Att köra fortare än 320 km/h

Storlek: px
Starta visningen från sidan:

Download "Att köra fortare än 320 km/h"

Transkript

1 Att köra fortare än 320 km/h Ett konstruktivistiskt sätt att undervisa i matematik har Magnus Engdahl, matematiker vid Göteborgs universitet, intresserat sig för. I den här artikeln ger han idéer till hur man kan introducera normalfördelningen på SE-linjerna. Denna artikel gäller främst för SE-linjerna. Elevernas deltagande maximeras medan framställningen av matematisk text minimeras. Nyckelordet är inlevelse med förståelse som resultat. Uppenbarligen är val av exempel mycket betydelsefullt. Många läroböckers framställningar ger intrycket att normalfördelningen tillämpad på problem utgör en absolut sanning. Val av uppgifter gör det ofta svårt att falsifiera detta. Betrakta följande, tyvärr, mycket vanliga framställning: Den standardiserade normalfördelningsfunktionen Φ ges av Φ(x) = x ϕ(u)du där ϕ är den normala frekvensfunktionen, vars graf benämnes Gauss klockkurva, uppkallad efter den berömde matematikern. Man kan visa att integralen av ϕ över R blir exakt ett och att det är omöjligt att finna en primitiv funktion till ϕ. Den allmänna normalfördelningen fås sedan som F (a) = Φ ((a - µ)/σ) osv. Detta används idag för betygssättning etc. För en matematiker är detta naturligtvis inget märkvärdigt men hur många blivande matematiker finns det i en SE-klass? I en klass där förekomsten av variabeln x tolkas som: svårt, otäckt, jobbigt... och ett uttryck av formen leder tankarna till: omöjligt, går ej att lösa, det här kan/vill jag inte förstå. Detta anser jag vara en fullständigt onödig kunskapsblockering. Låt oss därför se på ett alternativt sätt att introducera samma område (och lite till). Och det utan ett spår av π och exponentialfunktioner. Dessutom är min intention att eleverna själva skall producera det som behövs för normalfördelningen. Min uppgift är bara att strukturera det hela och eventuellt komplettera med vissa delar. Men målet är att eleverna skall känna igen sig, det måste kännas begripligt och trovärdigt. Detta skall nu ske utifrån tre exempel från elevernas erfarenhetsvärld: falska tärningar körkort betyg Frekvensfunktioner Förutsättning: Viss kännedom om frekvensfunktioner L: Om vi har en vanlig tärning med sex sidor... kan Maria beskriva hur frekvensfunktionen för denna tärning ser ut? Marias förklaring leder fram till följande figur. Detta är samtliga elever med på. 1/6 ϕ(x) = Rel frekvens 1 2π 2 e x / Antal ögon 39

2 L: Hur får man sannolikheten för att tärningen visar en etta eller trea? E: Man lägger ihop 1/6 och 1/6. Eftersom det nu är fråga om diskreta utfall går detta bra men jag vill så fort som möjligt införa sambandet mellan area och sannolikhet. L: Vad händer då om man preparerar tärningen med en blyvikt? Tillsammans får vi snabbt fram det principiella utseendet men eleverna vill också veta de exakta sannolikheterna... så jag säger då att P(sexa) = 70%. Hur får vi då fram a? Vi kan nu utnyttja att totala arean är ett, vilket också någon föreslår. Detta leder till a. 5 = 1. L: Låt oss nu titta på betyg. Hur gör en lärare när hon skall sätta betyg? E: Kastar tärning... E: Nej, använder en preparerad tärning där trean har en blyvikt. Det senare svaret är ju lysande. Utmärkt förståelse. Betyget tre har ensamt högst frekvens. Tillsammans får vi också fram utseendet för övriga betyg. Kurvan kompletterar jag själv utan några protester. L: Den här kurvan som vi nu har fått fram kan också användas i andra sammanhang, men för att få en mer praktisk utgångspunkt så vill jag förskjuta kurvan i sidled.var tycker ni att man borde placera toppen av kurvan? E: Över origo. L: Den här funktionen, som har sitt maximum för x = 0 och är symmetrisk kring y-axeln, kallas för normala frekvensfunktionen. Vi betecknar den med ϕ. Kom ihåg att den totala arean alltid är ett. Vi slutar för idag och i morgon skall vi gå vidare och titta på stora FI. Observera nu att klassen på egen hand har åstadkommit vad Gauss publicerade i Bestimmung der Genauigkeit der Beobachtungen, utgiven 1816, dock bakvägen, men det behöver vi ju inte tala om för dem. Det väsentliga är att det är de som har gjort det, utan att egentligen använda matematik. Standardiserad normalfunktion Misstaget som många läroböcker nu gör är att dränka eleverna i uppgifter utan konkret anknytning av typen: Beräkna a) P(u < 1,3), b) P(u > 2,1),... g) P(u < 1,7),...ö) P( 2,1 < u < 0,7). Det förekommer sällan exempel med N(0,1), normalfördelning med väntevärdet 0 och standardavvikelsen 1. Inte förrän man kommer till N(m,µ) ges det några exempel och mycket populärt är då normalfördelade skruvar och muttrar etc. Låt oss därför konstruera ett konststruktivistiskt exempel (som även kan användas senare). Dessförinnan bör man då givetvis introducera beteckningen Φ(x) som betyder arean till vänster om x. 40

