Sannolikhetslära. Uppdaterad:

Storlek: px
Starta visningen från sidan:

Download "Sannolikhetslära. Uppdaterad:"

Transkript

1 Sannolikhetslära Uppdaterad: 8 Har jag använt någon bild som jag inte får använda? Låt mig veta så tar jag bort den. christian.karlsson@ckfysik.se [] Ex : Singla slant två gånger [] Ex : Två tärningar kastas [3] Ex 3: Två tärningar kastas [] Ex : Två trafikljus passeras []

2 Singla slant [] Ex : Singla slant två gånger P(minst en krona) =?

3 Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) minst en krona eller krona P(minst en krona) =

4 Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) minst en krona eller krona P(minst en krona) = 3

5 Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) Mynt Mynt minst en krona eller krona P(minst en krona) = 3

6 Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) Mynt Mynt minst en krona eller krona P(minst en krona) = 3

7 Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) Mynt Mynt minst en krona har komplementhändelsen ingen krona (dvs gubbe, gubbe ) eller krona 0 krona 0 st krona P(minst en krona) = 3 P(ingen krona) =

8 Tärningskast Ex : Två tärningar kastas P(minst en sexa) =? [] Möjliga utfall: (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (3,) (3,) (3,3) (3,) (3,) (3,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) Tärning 3 3 :a :a ej :a :a ej :a 3 3 ej :a minst en sexa eller sexor P(minst en sexa) = 3 3 Tärning

9 Tärningskast Ex : Två tärningar kastas P(minst en sexa) =? [] Möjliga utfall: (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (3,) (3,) (3,3) (3,) (3,) (3,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) Tärning 3 :a :a ej :a :a ej :a ej :a 3 3 Tärning minst en sexa har komplementhändelsen ingen sexa eller sexor 0 sexor P(minst en sexa) = P(ingen sexa) = st sexor

10 Tärningskast Ex 3: Två tärningar kastas P(högst en sexa) =? [] 3 Möjliga utfall: (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (3,) (3,) (3,3) (3,) (3,) (3,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) Tärning 3 :a ej :a :a ej :a :a ej :a högst en sexa 0 eller sexor P(högst en sexa) = Tärning

11 Tärningskast Ex 3: Två tärningar kastas P(högst en sexa) =? [] 3 Möjliga utfall: (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (3,) (3,) (3,3) (3,) (3,) (3,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) Tärning 3 :a ej :a :a ej :a :a ej :a Tärning högst en sexa har komplementhändelsen två sexor 0 eller sexor sexor P(högst en sexa) = 3 P(två sexor) = st sexor

12 Trafikljus Sannolikheten ett trafikljus visar rött när vi kommer fram är 0, sannolikheten att det visar grönt när vi kommer fram är 0,. [3] Ex : Passerar två trafikljus P(minst ett rödljus) =? Möjliga utfall: (, ) (, ) (, ) (, ) 0, [utfallen ej lika sannolika] 0, minst ett rödljus eller rödljus P(minst ett rödljus) = 0, + 0, + 0,3 = 0,8 0, 0, 0, 0, 0, 0, 0,3

13 Trafikljus Sannolikheten ett trafikljus visar rött när vi kommer fram är 0, sannolikheten att det visar grönt när vi kommer fram är 0,. [3] Ex : Passerar två trafikljus P(minst ett rödljus) =? Möjliga utfall: (, ) (, ) (, ) (, ) 0, [utfallen ej lika sannolika] 0, 0, 0, 0, 0, 0, 0, 0, 0,3 minst ett rödljus har komplementhändelsen inget rödljus (dvs grönt, grönt ) eller rödljus 0 rödljus P(minst ett rödljus) = 0, + 0, + 0,3 = 0,8 0 st rödljus P(inget rödljus) = 0, P(minst ett rödljus) = P(inget rödljus) = 0, = 0,8

