Slump och sannolikhet

Storlek: px
Starta visningen från sidan:

Download "Slump och sannolikhet"

Transkript

1 Modul: Sannolikhet och Statistik Del 3: Att utmana elevers resonemang om slump Slump och sannolikhet Andreas Eckert, Linnéuniversitetet Cecilia Kilhamn, Göteborgs Universitet I denna text kommer du att läsa mer om en av grundpelarna till sannolikhetsläran som har visats innebära en del problem för elevers förståelse, nämligen slump. Sannolikhetsläran är en gren av matematiken som grundar sina resultat i ett visst mått av osäkerhet, vilket kan härledas till begreppet slump. Men innan vi diskuterar slump som ett matematiskt fenomen så ska vi titta på den vardagliga användningen av begreppet. Ordet slump används i vardagligt tal på många olika sätt, du har kanske hört eller själv använt uttryck som det var ren slump, det var slumpen som gjorde det och vilken slump. Knutet till slump finns även uttryck som chans, risk, troligt, möjligt, sannolikt och osannolikt som du kan fundera på vad de betyder för dig. Enligt Svenska akademins ordbok kan slump ha olika betydelser i det svenska språket. De som är relevanta för matematikundervisning kan sammanfattas i två huvudspår. Den ena betydelsen innebär att slump är en oförutsedd omständighet som inte kan förklaras genom ett orsakssamband och som dessutom ofta är osannolik, t.ex. att det var en slump att just dina föräldrar träffades och inledde ett förhållande. Den andra betydelsen innebär att slump är en styrande makt som styr vissa skeenden, t.ex. det var slumpen som gjorde att det blev klave vid myntsinglingen. Båda fallen innefattar någon typ av process som inte är förutsägbar av betraktaren på förhand, och det är nyckeln i sammanhanget. I ett historiskt perspektiv har man ofta gått från en tro på högre makter eller ödet, till att tro att vad som händer oss är helt slumpartat. Exempelvis vilka som drabbas av sjukdomar eller hur vädret blir. Sanningen är ofta att det finns begripliga och förutsägbara mekanismer som påverkar vad som sker, även om de vid just sjukdomar och väder tycks obegripliga. Mycket forskning går idag ut på att försöka hitta orsaker till att saker händer i syfte att kunna förutse och därmed kunna kontrollera våra liv och vår tillvaro. Många saker i våra liv betraktas dock som slumpmässiga i brist på kunskap om vad som påverkar dem. Brist på kunskap handlar många gånger om att de faktorer som påverkar en händelse eller ett skeende ofta är för många och för komplexa, eller helt enkelt okända, för att händelsen eller skeendet med säkerhet ska kunna förutsägas. Om vi använder kast med en symmetrisk sexsidig tärning som exempel säger vi att resultatet, eller utfallet, av ett sådant kast är slumpmässigt. Detta för att det är många faktorer, kända och okända, såsom kraft och vinkel på kastet, som påverkar ett tärningskast. Underlag, tärningens viktfördelning, luftströmmar, handsvett o.s.v. kan också tänkas påverka vad tärningen kommer att visa för utfall. För att kunna uttala sig alls om resultatet av ett tärningskast säger vi att händelsen inträffar slumpmässigt, eller är betingad med slump, och tilldelar istället de olika utfallen 1, 2, 3, 4, 5 och 6 ett sannolikhetsmått. 1 (8)

2 Inom matematiken benämns slump inte som en påverkande kraft eller faktor utan som en variabel. En slumpvariabel kan anta olika värden, eller annorlunda uttryckt, ett slumpförsök kan resultera i olika utfall. Utfallsrummet i ett slumpmässigt försök utgörs av alla de utfall som är möjliga. Om vi återigen använder den sexsidiga tärningen som ett konkret exempel vet vi att när vi kastar tärning så kommer någon av sidorna 1 till 6 att hamna uppåt, något annat är inte möjligt. Med ett matematiskt språk om slumpbegreppet säger vi att slumpvariabeln antar ett värde i utfallsrummet {1, 2, 3, 4, 5, 6} när vi kastar tärningen. Slumpvariabeln kan alltså anta vilket värde som helst inom utfallsrummet men det som är speciellt för slumpvariabeln, jämfört med andra variabler, är att det inte går att förutsäga/bestämma vilket. Denna egenskap kan tyckas nyckfull och svår att passa in i matematikens annars välordnade värld. Men det slumpvariabeln saknar i förutsägbarhet i enstaka fall tar den igen i förutsägbarhet i många återupprepade försök. Slump är alltså, matematiskt, något som är oförutsägbart om vi bara gör få observationer (små stickprov) men förutsägbart om vi gör många observationer (stora stickprov). Om vi t.ex. kastar ett perfekt symmetriskt mynt kan vi inte förutsäga om det kommer bli korna eller klave. Men om vi däremot kastar samma mynt gånger kan vi förutsäga att de relativa frekvenserna (andelarna) för utfallen krona respektive klave kommer att vara nära 50% för respektive utfall. Eftersom slump är ett vedertaget vardagsbegrepp som få reagerar på är det lätt att ta förståelsen för slumpbegreppet för given. Forskning, som ges exempel på längre fram i texten, har dock visat att svårigheterna att förstå slumpbegreppet och sannolikhetsläran är många både bland barn och vuxna. Det har även visat sig att personer som visat formell förståelse för slump och sannolikhet ofta faller tillbaka till att intuitivt resonera på tvären med vad som vore formellt riktigt. Vi går än en gång tillbaka till fallet med den sexsidiga tärningen. Tärningen är perfekt balanserad. Du kastar flera kast och märker att du inte får någon sexa. Här är det lätt att tänka att sannolikheten att få en sexa i efterföljande kast ökar för varje gång man inte får en sexa. Flera av er skulle säkert kunna uttrycka något i stil med att nu måste det bli en sexa! om det inte blivit en sexa på ett bra tag. Men tärningen har förstås inget minne! Inför varje nytt kast är sannolikheten för de olika utfallen 1/6 oberoende av vad som hänt tidigare. Det är en sak att tänka det i ett fiktivt exempel men en annan sak att intuitivt känna det i en faktisk situation. I resten av texten kommer vi att diskutera olika vanliga uppfattningar om slump och sannolikhet som inte stämmer överens med den matematiska definitionen, vad forskningen på området har visat och hur man kan arbeta med detta i klassrummet. Slump och sannolikhet i forskningen Människors tro på möjligheten att kunna påverka slump samt intuitiva resonemang kring slump och sannolikhet återkommer i forskningen. De resonemang som tas upp nedan är starkt kontextberoende och kan i många fall uttryckas på olika sätt beroende på hur frågan eller problemet är formulerat. I anslutning till de svårigheter som vi ska diskutera presenteras först ett problem. Stanna upp i läsningen inför varje problem och fundera själv på hur du tänker innan du läser vidare. Problemen är formulerade så att det går att svara i termer 2 (8)

