Lösningar och lösningsskisser

Storlek: px
Starta visningen från sidan:

Download "Lösningar och lösningsskisser"

Transkript

1 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 uppfylld då h 9. b) Med samma resonemang som ovan får vi att h. Observera symmetrin! 07. a) Låt händelse A { kulor, färger}. Eftersom vi får anta att alla utfall sker med samma sannolikhet (likformig sannolikhetsfördelning) gäller enligt den klassiska sannolikhetsdefinitionen att P (A) antalet gynsamma utfall antalet möjliga utfall Att välja kula av 8 röda kan ske ( 8 ) 8 sätt. Samma resonemang gäller för de två övriga färgerna. Antalet gynsamma utfall är enligt multiplikationsprincipen därför ( ) 8 ( ) 7 ( ) 0 sätt att välja kulor på så sätt att alla tre färger finns representerade. Att välja kulor av kan ske på ( ) 5 sätt, vilket är antalet möjliga utfall. Sannolikheten för att händelse A skall inträffa är således ( ) ( ) ( ) P (A) ( ) 0, 5 b) Låt händelse B { kulor, ingen blå}.

2 Det finns 8 av de 5 kulorna som inte är blåa. Antalet gynsamma utfall är ges därför av antalet sätt vi kan välja kulor av 8 utan hänsyn till ordningen. Sannolikheten för att händelse B skall inträffa är således ( ) 8 P (B) ( ) 0, De termer som förekommer i utecklingen av binomet är a, a ( b), a ( b), a( b), ( b) Med binomialkoefficienterna blir utvecklingen a + 0 a ( b) + a ( b) + a( b) + a a b + a b ab + b ( b) 0. Då hänsyn skall tas till myntens ordning är antalet permutationer!. Det första myntet kan väljas på sätt. När ett mynt är placerat finns kvar att välja på till position o.s.v. 0. a) Orden skapas av olika bokstäver. Antalet ord, permutationer, som kan skapas av dessa är!. b) Av de! orden som kan skapas av bokstäverna LAT A är! likadana eftersom det finns A. Dessa kan ju permuteras på! sätt. Antalet unika ord är därför!! 0. hörn kan väljas av 8 på ( 8 ) 5 sätt. Observera att hörnens ordning i varje triangel är ointressant. Av alla de möjliga permutiationerna måste antalet 8! (8 7)! reduceras med en faktor! eftersom varje tringel kan skapas på! olika sätt. 8!! (8 7)! ( ) a) Låt händelsen A {bli vuxen}. Sannolikheten att alla ägg ger vuxna hackspettar är P (A) 0, 0, 07

3 b) Låt händelsen B {åtminst. ägg}. Att åtminstone ägg ger vuxna fåglar innebär att,,, 5 eller ägg gör det. Den komplementära händelsen B innebär istället att 0 eller ägg inte ger vuxna fåglar. Vi vet att P (B) P (B (( ) 0, 0 0, a) Sannolikheten att vinna exakt en av fem tävlingar är ( ) 5 0, 0, 8 0, ( ) )0, 0, 5 0, 959 b) Låt händelsen A {minst vinst av 5}. För den komplementära händelsen A {ingen vinst av fem} gäller att P (A ) 0, 8 5. Således är P (A) P (A ) 0, 8 5 0, Antalet permutationer av bokstäverna F RT ABU är! 70. Antalet unika permutationer av bokstäverna ROOSRO!!! a) Av bokstäver kan du bilda! 70 ord. (Självklart är många av dessa permutationer utan någon språklig betydelse.) b) Då första bokstaven är given kan den andra väljas på 5 sätt, den tredje på sätt o.s.v. Således kan man skapa 5! 0 ord som inleds med A. c) Vi uppmärksammar först att de första orden inleds med AF. När alla permutationer med denna inledning är listade fortsätter listan med ord som inleds med AK. Därpå följer ord med inledningen AN varibland ANKF OT förekommer. Vi måste nu ställa oss frågorna: Hur många ord finns i mängden AF Hur många ord finns i mängden AK Vilket ordningsnummer har ordet ANKF OT i mängden AN I såväl ordgruppern AF som AK är de två första bokstäverna valda. De fyra övriga bokstäverna kan permuteras på! olika sätt. De två grupperna innehåller således! ord var. De första orden i den nästföljande mängden AN är delmängden ANF vilken innehåller! ord. Nästa delmängd är ANK i vilken vi som