3 Exempel 10 km/h Fartövervakning på en motorväg med högsta tilllåtna fart 110 km/h. Variabeln x mäter avvikelsen från 110. Då motsvarar x = 1 en fart på 120 km/h. Här finns många aspekter att ta upp. Men framför allt vill jag använda detta för att inge förståelse för Φ(x). Fördelen är då att eleverna kan se det hela framför sig. Φ(2) betyder verkligen något. L: Var någonstans i figuren hittar vi de bilister som kör fortare än tillåtet? E: Den högra delen. L: Vilken typ av bilister finner vi då i området till vänster om origo? E: De som kryper fram "gamla gubbar i hatt"... L: Om vi nu använder Φ-funktionen för att beskriva P(långsammare än 110)... E: Alla negativa x, dvs Φ(0). L: Kan du också tala om vad det blir utan att använda din tabell. Att detta borde vara 50% inser de flesta mycket snabbt. Vi kontrollerar också att det stämmer med tabellen. Svårigheten uppstår när vi kommer till P(x > a)... L: Om vi är ute efter de bilister som mister körkortet, var skall vi då titta? E: Biten längst till höger... Detta kan skrivas som Φ(x > 3), dvs mer än 30 km/h för fort, är något som vi enas om. Eftersom jag tidigare talat om att hela arean är ett, dröjer det inte länge förrän Peter säger att den skuggade arean tillsammans med den vita arean blir ett. Vi formulerar detta som Φ(x > 3) = 1 Φ(x 3) och kan sedan gå vidare med Φ(x). L: De flesta bilister kör ju trots allt någorlunda lagligt. Låt oss titta på hur många det är som ligger mellan 100 km/h och 130 km/h. Rimligtvis borde detta utgöra majoriteten på en svensk motorväg. Man kan här välja att bara skugga det aktuella området i figuren. Väljer man att även beräkna sannolikheten (82%) har man ju faktiskt täckt så gott som samtliga fall som kan uppträda. Hela tiden med en verklighetsanknyning som eleverna kan föreställa sig. Det kan nu vara berättigat att ge uppgifter av den typen som nämndes på föregående sida, då med hänvisning till det just genomgångna exemplet. Samtliga deluppgifter får en konkret betydelse. T ex kan uppgiften P(-2,1<u <-0,7) tolkas som sannolikheten att en bilist har en fart mellan 89 och 103 km/h. Eleven kan t o m själv sätta sig in i situationen. Att be eleverna beräkna abstrakta sannolikheter på abstrakta normalfördelade utfall vilket många läromedel gör anser jag var helt oförsvarbart. Det utplånar både intresse och förståelse. Allmän normalfördelning Att nu påstå att P(x < a) = Φ((a µ)/σ) kan skapa en kortvarig kunskapsblockering men jag tror att eleverna känner sig så pass förtrogna med ämnet att de köper detta. Det tråkiga är att det kan vara svårt att motivera uppkomsten av µ och σ. Det lättaste är förskjutningen i sidled. Tänk tillbaka på betygsfördelningen. Man kan se σ som en möjlighet att påverka modellen. Någonstans bör man också ta upp förekomsten och betydelsen av standardavvikelse. Här sker det tillsammans med klassen i dialogform. L: De flesta här har fyllt 18 år, men hur många är det som fortfarande är 17 och skall fylla 18 i år? Handuppräckning ger att 19 stycken är 18 år och övriga 8, är alla 17 år. Tillsammans 41

4 skissar vi ett stapeldiagram som visar resultatet. L: Utan att använda formeln för standardavvikelse, kan ni försöka uppskatta storleksordningen. Tänk på standardavvikelse som avvikelse från standard. E: Det måste åtminstone vara mindre än ett år, kanske ett halvt år,... Jiin Lih som ger detta svar får också förklara hur hon resonerat, så att alla förstår. L: Om jag nu skulle gå bort till lärarrummet och ställa samma fråga. Hur skulle då stapeldiagrammet se ut? Här råder delade meningar men vi lyckas i alla fall skissera motsvarande stapeldiagram som klart illustrerar den större variationen. Standardavvikelsen uppskattar vi till mellan 10 och 20 år. Jag kan nu mycket enkelt belysa två viktiga aspekter. Den ena är behovet av en parameter σ som beror på vilket statistiskt underlag vi har. Den andra, innebörden av litet σ kontra stort σ. Detta återigen framställt med hjälp av elevernas deltagande. L: Vi skall nu återvända till motorvägen, där vi följer polisens insatser i fartövervakningen. Tidigare mätte vi avvikelsen från medelfarten 110 km/h. Skulle vi kunna göra detta på något annat sätt? Utan problem kommer klassen fram till att medelfarten 110 km/h innebär att vi sätter µ = 110 km/h. Att σ = 10 km/h är det litet svårare att förklara. Således har vi nått fram till följande figur km/h Observera att vi nu får en lämpligare skala på abskissan. På samma sätt som tidigare tar vi upp några problemställningar: P(mister körkortet) = P(x > 140) = 1 P(x 140) = 1 Φ(( )/10) =1 Φ(3) = 1,3 L: Vad säger ni om resultatet? E: Det är betydligt fler som blir av med körkortet. L: Vad kan det då bero på att vår modell ger ett så litet antal? E: Medelfarten är inte 110 km/h utan betydligt högre eller 130. Detta är faktiskt något som flera elever inser direkt och även följden av det. Det är fantastiskt att de tänker på saker som rimlighet, att kunna kr2itisera en modell av verkligheten och att kunna förklara vad som är fel med modellen. Hur många läroböcker stimulerar detta tänkande? Det är ju faktiskt SE-elever som blir politiker, ekonomer och journalister, typiska yrken där det används statistiska modeller som alltför ofta missbrukas. Beror detta på att förståelse inte finns? Betrakta betygsmodellen i exempel 2 på nästa sida. Den modellen ger som resultat att en liten del av eleverna faktiskt går ut gymnasiet med ett medelbetyg större än 5,0. Detta är då ett utmärkt exempel för att illustrera bristen i en modell. Försök att illustrera motsvarande orimlighet med en typisk normalfördelad mutteruppgift! Avslutning I början av artikeln betonade jag att artikeln främst avsåg SE-linjen. En skillnad jämfört med NT-kursen är att där har man behandlat både derivator och integraler, innan detta moment tas upp. Min personliga uppfattning är därför att det matematiska innehållet borde vara något mer omfattande på NT-linjen då man går igenom sannolikhetslära. Exemplen som använts har haft stor betydelse. Samtliga har den fördelen att ungdomarna själva kan leva sig in i den aktuella situationen. Följden blir att de 42

