F2 SANNOLIKHETSLÄRA (NCT )

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "F2 SANNOLIKHETSLÄRA (NCT )"

Transkript

1 Stat. teori gk, ht 2006, JW F2 SANNOLIKHETSLÄRA (NCT ) Ordlista till NCT Random experiment Outcome Sample space Event Set Subset Union Intersection Complement Mutually exclusive Collectively exhaustive Probability Slumpförsök Utfall Utfallsrum Händelse Mängd Delmängd Union Snitt Komplement Varandra uteslutande oförenliga, disjunkta Uttömmande Sannolikhet 1

2 Slumpförsök Vi kommer att tala om sannolikheter i samband med slumpförsök. Ett slumpförsök är ett försök, som kan upprepas under likartade förhållanden, och där resultatet vid varje enskild upprepning inte kan förutsägas med säkerhet. Försök i vid mening aktivitet, process, förlopp. Exempel på slumpförsök: Tärningskast (1, 2, 3, 4, 5 eller 6?) Lottdragning (Vinst eller ej?) Slumpmässigt urval från en population (Vilka blir utvalda?) Befruktning av äggcell (Pojke eller flicka?) Radioaktivt sönderfall (Antal partiklar under ett visst tidsintervall?) Industriell tillverkning av en enhet. (Riktig eller felaktig?) 2

3 Utfall och utfallsrum Resultatet av ett slumpförsök kallas för ett utfall. Mängden av alla möjliga utfall kallas för försökets utfallsrum. Betecknas: S. OBS Vi tänker oss att utfallen är definierade så att ett och endast ett utfall inträffar varje gång försöket utförs. Ex.: Ge förslag till utfallsrum. Försök: Ett kast med en tärning Utfallsrum: S = Försök: Befruktning av en äggcell Utfallsrum: S = Försök: Två kast med ett mynt Utfallsrum: S = 3

4 Händelser Utfallen är de elementära beståndsdelarna i ett utfallsrum. En händelse är en samling av ett eller flera utfall. Vi säger att händelsen inträffar om och endast om något av utfallen i motsvarande samling av utfall inträffar. För varje tänkbar händelse kan man räkna upp de utfall, som innebär att händelsen inträffar. Ex.: Tärningskast. Sex möjliga utfall. S = {1, 2, 3, 4, 5, 6}. Vi ser på händelsen att få ett jämnt antal prickar. Vart och ett av utfallen 2, 4 och 6 innebär att händelsen inträffar. Händelsen jämnt antal prickar motsvaras alltså av delmängden {2, 4, 6}. 4

5 Ex.: Tärningskast. S = {1, 2, 3, 4, 5, 6}. Definiera olika händelser som delmängder av utfallsrummet. Händelse Delmängd A = att få ett udda antal A = prickar B = att få högst 3 B = prickar C = att få sexa C = D = att inte få sexa D = E = att få en sjua E = 5

6 Mer om händelser Händelse = delmängd av utfallsrummet S. Händelser betecknas ofta A, B, C etc. Med symboler och begrepp från mängdläran kan vi bilda nya händelser och uttrycka egenskaper hos händelser. T.ex.: Union: A B Snitt: A B Komplement: A A och B disjunkta Händelsen att A eller B (eller båda) inträffar Händelsen att både A och B inträffar Händelsen att A inte inträffar A och B kan inte inträffa samtidigt (är varandra uteslutande) Rita Venn-diagram. 6

7 Ex: Tärningskast. S = {1, 2, 3, 4, 5, 6}. Låt A = händelsen Udda antal = {1, 3, 5} B = händelsen Högst tre = {1, 2, 3} A B = A B = A = B = A B = A B = A A = A A = Ex: För godtyckliga A och B, illustrera med Venndiagram att: A kan uttryckas som en union av två disjunkta delar: A = ( A B) ( A B). A B kan uttryckas som en union av två disjunkta delar: A B = A ( A B). 7

8 Vad är sannolikhet? Sannolikheten, P(A), för händelsen A är ett slags mått på hur säkert det är att händelsen skall inträffa. P(A) är ett tal mellan noll och ett. NCT ger tre olika sannolikhetsdefinitioner: 1. Den klassiska sannolikhetsdefinitionen. Ett slumpförsök har n möjliga utfall, alla lika möjliga. Av dessa utfall är det n A stycken som innebär att händelsen A inträffar. Då är n ( A) = = n P A antal"gynnsamma"utfall antal möjliga utfall Kommentar: Vad menas med att de möjliga utfallen skall vara lika möjliga? Oklart. Om det betyder att utfallen skall ha lika sannolikhet, så förutsätter ju den klassiska sannolikhetsdefinitionen att man redan vet vad sannolikhet är. Då är det egentligen inte fråga om någon definition utan snarare en regel som talar om hur man kan beräkna sannolikheten för en händelse, ifall man redan vet att alla utfall har lika sannolikhet. 8