4 första ord hittar just det ord vi söker, ANKF OT. Således har ordet ANKF OT ordningsnummer! +! +! d) Eftersom det finns 5! 0 ord som börjar med respektive bokstav, så måste det 7:e ordet ineldas med den :e bokstaven T. Av de 5! 0 orden på T finns det! i varje delmängd T A, T F, T K, T N, T O. Det sista ordet i delmängden T N är permutation nr. 5 5! +! 9 I delmängderna T OA och T OF finns det vardera! ord. Det sista av dessa ord är således permutation nr. 5 5! +! +! 708 Permutation nr. 7 är således det :e ordet i delmängden T OK vilket är ordet T OKF AN. 05. Låt händelsen A {behandlingen lyckas}. a) Enligt mutliplikationsprincipen gäller att sannolikheten att behandlingen lyckas 0 ggr i följd är P (A) 0 0, , 5 b) Antalet sätt doktorn kan misslyckas ggr av 0, utan hänsyn tagen till ordningen hos de tre misslyckade behandlingarna, är ( ) 0. Sannolikheten för den givna händelsen är då P ( m.l.) ( ) 0 P (A) 7 ( P (A)) ( ) 0 0, , 05 0, 7 c) Att misslyckas högst ggr. innebär att man kan misslyckas 0, eller ggr. Med liknande resonomang som ovan måste gälla att P ( m.l.) ( ) 0 0, ( ) 0 0, , 05 + ( ) 0 0, , 05 0, Två flickor kan väljas ur en grupp av 8 på ( ) 8 sätt. Varje sådan kombination kan paras ihop med ( ) kombinationer av av pojkar. Antalet sätt att skapa gruppen är således ( ) ( )

5 055. Från uppg. 05 får vi antalet gynsamma utfall. Antalet möjliga sätt att välja en grupp om elever av är ( ) 0. Därför gäller att ( ) ( ) 8 P ( flickor och pojkar) ( ) 0, Man kan välja allt från att inte ha något tillbehör till att ha alla 8. Väljer man t.ex. tillbehör på sin hamburgare kan dessa väljas utav av de 8 på ( 8 ) sätt eftersom tillbehörens ordning är irrelevant. Det totala antalet sätt att välja sina tillbehör är således ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Liknande resonemang som i uppg Blandningarna kan bestå av allt från till ämnen. Således finns det ( ) ( ) ( ) ( ) ( ) ( ) olika kominationer. 0. På hur många olika sätt kan man välja personer (som skakar hand) av en grupp om 0 utan hänsyn till ordningen hos de två? Detta kan ske på ( ) 0 0!! 8! 5 olika sätt. För att förtydliga detta observerar vi att var och en av de 0 personerna anser sig ha skakat hand med alla de 9 andra personerna. Således skulle man kunna påstå att 0 9 handskakningar har ägt rum. Dock är inte alla av dessa unika eftersom handskakningsordningen i varja möte inte är intressant. Två personer som skakar hand med varandra har ju bara utfört en handskakning, inte. Eftersom två personer kan ordnas på! olika sätt måste antalet hanskakningar vara 0 9 0! ( ) 0!! 8! 5 0. a) I detta fallet är det betydligt smidigare att beräkna sannolikheten för att den komplementära händelsen inträffar. Den kompl. händelsen A till händelsen A {minst två lika tärningar} är A {alla olika}. Således är enligt multiplikationsprincipen alternativt P (A) P (A ) 5 0, 7 P (A) P (A ) 5 0, 7 5

