{ } { } 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}

Storlek: px
Starta visningen från sidan:

Download "{ } { } 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}"

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 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 mer

Kombinatorik och sannolikhetslära

Kombinatorik 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 mer

TMS136. Föreläsning 1

TMS136. 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 mer

SF1901: Sannolikhetslära och statistik

SF1901: 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 mer

Matematisk statistik - Slumpens matematik

Matematisk 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 mer

TMS136. Föreläsning 1

TMS136. 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 mer

Hur många registreringsskyltar finns det som inte innehåller samma tecken mer än en

Hur 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 mer

Finansiell statistik, vt-05. Sannolikhetslära. Mängder En mängd är en samling element (objekt) 1, 2,, F2 Sannolikhetsteori. koppling till verkligheten

Finansiell 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 mer

MA2047 Algebra och diskret matematik

MA2047 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 mer

KOMBINATORIK. Exempel 1. Motivera att det bland 11 naturliga tal finns minst två som slutar på samma

KOMBINATORIK. 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 mer

Kombinatorik. Författarna och Bokförlaget Borken, 2011. Kombinatorik - 1

Kombinatorik. 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 mer

Kombinatorik. Kapitel 2. Allmänt kan sägas att inom kombinatoriken sysslar man huvudsakligen med beräkningar av

Kombinatorik. 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 mer

MA2047 Algebra och diskret matematik

MA2047 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 mer

1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,

1 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 mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1

Finansiell 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 mer

Kap 2: Några grundläggande begrepp

Kap 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 mer

Sannolikhetslära. 1 Enkel sannolikhet. Grunder i matematik och logik (2015) 1.1 Sannolikhet och relativ frekvens. Marco Kuhlmann

Sannolikhetslära. 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 mer

händelsen som alltid inträffar. Den tomma mängden representerar händelsen som aldrig inträffar.

händelsen 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 mer

SF1901: Sannolikhetslära och statistik

SF1901: 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 mer

Begreppen "mängd" och "element" är grundläggande begrepp i matematiken.

Begreppen 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 mer

Föreläsning 1. Grundläggande begrepp

Föreläsning 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.

(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 mer

Starta 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].

Starta 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 mer

Föreläsning 2. Kapitel 3, sid Sannolikhetsteori

Föreläsning 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 mer

Kapitel 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. 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 mer

Statistisk slutledning (statistisk inferens): Sannolikhetslära: GRUNDLÄGGANDE SANNOLIKHETSLÄRA. Med utgångspunkt från ett stickprov

Statistisk 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 mer

Diskret matematik: Övningstentamen 4

Diskret 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 mer

Funktioner och kombinatoriska tillämpningar. Mars

Funktioner 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 mer

Sannolikhetsbegreppet

Sannolikhetsbegreppet 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 mer

Reliability analysis in engineering applications

Reliability analysis in engineering applications Reliability analysis in engineering applications Fredrik Carlsson Sannolikhetsteorins grunder Fördelningar och stokastiska variabler Extremvärdesfördelningar Simulering Structural Engineering - Lund University

Läs mer

Block 1 - Mängder och tal

Block 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 mer

Matematik 5 Kap 1 Diskret matematik I

Matematik 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 mer

Introduktion till sannolikhetslära. Människor talar om sannolikheter :

Introduktion 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 mer

Matematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19

Matematisk 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 mer

Föreläsning 8: Räkning. Duvhålsprincipen. Kombinatorik

Föreläsning 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 mer

Kapitel 2. Grundläggande sannolikhetslära

Kapitel 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 mer

Begreppen "mängd" och "element" är grundläggande begrepp i matematiken.

Begreppen 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 mer

Statistikens grunder HT, dagtid Statistiska institutionen

Statistikens 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 mer

Algebra 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!

Algebra 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 mer

F2 SANNOLIKHETSLÄRA (NCT )

F2 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 mer

TAMS79: Föreläsning 1 Grundläggande begrepp

TAMS79: 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 mer

TMS136. Föreläsning 2

TMS136. 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 mer

Matematisk 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 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 mer

Induktionsprincipen Starka induktionsprincipen Välordningsprincipen Divisionsalgoritmen

Induktionsprincipen 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 mer

Uppsala universitet Institutionen för lingvistik och filologi. Grundbegrepp: Mängder och element Delmängder

Uppsala 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 mer

Lena 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 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 mer

Sidor i boken Figur 1:

Sidor 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 mer

Lösningar till Algebra och kombinatorik

Lösningar 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 mer

Matematik CD för TB. tanv = motstående närliggande. tan34 = x 35. x = 35tan 34. x 23.6. cosv = närliggande hypotenusan. cos40 = x 61.