9 2. Den frekventistiska sannolikhetsdefinitionen. Sannolikheten för händelsen A uppfattas som den relativa frekvens med vilken A inträffar vid en mycket lång serie upprepningar av slumpförsöket: P(A) relativa frekvensen för händelsen A i det långa loppet. Kommentar: Man tänker sig att den relativa frekvensen för A i det långa loppet tenderar att stabilisera sig på en viss nivå. Hur vet man att det är så? Man brukar hänvisa till gjorda iakttagelser av de relativa frekvensernas stabilitet (se kommande exempel). 3. Den subjektiva sannolikhetsdefinitionen. Sannolikhet antas uttrycka grad av tilltro. P(A) = mått på hur starkt en person tror på påståendet att A skall inträffa Kommentar: (1) Olika personer kan ha olika stark tilltro till ett och samma påstående. (2) Inget krav att slumpförsöket skall kunna upprepas. 9

10 Ex: Relativa frekvensernas stabilitet. En serie på 500 kast med ett mynt har simulerats med Minitab. Relativa frekvensen krona vid växande antal kast har registrerats. Relativ frekvens krona vid växande antal kast med ett mynt 1,0 0,9 Rel. frekv. krona 0,8 0,7 0,6 0,5 0,4 0,5 0,3 0, Kast nr

11 Några räkneregler för sannolikheter Vi utgår från tre grundantaganden: 1. Vi har ett slumpförsök med utfallsrummet S = {O 1, O 2,, O n } 2. Varje utfall, O i, har en sannolikhet P(O i ) (i = 1, 2,, n) 3. Dessa sannolikheter uppfyller villkoren 0 P(O i ) 1 (i = 1, 2,, n) P(O 1 ) + P(O 2 ) + + P(O n ) = P( O i ) = 1 n i= 1 Vi betraktar alltså ett slumpförsök med ändligt många utfall, där varje utfall har sin givna sannolikhet, och där dessa sannolikheter uppfyller villkoren ovan. Vidare utgår vi från följande definition: 11

12 Definition: Sannolikheten för en händelse A är lika med summan av sannolikheterna för de utfall som innebär att A inträffar, dvs. P(A) = A P ( O i ) Av dessa antaganden, plus definitionen, följer formellt ett antal resultat. Vid lösning av sannolikhetsproblem har man ofta användning av dessa resultat, vilka i fortsättningen får betraktas som etablerade räkneregler. Några räkneregler följer här (försök bevisa några). Fler kommer längre fram. För varje händelse A är 0 P(A) 1. P(S) = 1 Om A och B är disjunkta händelser, så är P(A B) = P(A) + P(B) Om A 1, A 2,, A k är parvis disjunkta, så är P(A 1 A 2 A k ) = P(A 1 )+P(A 2 )+ +P(A k ) 12

13 Några exempel med likformig sannolikhetsmodell Om alla utfall i utfallsrummet har samma sannolikhet, har vi en likformig sannolikhetsmodell. Om S = {O 1, O 2,, O n }, så innebär en likformig slh-modell att P(O 1 ) = = P(O n ) = 1/n. Ex.: Tärningskast, P(1) = = P(6) = 1/6. Vid slumpförsök med likformig slh-modell kan slh för en händelse A beräknas såsom: na P( A) =, n där n = antal möjliga utfall av försöket n A = antal utfall därav, som innebär att A inträffar (= antal gynnsamma utfall) (Det här är ju den klassiska sannolikhetsdefinitionen.) 13

14 Ex.: Lotteri med 100 lotter varav 5 är vinstlotter. Välj en lott på måfå (dvs. med lika slh för alla lotter). Vad är slh för vinst? P(Vinst) = Ex.: Två kast med en tärning. 36 möjliga utfall (se figur nedan), som alla antas ha lika slh. Första 1 kastet Andra kastet P(Högst två prickar i första kastet) = P(Summan lika med 5) = P(Summan större än 8) = P(Åtminstone en sexa) = 14

15 Vid beräkning av antal möjliga och antal gynnsamma utfall har man ibland nytta av kombinatorik; se följande exempel, som handlar om OSU. OSU (obundet slumpmässigt urval) från en ändlig population betyder att alla möjliga delmängder av given storlek skall ha lika sannolikhet att väljas ut. Ex.: Tre personer skall väljas genom OSU från en grupp med åtta personer, varav fyra är män och fyra är kvinnor. a) Vad är slh att en man och två kvinnor blir valda? Antal möjliga utfall = Antal gynnsamma utfall = Slh = b) Vad är slh att få tre män? Antal möjliga utfall = Antal gynnsamma utfall = Slh = 15

