecknas M Venndiagram
17 Om A och B inte har något gemensamt element (det vill säga om A B = ) sägs de vara disjunkta. G A B Antalet element i en mängd M betecknas M Venndiagram Principen om inklusion och exklusion: A B = A + B A B
18
19 Om n + 1 föremål ska placeras i n lådor måste åtminstone en låda innehålla två eller flera av föremålen. Lådprincipen
20 Om n + 1 föremål ska placeras i n lådor måste åtminstone en låda innehålla två eller flera av föremålen. Lådprincipen
21 Om n + 1 föremål ska placeras i n lådor måste åtminstone en låda innehålla två eller flera av föremålen. Lådprincipen
22 Om n + 1 föremål ska placeras i n lådor måste åtminstone en låda innehålla två eller flera av föremålen. Lådprincipen Om n k + 1 föremål ska placeras i n lådor måste åtminstone en låda innehålla k + 1 eller fler av föremålen. n k
23 Additionsprincipem, multiplikationsprincipen Om ett (1) föremål ska väljas från en mängd med p olika föremål eller från en mängd med q olika föremål, kan detta göras på på p + q sätt.
24 Additionsprincipem, multiplikationsprincipen Om ett (1) föremål ska väljas från en mängd med p olika föremål eller från en mängd med q olika föremål, kan detta göras på på p + q sätt. Om ett första val kan göras på p sätt och ett andra val kan göras på q sätt, så kan de båda valen utförda efter varandra göras på p q sätt.
25
26 Permutationer Permutation: uppräkning av ett antal element i en viss ordning
27 Permutation: uppräkning av ett antal element i en viss ordning A B C Permutationer ABC ACB BAC BCA CAB CBA
28 Permutationer Permutation: uppräkning av ett antal element i en viss ordning Antalet permutationer av n element är n! = n (n 1) (n 2) där n är ett positivt heltal. A B C ABC ACB BAC BCA CAB CBA
29 Permutationer Permutation: uppräkning av ett antal element i en viss ordning Antalet permutationer av n element är n! = n (n 1) (n 2) där n är ett positivt heltal. 0! =1 (def.) A B C ABC ACB BAC BCA CAB CBA
30 Permutationer (ordnat urval) Permutation: uppräkning av ett antal element i en viss ordning Antalet permutationer av n element är n! = n (n 1) (n 2) där n är ett positivt heltal. (ordnade urval) Antalet permutationer av k element bland n givna element är n! P(n, k) = (n k)! 0! =1 (def.) Ex: 2 kort bland 4: A B C D AB AC AD BA BC BD CA CB CD DA DB DC A B C ABC ACB BAC BCA CAB CBA P(4, 2) = 4 3 =12
31 Bilda ord Ex 1: Hur många ord med tre bokstäver kan bildas av bokstäverna i ordet BRA?
32 Ex 1: Hur många ord med tre bokstäver kan bildas av bokstäverna i ordet BRA? Antal ord = 3! = 3 2 1= 6 Bilda ord BRA BAR ABR ARB RAB RBA
33 Ex 1: Hur många ord med tre bokstäver kan bildas av bokstäverna i ordet BRA? Ex 2: Hur många olika ord med tre bokstäver kan bildas av bokstäverna i ordet OMM? Antal ord = 3! = 3 2 1= 6 Bilda ord BRA BAR ABR ARB RAB RBA
34 Ex 1: Hur många ord med tre bokstäver kan bildas av bokstäverna i ordet BRA? Ex 2: Hur många olika ord med tre bokstäver kan bildas av bokstäverna i ordet OMM? Antal ord = 3! = 3 2 1= 6 BRA BAR ABR Skriv OMM som OM 1 M 2. Notera att t.ex. OM 2 M 1 och OM 1 M 2 är samma ord. M 1 och M 2 kan kombineras på 2! = 2 1= 2 sätt. Bilda ord ARB RAB RBA Det finns alltså Antal olika ord = 2! dubbletter av varje ord. 3! 2! = 3 OMM, MOM, MMO