14 Trafikljus Sannolikheten ett trafikljus visar rött när vi kommer fram är 0, sannolikheten att det visar grönt när vi kommer fram är 0,. X [3] Ex : Passerar två trafikljus P(minst ett rödljus) =? Möjliga utfall: (, ) (, ) (, ) (, ) 0, [utfallen ej lika sannolika] 0, 0, 0, 0, 0, 0, minst ett rödljus har komplementhändelsen inget rödljus (dvs grönt, grönt ) eller rödljus 0 rödljus 0 st rödljus P(inget rödljus) = 0, P(minst ett rödljus) = P(inget rödljus) = 0, = 0,8

15 Bildkällor [] [] [3]

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

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

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

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

MATEMATIKSPELET TAR DU RISKEN

MATEMATIKSPELET TAR DU RISKEN MATEMATIKSPELET TAR DU RISKEN 1. Kasta en tärning 20 gånger. Målet är att minst 10 gånger få ögontalet 4, 5 eller 6. Om du lyckas, får du 300 poäng. Om du inte lyckas, förlorar du 100 poäng. Tar 2. Kasta

Läs mer

Sannolikhetsfördelningar

Sannolikhetsfördelningar Sannolikhetsfördelningar Uppdaterad: 171205 Har jag använt någon bild som jag inte får använda? Låt mig veta så tar jag bort den. christian.karlsson@ckfysik.se [1] Olika slags slumpförsök [2] Sannolikhetsfördelningar

Läs mer

15.1 Mer om betingad sannolikhet

15.1 Mer om betingad sannolikhet 15.1 Mer om betingad sannolikhet Exempel 1. En vanlig tärning kastas Låt A tärningen visar 1 Låt B tärningen visar ett udda poängantal Bestäm P(A). Bestäm P(A B), det vill säga: Hur stor är sannolikheten

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

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

F3 SANNOLIKHETSLÄRA (NCT ) För komplementhändelsen A till händelsen A gäller att

F3 SANNOLIKHETSLÄRA (NCT ) För komplementhändelsen A till händelsen A gäller att Stat. teori gk, ht 2006, JW F3 SANNOLIKHETSLÄRA (NCT 4.3-4.4) Ordlista till NCT Complement rule Addition rule Conditional probability Multiplication rule Independent Komplementsatsen Additionssatsen Betingad

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

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

Armin Halilovic: EXTRA ÖVNINGAR

Armin Halilovic: EXTRA ÖVNINGAR KOMBINATORIK I kombinatoriken sysslar man huvudsakligen med beräkningar av antalet sätt på vilket element i en given lista kan arrangeras i dellistor. Centrala frågor i kombinatoriken är: " Bestäm antalet..."

Läs mer

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

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

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

Extramaterial till Matematik X

Extramaterial till Matematik X LIBER PROGRAMMERING OCH DIGITAL KOMPETENS Extramaterial till Matematik X NIVÅ TVÅ Sannolikhet ELEV Du kommer nu att få bekanta dig med Google Kalkylark. I den här uppgiften får du öva dig i att skriva

Läs mer

Föreläsning G70, 732G01 Statistik A

Föreläsning G70, 732G01 Statistik A Föreläsning 3 732G70, 732G01 Statistik A Introduktion till sannolikhetslära Sannolikhetslära: område inom statistiken där vi studerar experiment vars utfall beror av slumpen Sannolikhet: numeriskt värde

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

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

4.2.1 Binomialfördelning

4.2.1 Binomialfördelning Ex. Kasta en tärning. 1. Vad är sannolikheten att få en 6:a? 2. Vad är sannolikheten att inte få en 6:a? 3. Vad är sannolikheten att få en 5:a eller 6:a? 4. Om vi kastar två gånger, vad är då sannolikheten

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 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

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

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

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

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

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

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

13.1 Matematisk statistik

13.1 Matematisk statistik 3. Matematisk statistik 3.. Grundläggande begrepp I den här föreläsningen kommer vi att definiera och exemplifiera ett antal begrepp som sedan kommer att följa oss genom hela kursen. Det är därför av största