16 Generalisering av föregående problem: Population med N individer, av vilka N 1 har en viss egenskap (och övriga N-N 1 saknar egenskapen). Genom OSU (utan återläggning) skall n personer väljas ut. (OSU innebär att alla delmängder av storlek n skall ha lika slh att väljas.) Vad är slh att få exakt x personer som har den aktuella egenskapen (och n-x personer som inte har egenskapen)? P(x personer med egenskapen) = N ( x 1 N N )( n x N ( ) n 1 ) 16

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

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

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

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

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

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

7-1 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

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar 2007-10-08 sida 1 # 1 STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar Sven Erick Alm och Tom Britton Typsatt med liber1ab 2007-10-08 1 2007-10-08 sida 2 # 2 2007-10-08 sida i # 3 Innehåll

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

Sannolikhetslära. 19 februari 2009. Vad är sannolikheten att vinna om jag köper en lott?

Sannolikhetslära. 19 februari 2009. Vad är sannolikheten att vinna om jag köper en lott? Sannolikhetslära 19 februari 009 Vad är en sannolikhet? I vardagen: Vad är sannolikheten att vinna om jag köper en lott? Borde jag ta paraply med mig till jobbet idag? Vad är sannolikheten att det kommer

Läs mer

Lektion 1: Fördelningar och deskriptiv analys

Lektion 1: Fördelningar och deskriptiv analys Density Lektion 1: Fördelningar och deskriptiv analys 1.,3 Uniform; Lower=1; Upper=6,3,2,2,1,, 1 2 3 X 4 6 7 Figuren ovan visar täthetsfunktionen för en likformig fördelning. Kurvan antar värdet.2 över

Läs mer

Anna: Bertil: Cecilia:

Anna: Bertil: Cecilia: Marco Kuhlmann 1 Osäkerhet 1.01 1.02 1.03 1.04 1.05 Intelligenta agenter måste kunna hantera osäkerhet. Världen är endast delvist observerbar och stokastisk. (Jmf. Russell och Norvig, 2014, avsnitt 2.3.2.)

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

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

5. BERÄKNING AV SANNOLIKHETER

5. BERÄKNING AV SANNOLIKHETER 5. BERÄKNING V SNNOLIKHETER 5.1 dditionssatsen Viharnukommitframtilldetstegdärvikanbörjaatträknapraktisktmed sannolikheter. Vi skall utveckla olika regler och begrepp som är nödvändiga för att praktiskt

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Aalto-universitetet 28 januari 2014 G. Gripenberg (Aalto-universitetet) MS-A0509 Grundkurs i sannolikhetskalkyl

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Sannolikheter Slumpvariabler Centrala gränsvärdessatsen Aalto-universitetet 8 januari 04 3 Tvådimensionella slumpvariabler

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

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

Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar

Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar Sannolikhetslära och inferens II Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar 1 Diskreta slumpvariabler En slumpvariabel tilldelar tal till samtliga utfall i ett slumpförsök. Vi

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

Stokastisk geometri. Lennart Råde. Chalmers Tekniska Högskola och Göteborgs Universitet

Stokastisk geometri. Lennart Råde. Chalmers Tekniska Högskola och Göteborgs Universitet Stokastisk geometri Lennart Råde Chalmers Tekniska Högskola och Göteborgs Universitet Inledning. I geometrin studerar man geometriska objekt och deras inbördes relationer. Exempel på geometriska objekt

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

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

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

5. BERÄKNING AV SANNOLIKHETER

5. BERÄKNING AV SANNOLIKHETER 5. BERÄKNING AV SANNOLIKHETER 5.1 Additionssatsen Viharnukommitframtilldetstegdärvikanbörjaatträknapraktisktmed sannolikheter. Vi skall utveckla olika regler och begrepp som är nödvändiga för att praktiskt

Läs mer

Övningshäfte 1: Logik och matematikens språk

Övningshäfte 1: Logik och matematikens språk GÖTEBORGS UNIVERSITET MATEMATIK 1, MMG200, HT2014 INLEDANDE ALGEBRA Övningshäfte 1: Logik och matematikens språk Övning A Målet är att genom att lösa och diskutera några inledande uppgifter få erfarenheter

Läs mer

Kap 1: Aritmetik - Positiva tal - " - " - " - " - - " - " - " - " -

Kap 1: Aritmetik - Positiva tal -  -  -  -  - -  -  -  -  - År Startvecka Antal veckor 2013 34 18 Planering för ma 1b/c - ma 5000- boken OBS: För de i distansgruppen, meddela lärare innan prov. (justeringar för 1c ännu ej genomförda) Vecka Lektio n (2h) Datum Kapitel