35 Bilda ord Ex 3: Hur många olika ord med fem bokstäver kan bildas av bokstäverna i ordet MUMMA?
36 Ex 3: Hur många olika ord med fem bokstäver kan bildas av bokstäverna i ordet MUMMA? Skriv MUMMA som M 1 UM 2 M 3 A. Notera att t.ex. M 3 UM 2 M 1 A och M 3 UM 1 M 2 A är samma ord. M 1, M 2 och M 3 kan kombineras på 3! = 6 sätt. Bilda ord Det finns alltså Antal olika ord = 3! dubbletter av varje ord. 5! 3! = 20
37 Ex 3: Hur många olika ord med fem bokstäver kan bildas av bokstäverna i ordet MUMMA? Ex 4: Hur blir det med MAMMA då? Skriv MUMMA som M 1 UM 2 M 3 A. Notera att t.ex. M 3 UM 2 M 1 A och M 3 UM 1 M 2 A är samma ord. M 1, M 2 och M 3 kan kombineras på 3! = 6 sätt. Bilda ord Det finns alltså Antal olika ord = 3! dubbletter av varje ord. 5! 3! = 20
38 Ex 3: Hur många olika ord med fem bokstäver kan bildas av bokstäverna i ordet MUMMA? Ex 4: Hur blir det med MAMMA då? Bilda ord Skriv MUMMA som M 1 UM 2 M 3 A. Notera att t.ex. M 3 UM 2 M 1 A och M 3 UM 1 M 2 A är samma ord. M 1, M 2 och M 3 kan kombineras på Det finns alltså Antal olika ord = 3! 3! = 6 sätt. dubbletter av varje ord. 5! 3! = 20 Skriv MAMMA som M 1 A 1 M 2 M 3 A 2. M 1, M 2 och M 3 kan kombineras på Antal olika ord = 3! A 1 och A 2 kan kombineras på 2! sätt. 5! 3! 2! = 5! 3! 2! =10 sätt.
39 Kombination: urval av element ur en mängd utan hänsyn till ordningen Ex: 2 kort bland 4: A B C D Antalet permutationer = P(4, 2) = 4 3 =12 Kombinationer AB AC AD BA BC BD CA CB CD DA DB DC
40 Kombination: urval av element ur en mängd utan hänsyn till ordningen Ex: 2 kort bland 4: A B C D Antalet permutationer = P(4, 2) = 4 3 =12 Kombinationer AB AC AD BA BC BD CA CB CD DA DB DC Två element kan kombineras (ordnas) på 2! sätt. Antalet kombinationer C(4, 2) = P(4, 2) 2! = = 12 2 = 6
41 Kombinationer Kombination: urval av element ur en mängd utan hänsyn till ordningen Ex: 2 kort bland 4: A B C D AB AC AD BA BC BD CA CB CD DA DB DC Antalet kombinationer av k element bland n element är n! C(n, k) = k!(n k)! = n k Antalet permutationer = P(4, 2) = 4 3 =12 Två element kan kombineras (ordnas) på 2! sätt. Antalet kombinationer C(4, 2) = P(4, 2) 2! Observera att n k = = 12 2 = 6 = n n k
42
43 möjligt resultat vid ett slumförsök Ett slumpförsök kan resultera i olika utfall. Utfallsrum (för ett försök): mängden av alla möjliga utfall Ex: Tärning kastas en gång. Ω = { etta, tvåa, trea, fyra, femma, sexa} Sannolikhetslära Händelse: delmängd av utfallsrummet P(A) sannolikheten för en händelse A Om alla utfall har samma sannolikhet: P(A) = antal gynnsamma utfall antal möjliga utfall A = { tvåa} B = { trea, fyra, femma, sexa} P(A) = 1 6 P(B) = 4 6
44 komplementet till A Komplementhändelse till en händelse A: A C P(A C ) =1 P(A) P(A) =1 P(A C ) Ex: Tärning kastas en gång. Ω = { etta, tvåa, trea, fyra, femma, sexa} A = { tvåa, trea, fyra, femma, sexa} Sannolikhetslära G A A C = { etta} P(A) =1 P(A C ) =1 1 6 = 5 6
45
46
47 Binomialsatsen binomialkoefficienter (a + b) n = n 0 a n + n 1 a n 1 b + + n k a n k b k + n n b n där n k = n! k!(n k)! Binomialsatsen Pascals triangel term nr 1 term nr 2 term nr k + 1 term nr n
48 Binomialsatsen binomialkoefficienter (a + b) n = n 0 a n + n 1 a n 1 b + + n k a n k b k + n n b n där n k = n! k!(n k)! Binomialsatsen Pascals triangel term nr 1 term nr 2 term nr k + 1 term nr n Pascals formel n k = n 1 k + n 1 k 1
49 EJ KLART! Grafteori
3 Grundläggande sannolikhetsteori
3 Grundläggande sannolikhetsteori Ämnet sannolikhetsteori har sin grund i studier av hasardspel utförda under 1500- och 1600-talen av bland andra Gerolamo Cardano, Pierre de Fermat och Blaise Pascal. Mycket
Läs merKombinatorik och sannolikhetslära
Grunder i matematik och logik (2018) Kombinatorik och sannolikhetslära Marco Kuhlmann Sannolikhetslära Detta avsnitt är för det mesta en kompakt sammanfattning av momentet sannolikhetslära som ingår i
Läs merTMS136. Föreläsning 1
TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi kunna modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill kunna modellera och kvantifiera de risker
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 01.09.2008 Jan Grandell & Timo Koski () Matematisk statistik 01.09.2008 1 / 48 Inledning Vi ska först ge några exempel på
Läs merMatematisk statistik - Slumpens matematik
Matematisk Statistik Matematisk statistik är slumpens matematik. Började som en beskrivning av spel, chansen att få olika utfall. Brevväxling mellan Fermat och Pascal 1654. Modern matematisk statistik
Läs merTMS136. Föreläsning 1
TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill vi modellera och kvantifiera de risker som finns
Läs merHur många registreringsskyltar finns det som inte innehåller samma tecken mer än en
Föreläsning 10 Multiplikationsprincipen Additionsprincipen Permutationer Kombinationer Generaliserade permutationer och kombinationer. Binomialsatsen Multinomialsatsen Lådprincipen (Duvslagsprincipen)
Läs merFinansiell statistik, vt-05. Sannolikhetslära. Mängder En mängd är en samling element (objekt) 1, 2,, F2 Sannolikhetsteori. koppling till verkligheten
Johan, Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-05 F2 Sannolikhetsteori Sannolikhetslära koppling till verkligheten mängdlära räkna med sannolikheter definitioner
Läs merMA2047 Algebra och diskret matematik
MA2047 Algebra och diskret matematik Något om logik och mängdlära Mikael Hindgren 5 september 2018 Utsagor Utsaga = Påstående som har sanningsvärde Utsagan kan vara sann (S) eller falsk (F) öppen eller
Läs merKOMBINATORIK. Exempel 1. Motivera att det bland 11 naturliga tal finns minst två som slutar på samma
Explorativ övning 14 KOMBINATORIK Kombinatoriken används ofta för att räkna ut antalet möjligheter i situationer som leder till många olika utfall. Den används också för att visa att ett önskat utfall
Läs merKombinatorik. Författarna och Bokförlaget Borken, 2011. Kombinatorik - 1
Kombinatorik Teori Multiplikationsprincipen..2 Teori Permutationer 3 Teori Kombinationer...5 Modell Dragning utan återläggning & sannolikheter 8 Teori Duvslageprincipen 11 Teori Pascals triangel & Mosertal...13
Läs merKombinatorik. Kapitel 2. Allmänt kan sägas att inom kombinatoriken sysslar man huvudsakligen med beräkningar av
Kapitel 2 Kombinatorik Allmänt kan sägas att inom kombinatoriken sysslar man huvudsakligen med beräkningar av det antal sätt, på vilket elementen i en given mängd kan arrangeras i delmängder på något sätt.
Läs merMA2047 Algebra och diskret matematik
MA2047 Algebra och diskret matematik Något om kombinatorik Mikael Hindgren 24 september 2018 Vad är kombinatorik? Huvudfråga: På hur många sätt kan en viss operation utföras? Några exempel: Hur många gånger
Läs mer1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,
1 Föreläsning I, Mängdlära och elementär sannolikhetsteori, LMA201, LMA521 1.1 Mängd (Kapitel 1) En (oordnad) mängd A är en uppsättning av element. En sådan mängd kan innehålla ändligt eller oändlligt
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1 Sannolikhetslära (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs merKap 2: Några grundläggande begrepp
Kap 2: Några grundläggande begrepp Varför sannolikhetslära är viktigt? Vad menar vi med sannolikhetslära? Träddiagram? Vad är den klassiska, empiriska och subjektiva sannolikheten? Vad menar vi med de
Läs merSannolikhetslära. 1 Enkel sannolikhet. Grunder i matematik och logik (2015) 1.1 Sannolikhet och relativ frekvens. Marco Kuhlmann
Marco Kuhlmann Detta kapitel behandlar grundläggande begrepp i sannolikhetsteori: enkel sannolikhet, betingad sannolikhet, lagen om total sannolikhet och Bayes lag. 1 Enkel sannolikhet Den klassiska sannolikhetsteorin,
Läs merhändelsen som alltid inträffar. Den tomma mängden representerar händelsen som aldrig inträffar.
Marco Kuhlmann Detta är en kompakt sammanfattning av momentet sannolikhetslära som ingår i kurserna Matematik 1b och 1c på gymnasiet. 1 Grundläggande begrepp 1.01 När vi singlar slant eller kastar tärning
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 19.01.2016 Jan Grandell & Timo Koski Matematisk statistik 19.01.2016 1 / 65 Många tänker på tabeller 1 när de hör ordet statistik.
Läs merBegreppen "mängd" och "element" är grundläggande begrepp i matematiken.
MÄNGDER Grundläggande begrepp och beteckningar Begreppen "mängd" och "element" är grundläggande begrepp i matematiken. Vi kan beskriva (ange, definiera) en mängd som innehåller ändligt många element genom
Läs merFöreläsning 1. Grundläggande begrepp
Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 1 Sannolikhetsteori (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs mer(N) och mängden av heltal (Z); objekten i en mängd behöver dock inte vara tal. De objekt som ingår i en mängd kallas för mängdens element.
Grunder i matematik och logik (2017) Mängdlära Marco Kuhlmann 1 Grundläggande begrepp Mängder och element 2.01 En mängd är en samling objekt. Två standardexempel är mängden av naturliga tal (N) och mängden
Läs merStarta med att läsa avsnitt 2.1 i [J] från sidan 56 (64) [76] till och med exempel (2.1.3) [2.1.5] på sidan 57 (65) [79].