6 b) Två lika vid kast med tärningar kan fås på olika sätt. Dessa är givetvis (, ), (, ), (, ), (, ), (5, 5), (, ). Sannoliken för var och ett av dessa utfall är enligt multiplikationsprincipen 5 där de två första faktorerna innebär att de två första tärningarna är lika, den tredje faktorn att den tredje tärningen är skild från de två första och den den fjärde faktorn att den fjärde tärningen är skild från de två första och skild från den tredje. Således är totala sannolikheten 5 0, 555 ( ) 0. Man kan få r st. jackpot vid dragning på hjul på sätt. Eftersom sannolikheten att få jackpot på ett hjul är 0, så måste t.ex. sannolikheten r ( ) P ( jackpot) 0, 0, 9 0, 07. En enstaka spelare kan t.ex. vinna 50 kr, 500 kr eller kr. Frågan vi måste ställa oss är: Hur många kronor kan vi förvänta oss att vinna om vi spelar väldigt (oändligt) många gånger? Vad vinner en spelare i medeltal? (Vad är det s.k. väntevärdet? ) Det är naturligtvis större sannolikhet att de två första siffrorna i ditt lottnummer är desamma som i det dragna numret än att alla sex siffrorna är det, men å andra sidan ger det en betydligt mindre vinst. Vinsten vid var och en av de 5 olika händelserna måste därför viktas mot sannolikheten att händelsen inträffar. Vi börjar med att reda ut hur mycket vi kan förvänta oss att vinna i det långa loppet om försättningen för vinst är som i den första händelsen (50 kr vid två korrekta inledande siffror). För att göra detta måste vi först bestämma sannolikheten för att denna inträffar. Observera att händelsen endast innebär två korrekta inledande siffror, inte fler. Är t.ex. de tre första siffrorna korrekta vinner vi ju 500 kr. För att undvika detta räcker det med att den tredje siffran är fel. Givet de två första siffrorna kan med ovanstående resonemang den tredje siffran väljas på 9 sätt medan den fjärde, femte och sjätte kan väljas på 0 sätt. Det finns således gynsamma fall av 0 möjliga. Sannolikheten för en vinst på 50 kr är således P (50 kr) 0 0, 009

7 Det vi kan förvänta oss att vinna om vi spelar många gånger är P (50 kr) 50 0, 5 kr Med samma resonemang för de andra händelserna får vi den totala förväntade vinsten , 5 kr 0 Detta betyder också att ägaren förväntas tjäna 5, 5, 75 kr på varje lott. Säljs 0000 lotter förväntas således ägaren tjäna 0000, kr Observera att detta endast är den förväntade förtjänsten. Naturligtvis finns möjligheten att ägaren gör en stor förlust. Dock är det så att alla spel av liknande karaktär är uppbyggda så att väntevärdet är till lotteriets fördel. 7

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

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

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

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

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

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

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

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

PLANERING MATEMATIK - ÅK 8. Bok: Y (fjärde upplagan) Kapitel : 5 Ekvationer Kapitel : 6 Sannolikhet och statistik. Elevens namn: Datum för prov

PLANERING MATEMATIK - ÅK 8. Bok: Y (fjärde upplagan) Kapitel : 5 Ekvationer Kapitel : 6 Sannolikhet och statistik. Elevens namn: Datum för prov PLANERING MATEMATIK - ÅK 8 Bok: Y (fjärde upplagan) Kapitel : 5 Ekvationer Kapitel : 6 Sannolikhet och statistik Elevens namn: markera med kryss vilka uppgifter du gjort Avsnitt: sidor ETT ETT TVÅ TVÅ

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

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

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

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

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

{ } { } 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}

{ } { } 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} 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

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

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

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

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Diskreta fördelningar Uwe Menzel, 2018 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.

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

Sannolikhet DIAGNOS SA3

Sannolikhet DIAGNOS SA3 Sannolikhet DIAGNOS SA3 Grundläggande sannolikhet Diagnosen omfattar 9 uppgifter där eleverna ska ges möjlighet att visa om de förstår innebörden av begreppet sannolikhet och slump samt om de har strategier

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

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

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

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

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

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

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

Betingad sannolikhet och oberoende händelser

Betingad sannolikhet och oberoende händelser Kapitel 5 Betingad sannolikhet och oberoende händelser Betrakta ett försök med ett ändligt utfallsrum Ω och en händelse A vid detta försök. Definitionsmässigt gäller att A Ω och försökets utfall ligger

Läs mer

7-2 Sammansatta händelser.