Läs mer

Three Monkeys Trading. Tärningar och risk-reward

Three Monkeys Trading. Tärningar och risk-reward Three Monkeys Trading Tärningar och risk-reward I en bok vid namn A random walk down Wall Street tar Burton Malkiel upp det omtalade exemplet på hur en apa som kastar pil på en tavla genererar lika bra

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

Sannolihhet. och statistik. Vad är möjligt och vad är inte möjligt? Kommer tåget fram i tid? Blir det regn imorgon? Vi bedömer ständigt risker eller

Sannolihhet. och statistik. Vad är möjligt och vad är inte möjligt? Kommer tåget fram i tid? Blir det regn imorgon? Vi bedömer ständigt risker eller - ^^s^^^^'^^ Sannolihhet och statistik Vad är möjligt och vad är inte möjligt? Kommer tåget fram i tid? Blir det regn imorgon? Vi bedömer ständigt risker eller chanser för att olika händelser ska inträffa.

Läs mer

Tal Räknelagar Prioriteringsregler

Tal Räknelagar Prioriteringsregler Tal Räknelagar Prioriteringsregler Uttryck med flera räknesätt beräknas i följande ordning: 1. Parenteser 2. Exponenter. Multiplikation och division. Addition och subtraktion Exempel: Beräkna 10 5 7. 1.

Läs mer

Innehåll. 1 Allmän information 5. 4 Formativ bedömning 74. 5 Diagnoser och tester 90. 6 Prov och repetition 107. 2 Kommentarer till kapitlen 18

Innehåll. 1 Allmän information 5. 4 Formativ bedömning 74. 5 Diagnoser och tester 90. 6 Prov och repetition 107. 2 Kommentarer till kapitlen 18 Innehåll 1 Allmän information Seriens uppbyggnad Lärobokens struktur 6 Kapitelinledning 7 Avsnitten 7 Pratbubbleuppgifter Aktivitet Taluppfattning och huvudräkning 9 Resonera och utveckla 9 Räkna och häpna

Läs mer

en femma eller en sexa?

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

Läs mer

MA 1202 Matematik B Mål som deltagarna skall ha uppnått efter avslutad kurs.

MA 1202 Matematik B Mål som deltagarna skall ha uppnått efter avslutad kurs. MA 202 Matematik B Mål som deltagarna skall ha uppnått efter avslutad kurs. Deltagaren skall kunna formulera, analysera och lösa matematiska problem av betydelse för tillämpningar och vald studieinriktning

Läs mer

Föreläsning 1. 732G60 Statistiska metoder

Föreläsning 1. 732G60 Statistiska metoder Föreläsning 1 Statistiska metoder 1 Kursens uppbyggnad o 10 föreläsningar Teori blandas med exempel Läggs ut några dagar innan på kurshemsidan o 5 räknestugor Tillfälle för individuella frågor Viktigt

Läs mer

Kompletterande lösningsförslag och ledningar, Matematik 3000 kurs B, kapitel 1

Kompletterande lösningsförslag och ledningar, Matematik 3000 kurs B, kapitel 1 Här presenteras förslag på lösningar och tips till många uppgifter i läroboken Matematik 3000 kurs B som vi hoppas kommer att vara till hjälp när du arbetar dig framåt i kursen. Vi har valt att inte göra

Läs mer

Fö relä sning 1, Kö system 2015

Fö relä sning 1, Kö system 2015 Fö relä sning 1, Kö system 2015 Här följer en kort sammanfattning av det viktigaste i Föreläsning 1. Kolla kursens hemsida minst en gång per vecka. Övningar kommer att läggas ut där, skriv ut dem och ha

Läs mer

Jordbävningar en enkel modell

Jordbävningar en enkel modell 9 september 05 FYTA Simuleringsuppgift 3 Jordbävningar en enkel modell Handledare: André Larsson Email: andre.larsson@thep.lu.se Telefon: 046-34 94 Bakgrund Jordbävningar orsakar fruktansvärda tragedier

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'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.''