5 reflekterar över problemen och i flera fall också kommenterar rimligheten i svaren. Det viktigaste anser jag vara dialogen med eleverna; att man verkligen utnyttjar den kunskap de faktiskt besitter. Kan man kombinera denna kunskap med deras intressen är lyckan gjord! Här nedan följer några problem på normalfördelning. Dessa uppgifter om man jämför med dagens läromedel av något "udda" karaktär har gett upphov till många kommentarer från eleverna. De reflekterar över problemen, ifrågasätter modellerna och till och med bedömer rimligheten i svaren! Detta helt och hållet på eget initiativ utan att jag har bett dem göra det! Notera att alla uppgifter illustrerar aspekter som normalt inte tas upp i läromedlen. Använd fantasin! Några problem 1. Svenska kvinnor är inte kända bara för att vara vackra utan också för att vara relativt långa var medellängden för kvinnor (äldre än 17 år) 167 cm. Standardavvikelsen beräknades till 6,0 cm. a) För att bli modell krävs ofta en minimilängd på 174 cm. Hur många procent av svenskorna uppfyller inte detta? b) Vad händer om σ ändras till 10,0 cm? c) Hur många tänkbara modeller finns det i din klass? 2. Förra året hade Samhällsvetenskaplig linje 3,34 i medelbetyg. Betygssättningen sker utgående från en standardavvikelse på exakt ett. a) Vad säger du om chansen att komma in på juristlinjen om denna kräver ett medelbetyg på minst 4,8? b) Försök hitta brister i modellen. 3. Svenska kvinnor blir inte bara långa utan också gamla. Enligt SCB var den förväntade livslängden 1991 inte mindre än 80,22 år! Antag att σ = 10,0 år. a) Hur stor är sannolikheten att en nyfödd flicka får uppleva sin 100-års dag? b) Är det någon som blir äldre än 116 år? c) Vad kan man säga om dem som lever mellan 60 och 65 år? 4. Att ta körkort har bara blivit dyrare och dyrare med åren. Det totala priset beror givetvis också på hur många körlektioner som behövs. Idag kör genomsnitteleven 24 lektioner före uppkörning. Antalet varierar kraftigt beroende på eleven, så vi får en ganska hög standardavvikelse, nämligen 10 lektioner. a) Hur många procent av blivande körkortsinnehavare kan klara sig med mellan 15 och 30 lektioner? b) Bestäm andelen som klarar sig med 24 lektioner eller färre. c) Hur många procent av eleverna får en utgift på kr eller mer om man inte räknar in upp- och halkkörning? 43

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

1 Mätdata och statistik

1 Mätdata och statistik Matematikcentrum Matematik NF Mätdata och statistik Betrakta frågeställningen Hur mycket väger en nyfödd bebis?. Frågan verkar naturlig, men samtidigt mycket svår att besvara. För att ge ett fullständigt

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data

Läs mer

en observerad punktskattning av µ, ett tal. x = µ obs = 49.5.

en observerad punktskattning av µ, ett tal. x = µ obs = 49.5. February 6, 2018 1 Föreläsning VIII 1.1 Punktskattning Punktskattning av µ Vi låter {ξ 1, ξ 2,..., ξ n } vara oberoende likafördelade stokastiska variabler (med ett gemensamt µ). ξ =: µ är en punktskattning

Läs mer

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning? När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns

Läs mer

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion Gnuer i skyddade/oskyddade områden, binära utfall och binomialfördelningar Matematik och statistik för biologer, 10 hp Fredrik Jonsson Januari 2012 I vissa områden i Afrika har man observerat att förekomsten

Läs mer

1 Föreläsning V; Kontinuerlig förd.

1 Föreläsning V; Kontinuerlig förd. Föreläsning V; Kontinuerlig förd. Ufallsrummet har hittills varit dsikret, den stokastisk variabeln har endast kunnat anta ett antal värden. Ex.vis Poissonfördeln. är antal observationer inom ett tidsintervall

Läs mer

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar Föreläsning 3 Kapitel 4, sid 79-124 Sannolikhetsfördelningar 2 Agenda Slumpvariabel Sannolikhetsfördelning 3 Slumpvariabel (Stokastisk variabel) En variabel som beror av slumpen Ex: Tärningskast, längden

Läs mer

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng Matematisk statistik Provmoment: Ladokkod: Tentamen ges för: TT091A, TVJ22A, NVJA02 Pu, Ti 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student) Tentamensdatum: 2012-08-31 Tid:

Läs mer

TENTAMEN Datum: 14 feb 2011

TENTAMEN Datum: 14 feb 2011 TENTAMEN Datum: 14 feb 011 Kurs: KÖTEORI OCH MATEMATISK STATISTIK HF1001 TEN 1 (Matematisk statistik ) Ten1 i kursen HF1001 ( Tidigare kn 6H301), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 13:15-17:15

Läs mer

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Tentamen i Sannolikhetslära och statistik Kurskod S0008M Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-10-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola

Läs mer

Föreläsning G60 Statistiska metoder

Föreläsning G60 Statistiska metoder Föreläsning 4 Statistiska metoder 1 Dagens föreläsning o Sannolikhet Vad är sannolikhet? o Slumpvariabel o Sannolikhetsfördelningar Binomialfördelning Normalfördelning o Stickprov och population o Centrala

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 7 15 november 2017 1 / 28 Lite om kontrollskrivning och laborationer Kontrollskrivningen omfattar Kap. 1 5 i boken, alltså Föreläsning

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Väntevärde, varians, standardavvikelse, kvantiler Uwe Menzel, 28 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Väntevärdet X : diskret eller kontinuerlig slumpvariable

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 5. Kovarians, korrelation, väntevärde och varians för summor av s.v.:er, normalfördelning (del 1) Jan Grandell & Timo Koski 15.09.2008 Jan Grandell &

Läs mer

Ingenjörsmetodik IT & ME 2011 Föreläsning 11

Ingenjörsmetodik IT & ME 2011 Föreläsning 11 Ingenjörsmetodik IT & ME 011 Föreläsning 11 Sammansatt fel (Gauss regel) Felanalys och noggrannhetsanalys Mätvärden och mätfel Medelvärde, standardavvikelse och standardosäkerher (statistik) 1 Läsanvisningar

Läs mer

Vidare får vi S 10 = 8,0 10 4 = 76, Och då är 76

Vidare får vi S 10 = 8,0 10 4 = 76, Och då är 76 Ellips Sannolikhet och statistik lösningar till övningsprov sid. 38 Övningsprov.. i) P(:a äss och :a äss och 3:e äss och 4:e äss ) P(:a äss) P(:a äss :a äss) P(3:e äss :a och :a äss) antal P(4:a äss :a

Läs mer

Arbeta med normalfördelningar

Arbeta med normalfördelningar Arbeta med normalfördelningar I en större undersökning om hur kvinnors längd gjorde man undersökning hos kvinnor i ett viss åldersintervall. Man drog sedan ett slumpmässigt urval på 2000 kvinnor och resultatet

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen

Läs mer

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,

Läs mer

Föreläsningsanteckningar till kapitel 8, del 2

Föreläsningsanteckningar till kapitel 8, del 2 Föreläsningsanteckningar till kapitel 8, del 2 Kasper K. S. Andersen 4 oktober 208 Jämförelse av två väntevärden Ofte vil man jämföra två eller fler) produkter, behandlingar, processer etc. med varandra.

Läs mer

4.1 Grundläggande sannolikhetslära

4.1 Grundläggande sannolikhetslära 4.1 Grundläggande sannolikhetslära När osäkerhet förekommer kan man aldrig uttala sig tvärsäkert. Istället använder vi sannolikheter, väntevärden, standardavvikelser osv. Sannolikhet är ett tal mellan

Läs mer

Namn Klass Personnummer (ej fyra sista)

Namn Klass Personnummer (ej fyra sista) Prövning matematik 4 april 06 (prövningstillfälle 6) Namn Klass Personnummer (ej fyra sista) Mobiltelefonnummer e-post SKRIV TYDLIGT! Alla papper ska förses med namn och återlämnas Skriv tydligt. Oläsliga

Läs mer

8. NÅGRA SPECIELLA KONTINUERLIGA SANNOLIKHETSFÖRDELNINGAR

8. NÅGRA SPECIELLA KONTINUERLIGA SANNOLIKHETSFÖRDELNINGAR 8. NÅGRA SPECIELLA KONTINUERLIGA SANNOLIKHETSFÖRDELNINGAR 8.1 Normalfördelningen Den kanske viktigaste och mest kända sannolikhetsfördelning är den s k normalfördelningen. Den har en mycket stor betydelse

Läs mer

Lösningar till tentamen i Matematisk Statistik, 5p

Lösningar till tentamen i Matematisk Statistik, 5p Lösningar till tentamen i Matematisk Statistik, 5p LGR98 27 oktober, 2001 kl. 9.00 13.00 Kursansvarig: Eric Järpe Maxpoäng: 30 Betygsgränser: 12p: G, 22p: VG Hjälpmedel: Miniräknare samt tabell- och formelsamling

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.