Block 1 Algebra och Diskret Matematik A BLOCK INNEHÅLL Referenser Inledning 1. Mängder 2. Multiplikationsprincipen 3. Mera om mängder Venn-diagram Mängdoperationer 4. Additions- och sållningsprincipen
Läs merFöreläsning 2. Kapitel 3, sid Sannolikhetsteori
Föreläsning 2 Kapitel 3, sid 47-78 Sannolikhetsteori 2 Agenda Mängdlära Kombinatorik Sannolikhetslära 3 Mängdlära Används för att hantera sannolikheter Viktig byggsten inom matematik och logik Utfallsrummet,
Läs merKapitel 1. betecknas detta antal med n(a). element i B; bet. A B. Den tomma mängden är enligt överenskommelsen en delmängd. lika; bet. A = B.
Kapitel 1 Mängdlära Begreppet mängd är fundamentalt i vårt tänkande; en mängd är helt allmänt en samling av objekt, vars antal kan vara ändligt eller oändligt. I matematiken kallas dessa objekt mängdens
Läs merStatistisk slutledning (statistisk inferens): Sannolikhetslära: GRUNDLÄGGANDE SANNOLIKHETSLÄRA. Med utgångspunkt från ett stickprov
OSÄKERHET Sannolikhetslära: Om det i ett område finns 32 % med universitetsexamen, vad är sannolikheten att ett stickprov kommer att innehålla 31-33 % med universitetsexamen? Om medelåldern i en population
Läs merDiskret matematik: Övningstentamen 4
Diskret matematik: Övningstentamen 22. Beskriv alla relationer, som är såväl ekvivalensrelationer som partiella ordningar. Är någon välbekant relation sådan? 23. Ange alla heltalslösningar till ekvationen
Läs merFunktioner och kombinatoriska tillämpningar. Mars
Mars 27 2006 Lådprincip Om kn + 1 eller fler kulor skall läggas i n lådor då måste någon låda innehålla minst k + 1 kulor. Exempel I en liksidig triangel med sidan 1 väljes 5 punkter. Visa att det finns
Läs merSannolikhetsbegreppet
Kapitel 3 Sannolikhetsbegreppet Betrakta följande försök: Ett symmetriskt mynt kastas 100 gånger och antalet krona observeras. Antal kast 10 20 30 40 50 60 70 80 90 100 Antal krona 6 12 16 21 25 30 34
Läs merReliability analysis in engineering applications
Reliability analysis in engineering applications Fredrik Carlsson Sannolikhetsteorins grunder Fördelningar och stokastiska variabler Extremvärdesfördelningar Simulering Structural Engineering - Lund University
Läs merBlock 1 - Mängder och tal
Block 1 - Mängder och tal Mängder Mängder och element Venndiagram Delmängder och äkta delmängder Union och snittmängd Talmängder Heltalen Z Rationella talen Q Reella talen R Räkning med tal. Ordning av
Läs merMatematik 5 Kap 1 Diskret matematik I
Matemati 5 Kap 1 Disret matemati I Inledning Konretisering av ämnesplan (län) http://www.ioprog.se/public_html/ämnesplan_matemati/strutur_äm nesplan_matemati/strutur_ämnesplan_matemati.html Inledande ativitet
Läs merIntroduktion till sannolikhetslära. Människor talar om sannolikheter :
F9 Introduktion till sannolikhetslära Introduktion till sannolikhetslära Människor talar om sannolikheter : Sannolikheten att få sju rätt på Lotto Sannolikheten att få stege på en pokerhand Sannolikheten
Läs merMatematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19
Matematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19 Nancy Abdallah Chalmers - Göteborgs Universitet March 25, 2019 1 / 36 1. Inledning till sannolikhetsteori 2. Sannolikhetslagar 2 / 36 Lärare
Läs merFöreläsning 8: Räkning. Duvhålsprincipen. Kombinatorik
Föreläsning 8: Räkning. Duvhålsprincipen. Kombinatorik Summaregeln Om och B är disjunkta mängder så B = + B, ty innehåller inga upprepningar Produktregeln Om och B är disjunkta mängder så är B = B Exempel:
Läs merKapitel 2. Grundläggande sannolikhetslära
Sannolikhetslära och inferens II Kapitel 2 Grundläggande sannolikhetslära 1 Att beräkna en sannolikhet I många slumpförsök gäller att alla utfall i S är lika sannolika. Exempel: Tärningskast, slantsingling.
Läs merBegreppen "mängd" och "element" är grundläggande begrepp i matematiken.