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Hjälpmedel:'Valfri'räknare,'egenhändigt'handskriven'formelsamling'(4''A4Esidor'på'2'blad)' och'till'skrivningen'medhörande'tabeller.''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''

Läs mer

TENTAMEN I STATISTIKENS GRUNDER 2

TENTAMEN I STATISTIKENS GRUNDER 2 STOCKHOLMS UNIVERSITET Statistiska institutionen Michael Carlson HT2012 TENTAMEN I STATISTIKENS GRUNDER 2 2012-11-20 Skrivtid: kl 9.00-14.00 Godkända hjälpmedel: Miniräknare, språklexikon Bifogade hjälpmedel:

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

MATEMATIK 5 veckotimmar

MATEMATIK 5 veckotimmar EUROPEISK STUDENTEXAMEN 2010 MATEMATIK 5 veckotimmar DATUM : 4 Juni 2010 SKRIVNINGSTID : 4 timmar (240 minuter) TILLÅTNA HJÄLPMEDEL : Skolans formelsamling Icke-programmerbar, icke-grafritande räknedosa

Läs mer

Tema Förväntat värde. Teori Förväntat värde

Tema Förväntat värde. Teori Förväntat värde Tema Förväntat värde Teori Förväntat värde Begreppet förväntat värde används flitigt i diskussioner om olika pokerstrategier. För att kunna räkna ut det förväntade värdet så tar du alla möjliga resultat,

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 4 mars 2006, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 4 mars 2006, kl. 09.00-13.00 Karlstads universitet Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 4 mars 006, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel- och tabellsamling (skall returneras) samt

Läs mer

Föreläsning 7 FK2002

Föreläsning 7 FK2002 Föreläsning 7 FK2002 Föreläsning 7 Binomialfördelning Poissonfördelning Att testa en hypotes Binomialfördelningen Betrakta ett experiment som består av n försök varav ν är lyckade försök. Mätningar har

Läs mer

Storräkneövning: Sannolikhetslära

Storräkneövning: Sannolikhetslära UPPSALA UNIVERSITET Matematiska institutionen Jakob Björnberg Sannolikhet och statistik 2012 09 28 Storräkneövning: Sannolikhetslära 1. (Tentamen, april 2009.) Man har efter studier av beredskapen hos

Läs mer

Sannolikhet och statistik. S

Sannolikhet och statistik. S Sannolikhet och statistik. S Området består av två delar sannolikhet och statistik. Diagnoserna i delområdet sannolikhet avser att kartlägga elevernas förmåga att arbeta med enkel kombinatorik, att använda

Läs mer

18 juni 2007, 240 minuter Inga hjälpmedel, förutom skrivmateriel. Betygsgränser: 15p. för Godkänd, 24p. för Väl Godkänd (av maximalt 36p.

18 juni 2007, 240 minuter Inga hjälpmedel, förutom skrivmateriel. Betygsgränser: 15p. för Godkänd, 24p. för Väl Godkänd (av maximalt 36p. HH / Georgi Tchilikov DISKRET MATEMATIK,5p. 8 juni 007, 40 minuter Inga hjälpmedel, förutom skrivmateriel. Betygsgränser: 5p. för Godkänd, 4p. för Väl Godkänd (av maximalt 36p.). Förenkla (så mycket som

Läs mer

Sannolikhetslära Albertus Pictor Lyckohjulet

Sannolikhetslära Albertus Pictor Lyckohjulet Sannolikhetslära Albertus Pictor Lyckohjulet Regnabo. Regnaui. Sum sine Regno står det målat över Albertus Pictors lyckohjul i Härkeberga vapenhus. Det betyder jag skall ha makten, jag har makten, jag

Läs mer

Lösningstips till de flesta uppgifterna i fjärde upplagan av Statistisk dataanalys

Lösningstips till de flesta uppgifterna i fjärde upplagan av Statistisk dataanalys Lösningstips till de flesta uppgifterna i fjärde upplagan av Statistisk dataanalys Din granne är hungrig. Ge honom en fisk och han har mat för dagen. Lär honom att fiska och han har mat resten av sitt

Läs mer

Explorativ övning 5 MATEMATISK INDUKTION

Explorativ övning 5 MATEMATISK INDUKTION Explorativ övning 5 MATEMATISK INDUKTION Syftet med denna övning är att introducera en av de viktigaste bevismetoderna i matematiken matematisk induktion. Termen induktion är lite olycklig därför att matematisk

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

Lutande torn och kluriga konster!

Lutande torn och kluriga konster! Lutande torn och kluriga konster! Aktiviteter för barn under Vetenskapsfestivalens skolprogram 2001 Innehåll 1 Bygga lutande torn som inte faller 2 2 Om konsten att vinna betingat godis i spel 5 3 Den

Läs mer

Högskoleprovet Kvantitativ del

Högskoleprovet Kvantitativ del Högskoleprovet Kvantitativ del Här följer anvisningar till de kvantitativa delproven XYZ, KVA, NOG och DTK. Provhäftet innehåller 40 uppgifter och den totala provtiden är 55 minuter. Ägna inte för lång

Läs mer

Matematik för språkteknologer

Matematik för språkteknologer 1 / 23 Matematik för språkteknologer Mängdlära Mats Dahllöf Institutionen för lingvistik och filologi Januari 2015 Mängdlära matematik för kategorier En mängd svarar mot en helt godtycklig kategori. Elementrelationen