3 av lika sannolikt, mer sannolikt, sant och omöjligt för att även fungera med yngre barn som ännu inte börjat sätta siffror på sannolikhetsmått. Problem 1: Vad blir nästa utfall? En elev har singlat slant fem gånger och fått resultatet Krona Klave Klave Klave Klave Vad är det troligaste resultatet på ett sjätte kast? Som var fallet med tärningen ovan så har inte myntet något minne. Ett matematiskt korrekt svar här vore därför att det är lika troligt (sannolikt) att det blir krona som klave vid ett sjätte kast. Ändå har Kahneman och Tversky visat att många svarar att krona vore troligast för att det skulle jämna ut serien. Antingen genom ett sorts rättvisetänk att det nu är kronas tur, eller med en matematisk motivering att eftersom sannolikheten ska vara lika stor för krona och klave borde man få ungefär lika många av varje. Om man följer den andra av de båda förklaringarna menar Kahneman och Tversky att man tillämpar en strategi som de kommit att kalla för representativitet. Tillämpar man representativitet så menar man att det är större sannolikhet för krona då detta skulle medföra att proportionerna mellan krona och klave bättre skulle stämma överens med, dvs. representera, den teoretiska sannolikheten för krona och klave än om det blev klave än gång till. Det är också fullt möjligt att någon svarar att klave vore troligast för att den här eleven verkar vara duktigare på att få just klave eller har turen med sig just nu, att eleven i problemformuleringen på något sätt kan påverka slumpen. Kanske har du stött på känslan av att någon person får fler sexor när ni spelar sällskapsspel och att det på något sätt är knutet till den personen? Eller har du kanske ett turnummer eller turfärg som kan vara till din fördel i spelsituationer som innefattar slump? För att få till en diskussion om olika resonemang i klassrummet kan man förslagsvis låta eleverna själva uppleva slump genom praktiska försök. Låt eleverna kasta tärning tio gånger och bokföra sina resultat. När samtliga elevers/gruppers resultat sedan lyfts till en helklassdiskussion får eleverna en upplevelse av variationen i slumpförsök. I samtalet kring resultaten är det då viktigt att eleverna får ge uttryck för sina uppfattningar och formulera egna motiveringar, och att dessa motiveringar kan utmanas för att så småningom utvecklas till matematiskt hållbara resonemang. Ett sätt att utmana elever och skapa diskussion är att kontrastera olika resonemang och positionera dem mot varandra.det kan göras genom att välja ut och sätta fokus på två olika lösningar och slutsatser. Ta till exempel ett scenario där Kim påstår att det kommer att bli krona i det kommande kastet för att jämna ut eller göra det mer rättvist. Under arbetet kanske du som lärare har uppmärksammat Eva, som anser att tidigare kast inte påverkar resultatet på efterföljande kast. Skillnaderna mellan dessa båda resonemang kan nu lyftas fram och förstärkas till exempel så här: Eva påstod att det är lika stor sannolikhet för klave som för krona eftersom myntet inte har något minne. Hon anser att det som hänt innan kan inte påverka nästa kast. Men, några av er har skrivit att ni tror det blir krona nästa gång. Därefter finns utrymme att ställa klargörande frågor för att få eleverna att motivera sina resonemang i kontrast till andras synsätt. Att uppmana eleverna att motivera sina idéer 3 (8)