MÄNGDER Grundläggande begrepp och beteckningar egreppen "mängd" och "element" är grundläggande begrepp i matematiken. Vi kan beskriva (ange, definiera) en mängd som innehåller ändligt många element genom
Läs merStatistikens grunder HT, dagtid Statistiska institutionen
Statistikens grunder 1 2013 HT, dagtid Statistiska institutionen Orsak och verkan N Kap 2 forts. Annat ord: kausalitet Något av det viktigaste för varje vetenskap. Varför? Orsakssamband ger oss möjlighet
Läs merAlgebra och kombinatorik 10/ Föreläsning 4. Låt X vara en ändlig mängd. En permutation av X är en bijektiv funktion X X. Sats: S n =n!
Permutationer Låt X vara en ändlig mängd. En permutation av X är en bijektiv funktion X X. Mängden permutationer av N n för n N är S n (S 0 är mängden av permutationer av ) Sats: S n =n! Ex S 3 =3! Låt
Läs merF2 SANNOLIKHETSLÄRA (NCT )
Stat. teori gk, ht 2006, JW F2 SANNOLIKHETSLÄRA (NCT 4.1-4.2) Ordlista till NCT Random experiment Outcome Sample space Event Set Subset Union Intersection Complement Mutually exclusive Collectively exhaustive
Läs merTAMS79: Föreläsning 1 Grundläggande begrepp
TMS79: Föreläsning 1 Grundläggande begrepp Johan Thim 31 oktober 2018 1.1 Begrepp Ett slumpförsök är ett försök där resultatet ej kan förutsägas deterministiskt. Slumpförsöket har olika möjliga utfall.
Läs merTMS136. Föreläsning 2
TMS136 Föreläsning 2 Slumpförsök Med slumpförsök (random experiment) menar vi försök som upprepade gånger utförs på samma sätt men som kan få olika utfall Enkla exempel är slantsingling och tärningskast
Läs merMatematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet
Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet Anna Lindgren 30+31 augusti 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 1/27 Praktiska
Läs merInduktionsprincipen Starka induktionsprincipen Välordningsprincipen Divisionsalgoritmen
Föreläsning 3 Induktionsprincipen Starka induktionsprincipen Välordningsprincipen Divisionsalgoritmen Mängder Induktion behöver inte börja från 1, Grundsteget kan vara P (n 0 ) för vilket heltal n 0 som
Läs merUppsala universitet Institutionen för lingvistik och filologi. Grundbegrepp: Mängder och element Delmängder
Mängder Joakim Nivre Uppsala universitet Institutionen för lingvistik och filologi Översikt Grundbegrepp: Mängder och element Delmängder Operationer på mängder: Union och snitt Differens och komplement
Läs merLena Alfredsson Kajsa Bråting Patrik Erixon Hans Heikne. Matematik. Kurs 5 Blå lärobok. Natur & Kultur. M5000 Kurs 5 Bla.indb 1 2013-07-11 15:34
Lena lfredsson Kajsa råting Patrik Erixon Hans Heikne Matematik 5000 Kurs 5 lå lärobok Natur & Kultur M5000 Kurs 5 la.indb 1 2013-07-11 15:34 NTUR & KULTUR ox 27 323, 102 54 Stockholm Kundtjänst: Tel 08-453
Läs merSidor i boken Figur 1:
Sidor i boken 5-6 Mer trigonometri Detta bör du kunna utantill Figur 1: Triangeln till vänster är en halv liksidig triangel. Varje triangel med vinklarna 0,60,90 är en halv liksidig triangel. Hypotenusan
Läs merLösningar till Algebra och kombinatorik
Lösningar till Algebra och kombinatorik 091214 1. Av a 0 = 1 och rekursionsformeln får vi successivt att a 1 = 1 + a 0 1 a 0 = 1 + 1 1 1 = 2, a 2 = 1 + a 1 1 a 0 + 1 a 1 = 1 + 2 1 + 1 = 4, 2 a 3 = 1 +
Läs merMatematik CD för TB. tanv = motstående närliggande. tan34 = x 35. x = 35tan 34. x 23.6. cosv = närliggande hypotenusan. cos40 = x 61.
Föreläning 8 Problem hämtade från boken idan 15 A 510 a) Rätvinklig triangel med vinkel och katet given. Mottående katet efterfråga. tan4 = x 5 x = 5tan 4 Svar:.6 cm x.6 A 510 b) Vinkel och hypotenuan
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 2 GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE HÄNDELSER Tatjana Pavlenko 26 mars, 2015 SANNOLIKHETSGRUNDER (REPETITION) Slumpförsöket
Läs merLösning av tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, tisdagen den 27 maj 2014, kl
1 Matematiska Institutionen KTH Lösning av tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, tisdagen den 27 maj 2014, kl 14.00-19.00. Examinator: Olof Heden Hjälpmedel: Inga hjälpmedel
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 19.01.2016 Jan Grandell & Timo Koski Matematisk statistik 19.01.2016 1 / 70 Många tänker på tabeller 1 när de hör ordet statistik.