Läs mer

FÖRELÄSNING 8:

FÖRELÄSNING 8: FÖRELÄSNING 8: 016-05-17 LÄRANDEMÅL Konfidensintervall för väntevärdet då variansen är okänd T-fördelningen Goodness of fit-test χ -fördelningen Hypotestest Signifikansgrad Samla in data Sammanställ data

Läs mer

Att arbeta med öppna uppgifter

Att arbeta med öppna uppgifter Modul: Samband och förändring Del 1: Öppna uppgifter Att arbeta med öppna uppgifter Ingemar Holgersson, Högskolan Kristianstad Kursplanen i matematik betonar att undervisningen ska leda till att eleverna

Läs mer

Bedömningsanvisningar

Bedömningsanvisningar Bedömningsanvisningar NpMab ht 01 Eempel på ett godtagbart svar anges inom parentes. Till en del uppgifter är bedömda elevlösningar bifogade för att ange nivån på bedömningen. Om bedömda elevlösningar

Läs mer

TMS136. Föreläsning 4

TMS136. Föreläsning 4 TMS136 Föreläsning 4 Kontinuerliga stokastiska variabler Kontinuerliga stokastiska variabler är stokastiska variabler som tar värden i intervall av den reella axeln Det kan handla om längder, temperaturer,

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 6. Normalfördelning, Centrala gränsvärdessatsen, Approximationer Jan Grandell & Timo Koski 06.02.2012 Jan Grandell & Timo Koski () Matematisk statistik

Läs mer

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12 LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA21/9MA31, STN2) 212-8-2 kl 8-12 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd 6 poäng.

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 8.9.28 Jan Grandell & Timo Koski () Matematisk statistik 8.9.28 / 45 Stokastiska

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

SVANTE JANSON OCH SVANTE LINUSSON

SVANTE JANSON OCH SVANTE LINUSSON NORMLPPROXIMTION FÖR SNNOLIKHETEN FÖR TT FELKTIGT HNTERDE RÖSTER PÅVERKR MNDTFÖRDELNINGEN SVNTE JNSON OCH SVNTE LINUSSON. Inledning ntag att det är nästan jämnt mellan två partier och B vid fördelningen

Läs mer

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology April 27, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två numeriska

Läs mer

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen MVE301 Sannolikhet, statistik och risk Tentamen MVE301 Sannolikhet, statistik och risk 2017-08-15 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri

Läs mer

Kapitel 4. Kontinuerliga slumpvariabler och deras sannolikhetsfördelningar. Sannolikhetslära och inferens II

Kapitel 4. Kontinuerliga slumpvariabler och deras sannolikhetsfördelningar. Sannolikhetslära och inferens II Sannolikhetslära och inferens II Kapitel 4 Kontinuerliga slumpvariabler och deras sannolikhetsfördelningar 1 Kontinuerliga slumpvariabler En slumpvariabel som kan anta alla värden på något intervall sägs

Läs mer

Lärare 4. Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum

Lärare 4. Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum 1 Lärare 4 Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum Lärare 2 Att utföra undersökningar Sneda statistiska underlag

Läs mer

Matematik 4 Kap 3 Derivator och integraler

Matematik 4 Kap 3 Derivator och integraler Matematik 4 Kap 3 Derivator och integraler Konkretisering av ämnesplan (länk) http://www.ioprog.se/public_html/ämnesplan_matematik/struktur_ämnesp lan_matematik/struktur_ämnesplan_matematik.html Inledande

Läs mer

Laboration med Minitab

Laboration med Minitab MATEMATIK OCH STATISTIK NV1 2005 02 07 UPPSALA UNIVERSITET Matematiska institutionen Silvelyn Zwanzig, Tel. 471 31 84 Laboration med Minitab I denna laboration skall du få stifta bekantskap med ett statistiskt

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 4 7 november 2017 1 / 29 Idag Förra gången Viktiga kontinuerliga fördelningar (Kap. 3.6) Fördelningsfunktion (Kap. 3.7) Funktioner av stokastiska

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Hypotesprövning Innehåll Hypotesprövning 1 Hypotesprövning Inledande exempel Hypotesprövning Exempel. Vi är intresserade av en variabel X om vilken vi kan anta att den är (approximativt) normalfördelad

Läs mer

Matematik D (MA1204)

Matematik D (MA1204) Matematik D (MA104) 100 p Betygskriterier med eempeluppgifter Värmdö Gymnasium Betygskriterier enligt Skolverket Kriterier för betyget Godkänd Eleven använder lämpliga matematiska begrepp, metoder och

Läs mer

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13 Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare

Läs mer

17.1 Kontinuerliga fördelningar

17.1 Kontinuerliga fördelningar 7. Kontinuerliga fördelningar En SV X är kontinuerlig om F X (x) är kontinuerlig för alla x F X (x) är deriverbar med kontinuerlig derivata för alla x utom eventuellt för ändligt många värden Som vi tidigare

Läs mer

Checklista för funktionsundersökning

Checklista för funktionsundersökning Linköpings universitet Matematiska institutionen TATA41 Envariabelanalys 1 Hans Lundmark 2015-02-10 Checklista för funktionsundersökning 1. Vad är definitionsmängden D f? 2. Har funktionen några uppenbara

Läs mer

TAMS79: Föreläsning 6. Normalfördelning

TAMS79: Föreläsning 6. Normalfördelning TAMS79: Föreläsning 6 Normalfördelningen Johan Thim (johan.thim@liu.se 3 november 018 Normalfördelning Definition. Låt µ R och > 0. Om X är en stokastisk variabel med täthetsfunktion f X ( = 1 ( ep ( µ,

Läs mer

Kan du det här? o o. o o o o. Derivera potensfunktioner, exponentialfunktioner och summor av funktioner. Använda dig av derivatan i problemlösning.