7-2 Sammansatta händelser. Namn: 7-2 Sammansatta händelser. Inledning Du vet nu vad som menas med sannolikhet. Det lärde du dig i kapitlet om just sannolikhet. Nu skall du tränga lite djupare i sannolikhetens underbara värld och

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

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 1 november 005, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-

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

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

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

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

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik Jörgen Säve-Söderbergh Information om kursen Kom ihåg att

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

Finansiell statistik, vt-05. Slumpvariabler, stokastiska variabler. Stokastiska variabler. F4 Diskreta variabler

Finansiell statistik, vt-05. Slumpvariabler, stokastiska variabler. Stokastiska variabler. F4 Diskreta variabler Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-05 F4 Diskreta variabler Slumpvariabler, stokastiska variabler Stokastiska variabler diskreta variabler kontinuerliga

Läs mer

Ma7-Åsa: Statistik och Sannolikhetslära

Ma7-Åsa: Statistik och Sannolikhetslära Ma7-Åsa: Statistik och Sannolikhetslära Efter påsklovet börjar det femte arbetsområdet som handlar om statistik och sannolikhetslära. Det kommer också att bli tid för att arbeta vidare med målen för begrepp

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

5Chans och risk. Mål. Grunddel K 5. Ingressen

5Chans och risk. Mål. Grunddel K 5. Ingressen Chans och risk ål När eleverna har studerat det här kapitlet ska de kunna: förklara vad som menas med begreppet sannolikhet räkna ut sannolikheten för att en händelse ska inträffa känna till hur sannolikhet

Läs mer

Slumpförsök för åk 1-3

Slumpförsök för åk 1-3 Modul: Sannolikhet och statistik Del 3: Att utmana elevers resonemang om slump Slumpförsök för åk 1-3 Cecilia Kilhamn, Göteborgs Universitet Andreas Eckert, Linnéuniversitetet I följande text beskrivs

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

Uppgifter 6: Kombinatorik och sannolikhetsteori

Uppgifter 6: Kombinatorik och sannolikhetsteori Grunder i matematik och logik (2017) Uppgifter 6: Kombinatorik och sannolikhetsteori Marco Kuhlmann Kombinatorik Nivå A 6.01 En meny består av tre förrätter, fem huvudrätter och två efterrätter. På hur

Läs mer

Lotto. Singla slant. Vanliga missuppfattningar vad gäller slumpen. Slumpen och hur vi uppfattar den - med och utan tärning

Lotto. Singla slant. Vanliga missuppfattningar vad gäller slumpen. Slumpen och hur vi uppfattar den - med och utan tärning Slumpen och hur vi uppfattar den - med och utan tärning Ingemar Holgersson Högskolan Kristianstad grupper elever Gr, 7, 9 och. grupp lärarstudenter inriktning matematik Ca i varje grupp Gjord i Israel

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

Kängurun Matematikens hopp

Kängurun Matematikens hopp Kängurun Matematikens hopp Ecolier 2010 Här följer svar, rättningsmall och redovisningsblanketter. Förutom svar ger vi också lösningsförslag. De flesta problem kan lösas på flera sätt och med olika representationsformer.

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

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

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

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

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

Sannolikhetslära till pdf.notebook. May 04, 2012. Sannolikhetslära. Kristina.Wallin@kau.se

Sannolikhetslära till pdf.notebook. May 04, 2012. Sannolikhetslära. Kristina.Wallin@kau.se May 0, 0 Sannolikhetslära Kristina.Wallin@kau.se May 0, 0 Centralt innehåll Sannolikhet Åk Slumpmässiga händelser i experiment och spel. Åk 6 Sannolikhet, chans och risk grundat på observationer, experiment