4 kan hjälpa dem att komma överens om ett resonemang som är matematiskt hållbart; i det här fallet Evas resonemang. Problem 2: Vilket utfall är mest sannolikt? Två tärningar kastas samtidigt två gånger med följande resultat. Kast 1: en femma och en sexa Kast 2: två sexor Vilket av dessa resultat är mest sannolikt, eller är de lika sannolika? Många elever menar att de två resultaten är lika sannolika. Lecoutre visade att en vanlig uppfattning är att alla slumpmässiga händelser betraktas som lika sannolika. Denna uppfattning kan bero på svårigheter att bestämma utfallsrummet. I ovanstående fråga har händelsen en femma och en sexa två möjliga utfall (5,6) och (6,5) medan händelsen två sexor bara har ett utfall (6,6), vilket gör att händelsen en femma och en sexa är dubbelt så sannolikt som händelsen två sexor. Uppfattningen kan också bottna i en stark tro på rättvisa i slumpsituationer. Många tror att alla utfall är lika sannolika i ett slumpförsök, och i vissa böcker definieras slumpen på det sättet. I det här fallet är alla tre utfallen lika sannolika, men de två olika händelserna har olika sannolikhet. I andra situationer, till exempel när asymmetriska/oregelbundna objekt kastas upp, är sannolikheten för de olika utfallen inte lika stor. Astragalarena som nämndes i texten i del 1 är exempel på asymmetriska objekt som har använts i spel. Betrakta leksakshuset på bilden. Huset har två långsidor, två gavlar, en botten och två taksidor. Det finns sju möjliga utfall (sidor) att landa på om det kastas! som en tärning. De sju utfallen är antagligen inte lika sannolika då huset är oregelbundet i formen. Ytorna är olika stora och tyngdpunkten ligger inte i mitten. Att använda ett sådant föremål istället för vanliga tärningar kan vara ett sätt att utmana elevernas uppfattningar om slump. Lecoutre har visat att det finns en del elever som även i fallet med leksakshuset skulle anse att alla utfall (sidor) är lika troliga enligt principen, allt är bara fråga om chans!. Man kan använda ett monopolhus, eller låta eleverna såga till en skev tärning eller oregelbunden träbit där sidorna numreras. Jobba då mycket med frågor innan försöken utförs, be till exempel eleverna att diskutera sinsemellan, innan de kastar de oregelbundet formade tärningarna, vad de tror om resultatet. 4 (8)

5 Problem 3: Gäller de stora talens lag även de små talen? När alla sexbarnsfamiljer i en stad tillfrågades om den exakta ordningen deras barn fötts i, med avseende på kön, svarade 72 familjer att de fötts i denna ordning: Flicka Pojke Flicka Pojke Pojke Flicka Hur många familjer borde, enligt din uppskattning, svarat att deras barn har fötts i följande ordning? Pojke Flicka Pojke Pojke Pojke Pojke Under förutsättning att den underliggande sannolikheten att få en pojke eller flicka är lika stor (i verkligheten är det inte helt sant, det föds något fler pojkar än flickor totalt sett och vissa par har genetiskt sett en större sannolikhet att få flera barn av samma kön) så är de två serierna precis lika sannolika. Ändå fann Kahneman och Tversky att många intuitivt ansåg den senare serien vara mindre sannolik än den förra. Förhållandet mellan antalet pojkar och flickor i den senare serien stämmer inte överens med den lika fördelningen av pojkar och flickor i samhället (populationen). Detta är ett nytt exempel på ett representativitettänkande: De två serierna bedöms utifrån hur väl de representerar fördelningen i populationen. Den innebär också att många tror att fördelningen i små stickprov kommer att efterlikna fördelningen i stora stickprov till exempel anser många att resultat av tio myntkast bör bli fördelat ungefär hälften krona och hälften klave för att resultatet av tio tusen kast skulle ha ungefär den fördelningen. Efter att ha diskuterat denna eller en liknande frågeställning skulle du som lärare kunna utmana elevernas resonemang ytterligare genom att följa upp med en spelsituation. Du kan låta eleverna skapa ett eget slumpmässigt stickprov med hjälp av till exempel ett mynt som kastas tio gånger och samtidigt be dem hitta på ett stickprov som de själva anser är slumpmässig och sedan låta kamraterna gissa vilket som är vilket. På så sätt ges möjligheten att fortsätta diskussionen om hur eleverna bedömer slumpmässighet. Diskussionerna kan självklart gå i olika riktningar men exempel på intressanta frågeställningar mot slutet vore om det går att skapa slumpmässiga serier genom att hitta på, eller kan man säga något om hur ett litet stickprov borde se ut om det är slumpmässigt? Ur ett vardagsperspektiv kan en övertro på hur små stickprov avspeglar förhållandena i populationen lätt påverka val vi gör genom att vi drar felaktiga slutsatser om en population utifrån ett litet stickprov. Säg att vi tänker köpa en ny bil och därför frågar tre bekanta om en modell som de tidigare ägt. Om då två av de tre haft problem med oljeläckage är det lätt att dra slutsatsen att detta är ett vanligt problem för den aktuella bilmodellen. Men i ett litet stickprov spelar slumpen stor roll och problem med oljeläckage kan i själva verket vara ytterst ovanligt för bilmodellen. 5 (8)