Kan du det här? o o. o o o o. Derivera potensfunktioner, exponentialfunktioner och summor av funktioner. Använda dig av derivatan i problemlösning. Kan du det här? o o o o o o Vad innebär det att x går mot noll? Vad händer då x går mot oändligheten? Vad betyder sekant, tangent och ändringskvot och vad har dessa begrepp med derivatan att göra? Derivera

Läs mer

F3 Introduktion Stickprov

F3 Introduktion Stickprov Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever

Läs mer

Demonstration av laboration 2, SF1901

Demonstration av laboration 2, SF1901 KTH 29 November 2017 Laboration 2 Målet med dagens föreläsning är att repetera några viktiga begrepp från kursen och illustrera dem med hjälp av MATLAB. Laboration 2 har följande delar Fördelningsfunktion

Läs mer

Bedömningsanvisningar

Bedömningsanvisningar Bedömningsanvisningar Exempel på ett godtagbart svar anges inom parentes. Till en del uppgifter är bedömda elevlösningar bifogade för att ange nivån på bedömningen. Om bedömda elevlösningar finns i materialet

Läs mer

Kravgränser. Provet består av Del B, Del C, Del D samt en muntlig del och ger totalt 63 poäng varav 24 E-, 21 C- och 18 A-poäng.

Kravgränser. Provet består av Del B, Del C, Del D samt en muntlig del och ger totalt 63 poäng varav 24 E-, 21 C- och 18 A-poäng. Kravgränser Provet består av Del B, Del C, Del D samt en muntlig del och ger totalt 63 poäng varav 24 E-, 21 C- och 18 A-poäng. Kravgräns för provbetyget E: 17 poäng D: 25 poäng varav 7 poäng på minst

Läs mer

Föreläsning 3. Sannolikhetsfördelningar

Föreläsning 3. Sannolikhetsfördelningar Föreläsning 3. Sannolikhetsfördelningar Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Slumpvariabel? Resultatet av ett slumpmässigt försök utgörs

Läs mer

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4 LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, 216-4-6 OCH INFÖR ÖVNING 4 Övningens mål: Du ska förstå begreppet slumpvariabel och skilja

Läs mer

Agrikultur-forstvetenskapliga fakulteten Prov 4: Miljö- och naturresursekonomi Nationalekonomi och matematik

Agrikultur-forstvetenskapliga fakulteten Prov 4: Miljö- och naturresursekonomi Nationalekonomi och matematik Urvalsprovet består av två delar. Del 1 består av essäfrågor i nationalekonomi. Del 1 bedöms med 0 30 poäng. Del innehåller uppgifter i matematik. För del 1 kan den sökande få 0 30 poäng. Minst 0 poäng

Läs mer

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4) Stat. teori gk, ht 006, JW F5 STOKASTISKA VARIABLER (NCT 5.1-5.3, samt del av 5.4) Ordlista till NCT Random variable Discrete Continuous Probability distribution Probability distribution function Cumulative

Läs mer

PRÖVNINGSANVISNINGAR

PRÖVNINGSANVISNINGAR PRÖVNINGSANVISNINGAR Prövning i Matematik D Kurskod Ma 104 Gymnasiepoäng 100 Läromedel Prov Muntligt prov Inlämningsuppgift Kontakt med examinator Övrigt Valfri aktuell lärobok för kurs Matematik D t.ex.

Läs mer

FÖRELÄSNING 7:

FÖRELÄSNING 7: FÖRELÄSNING 7: 2016-05-10 LÄRANDEMÅL Normalfördelningen Standardnormalfördelning Centrala gränsvärdessatsen Konfidensintervall Konfidensnivå Konfidensintervall för väntevärdet då variansen är känd Samla

Läs mer

HEM KURSER SKRIV UT HEM ÄMNE SKRIV UT

HEM KURSER SKRIV UT HEM ÄMNE SKRIV UT Matematik HEM KURSER SKRIV UT MA200 - Matematik A 110 poäng inrättad 1994-07 SKOLFS: 1994:9 et för kursen är att ge de matematiska kunskaper som krävs för att ta ställning i vardagliga situationer i privatliv

Läs mer

Tentamen i Matematisk analys MVE045, Lösningsförslag

Tentamen i Matematisk analys MVE045, Lösningsförslag Tentamen i Matematisk analys MVE5 26-8-23 Lösningsförslag Kl. 8.3 2.3. Tillåtna hjälpmedel: Mathematics handbook for science and engineering (BE- TA) eller CRC Standard Mathematical Tables. Indexeringar

Läs mer

Finansiell statistik, vt-05. Kontinuerliga s.v. variabler. Kontinuerliga s.v. F7 Kontinuerliga variabler

Finansiell statistik, vt-05. Kontinuerliga s.v. variabler. Kontinuerliga s.v. F7 Kontinuerliga variabler 5 45 4 5 5 5 5 Öppningskurs 5 9 7 5 9 7 4 45 49 5 57 6 65 abb Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 Kontinuerliga variabler Kontinuerliga s.v.

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 1 januari 006, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-

Läs mer

En uppgift eller text markerad med * betyder att uppgiften kan uppfattas som lite svårare. ** ännu svårare.

En uppgift eller text markerad med * betyder att uppgiften kan uppfattas som lite svårare. ** ännu svårare. Matematik b, repetition Kan du det här? Primitiva funktioner och integraler o o o Vad menas med primitiv funktion? Kan du hitta en primitiv funktion? Vad menas med en integral? Kan du beräkna en integral?

Läs mer

1. Du slår en tärning två gånger. Låt A vara händelsen att det första kastet blir en sexa och låt B vara händelsen att summan av kasten blir sju.