Läs mer

ÄNDLIGT OCH OÄNDLIGT AVSNITT 4

ÄNDLIGT OCH OÄNDLIGT AVSNITT 4 VSNITT ÄNDLIGT OCH OÄNDLIGT Är det möjligt att jämföra storleken av olika talmängder? Har det någon mening om man säger att det finns fler irrationella tal än rationella? Är det överhuvudtaget möjligt

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

SF1901: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 12 oktober 2015

SF1901: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 12 oktober 2015 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 14 PASSNING AV FÖRDELNING: χ 2 -METODER. Tatjana Pavlenko 12 oktober 2015 PLAN FÖR DAGENS FÖRELÄSNING Icke-parametsriska metoder. (Kap. 13.10) Det grundläggande

Läs mer

2 Dataanalys och beskrivande statistik

2 Dataanalys och beskrivande statistik 2 Dataanalys och beskrivande statistik Vad är data, och vad är statistik? Data är en samling fakta ur vilken man kan erhålla information. Statistik är vetenskapen (vissa skulle kalla det konst) om att

Läs mer

Tabeller och figurer / Ilkka Norri / TY Kielikeskus

Tabeller och figurer / Ilkka Norri / TY Kielikeskus Tabeller och figurer / Ilkka Norri / TY Kielikeskus En tabell består av tabellrubrik > kort, ska ge all information som läsaren behöver tabellhuvud > rubriktexter för uppgiftsgrupperingarna som inleds

Läs mer

19. BESLUTSTEORI. 19.1 Beslutsprocessen

19. BESLUTSTEORI. 19.1 Beslutsprocessen 19. BESLUTSTEORI 19.1 Beslutsprocessen För många människor, författaren i synnerhet, börjar dagen med en situation som kräver ett beslut: väckarklockan ringer, vad göra? Stänga av den och sove vidareeller

Läs mer

Säsongrensning i tidsserier.

Säsongrensning i tidsserier. Senast ändrad 200-03-23. Säsongrensning i tidsserier. Kompletterande text till kapitel.5 i Tamhane och Dunlop. Inledning. Syftet med säsongrensning är att dela upp en tidsserie i en trend u t, en säsongkomponent

Läs mer

Matematik 1A 4 Potenser

Matematik 1A 4 Potenser Matematik 1A 4 Potenser förklara begrepp t ex. potens, bas, exponent och grundpotensform (Nivå E C) tolka, skriva och räkna med tal i grundpotensform (Nivå E A) helst kunna redogöra för räkneregler för

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Diagonalisering av linjära avbildningar III

Läs mer

Svar och arbeta vidare med Student 2008

Svar och arbeta vidare med Student 2008 Student 008 Svar och arbeta vidare med Student 008 Det finns många intressanta idéer i årets Känguruaktiviteter. Problemen kan inspirera undervisningen under flera lektioner. Här ger vi några förslag att

Läs mer

Kvalificeringstävling den 30 september 2008

Kvalificeringstävling den 30 september 2008 SKOLORNAS MATEMATIKTÄVLING Svenska Matematikersamfundet Kvalificeringstävling den 30 september 2008 Förslag till lösningar Problem 1 Tre rader med tal är skrivna på ett papper Varje rad innehåller tre

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 april 2004, klockan 08.15-13.15

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 april 2004, klockan 08.15-13.15 Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 6 april 004, klockan 08.15-13.15 Tillåtna hjälpmedel: Bifogad

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

Bonusmaterial till Lära och undervisa matematik från förskoleklass till åk 6. Ledning för att lösa problemen i Övningar för kapitel 5, sid 138-144

Bonusmaterial till Lära och undervisa matematik från förskoleklass till åk 6. Ledning för att lösa problemen i Övningar för kapitel 5, sid 138-144 Bonusmaterial till Lära och undervisa matematik från förskoleklass till åk 6 Ledning för att lösa problemen i Övningar för kapitel 5, sid 138-144 Avsikten med de ledtrådar som ges nedan är att peka på

Läs mer

Lokal pedagogisk planering i matematik för årskurs 9

Lokal pedagogisk planering i matematik för årskurs 9 Lokal pedagogisk planering i matematik för årskurs 9 Arbetsområde 1. Procent och statistik Syfte formulera och lösa problem med hjälp av matematik samt värdera valda strategier och metoder. reflektera

Läs mer

Mer om reella tal och kontinuitet

Mer om reella tal och kontinuitet Kapitel R Mer om reella tal och kontinuitet I detta kapitel formulerar vi ett av de reella talens grundläggande axiom, axiomet om övre gräns, och studerar några konsekvenser av detta. Med dess hjälp kommer