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

{ } { } En mängd är en samling objekt A = 0, 1. Ex: Mängder grundbegrepp 5 C. Olof M C = { 7, 1, 5} M = { Ce, Joa, Ch, Je, Id, Jon, Pe}

{ } { } En mängd är en samling objekt A = 0, 1. Ex: Mängder grundbegrepp 5 C. Olof M C = { 7, 1, 5} M = { Ce, Joa, Ch, Je, Id, Jon, Pe} Mängder grundbegrepp En mängd är en samling objekt Ex: { } { } A = 0, 1 B = 0 C = { 7, 1, 5} tomma mängden (har inga element) D = { 1, 2, 3,, 10} M = { Ce, Joa, Ch, Je, Id, Jon, Pe} kallas element i mängden

Läs mer

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

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). UPPSALA UNIVERSITET Matematik för språkteknologer (5LN445) Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). 9 Sannolikhet Detta kapitel

Läs mer

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

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

14.1 Diskret sannolikhetslära

14.1 Diskret sannolikhetslära 14.1 Diskret sannolikhetslära 14.1.1 Utfallsrum och händelser Vi ska här studera slumpmässiga försök med ändligt många utfall, resultat. Mängden av utfall kallas försökets utfallsrum. Varje delmängd av

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

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

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

Föreläsning 1, Matematisk statistik Π + E

Föreläsning 1, Matematisk statistik Π + E Introduktion Sannolikhetsteori Beroende Föreläsning 1, Matematisk statistik Π + E Sören Vang Andersen 4 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F1 1/26 Introduktion Sannolikhetsteori

Läs mer

Kapitel 2. Grundläggande sannolikhetslära

Kapitel 2. Grundläggande sannolikhetslära Sannolikhetslära och inferens II Kapitel 2 Grundläggande sannolikhetslära 1 Kursinformation 13 föreläsningar: Måns Thulin, mans.thulin@statistik.uu.se 3 h: normalt 2 h föreläsning + 1 h räknestuga 7 räkneövningar:

Läs mer

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

Dagens Teori. A) Försöket att kasta en tärning har sex utfall, vilka vi kan beteckna 1, 2, 3, 4, 5, 6. Utfallsrummet

Dagens Teori. A) Försöket att kasta en tärning har sex utfall, vilka vi kan beteckna 1, 2, 3, 4, 5, 6. Utfallsrummet Dagens Teori 8.1 Diskret sannolikhetslära 8.1.1 Utfallsrum och händelser Vi ska här studera slumpmässiga försök med ändligt många utfall, resultat. Mängden av alla utfall kallas försökets utfallsrum. Varje

Läs mer

Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet

Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet Anna Lindgren 30+31 augusti 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 1/27 Praktiska

Läs mer

Programmera ett övergångsställe

Programmera ett övergångsställe Programmera ett övergångsställe I lektionen programmeras en algoritm för att styra trafikljus i en korsning. Eleverna får skapa en praktisk applikation och lära sig att skapa och modifiera algoritmer.

Läs mer

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler Jörgen Säve-Söderbergh Stokastisk variabel Singla en slant två gånger. Ω = {Kr Kr, Kr Kl, Kl Kr, Kl Kl}

Läs mer

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

Matematisk statistik 9hp för: C,D,I, Pi Matematisk statistik 9hp för: C,D,I, Pi Föreläsning 1, Sannolikhet Stas Volkov September 12, 2017 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F1: Sannolikhet 1/27 Tillämpningar Praktiska detaljer Matematisk

Läs mer

Diskreta slumpvariabler

Diskreta slumpvariabler 1/20 Diskreta slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 28/1 2013 2/20 Dagens föreläsning En maskin gör fel ibland! En man berättar att han har minst en

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

Trepoängsproblem. Kängurutävlingen 2012 Junior

Trepoängsproblem. Kängurutävlingen 2012 Junior Trepoängsproblem 1. M och N är mittpunkterna på de lika långa sidorna i en likbent triangel. Hur stor är arean av fyrhörningen markerad med X? : 3 : 4 C: 5 D: 6 E: 7 M? X 3 3 6 N 2. När lice skickar ett