1. Du slår en tärning två gånger. Låt A vara händelsen att det första kastet blir en sexa och låt B vara händelsen att summan av kasten blir sju. Projekt MVE49 Del 1 Det är tillåtet att sammarbeta, men alla lösningar skall lämnas in individuellt. Sista inlämningsdag är 4de oktober på föreläsningen. Det är ok att lämna in elektroniskt genom att maila

Läs mer

Tentamen LMA 200 Matematisk statistik,

Tentamen LMA 200 Matematisk statistik, Tentamen LMA 00 Matematisk statistik, 0 Tentamen består av åtta uppgifter motsvarande totalt 50 poäng. Det krävs minst 0 poäng för betyg, minst 0 poäng för 4 och minst 40 för 5. Examinator: Ulla Blomqvist,

Läs mer

Bedömningsanvisningar

Bedömningsanvisningar Bedömningsanvisningar Exempel på ett godtagbart svar anges inom parentes. Till en del uppgifter är bedömda elevlösningar bifogade för att ange nivån på bedömningen. Om bedömda elevlösningar finns i materialet

Läs mer

Kort om mätosäkerhet

Kort om mätosäkerhet Kort om mätosäkerhet Henrik Åkerstedt 14 oktober 2014 Introduktion När man gör en mätning, oavsett hur noggrann man är, så får man inte exakt rätt värde. Alla mätningar har en viss osäkerhet. Detta kan

Läs mer

TMS136. Föreläsning 7

TMS136. Föreläsning 7 TMS136 Föreläsning 7 Stickprov När vi pysslar med statistik handlar det ofta om att baserat på stickprovsinformation göra utlåtanden om den population stickprovet är draget ifrån Situationen skulle kunna

Läs mer

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski SF1901: Sannolikhetslära och statistik Föreläsning 10. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 18.02.2016 Jan Grandell & Timo Koski Matematisk statistik 18.02.2016

Läs mer

F9 SAMPLINGFÖRDELNINGAR (NCT

F9 SAMPLINGFÖRDELNINGAR (NCT Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion

Läs mer

En typisk medianmorot

En typisk medianmorot Karin Landtblom En typisk medianmorot I artikeln Läget? Tja det beror på variablerna! i Nämnaren 1:1 beskrivs en del av problematiken kring lägesmått och variabler med några vanliga missförstånd som lätt

Läs mer

0 om x < 0, F X (x) = c x. 1 om x 2.

0 om x < 0, F X (x) = c x. 1 om x 2. Avd. Matematisk statistik TENTAMEN I SF193 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH MÅNDAGEN DEN 16 AUGUSTI 1 KL 8. 13.. Examinator: Gunnar Englund, tel. 7974 16. Tillåtna hjälpmedel: Läroboken.

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

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl Karlstads universitet Avdelningen för nationalekonomi och statistik Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema

Läs mer

Om sannolikhet. Bengt Ringnér. August 27, Detta är introduktionsmaterial till kursen i matematisk statistik för lantmätarprogrammet

Om sannolikhet. Bengt Ringnér. August 27, Detta är introduktionsmaterial till kursen i matematisk statistik för lantmätarprogrammet Om sannolikhet Bengt Ringnér August 27, 2007 1 Inledning Detta är introduktionsmaterial till kursen i matematisk statistik för lantmätarprogrammet vid LTH hösten 2007. 2 Sannolikhetsteori Sannolikhetsteori,

Läs mer

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 16 augusti, 2017 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:

Läs mer

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar Föreläsning 7: Punktskattningar Matematisk statistik David Bolin Chalmers University of Technology April 7, 2014 Projektuppgift Projektet går ut på att genomföra ett statistiskt försök och analysera resultaten.

Läs mer

Jag tror att alla lärare introducerar bråk

Jag tror att alla lärare introducerar bråk RONNY AHLSTRÖM Variabler och mönster Det är viktigt att eleverna får förståelse för grundläggande matematiska begrepp. Ett sätt att närma sig variabelbegreppet är via mönster som beskrivs med formler.

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

4 Diskret stokastisk variabel

4 Diskret stokastisk variabel 4 Diskret stokastisk variabel En stokastisk variabel är en variabel vars värde bestäms av utfallet av ett slumpmässigt försök. En stokastisk variabel betecknas ofta med X, Y eller Z (i läroboken används

Läs mer

Läsanvisningar till kapitel 4 i Naturlig matematik

Läsanvisningar till kapitel 4 i Naturlig matematik Läsanvisningar till kapitel 4 i Naturlig matematik Avsnitt 4.1 I kapitel 4 kommer du att möta de elementära funktionerna. Dessa är helt enkelt de vanligaste funktionerna som vi normalt arbetar med. Här

Läs mer

Ger bilder stöd för förståelsen av och förmågan att minnas kunskapskraven?

Ger bilder stöd för förståelsen av och förmågan att minnas kunskapskraven? Ger bilder stöd för förståelsen av och förmågan att minnas kunskapskraven? Inledning Många elever har svårt att förstå och minnas kunskapskraven. I utvärderingar av min undervisning får ofta frågor kopplade

Läs mer

Lösningar och kommentarer till uppgifter i 3.1

Lösningar och kommentarer till uppgifter i 3.1 Lösningar och kommentarer till uppgifter i.1 102 b) TB: Kör de med dessa uppgifter i det här kapitlet också? Det gör inget, jag börjar bli ganska bra på det. Vi har funktionen fx) = x x 2 24x + 1 och man

Läs mer

Den skolan som jag arbetar vid framhåller inkludering som ledord.