6 Problem 4: Är slumpen regelbunden? Alla sexbarnsfamiljer i en stad tillfrågades om den exakta ordningen deras barn fötts i. Vilken ordning är mest sannolik? eller Flicka Pojke Pojke Flicka Pojke Flicka Pojke Pojke Pojke Flicka Flicka Flicka Även här är de två serierna lika sannolika men Kahneman, Slovic och Tversky visade att många ändå resonerar intuitivt att serie två är avsevärt mindre sannolik än serie ett. Detta har att göra med hur slumpmässighet uppfattas. Trots att båda serierna efterliknar fördelningen i populationen (lika många flickor och pojkar) uppfattas inte serie två som slumpmässigt ordnad. Slumphändelser är processer som är oförutsägbara så när de genererar till synes ordnade sekvenser upplevs dessa som osannolika trots att de är precis lika sannolika som någon annan sekvens som kan uppstå. Till exempel upplevs lottoraden 2, 3, 4, 5, 6, 7, 8 (till skillnad från exempelvis 2, 7, 11, 12, 23, 25, 33) som väldigt osannolik eftersom det ses som ett ordnat resultat av en serie av slumphändelser. Här är ett exempel från verkligheten. Signe hade sett en vacker kakelsättning i ett kök. Den bestod av kakelplattor i sex olika färger, spridda över väggen helt slumpmässigt. Hon ville göra något liknande hemma i sitt kök och köpte kakelplattor i sex olika färger. Hon köpte 10 av varje färg för att täcka en yta som skulle vara 6x10 plattor stor. Hur ska jag få det slumpmässigt? funderade hon. Eftersom tärningar är liksidigt symmetriska beslöt hon sig för att låta tärningen bestämma ordningen på plattorna. Varje färg tilldelades ett nummer. Sedan slog hon tärningen och fyllde i ett rutat papper vilken färg slumpen gav för varje ruta. Det konstiga var att hon inte fick till ett vackert mönster. Det blev inte alls vad hon skulle beskriva som slumpmässigt. Istället blev det ofta samma färg flera gånger i rad och vissa färger dök nästan aldrig upp. Ibland blev det upprepningar som såg symmetriska ut såsom gul-blå-gul-blå-gul-blå. När hon fyllt de 60 rutorna visade det sig att kaklet hon köpte inte skulle räcka, vissa färger fanns det för få av och andra för många av. Något måste ha blivit fel tänkte Signe och gjorde ett nytt försök. Efter tre försök var hon lika missnöjd. Inget blev speciellt vackert och inget gick jämnt upp med de 60 plattor hon köpt. Med en suck gav Signe upp och kaklade istället sin vägg randig. I själva verket var den vägg Signe hade inspirerats av, och som givit henne ett slumpmässigt intryck, en noga planerad och medvetet komponerad vägg. Varje platta hade blivit utplacerad över ytan så att inga två plattor bredvid varandra hade samma färg och så att varje färg var jämnt utspridd över hela väggen. Att få ett jämnt och harmoniskt utseende på väggen genom slumpens inverkan vore extremt osannolikt. Slumpen är till sin karaktär inte rättvis eller regelbunden. Den är oförutsägbar. Exemplet med Signe skulle kunna vara en intressant uppgift för eleverna att genomföra och diskutera. Upplever de slumpmässighet på samma sätt när det handlar om geometriska 6 (8)

7 mönster? Med hjälp av ett rutat papper och färgpennor kan de göra egna slumpmässiga mönster som sedan jämförs med mönster som skapats med hjälp av till exempel tärningar. Påverkar kontexten deras uppfattning nu när det handlar om geometriska mönster? Problem 5: Vilka finns det flest av? Vilka finns det flest av i det svenska språket? Ord som börjar på bokstaven R eller Ord som har R som tredje bokstav Utfall som vi enkelt kan visualisera eller tänka på uppfattas ofta som mer sannolika än andra utfall. För många av oss är det mycket enklare att komma på ord som börjar på R än ord som har R i tredje positionen. Kahneman och Tversky menade att tillgängligheten leder till att ord som börjar på R bedöms vara fler, trots att det är tvärt om. Att göra riskbedömningar utifrån hur enkelt det är att dra sig till minnes en händelse kan få oönskade och ibland kostsamma följder. Låt oss ta ett exempel. Du ska precis betala din nya mobiltelefon med en lång kö av personer bakom dig och du får frågan om du vill köpa en tilläggsförsäkring. Du måste snabbt bestämma dig och de första minnena som dyker upp är av bekanta som förstört sina mobiltelefoner på ett eller annat sätt. Även om du själv är en försiktig person kan dessa minnesbilder få dig att bedöma risken som stor att du kommer att behöva försäkringen. För att lyfta denna typ av svårighet med eleverna och hjälpa dem med strategier för att arbeta mer systematiskt med liknande uppgifter kan det vara bra att låta dem bedöma sannolikheten för olika utfall i enkla additioner och subtraktioner. För en elev i skolans tidiga år är det inte alls självklart att det är större sannolikhet att få summan sju än summan tolv när man kastar två sex-sidiga tärningar. Ur ett teoretiskt perspektiv är det 6/36=1/6 chans att få summan 7 men bara 1/36 chans att få summan 12. Detta beror på att händelsen summa sju erhålls av sex olika utfall: (1,6), (6,1), (2,5), (5,2), (4,3) och (3,4), medan händelsen summa tolv endast kan erhållas på ett sätt: (6,6). Totalt går det att kombinera alla 11 summorna på 36 olika sätt. För yngre elever kan det vara svårt att urskilja olika kombinationer av summorna och göra den informationen tillgänglig som underlag för sin bedömning av sannolikheterna. Ett tärningsspel kan användas för att göra tillgängligt och skapa reflektion kring det underliggande utfallsrummet och hur det inverkar på olika händelsers sannolikheter. Använd en spelplan som den i figuren nedan och två sexsidiga tärningar, gärna av olika färg för att göra utfallen tydligare. Det är en fördel om eleverna spelar i lag, gärna parvis så att de ges möjlighet att diskutera strategier, och att flera omgångar spelas i följd så att eleverna utmanas att utveckla sina strategier. Ge varje lag ett bestämt antal spelmarker som de ska placera på rutorna. Markerna får placeras på vilka rutor som helst, även flera på samma ruta. Sedan slås två tärningar, gärna med olika färg. De lag som placerat någon spelmark på den summan som kommer upp får plocka hem den. Om exempelvis två och fem kommer upp får de lag som har lagt en spelmark på sju ta hem en mark. Har laget lagt flera marker på samma tal tas ändå bara en hem varje gång. Vinner gör det lag som först får hem alla sina 7 (8)