Läs mer

Kombinatorik. Bilder: Akvareller gjorda av Ramon Cavallers, övriga diagram och foton av Nils-Göran. Nils-Göran Mattsson och Bokförlaget Borken, 2011

Kombinatorik. Bilder: Akvareller gjorda av Ramon Cavallers, övriga diagram och foton av Nils-Göran. Nils-Göran Mattsson och Bokförlaget Borken, 2011 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

Institutionen för matematik, KTH Mats Boij. Lösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 20 december, 2000

Institutionen för matematik, KTH Mats Boij. Lösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 20 december, 2000 Institutionen för matematik, KTH Mats Boij Lösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 20 december, 2000 1) Beräkna x 4 + 2x 3 + 3 för alla värden på x i Z 5. Lösning: Det nns bara fem

Läs mer

Känguru Student (gymnasiet åk 2 och 3) sida 1 / 6

Känguru Student (gymnasiet åk 2 och 3) sida 1 / 6 Känguru Student (gymnasiet åk 2 och 3) sida 1 / 6 NAMN KLASS/GRUPP Poängsumma: Känguruskutt: Lösgör svarsblanketten. Skriv ditt svarsalternativ under uppgiftsnumret. Lämna rutan tom om du inte vill besvara

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

Inlämningsuppgift, LMN100

Inlämningsuppgift, LMN100 Inlämningsuppgift, LMN100 Delkurs 3 Matematik Lösningar och kommentarer 1 Delbarhetsegenskaper (a) Påstående: Ett heltal är delbart med fyra om talet som bildas av de två sista siffrorna är delbart med

Läs mer

9A Ma: Statistik och Sannolikhetslära

9A Ma: Statistik och Sannolikhetslära 9A Ma: Statistik och Sannolikhetslära Efter påsklovet börjar det femte arbetsområdet som handlar om statistik och sannolikhetslära. Det kommer också att bli tid för att arbeta vidare med målen för begrepp

Läs mer

Lösningar till utvalda uppgifter i kapitel 6

Lösningar till utvalda uppgifter i kapitel 6 Lösningar till utvalda uppgifter i kapitel 6 6.10. (a Om vi bortser från villkoret så nns det ( 1 5 olika arbetsgrupper. Ifrån detta tal får vi sedan subtrahera det antal grupper som innehåller både Herr

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

Lösning till tentamensskrivning i Diskret Matematik för CINTE, CL2 och Media 1, SF1610 och 5B1118, onsdagen den 17 augusti 2011, kl

Lösning till tentamensskrivning i Diskret Matematik för CINTE, CL2 och Media 1, SF1610 och 5B1118, onsdagen den 17 augusti 2011, kl Matematiska Institutionen KTH Lösning till tentamensskrivning i Diskret Matematik för CINTE, CL och Media, SF60 och 5B8, onsdagen den 7 augusti 0, kl 4.00-9.00. Examinator: Olof Heden Hjälpmedel: Inga

Läs mer

Veckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U.

Veckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U. Veckoblad 3 Kapitel 3 i Matematisk statistik, Blomqvist U. ya begrepp: likformig fördelning, hypergeometerisk fördelning, Hyp(, n, p), binomialfördelningen, Bin(n, p), och Poissonfördelningen, Po(λ). Standardfördelningarna

Läs mer

TMS136. Föreläsning 2

TMS136. Föreläsning 2 TMS136 Föreläsning 2 Sannolikheter För en händelse E skriver vi sannolikheten att E inträffar som P(E) För en händelse E skriver vi sannolikheten att E inte inträffar som P(E ) Exempel Låt E vara händelsen

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

Valfritt läromedel för kurs Matematik B Exempel: Räkna med Vux B, Gleerups förlag. Tag kontakt med examinator om du har frågor

Valfritt läromedel för kurs Matematik B Exempel: Räkna med Vux B, Gleerups förlag. Tag kontakt med examinator om du har frågor Våren 010 PRÖVNINGSANVISNINGAR Prövning i Matematik B Kurskod MA 10 Gymnasiepoäng 50 Läromedel Prov Muntligt prov Valfritt läromedel för kurs Matematik B Exempel: Räkna med Vux B, Gleerups förlag Skriftligt