Läs mer

Gränsvärdesberäkningar i praktiken

Gränsvärdesberäkningar i praktiken Gränsvärdesberäkningar i praktiken - ett komplement till kapitel i analsboken Jonas Månsson När man beräknar gränsvärden använder man sig av en rad olika strategier beroende på det givna problemet. Avsikten

Läs mer

Kursombud sökes! Kursens syfte är att ge en introduktion till metoder för att förutsäga realtidsegenskaper hos betjäningssystem, i synnerhet för data- och telekommunikationssystem. Såväl enkla betjäningssystem,

Läs mer

Stokastiska processer

Stokastiska processer Stokastiska processer Fredrik Olsson, fredrik.olsson@iml.lth.se Avdelningen för produktionsekonomi Lunds tekniska högskola, Lunds universitet Dessa förläsningsanteckningar kommer att behandla diskreta

Läs mer

TAMS79: Matematisk statistik vt 2013

TAMS79: Matematisk statistik vt 2013 TAMS79: Matematisk statistik vt 3 Föreläsningsanteckningar Johan Thim, MAI.5. 5 3 3 TAMS79: Föreläsning Grundläggande begrepp Johan Thim 3 januari 3. Begrepp Ett slumpförsök är ett försök där resultatet

Läs mer

Matematik B (MA1202)

Matematik B (MA1202) Matematik B (MA10) 50 p Betygskriterier med exempeluppgifter Värmdö Gymnasium Betygskriterier enligt Skolverket Kriterier för betyget Godkänd Eleven använder lämpliga matematiska begrepp, metoder och tillvägagångssätt

Läs mer

Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram

Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram 2.1 Grundläggande matematik 2.1.1 Potensfunktioner xmxn xm n x x x x 3 4 34 7 x x m n x mn x x 4 3 x4 3 x1 x x n 1 x n x 3 1 x 3 x0 1 1

Läs mer

Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4

Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4 Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 014-015 Denna lektion ska vi studera rekursion. Lektion 4 Principen om induktion Principen om induktion är ett vanligt sätt att bevisa

Läs mer

1.5 Vad är sannolikheten för att ett slumpvis draget spelkort ska vara femma eller lägre eller knekt, dam, kung eller äss?

1.5 Vad är sannolikheten för att ett slumpvis draget spelkort ska vara femma eller lägre eller knekt, dam, kung eller äss? 1 ÖVNINGAR I INDUKTIV LOGIK 1.1 En tärning kastas. Ange sannolikheten för att antalet ögon är a) 3 b) inte 3 c) 3 eller 5 d) jämnt e) mindre än 4 f) jämnt och mindre än 4 g) jämnt eller mindre än 4 h)

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

2010-09-13 Resultatnivåns beroende av ålder och kön analys av svensk veteranfriidrott med fokus på löpgrenar

2010-09-13 Resultatnivåns beroende av ålder och kön analys av svensk veteranfriidrott med fokus på löpgrenar 1 2010-09-13 Resultatnivåns beroende av ålder och kön analys av svensk veteranfriidrott med fokus på löpgrenar av Sven Gärderud, Carl-Erik Särndal och Ivar Söderlind Sammanfattning I denna rapport använder

Läs mer

5.3 Sannolikhet i flera steg

5.3 Sannolikhet i flera steg 5.3 Sannolikhet i flera steg När man singlar slant kan man få utfallen krona eller klave. Sannolikheten att få klave är - och krona ^. Vad är sannolikheten att fä krona två. kast i rad? Träddlagram För

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 13 november 2004, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 13 november 2004, kl. 09.00-13.00 Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A Deltentamen, 4p november 004, kl. 09.00-.00 Tillåtna hjälpmedel: Bifogad formel- och

Läs mer

Gamla tentauppgifter i kursen Statistik och sannolikhetslära (LMA120)

Gamla tentauppgifter i kursen Statistik och sannolikhetslära (LMA120) Gamla tentauppgifter i kursen Statistik och sannolikhetslära (LMA120) Lärandemål I uppgiftena nedan anger L1, L2 respektive L3 vilket lärandemål de olika uppgifterna testar: L1 Ta risker som i förväg är

Läs mer

Är icke-sannolikhetsurval aldrig representativa?

Är icke-sannolikhetsurval aldrig representativa? Surveyföreningens webbpanelseminarium 2011-02-03 Är icke-sannolikhetsurval aldrig representativa? Jan Wretman Webbpanelkommittén 1 Det kommer att handla om: Begreppet representativitet. Bedömning av skattningars

Läs mer

Matematisk statistik för B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Exempel: Utsläpp från Källby reningsverk.