8 marker. Summan sju har högst sannolikhet som nämnts tidigare, men det kan i ett första skede vara svårt att se framför sig. Spelet bör spelas flera gånger i följd för att eleverna dels ska ges möjligheten att revidera sina strategier och dels få uppleva att slumpen inverkar, så att även om sannolikheten är liten för exempelvis summan tolv så är den inte omöjlig I en annan variant beräknas istället differensen mellan de två tärningarna. Det är då inte enkelt att se framför sig att ett är den vanligaste differensen följt av två och att noll är lika sannolikt som tre om man använder sexsidiga tärningar, medan alla tal över fem är omöjliga utfall. Spelet kan byggas ut och göras svårare till exempel genom att tiosidiga eller tolvsidiga tärningar används, att tre tärningar slås eller att produkten istället för summan beräknas. Sammanfattning Slumpbegreppet har både vardagliga och matematiska betydelser som kan skapa förutsättningar för goda diskussioner i klassrummet men som också kan skapa svårigheter för elever att ta till sig begrepp och strategier inom sannolikhetsläran. I texten har ett antal svårigheter pekats ut med förslag på hur de kan bearbetas i klassrummet. Gemensamt för alla förslag som givits i texten är ett undersökande arbetssätt. Eleverna ges möjlighet att uppleva slump och utrymme skapas för diskussion där du som lärare får syn på olika tankesätt hos eleverna samtidigt som deras egna resonemang utmanas. Att blanda teori och praktik är ett kraftfullt verktyg i sannolikhetsläran vars logik skiljer sig något från matematik i övrigt. För att göra materialet i texten så konkret som möjligt har kast med tärning använts flera gånger för att exemplifiera slumpbegreppet. Ett häftstift eller ett monopolhus kan också kastas och visar i kontrast till tärningen ett orättvist utfallsrum. Även lyckohjul eller skeva tärningar kan bidra med kontraster till den vanliga sexsidiga tärningen i klassrumsförsök som utmanar elevernas egna resonemang om slump och sannolikhet. Läraren kan utmana elevers uppfattningar genom att välja eller själv utforma uppgifter som fokuserar på olika aspekter av slump. En intuitiv uppfattning av slump kan utmanas genom att läraren iscensätter försök där elevens uppfattning inte stämmer med de nya erfarenheterna. Kontexten i uppgiften kan också påverka vilka uppfattningar om slump som träder fram, till exempel kanske eleven resonerar på ett sätt om chansen att få en sexa i ett sällskapspel med kompisarna och ett annat sätt i en matematikuppgift i klassrummet. Litteratur Kahneman, D. & Tversky, A. (1972). Subjective probability: a judgment of representativeness. Cognitive Psychology, 3 (3), Kahneman, D. & Tversky, A. (1973). Availability: a heuristic for judging frequency and probability. Cognitive Psychology, 5, Kahnemann, D., Slovic, P. & Tversky, A. (1982). Judgement under uncertainty: heuristics and biases. Cambridge: Cambridge University Press. Lecoutre, M.-P. (1992). Cognitive models and problem spaces in "purely random" situations. Educational Studies in Mathematics, 23 (6), (8)

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

Experimentera i sannolikhet från teoretisk sannolikhet till data

Experimentera i sannolikhet från teoretisk sannolikhet till data Modul: Sannolikhet och statistik Del 3. Sannolikhet kopplingen mellan teoretisk modell och data Experimentera i sannolikhet från teoretisk sannolikhet till data Per Nilsson, Örebro universitet Sannolikhet

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

Idén till summaspelet kommer från Mathematics task centre project i

Idén till summaspelet kommer från Mathematics task centre project i Per Nilsson Summaspelet ett spel för lärande i sannolikhet Summaspelet är ett tärningsspel som innehåller element av slumpkaraktär. Författaren har utvecklat och använt olika varianter av spelet för att

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

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

Aktiviteten, (Vad är mina chanser?), parvis, alla har allt material,

Aktiviteten, (Vad är mina chanser?), parvis, alla har allt material, Aktiviteten, (Vad är mina chanser?), parvis, alla har allt material, Hur stor är chansen? NAMN Ni kommer att utvärdera olika spel för att hjälpa er förstå sannolikheten. För varje spel, förutsäga vad som

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

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

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

2D 4D. Flaskracet. strävorna

2D 4D. Flaskracet. strävorna 2D 4D Flaskracet begrepp resonemang sannolikhet Avsikt och matematikinnehåll Syftet med aktiviteten är att väcka frågor och diskussioner om srum och om skillnaden mellan (antal) och (andel). Det är viktigt

Läs mer

Vad kan hända? strävorna

Vad kan hända? strävorna strävorna 4D Vad kan hända? föra, följa och värdera matematiska resonemang sannolikhet Avsikt och matematikinnehåll Innebörden i sannolikhet är en viktig kunskap för alla. Det finns gott om exempel på

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

Här är två korta exempel på situationer då vi tillämpar den distributiva lagen:

Här är två korta exempel på situationer då vi tillämpar den distributiva lagen: Modul: Algebra Del 8: Avslutande reflektion och utvärdering Distributiva lagen Cecilia Kilhamn, Göteborgs Universitet Distributiva lagen a (b + c) = a b + a c Den distributiva lagen kallas den räknelag

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

Upprepade mönster (fortsättning från del 1)

Upprepade mönster (fortsättning från del 1) Modul: Algebra Del 2: Resonemangsförmåga Upprepade mönster (fortsättning från del 1) Anna-Lena Ekdahl och Robert Gunnarsson, Högskolan i Jönköping Ett viktigt syfte med att arbeta med upprepade mönster

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

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

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

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

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

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

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

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

STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017

STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017 MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017 Räknestuga 2 Förberedelser: Lyssna på föreläsningarna F4, F5 och

Läs mer

STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017

STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017 MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017 Räknestuga 2 Förberedelser: Lyssna på föreläsningarna F4, F5 och