Läs merMatematisk statistik 9hp för: C,D,I, Pi
Matematisk statistik 9hp för: C,D,I, Pi Föreläsning 1, Sannolikhet Stas Volkov September 12, 2017 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F1: Sannolikhet 1/27 Tillämpningar Praktiska detaljer Matematisk
Läs merFöreläsning 1, Matematisk statistik Π + E
Introduktion Sannolikhetsteori Beroende Föreläsning 1, Matematisk statistik Π + E Sören Vang Andersen 4 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F1 1/26 Introduktion Sannolikhetsteori
Läs merLösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 14 augusti, 2002
Institutionen för matematik, KTH Mats Boij och Niklas Eriksen Lösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 14 augusti, 2002 1. Använd induktion för att visa att 8 delar (2n + 1 2 1 för alla
Läs merLösning till tentamensskrivning i Diskret Matematik för CINTE och CMETE, m fl, SF1610, tisdagen den 2 juni 2015, kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning i Diskret Matematik för CINTE och CMETE, m fl, SF1610, tisdagen den juni 015, kl 1.00-19.00. Examinator: Olof Heden Hjälpmedel: Inga hjälpmedel
Läs merFöreläsning 1: Tal, mängder och slutledningar
Föreläsning 1: Tal, mängder och slutledningar Tal Tal är organiserade efter några grundläggande egenskaper: Naturliga tal, N De naturliga talen betecknas med N och innehåller alla positiva heltal, N =
Läs merFöreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07
Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07 Bengt Ringnér August 31, 2007 1 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Händelser och sannolikheter
Läs merMängder. 1 Mängder. Grunder i matematik och logik (2015) 1.1 Grundläggande begrepp. 1.2 Beskrivningar av mängder. Marco Kuhlmann
Marco Kuhlmann 1 Diskret matematik handlar om diskreta strukturer. I denna lektion kommer vi att behandla den mest elementära diskreta strukturen, som alla andra diskreta strukturer bygger på: mängden.
Läs merS0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist
Föreläsning 1 4.1 Slumpässighet 4.2 Sannolikhetsmodeller Viktiga grundbegrepp Slumpmässig (eng: random) Ett fenomen är slumpmässigt om individuella resultat är osäkra, men resultat alltid förekommer med
Läs merArmin Halilovic: EXTRA ÖVNINGAR
KOMBINATORIK I kombinatoriken sysslar man huvudsakligen med beräkningar av antalet sätt på vilket element i en given lista kan arrangeras i dellistor. Centrala frågor i kombinatoriken är: " Bestäm antalet..."
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Grundbegrepp, axiomsystem, betingad sannolikhet, oberoende händelser, total sannolikhet, Bayes sats Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de
Läs mer1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt , 2.5
1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt 2.1-2.2, 2.5 Introduktion till kursen. Grundläggande sannolikhetslära. Mängdlära, händelser, sannolikhetsmått Händelse följer samma räkneregler
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Grundbegrepp, axiomsystem, betingad sannolikhet, oberoende händelser, total sannolikhet, Bayes sats Uwe Menzel uwe.menzel@slu.se 23 augusti 2017 Slumpförsök Ett försök
Läs merKongruens och likformighet
Kongruens och likformighet Torbjörn Tambour 23 mars 2015 I kompendiet har jag tagit kongruens- och likformighetsfallen mer eller mindre som axiom, vilket jag nu tycker är olyckligt, och de här sidorna
Läs merStatistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik
Statistik Statistik betyder ungefär sifferkunskap om staten Statistik är en gren inom tillämpad matematik som sysslar med insamling, utvärdering, analys och presentation av data eller information. Verkligheten
Läs merPlanering i matematik 5 för NA11 och ITT11. V Datum Kapitel Moment Anmärkning. Tis Övning 11:30-12: 40
1.1 Diskret Matematik s. 8 1.1 Delbarhetsregler och division med rest s. 12 3 11:30-12: 40 4 1.1 Kongruens s. 16 1.1 Beräkningar med kongruenser s. 19 11:30-12: 40 1 Talteori 1.2 Talföljder och summor
Läs merTentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, onsdagen den 20 augusti 2014, kl
1 Matematiska Institutionen KTH Tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, onsdagen den 20 augusti 2014, kl 14.00-19.00. Examinator: Olof Heden Hjälpmedel: Inga hjälpmedel är tillåtna
Läs merOm relationer och algebraiska
Om relationer och algebraiska strukturer Anders Källén MatematikCentrum LTH anderskallen@gmail.com Sammanfattning Även i analysen behöver man en del algebraiska begrepp. I den här artikeln definierar vi
Läs merBlock 1 - Mängder och tal
Block 1 - Mängder och tal Mängder Mängder och element Venndiagram Talmängder Heltalen Z Rationella talen Q Reella talen R Räkning med tal. Ordning av talen i R Intervall Absolutbelopp Olikheter 1 Prepkursen
Läs merKapitel 2. Grundläggande sannolikhetslära