Läs mer

ÖVNINGSUPPGIFTER KAPITEL 9

ÖVNINGSUPPGIFTER KAPITEL 9 ÖVNINGSUPPGIFTER KAPITEL 9 STOKASTISKA VARIABLER 1. Ange om följande stokastiska variabler är diskreta eller kontinuerliga: a. X = En slumpmässigt utvald person ur populationen är arbetslös, där x antar

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

SF1901: Övningshäfte

SF1901: Övningshäfte SF1901: Övningshäfte 5 september 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på

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

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

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

Laboration 2. Artificiell Intelligens, Ht 2004 2004-10-19 Lärare: Christina Olsén Handledare: Therese Edvall Daniel Ölvebrink

Laboration 2. Artificiell Intelligens, Ht 2004 2004-10-19 Lärare: Christina Olsén Handledare: Therese Edvall Daniel Ölvebrink Artificiell Intelligens, Ht 2004 2004-10-19 Lärare: Christina Olsén Handledare: Therese Edvall Daniel Ölvebrink Laboration 2 Laboranter: Johan Bystedt (dit02lbt) Alexander Pettersson (dit02apn) Stefan

Läs mer

Kap 3: Diskreta fördelningar

Kap 3: Diskreta fördelningar Kap 3: Diskreta fördelningar Sannolikhetsfördelningar Slumpvariabler Fördelningsfunktion Diskreta fördelningar Likformiga fördelningen Binomialfördelningen Hypergeometriska fördelningen Poisson fördelningen

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

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

Geometri och statistik Blandade övningar. 1. Vid en undersökning av åldern hos 30 personer i ett sällskap erhölls följande data

Geometri och statistik Blandade övningar. 1. Vid en undersökning av åldern hos 30 personer i ett sällskap erhölls följande data Geometri och statistik Blandade övningar Sannolikhetsteori och statistik 1. Vid en undersökning av åldern hos 30 personer i ett sällskap erhölls följande data 27, 30, 32, 25, 41, 52, 39, 21, 29, 34, 55,

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 25..26 Jan Grandell & Timo Koski Matematisk statistik 25..26 / 44 Stokastiska

Läs mer

Kängurun Matematikens hopp

Kängurun Matematikens hopp Kängurun Matematikens hopp Benjamin 2017, svar och lösningar Här följer svar, rättningsmall och redovisningsblanketter. Förutom svar ger vi också lösningsförslag. Ett underlag till hjälp för bokföring

Läs mer

Utfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse

Utfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse Utfall, Utfallsrummet, Händelse Sannolikhet och statistik Sannolikhetsteorins grunder HT 2008 Uwe.Menzel@math.uu.se http://www.math.uu.se/ uwe/ Denition 2.1 Resultatet av ett slumpmässigt försök kallas

Läs mer

Övning 1 Sannolikhetsteorins grunder

Övning 1 Sannolikhetsteorins grunder Övning 1 Sannolikhetsteorins grunder Två händelser A och B är disjunkta om {A B} =, det vill säga att snittet inte innehåller några element. Om vi har en mängd händelser A 1, A 2, A 3,..., A n, vilka är

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

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

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

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14 1/14 Sannolikhetsteori Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/1 2013 2/14 Dagens föreläsning Relativa frekvenser Matematik för händelser Definition av sannolikhet

Läs mer

Föreläsning G70 Statistik A

Föreläsning G70 Statistik A Föreläsning 2 732G70 Statistik A Introduktion till sannolikhetslära Sannolikhetslära: område inom statistiken där vi studerar experiment vars utfall beror av slumpen Sannolikhet: numeriskt värde (mellan

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

Kryssuppgifter 5, Inledande diskret matematik D/DI, HT2016 Lösningar

Kryssuppgifter 5, Inledande diskret matematik D/DI, HT2016 Lösningar Kryssuppgifter, Inledande diskret matematik D/DI, HT2016 Lösningar Basuppgifter 1. Det finns två fall: FALL 1: Styrelsen har kvinnor och 3 män. I så fall finns det ) val för kvinnorna och ( 9 ) val för