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

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: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende Jan Grandell & Timo Koski 21.01.2016 Jan Grandell & Timo Koski Matematisk statistik 21.01.2016 1 / 39 Lärandemål Betingad

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

Addition och subtraktion generalisering

Addition och subtraktion generalisering Modul: Algebra Del 8: Avslutande reflektion och utvärdering Addition och subtraktion generalisering Håkan Lennerstad, Blekinge Tekniska Högskola & Cecilia Kilhamn, Göteborgs Universitet Detta lärandeobjekt

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

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

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

Vardagssituationer och algebraiska formler

Vardagssituationer och algebraiska formler Modul: Algebra Del 7: Kommunikation i algebraklassrummet Vardagssituationer och algebraiska formler Cecilia Kilhamn, Göteborgs Universitet och Jörgen Fors, Linnéuniversitetet En viktig del av algebran

Läs mer

1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt , 2.5

1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt , 2.5 1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt 2.1-2.2, 2.5 Introduktion till kursen. Grundläggande sannolikhetslära. Mängdlära, händelser, sannolikhetsmått Händelse följer samma räkneregler

Läs mer

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

MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus

MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus STATISTIK/DIAGRAM VAD ÄR STATISTIK? En titt på youtube http://www.youtube.com/watch?v=7civnkawope Statistik omfattar

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

Något om sannolikheter, slumpvariabler och slumpmässiga urval

Något om sannolikheter, slumpvariabler och slumpmässiga urval LINKÖPINGS UNIVERSITET Matematiska institutionen Statistik Stig Danielsson 004-0-3 Något om sannolikheter, slumpvariabler och slumpmässiga urval 1. Inledning Observerade data innehåller ofta någon form

Läs mer

Stora talens lag eller det jämnar ut sig

Stora talens lag eller det jämnar ut sig Stora talens lag eller det jämnar ut sig kvensen för krona förändras när vi kastar allt fler gånger. Valda inställningar på räknaren Genom att trycka på så kan man göra ett antal inställningar på sin räknare.

Läs mer

Skolverkets förslag till kursplan i matematik i grundskolan. Matematik

Skolverkets förslag till kursplan i matematik i grundskolan. Matematik Matematik Matematiken har en mångtusenårig historia med bidrag från många kulturer. Den har utvecklats ur människans praktiska behov och hennes naturliga nyfikenhet och lust att utforska. Matematisk verksamhet

Läs mer

Vad är pengarna värda?

Vad är pengarna värda? strävorna 2A Vad är pengarna värda? begrepp taluppfattning Avsikt och matematikinnehåll Syftet med aktiviteten är att ge exempel på hur pengars värde kan konkretiseras med hjälp av laborativt matematikmaterial.

Läs mer

Om LGR 11 FÖRMÅGOR CENTRALT INNEHÅLL. De matematiska förmågor som undervisningen i åk 1-9 syftar till att eleverna ska utveckla.

Om LGR 11 FÖRMÅGOR CENTRALT INNEHÅLL. De matematiska förmågor som undervisningen i åk 1-9 syftar till att eleverna ska utveckla. Om LGR 11 FÖRMÅGOR FÖRMÅGOR Lgr 11: Genom undervisningen i matematik ska eleverna sammanfattningsvis ges förutsättningar att utveckla sin förmåga att formulera och lösa problem med hjälp av matematik samt

Läs mer

Lektionsaktivitet: Tals helhet och delar

Lektionsaktivitet: Tals helhet och delar Modul: Didaktiska perspektiv på matematikundervisningen 1 Del 7: Om tal och tid Lektionsaktivitet: Tals helhet och delar Berit Bergius & Lena Trygg, NCM Syfte Syftet med aktiviteten är att ge erfarenheter

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

Lärarhandledning Aktivitet Tärningsspel

Lärarhandledning Aktivitet Tärningsspel Innehåll Aktivitet.... 2 Bakgrund.... 5 Elevexempel.... 6 Spelplan och sifferkort.... 8 Kartläggningsunderlag.... 9 1 HITTA MATEMATIKEN NATIONELLT KARTLÄGGNINGSMATERIAL I MATEMATISKT TÄNKANDE I FÖRSKOLEKLASS.

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

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

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

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

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

Episoderna i denna artikel är hämtade

Episoderna i denna artikel är hämtade JONAS EMANUELSSON Berätta vad du tänker! Två berättelser om rätt och fel svar Artikeln handlar om de frågor lärare ställer till sina elever i klassrummet och vad som händer i den efterföljande interaktionen.

Läs mer

Om LGR 11 FÖRMÅGOR CENTRALT INNEHÅLL. De matematiska förmågor som undervisningen i åk 1-9 syftar till att eleverna ska utveckla.

Om LGR 11 FÖRMÅGOR CENTRALT INNEHÅLL. De matematiska förmågor som undervisningen i åk 1-9 syftar till att eleverna ska utveckla. Om LGR 11 FÖRMÅGOR FÖRMÅGOR Lgr 11: Genom undervisningen i matematik ska eleverna sammanfattningsvis ges förutsättningar att utveckla sin förmåga att formulera och lösa problem med hjälp av matematik samt

Läs mer

Lärarhandledning Tärningsspel

Lärarhandledning Tärningsspel Lärarhandledning Tärningsspel Innehåll Aktivitet Tärningsspel 2 Bakgrund Tärningsspel 5 Kartläggningsunderlag Tärningsspel 7 Elevexempel Tärningsspel 8 KARTLÄGGNING FÖRSKOLEKLASS HITTA MATEMATIKEN. SKOLVERKET