Sannolikhetslära och inferens II Kapitel 2 Grundläggande sannolikhetslära 1 Kursinformation 13 föreläsningar: Måns Thulin, mans.thulin@statistik.uu.se 3 h: normalt 2 h föreläsning + 1 h räknestuga 7 räkneövningar:
Läs merLösningar och lösningsskisser
Lösningar och lösningsskisser Diskret matematik för gymnasiet, :a upplagan, Liber AB Kapitel, Sannolikhetslära och Kombinatorik 0. a) ( ) ( ) h!! ( )!!! 9!! 9!!! h! ( h)!! h! ( h)!! h! ( h)! Likheten är
Läs merNågot om kombinatorik
Något om kombinatorik 1. Inledning Kombinatoriken är den gren av matematiken som försöker undersöka på hur många olika sätt något kan utföras. Det kan vara fråga om mycket olika slag av problem. Kombinatoriska
Läs merInduktion, mängder och bevis för Introduktionskursen på I
Induktion, mängder och bevis för Introduktionskursen på I J A S, ht 04 1 Induktion Detta avsnitt handlar om en speciell teknik för att försöka bevisa riktigheten av påståenden eller formler, för alla heltalsvärden
Läs merMängdlära. Kapitel Mängder
Kapitel 2 Mängdlära 2.1 Mängder Vi har redan stött på begreppet mängd. Med en mängd menar vi en väldefinierad samling av objekt eller element. Ordet väldefinierad syftar på att man för varje tänkbart objekt
Läs merSF1911: Statistik för bioteknik
SF1911: Statistik för bioteknik Föreläsning 3. TK 3.11.2017 TK Matematisk statistik 3.11.2017 1 / 53 Probability: What is it? Probability is a number between 0 and 1 that predicts the (relative) frequency
Läs merKOMBINATORIK OCH BINOMIALSATSEN
KOMBINATORIK OCH BINOMIALSATSEN PERMUTATIONER (Ordnade listor med n element, så kallade n- tipplar) 1. (permutationer av n olika element) Vi betraktar ordnade listor med n olika element,,, Varje bestämd
Läs merUppsala Universitet Matematiska Institutionen Thomas Erlandsson
Uppsala Universitet Matematiska Institutionen Thomas Erlandsson LÄSANVISNINGAR VECKA 36 VERSION 1. ARITMETIK FÖR RATIONELLA OCH REELLA TAL, OLIKHETER, ABSOLUTBELOPP ADAMS P.1 Real Numbers and the Real
Läs merVersion 2018-xx-xx TANKENÖTTER FACIT
Version 2018-xx-xx 5 TANKENÖTTER FACIT 1. 5 2, 5 3, 6 2, 6 3 2. 2 0, 2 1, 3 0, 3 1, 4 0, 4 1 3. A = 1 B = 2 C = 8 Alternativt svar: A = 0 B = 2 C = 9 4. a. 7 3 = 21 b. 7 5 = 35 c. 7 3 5 = 105 5. 9 216
Läs merReflektionsprincipen
156 eflektionsprincipen Dag Jonsson Uppsala Universitet 1. Inledning. Något om permutationer. Eempel 1. Vi skriver bokstäverna A, B, C i rad. å hur många olika sätt kan de tre bokstäverna ordnas inbördes
Läs merHögstadiets matematiktävling 2018/19 Finaltävling 19 januari 2019 Lösningsförslag
Högstadiets matematiktävling 2018/19 Finaltävling 19 januari 2019 Lösningsförslag 1. Lösningsförslag: Vi börjar med att notera att delbarhet med 6 betyder att N är delbart med 2 och 3. Om N är delbart
Läs merFöreläsning 1, Matematisk statistik för M
Föreläsning 1, Matematisk statistik för M Erik Lindström 23 mars 2015 Erik Lindström - erikl@maths.lth.se FMS035 F1 1/30 Tillämpningar Praktiska detaljer Matematisk statistik slumpens matematik Sannolikhetsteori:
Läs merFöreläsningsanteckningar och övningar till logik mängdlära
Inledande matematisk analys tma970, 010, logik, mängdlära Föreläsningsanteckningar och övningar till logik mängdlära Dessa öreläsningsanteckningar kompletterar mycket kortattat kap 0 och appendix B i Persson/Böiers,
Läs merAlgebra och Diskret Matematik A (svenska)
MITTUNIVERSITETET TFM Tentamen 2007 MAAA99 Algebra och Diskret Matematik A (svenska) Skrivtid: 5 timmar Datum: 7 juni 2007 Denna tenta omfattar 8 frågor, där varje fråga kan ge 3 poäng. Maximalt poängantal
Läs merLösning till tentamensskrivning i Diskret Matematik, SF1610 och 5B1118, torsdagen den 21 oktober 2010, kl
Matematiska Institutionen KTH Lösning till tentamensskrivning i Diskret Matematik, SF6 och 5B8, torsdagen den 2 oktober 2, kl 4-9 Examinator: Olof Heden Hjälpmedel: Inga hjälpmedel är tillåtna på tentamensskrivningen
Läs merExempel: Väljarbarometern. Föreläsning 1: Introduktion. Om Väljarbarometern. Statistikens uppgift
Exempel: Väljarbarometern Föreläsning 1: Introduktion Matematisk statistik Det som typiskt karakteriserar ett statistiskt problem är att vi har en stor grupp (population) som vi vill analysera. Vi kan
Läs merFinansiell statistik, vt-05. Bayes sats. Bayes sats; forts. F3 Sannolikhetsteori. Exempel: antag att vi har tre skålar P( ) = 0 P( ) = 2/5 P( ) = 4/5
Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt- F Sannolikhetsteori Bayes sats Exempel: antag att vi har tre skålar / 4/ och någon väljer skål m slh: / /6 /
Läs merFöreläsning 1: Introduktion
Föreläsning 1: Introduktion Matematisk statistik Chalmers University of Technology Mars 23, 2015 Lärare och kurslitteratur : Rum: E-mail: Anders Hildeman: Rum: E-mail: Kursansvarig och föreläsare H3018
Läs merInstitutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014).