Läs mer

Välkommen till Kängurutävlingen Matematikens hopp 2019 Benjamin för elever i åk 5, 6 och 7

Välkommen till Kängurutävlingen Matematikens hopp 2019 Benjamin för elever i åk 5, 6 och 7 Till läraren Välkommen till Kängurutävlingen Matematikens hopp 2019 Benjamin för elever i åk 5, 6 och 7 Tävlingen genomförs under perioden 21 mars 29 mars. Uppgifterna får inte användas tidigare. Sista

Läs mer

modell Finansiell statistik, vt-05 Modeller F5 Diskreta variabler beskriva/analysera data Kursens mål verktyg strukturera omvärlden formellt

modell Finansiell statistik, vt-05 Modeller F5 Diskreta variabler beskriva/analysera data Kursens mål verktyg strukturera omvärlden formellt Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F5 Diskreta variabler Kursens mål beskriva/analysera data formellt verktyg strukturera omvärlden innehåll osäkerhet

Läs mer

REPETITION 3 A. en femma eller en sexa?

REPETITION 3 A. en femma eller en sexa? REPETITION 3 A 1 Du kastar en vanlig tärning en gång. Hur stor är sannolikheten att du får en femma eller en sexa? 2 Eleverna i klass 8C fick ge betyg på en bok som de hade läst. Diagrammet visar resultatet.

Läs mer

Hur stor är sannolikheten att någon i klassen har en katt? Hur stor är

Hur stor är sannolikheten att någon i klassen har en katt? Hur stor är Karin Landtblom Hur sannolikt är det? Uttrycket Hur sannolikt är det på en skala? använder många till vardags, ofta med viss ironi. I denna artikel om grunder för begreppet sannolikhet åskådliggör författaren

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

Kombinatorik : Lösningar

Kombinatorik : Lösningar Kombinatorik 2016-03-16: Lösningar 1. En rad med 9 träd ska planteras vid en gata. Raden ska inkludera exakt 2 ek, ett jämnt antal björk och resten tall. På hur många sätt kan man plantera raden? Lösning:

Läs mer

7-1 Sannolikhet. Namn:.

7-1 Sannolikhet. Namn:. 7-1 Sannolikhet. Namn:. Inledning Du har säkert hört ordet sannolikhet förut. Hur sannolikt är det att få 13 rätt på tipset eller 7 rätt på lotto? I detta kapitel skall du lära dig vad sannolikhet är för

Läs mer

SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök.

SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök. Probability 21-9-24 SOS HT1 Slumpvariabler Slumpvariabler Ett slumpmässigt försök ger ofta upphov till ett tal som bestäms av utfallet av försöket. Talet är alltså inte känt före försöket; det bestäms

Läs mer

Syfte med undervisningen är att du ska få utveckla din förmåga att...

Syfte med undervisningen är att du ska få utveckla din förmåga att... Planering, kapitel 1 Statistik samt sannolikhet. Syfte med undervisningen är att du ska få utveckla din förmåga att... formulera och lösa problem med hjälp av matematik samt värdera valda strategier och

Läs mer

Sannolikheten att vinna ett spel med upprepade myntkast

Sannolikheten att vinna ett spel med upprepade myntkast Matematik Gymnasieskola Modul: Matematikundervisning med digitala verktyg Del 7: Matematiska undersökningar med kalkylprogram Sannolikheten att vinna ett spel med upprepade myntkast Håkan Sollervall, Malmö

Läs mer

Sannolikhetslära. 1 Grundläggande begrepp. 2 Likformiga sannolikhetsfördelningar. Marco Kuhlmann

Sannolikhetslära. 1 Grundläggande begrepp. 2 Likformiga sannolikhetsfördelningar. Marco Kuhlmann Marco Kuhlmann Detta är en kompakt sammanfattning av momentet sannolikhetslära som ingår i kurserna Matematik 1b och 1c på gymnasiet. I slutet av dokumentet hittar du uppgifter med vilka du kan testa om

Läs mer