Läs mer

SANNOLIKHET OCH SPEL

SANNOLIKHET OCH SPEL SANNOLIKHET OCH SPEL I ÖVNINGEN INGÅR ATT: Formulera, analysera och lösa matematiska problem samt värdera valda strategier, metoder och resultat (MA) Tolka en realistisk situation och utforma en matematisk

Läs mer

BILAGA 2 SIDA 1 AV 5 GUF GEMENSAM UTVECKLING AV DE KOMMUNALA FÖRSKOLORNA I SÖDERMALMS STADSDELSOMRÅDE. Senast reviderad

BILAGA 2 SIDA 1 AV 5 GUF GEMENSAM UTVECKLING AV DE KOMMUNALA FÖRSKOLORNA I SÖDERMALMS STADSDELSOMRÅDE. Senast reviderad BILAGA 2 SIDA 1 AV 5 GUF GEMENSAM UTVECKLING AV DE KOMMUNALA FÖRSKOLORNA I SÖDERMALMS STADSDELSOMRÅDE Senast reviderad 2011-01-10 SID 2 (5) Instruktion till uppföljningsmaterialet Ansvarig för att fylla

Läs mer

Aktiviteter med kalkylprogram

Aktiviteter med kalkylprogram Matematik Grundskola årskurs 7-9 Modul: Matematikundervisning med digitala verktyg Del 7: Matematiska undersökningar med kalkylprogram Aktiviteter med kalkylprogram Håkan Sollervall, Malmö högskola Exempel

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

Tänka, resonera och räkna i förskoleklass, Gävle kommun lå 15/16

Tänka, resonera och räkna i förskoleklass, Gävle kommun lå 15/16 Tänka, resonera och räkna i förskoleklass, Gävle kommun lå 15/16 Sammanfattning av lärares synpunkter 1. På vilket sätt är lärarguiden ett stöd för undervisningen om tal och räkning? Det finns en tydlig

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

Förberedande Sannolikhet DIAGNOS SAF

Förberedande Sannolikhet DIAGNOS SAF Förberedande Sannolikhet DIAGNOS SAF Diagnosen är muntlig och omfattar ett antal försök med tillhörande frågor kring resultaten av försöken. Eleverna ges möjligheter att visa vilken uppfattning de har

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

Lektionsaktivitet: Vad kan hända?

Lektionsaktivitet: Vad kan hända? Modul: Didaktiska perspektiv på matematikundervisningen 1 Del 3: Fantasi, mönster och sannolikhet Lektionsaktivitet: Vad kan hända? Berit Bergius & Lena Trygg, NCM Syfte Innebörden i sannolikhet är en

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

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare Stockholms universitet November 2011 Data på annat sätt - I Stolpdiagram Data på annat sätt - II Histogram För kvalitativa data som nominal- och ordinaldata infördes stapeldiagram. För kvantitativa data

Läs mer

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

Exempel: Väljarbarometern. Föreläsning 1: Introduktion. Om Väljarbarometern. Statistikens uppgift Exempel: Väljarbarometern Föreläsning 1: Introduktion Matematisk statistik Det som typiskt karakteriserar ett statistiskt problem är att vi har en stor grupp (population) som vi vill analysera. Vi kan

Läs mer

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

Upprepade mönster kan talen bytas ut mot bokstäverna: A B C A B C eller mot formerna: Anna-Lena Ekdahl, Högskolan i Jönköping

Upprepade mönster kan talen bytas ut mot bokstäverna: A B C A B C eller mot formerna: Anna-Lena Ekdahl, Högskolan i Jönköping Algebra Del 1 Upprepade mönster Anna-Lena Ekdahl, Högskolan i Jönköping Det är välkänt att barn långt innan de börjat skolan utforskar och skapar mönster på olika sätt och med olika material. Ofta skapas

Läs mer

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

Olika proportionella samband, däribland dubbelt och hälften.

Olika proportionella samband, däribland dubbelt och hälften. Karin Landtblom & Anette De Ron Gruppera mera! Dubbelt och hälften är vanliga inslag i den tidiga matematikundervisningen. Elever ska ringa in hälften av något eller rita så att det blir dubbelt så många.

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

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

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

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

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

Föreläsning 1: Introduktion

Föreläsning 1: Introduktion Föreläsning 1: Introduktion Matematisk statistik David Bolin Chalmers University of Technology March 22, 2014 Lärare och kurslitteratur David Bolin: Rum: E-mail: Fredrik Boulund: Rum: E-mail: Kursansvarig,

Läs mer

MATEMATIKENS SPRÅK. Avsnitt 1

MATEMATIKENS SPRÅK. Avsnitt 1 Avsnitt 1 MATEMATIKENS SPRÅK Varje vetenskap, liksom varje yrke, har sitt eget språk som ofta är en blandning av vardagliga ord och speciella termer. En instruktionshandbok för ett kylskåp eller för en

Läs mer

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

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende Jan Grandell & Timo Koski 21.01.2015 Jan Grandell & Timo Koski () Matematisk statistik 21.01.2015 1 / 1 Repetition:

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

Slumpvariabler och sannolikhetsfördelningar

Slumpvariabler och sannolikhetsfördelningar och sannolikhetsfördelningar Föreläsning 4 Sannolikhet och Statistik 5 hp Fredrik Jonsson April 2010 Översikt 1. Verklighetsanknutna exempel. Definition relativt utfallsrum. 2. Sannolikhetsfördelningar

Läs mer

Likhetstecknets innebörd

Likhetstecknets innebörd Modul: Algebra Del 5: Algebra som språk Likhetstecknets innebörd Följande av Görel Sterner (2012) översatta och bearbetade text bygger på boken: Carpenter, T. P., Franke, M. L. & Levi, L. (2003). Thinking

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

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist Föreläsning 1 4.1 Slumpässighet 4.2 Sannolikhetsmodeller Viktiga grundbegrepp Slumpmässig (eng: random) Ett fenomen är slumpmässigt om individuella resultat är osäkra, men resultat alltid förekommer med

Läs mer

Om LGR 11 FÖRMÅGOR CENTRALT INNEHÅLL. De matematiska förmågor som undervisningen i åk 1-9 syftar till att eleverna ska utveckla.