Den skolan som jag arbetar vid framhåller inkludering som ledord. Helena Eriksson Taluppfattning i heterogena elevgrupper I denna artikel presenteras en uppgiftsdesign som syftar till att utveckla elevers uppfattning av naturliga och rationella tal. Uppgifterna har använts

Läs mer

2010-08-30 Fysikexperiment, 7.5 hp 1

2010-08-30 Fysikexperiment, 7.5 hp 1 Presentation av data Medelvärde av grupperade data Slumptal Gränsvärdesfunktioner Normalfördelningsfunktionen Parameterbestämning Minsta kvadratmetoden 010-08-30 Fysikexperiment, 7.5 hp 1 1 Presentation

Läs mer

Konsten att bestämma arean

Konsten att bestämma arean Konsten att bestämma arean Lektion Ett (Matematiskt område - Talmängder) Vad är viktigast? Introducera tanken om att felet skulle kunna vara viktigare än svaret. Vad väger äpplet? Gissa. Jämför med mätvärdet

Läs mer

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Matematisk statistik 9hp Föreläsning 7: Normalfördelning Matematisk statistik 9hp Föreläsning 7: Normalfördelning Anna Lindgren 29+3 september 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F7: normalfördelning 1/18 Kovarians, C(X, Y) Repetition Normalfördelning

Läs mer

Likhetstecknets innebörd

Likhetstecknets innebörd Likhetstecknets innebörd Följande av Görel Sterner översatta och bearbetade text bygger på boken: arithmetic & algebra in elementary school. Portsmouth: Heinemann Elever i åk 1 6 fick följande uppgift:

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

Bengt Ringnér. October 30, 2006

Bengt Ringnér. October 30, 2006 Väntevärden Bengt Ringnér October 0, 2006 1 Inledning 2 Väntevärden Låt X vara en stokastisk variabel som representerar ett slumpmässigt försök, t ex att mäta en viss storhet. Antag att man kan göra, eller

Läs mer

4x 1 = 2(x 1). i ( ) får vi 5 3 = 5 1, vilket inte stämmer alls, så x = 1 2 är en falsk rot. Svar. x = = x x + y2 1 4 y

4x 1 = 2(x 1). i ( ) får vi 5 3 = 5 1, vilket inte stämmer alls, så x = 1 2 är en falsk rot. Svar. x = = x x + y2 1 4 y UPPSALA UNIVERSITET Matematiska institutionen Styf Prov i matematik BASKURS DISTANS 011-03-10 Lösningar till tentan 011-03-10 Del A 1. Lös ekvationen 5 + 4x 1 5 x. ( ). Lösning. Högerledet han skrivas

Läs mer

Ämnesprov i matematik. Bedömningsanvisningar. Skolår 9 Vårterminen Lärarhögskolan i Stockholm

Ämnesprov i matematik. Bedömningsanvisningar. Skolår 9 Vårterminen Lärarhögskolan i Stockholm Ämnesprov i matematik Skolår 9 Vårterminen 2004 Bedömningsanvisningar Lärarhögskolan i Stockholm Innehåll Inledning... 3 Bedömningsanvisningar... 3 Allmänna bedömningsanvisningar... 3 Bedömningsanvisningar

Läs mer

16. Max 2/0/ Max 3/0/0

16. Max 2/0/ Max 3/0/0 Del III 16. Max 2/0/0 Godtagbar ansats, visar förståelse för likformighetsbegreppet, t.ex. genom att bestämma en tänkbar längd på sidan med i övrigt godtagbar lösning med korrekt svar (8 cm och 18 cm)

Läs mer

Mälardalens högskola Akademin för utbildning, kultur och kommunikation

Mälardalens högskola Akademin för utbildning, kultur och kommunikation Mälardalens högskola Akademin för utbildning, kultur och kommunikation MAA Grundläggande kalkyl ÖVN Lösningsförslag.8. 8.. Hjälpmedel: Endast skrivmaterial. (Gradskiva är tillåtet.) Poäng: Denna tentamen

Läs mer

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola. Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola. Tid: Måndagen den 2015-06-01, 8.30-12.30. Examinator och Jour: Olle Nerman, tel. 7723565, rum 3056, MV, Chalmers. Hjälpmedel: Valfri

Läs mer

Bengt Ringnér. September 20, Detta är föreläsningsmanus på lantmätarprogrammet LTH vecka 5 HT07.

Bengt Ringnér. September 20, Detta är föreläsningsmanus på lantmätarprogrammet LTH vecka 5 HT07. Väntevärden Bengt Ringnér September 0, 007 1 Inledning Detta är föreläsningsmanus på lantmätarprogrammet LTH vecka 5 HT07. Väntevärden Låt X vara en stokastisk variabel som representerar ett slumpmässigt

Läs mer

1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående

1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Christian Gottlieb Gymnasieskolans matematik med akademiska ögon Induktion Dag 1 1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta

Läs mer

13 Potensfunktioner. Vi ska titta närmare på några potensfunktioner och skaffa oss en idé om hur deras kurvor ser ut. Vi har tidigare sett grafen till

13 Potensfunktioner. Vi ska titta närmare på några potensfunktioner och skaffa oss en idé om hur deras kurvor ser ut. Vi har tidigare sett grafen till 3 Potensfunktioner 3. Dagens teori Vi ska titta närmare på några potensfunktioner och skaffa oss en idé om hur deras kurvor ser ut. Vi har tidigare sett grafen till f(x) = x 8 6 4 2-3 -2-2 3-2 -4-6 -8

Läs mer