UPPSALA UNIVERSITET Matematik för språkteknologer (5LN445) Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). 9 Sannolikhet Detta kapitel
Läs merStatistikens grunder HT, dagtid Statistiska institutionen
Statistikens grunder 1 2013 HT, dagtid Statistiska institutionen Vad vi ska gå igenom Mängdlära Absolutbelopp Summatecknet Potensräkning Logaritmer och exponentialfunktionen Kombinatorik 2013-09-03 Michael
Läs merKapitel Test 1 sidan sid 56 ff... 7 Blandade Uppgifter Totalt har högt blodtryck. 85 % av 80 st =68 dricker alkohol.
Matematik 5 svar till vissa uppgifter i kapitel 1. Kapitel 1... 1 Test 1 sidan sid 56 ff... 7 Blandade Uppgifter... 10 Kapitel 1 1105. 1106. A = { 1, 0,2,3,4,5,6,7,8,9,10} och B{x: x R, x 0} A B = { 1,0}
Läs mera n = A2 n + B4 n. { 2 = A + B 6 = 2A + 4B, S(5, 2) = S(4, 1) + 2S(4, 2) = 1 + 2(S(3, 1) + 2S(3, 2)) = 3 + 4(S(2, 1) + 2S(2, 2)) = 7 + 8 = 15.
1 Matematiska Institutionen KTH Lösningar till tentamensskrivning på kursen Diskret Matematik, moment A, för D och F, SF161 och SF160, den juni 008 kl 08.00-1.00. DEL I 1. (p) Lös rekursionsekvationen
Läs merSidor i boken 8-9, 90-93
Sidor i boken 8-9, 90-93 Absolutbelopp Men först lite om Absolutbelopp., kallas absolutbeloppet av, och är avståndet för till origo på tallinjen. Som bekant är avståndet till origo för talet 4, 4. Detta
Läs merLARS JAKOBSSON KLAS NILSON. Kapitel 1 med tillhörande facit
JONS SJUNNESSON MRTIN HOLMSTRÖM EV SMEDHMRE LRS JKOSSON KLS NILSON Kapitel med tillhörande facit ISN 978-9-47-0928-9 203 Jonas Sjunnesson, Martin Holmström, Eva Smedhamre, Lars Jakobsson, Klas Nilson och
Läs merTrigonometri. Sidor i boken 26-34
Sidor i boken 6-34 Trigonometri Definition: Gren av matematiken som studerar samband mellan vinklar och sträckor i planet (och rymden). Det grundläggande trigonometriska problemet är att beräkna alla sidor
Läs merSF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 2 GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGADE SANNOLIKHETER, OBEROENDE HÄNDELSER Tatjana Pavlenko 30 augusti, 2016 SANNOLIKHETSGRUNDER (REPETITION) Slumpförsöket
Läs merMS-A0409 Grundkurs i diskret matematik I
MS-A0409 Grundkurs i diskret matematik I G. Gripenberg Aalto-universitetet oktober 014 G. Gripenberg (Aalto-universitetet) MS-A0409 Grundkurs i diskret matematik I oktober 014 1 / 44 Mängder (naiv, inte
Läs merMS-A0409 Grundkurs i diskret matematik I
MS-A0409 Grundkurs i diskret matematik I G. Gripenberg Aalto-universitetet oktober 04 G. Gripenberg (Aalto-universitetet) MS-A0409 Grundkurs i diskret matematik I oktober 04 / 45 Mängder och logik Relationer
Läs merSF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende
SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende Jan Grandell & Timo Koski 14.01.2013 Jan Grandell & Timo Koski () Matematisk statistik 14.01.2013 1 / 25 Repetition:
Läs merSidor i boken V.L = 8 H.L. 2+6 = 8 V.L. = H.L.
Sidor i boken 119-11 Andragradsekvationer Dagens tema är ekvationer, speciellt andragradsekvationer. Men först några ord om ekvationer i allmänhet. En ekvation är en likhet som innehåller ett (möjligen
Läs mer