Om LGR 11 FÖRMÅGOR CENTRALT INNEHÅLL. De matematiska förmågor som undervisningen i åk 1-9 syftar till att eleverna ska utveckla. Om LGR 11 FÖRMÅGOR FÖRMÅGOR Lgr 11: Genom undervisningen i matematik ska eleverna sammanfattningsvis ges förutsättningar att utveckla sin förmåga att formulera och lösa problem med hjälp av matematik samt

Läs mer

BFL122/BFL111 Fysik för Tekniskt/ Naturvetenskapligt Basår/ Bastermin Föreläsning 13 Kärnfysik 2 den 4 maj Föreläsning 13.

BFL122/BFL111 Fysik för Tekniskt/ Naturvetenskapligt Basår/ Bastermin Föreläsning 13 Kärnfysik 2 den 4 maj Föreläsning 13. Föreläsning 13 Sönderfallslagen Låt oss börja med ett tankeexperiment (som man med visst tålamod också kan utföra rent praktiskt). Säg att man kastar en tärning en gång. Innan man kastat tärningen kan

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

F5 Introduktion Anpassning Korstabeller Homogenitet Oberoende Sammanfattning Minitab

F5 Introduktion Anpassning Korstabeller Homogenitet Oberoende Sammanfattning Minitab Repetition: Gnuer i (o)skyddade områden χ 2 -metoder, med koppling till binomialfördelning och genetik. Matematik och statistik för biologer, 10 hp Fredrik Jonsson Januari 2012 Endast 2 av de 13 observationerna

Läs mer

Tränarguide del 2. Mattelek. www.flexprogram.se

Tränarguide del 2. Mattelek. www.flexprogram.se Tränarguide del 2 Mattelek www.flexprogram.se 1 ANTALSUPPFATTNING - MINST/STÖRST ANTAL Övningarna inom detta område tränar elevernas uppfattning av antal. Ett antal objekt presenteras i två separata rutor.

Läs mer

Om LGR 11 FÖRMÅGOR CENTRALT INNEHÅLL. De matematiska förmågor som undervisningen i åk 1-9 syftar till att eleverna ska utveckla.

Om LGR 11 FÖRMÅGOR CENTRALT INNEHÅLL. De matematiska förmågor som undervisningen i åk 1-9 syftar till att eleverna ska utveckla. Om LGR 11 FÖRMÅGOR FÖRMÅGOR Lgr 11: Genom undervisningen i matematik ska eleverna sammanfattningsvis ges förutsättningar att utveckla sin förmåga att formulera och lösa problem med hjälp av matematik samt

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

Lotto, ett skicklighetsspel!

Lotto, ett skicklighetsspel! 79 Lotto, ett skicklighetsspel! Jan Grandell KTH 1. Inledning. Du håller nog med om att om man köper en lott så är det bara en fråga om tur om man vinner och hur mycket man vinner. På samma sätt håller

Läs mer

Kolmogorovs Axiomsystem Kolmogorovs Axiomsystem Varje händelse A tilldelas ett tal : slh att A inträar Sannolikheten måste uppfylla vissa krav: Kolmog

Kolmogorovs Axiomsystem Kolmogorovs Axiomsystem Varje händelse A tilldelas ett tal : slh att A inträar Sannolikheten måste uppfylla vissa krav: Kolmog Slumpvariabel (Stokastisk variabel) Resultat av ett slumpförsök - utgången kann inte kontrolleras Sannolikhet och statistik Sannolikhetsteorins grunder VT 2009 Resultatet kan inte förutspås, men vi vet

Läs mer

Problemdemonstration 1

Problemdemonstration 1 Problemdemonstration 1 Divisorsummor och perfekta tal Låt oss för ett givet positivt naturligt tal x, summera alla naturliga tal d som x är delbar med, och som är mindre än x. Talen d kallas divisorer

Läs mer

Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT

Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT Jointly distributed Joint probability function Marginal probability function Conditional probability function Independence

Läs mer

Lösningar och lösningsskisser

Lösningar och lösningsskisser Lösningar och lösningsskisser Diskret matematik för gymnasiet, :a upplagan, Liber AB Kapitel, Sannolikhetslära och Kombinatorik 0. a) ( ) ( ) h!! ( )!!! 9!! 9!!! h! ( h)!! h! ( h)!! h! ( h)! Likheten är

Läs mer

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

Lgr 11 matriser i Favorit matematik 4 6

Lgr 11 matriser i Favorit matematik 4 6 Lgr 11 matriser i Favorit matematik 4 6 FÖRMÅGOR FÖRMÅGOR Lgr 11: Genom undervisningen i ämnet matematik ska eleverna sammanfattningsvis ges förutsättningar att utveckla förmågan att De matematiska förmågor

Läs mer

Övningshäfte 2: Induktion och rekursion

Övningshäfte 2: Induktion och rekursion GÖTEBORGS UNIVERSITET MATEMATIK 1, MMG200, HT2017 INLEDANDE ALGEBRA Övningshäfte 2: Induktion och rekursion Övning D Syftet är att öva förmågan att utgående från enkla samband, aritmetiska och geometriska,

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