Matematisk statistik för B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Exempel: Utsläpp från Källby reningsverk. Mtemtisk sttistik för B, K, N, BME och Kemister Föreläsning 1 John Lindström 1 september 2014 John Lindström - johnl@mths.lth.se FMS086/MASB02 F1 2/26 Exempel Tillämpningr Signlbehndling Mtemtisk sttistik

Läs mer

Lär lätt! Statistik - Kompendium

Lär lätt! Statistik - Kompendium Björn Lantz Lär lätt! Statistik - Kompendium Studentia 006 Björn Lantz och Studentia Ladda ner kompendiet gratis på ISBN 87-7681-080-1 Studentia Innehållsförteckning Innehållsförteckning 1. Introduktion

Läs mer

2 (6) k 0 2 (7) n 1 F k F n. k F k F n F k F n F n 1 2 (8)

2 (6) k 0 2 (7) n 1 F k F n. k F k F n F k F n F n 1 2 (8) De naturliga talen. Vi skall till att börja med stanna kvar i världen av naturliga tal, N 3. Vi har redan använt (i beviset av Euklides primtalssats) att de naturliga talen är uppbyggda (genom multiplikation)

Läs mer

Grafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann

Grafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann Marco Kuhlmann 1 En graf är en struktur av prickar förbundna med streck. Ett tidsenligt exempel på en sådan struktur är ett social nätverk, där prickarna motsvarar personer och en streck mellan två prickar

Läs mer

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29 UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för Teknologer, 5 poäng (TNK, ET, BTG) Peter Anton, Per Arnqvist Anton Grafström TENTAMEN 7-8-9 LÖSNINGSFÖRSLAG TILL TENTAMEN

Läs mer

Golv, Tapeter, och andra Mönster

Golv, Tapeter, och andra Mönster Golv, Tapeter, och andra Mönster De Arkimediska plattläggningarna Tänk dig att du ska lägga ett golv. Till ditt förfogande har du plattor av varierande utseende, men alla är så kallade reguljära månghörningar,

Läs mer

Lär lätt! Statistik - Kompendium

Lär lätt! Statistik - Kompendium Björn Lantz Lär lätt! Statistik - Kompendium Studentia 006 Björn Lantz och Studentia Ladda ner kompendiet gratis på ISBN 87-7681-080-1 Studentia Innehållsförteckning Innehållsförteckning 1. Introduktion

Läs mer

Statistiska modeller inom datateknik. Mikael Möller

Statistiska modeller inom datateknik. Mikael Möller Statistiska modeller inom datateknik Mikael Möller ii Innehåll Innehåll Figurer Tabeller Förord Introduktion iii ix xi xiii xvii. Läges- och spridningsmått.................. 3.. Medelvärdet......................

Läs mer

Statistisk undersökningsmetodik (Pol. kand.)

Statistisk undersökningsmetodik (Pol. kand.) TENTAMEN Tentamensdatum 2008-10-02 Statistisk undersökningsmetodik (Pol. kand.) Namn:.. Personnr:.. Tentakod: Obs! Var noga med att skriva din tentakod på varje lösningsblad som du lämnar in. Skrivtid

Läs mer

Procent 1, 50 % är hälften

Procent 1, 50 % är hälften Innehåll Procent -7 Bråkform decimalform procentform 8-9 Sannolikhet 10-1 Kombinatorik 13-1 Medelvärde, median och typvärde 1-16 Negativa tal 17-18 Koordinatsystem 19- Proportionella samband 3- Geometriska

Läs mer

TEORETISKT PROBLEM 2 DOPPLERKYLNING MED LASER SAMT OPTISK SIRAP

TEORETISKT PROBLEM 2 DOPPLERKYLNING MED LASER SAMT OPTISK SIRAP TEORETISKT PROBLEM 2 DOPPLERKYLNING MED LASER SAMT OPTISK SIRAP Avsikten med detta problem är att ta fram en enkel teori för att förstå så kallad laserkylning och optisk sirap. Detta innebär att en stråle

Läs mer

Riksfinal. Del 1: 6 uppgifter Tid: 60 min Maxpoäng: 18 (3p/uppgift) OBS! Skriv varje uppgift på separat papper och lagets namn på samtliga papper.

Riksfinal. Del 1: 6 uppgifter Tid: 60 min Maxpoäng: 18 (3p/uppgift) OBS! Skriv varje uppgift på separat papper och lagets namn på samtliga papper. Riksfinal Del 1: 6 uppgifter Tid: 60 min Maxpoäng: 18 (3p/uppgift) Hjälpmedel: Endast skrivmateriel, ingen miniräknare OBS Skriv varje uppgift på separat papper och lagets namn på samtliga papper. Fullständiga

Läs mer