Matematik 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 mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

SF1901: 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 mer

Lösning av tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, tisdagen den 27 maj 2014, kl

Lösning 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 mer

SF1901: Sannolikhetslära och statistik

SF1901: 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 mer

Matematisk statistik 9hp för: C,D,I, Pi

Matematisk 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 mer

Föreläsning 1, Matematisk statistik Π + E

Föreläsning 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 mer

Lösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 14 augusti, 2002

Lösningsförslag 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 mer

Lösning till tentamensskrivning i Diskret Matematik för CINTE och CMETE, m fl, SF1610, tisdagen den 2 juni 2015, kl

Lösning 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 mer

Föreläsning 1: Tal, mängder och slutledningar

Föreläsning 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 mer

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07

Föreläsningsmanus 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 mer

Mängder. 1 Mängder. Grunder i matematik och logik (2015) 1.1 Grundläggande begrepp. 1.2 Beskrivningar av mängder. Marco Kuhlmann

Mängder. 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 mer

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist

S0007M 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 mer

Armin Halilovic: EXTRA ÖVNINGAR

Armin 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 mer

Grundläggande matematisk statistik

Grundläggande 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 mer

1 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 , 2.5 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 mer

Grundläggande matematisk statistik

Grundläggande 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 mer

Kongruens och likformighet

Kongruens 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 mer

Statistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik

Statistik. 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 mer

Planering i matematik 5 för NA11 och ITT11. V Datum Kapitel Moment Anmärkning. Tis Övning 11:30-12: 40

Planering 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 mer

Tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, onsdagen den 20 augusti 2014, kl

Tentamensskrivning 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 mer

Om relationer och algebraiska

Om 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 mer

Block 1 - Mängder och tal

Block 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 mer

Kapitel 2. Grundläggande sannolikhetslära

Kapitel 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 mer

Lösningar och lösningsskisser

Lösningar 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 mer

Något om kombinatorik

Något 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 mer

Induktion, mängder och bevis för Introduktionskursen på I

Induktion, 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 mer

Mängdlära. Kapitel Mängder

Mängdlära. 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 mer

SF1911: Statistik för bioteknik

SF1911: 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 mer

KOMBINATORIK OCH BINOMIALSATSEN

KOMBINATORIK 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 mer

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Uppsala 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 mer

Version 2018-xx-xx TANKENÖTTER FACIT

Version 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 mer

Reflektionsprincipen

Reflektionsprincipen 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 mer

Högstadiets matematiktävling 2018/19 Finaltävling 19 januari 2019 Lösningsförslag

Högstadiets 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 mer

Föreläsning 1, Matematisk statistik för M

Föreläsning 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 mer

Föreläsningsanteckningar och övningar till logik mängdlära

Föreläsningsanteckningar 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 mer

Algebra och Diskret Matematik A (svenska)

Algebra 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 mer

Lösning till tentamensskrivning i Diskret Matematik, SF1610 och 5B1118, torsdagen den 21 oktober 2010, kl

Lösning 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 mer

Exempel: Väljarbarometern. Föreläsning 1: Introduktion. Om Väljarbarometern. Statistikens uppgift

Exempel: 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 mer

Finansiell 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

Finansiell 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 mer

Föreläsning 1: Introduktion

Föreläsning 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 mer

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014).

Institutionen 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 mer

Statistikens grunder HT, dagtid Statistiska institutionen

Statistikens 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 mer

Kapitel Test 1 sidan sid 56 ff... 7 Blandade Uppgifter Totalt har högt blodtryck. 85 % av 80 st =68 dricker alkohol.

Kapitel 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 mer

a 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.

a 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 mer

Sidor i boken 8-9, 90-93

Sidor 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 mer

LARS JAKOBSSON KLAS NILSON. Kapitel 1 med tillhörande facit

LARS 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 mer

Trigonometri. Sidor i boken 26-34

Trigonometri. 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 mer

SF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

SF1901: 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 mer

MS-A0409 Grundkurs i diskret matematik I

MS-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 mer

MS-A0409 Grundkurs i diskret matematik I

MS-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 mer

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende

SF1901: 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 mer

Sidor i boken V.L = 8 H.L. 2+6 = 8 V.L. = H.L.

Sidor 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