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

Övning 1. Vad du ska kunna efter denna övning. Problem, nivå A

Övning 1. Vad du ska kunna efter denna övning. Problem, nivå A Övning 1 Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen

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

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

Slump och statistik med Scratch

Slump och statistik med Scratch Lektionen handlar om att simulera tärningskast och skapa en statistikapplikation genom att arbeta med modifiera algoritmer. Lektionsförfattare: Måns Jonasson En digital lektion från https://digitalalektioner.iis.se

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

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

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

Diagnos Sannolikhet/Statistik

Diagnos Sannolikhet/Statistik 1. Stapeldiagrammet nedan visar resultatet av riksdagsvalet 2010. a) Vilka politiska partier motsvaras av de två största staplarna? Om du är osäker på svaren eller vill veta mera om valresultatet finns

Läs mer

Coriolis-effekter. Christian Karlsson Uppdaterad: Har jag använt någon bild som jag inte får använda så låt mig veta så tar jag bort den.

Coriolis-effekter. Christian Karlsson Uppdaterad: Har jag använt någon bild som jag inte får använda så låt mig veta så tar jag bort den. Coriolis-effekter Christian Karlsson Uppdaterad: 131030 Har jag använt någon bild som jag inte får använda så låt mig veta så tar jag bort den. christian.karlsson@ckfysik.se Om bildsekvenserna För att

Läs mer

1.1 Diskret (Sannolikhets-)fördelning

1.1 Diskret (Sannolikhets-)fördelning Föreläsning III. Diskret (Sannolikhets-)fördelning Med diskret menas i matematik, att något antar ett ändligt antal värden eller uppräkneligt oändligt med värden e.vis {, 2, 3,...}. Med fördelning menas

Läs mer

MA2047 Algebra och diskret matematik

MA2047 Algebra och diskret matematik MA2047 Algebra och diskret matematik Något om kombinatorik Mikael Hindgren 24 september 2018 Vad är kombinatorik? Huvudfråga: På hur många sätt kan en viss operation utföras? Några exempel: Hur många gånger

Läs mer

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

Slump och statistik med Scratch. Se video

Slump och statistik med Scratch. Se video Se video I lektionen simuleras hundratals tärningskast på kort tid. Eleverna får skapa en statistikapplikation och lära sig att skapa och modifiera algoritmer. Måns Jonasson, Internetstiftelsen, har arbetat

Läs mer

SF1901: Sannolikhetslära och statistik

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

Läs mer

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

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

Exempel för diskreta och kontinuerliga stokastiska variabler

Exempel för diskreta och kontinuerliga stokastiska variabler Stokastisk variabel ( slumpvariabel) Sannolikhet och statistik Stokastiska variabler HT 2008 Uwe.Menzel@math.uu.se http://www.math.uu.se/ uwe/ Stokastisk variabel, slumpvariabel (s.v.): Funktion: Resultat

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

Corioliseffekter. Uppdaterad: Om bildsekvenserna Bildsekvens 1: Boll far förbi rymdstationen längs en rät linje Bildsekvens 2:...

Corioliseffekter. Uppdaterad: Om bildsekvenserna Bildsekvens 1: Boll far förbi rymdstationen längs en rät linje Bildsekvens 2:... Corioliseffekter Uppdaterad: 170328 Om bildsekvenserna Bildsekvens 1: Boll far förbi rymdstationen längs en rät linje Bildsekvens 2:...... Har jag använt någon bild som jag inte får använda? Låt mig veta

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

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

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1 Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1 Sannolikhetslära (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,

Läs mer

Från häftet Tema Miljö. För Svenska FN-förbundet 2012 Form Albert Svensson

Från häftet Tema Miljö. För Svenska FN-förbundet 2012 Form Albert Svensson Pussel Från häftet Tema Miljö. För Svenska FN-förbundet 2012 Form Albert Svensson www.albynt.se. Fler simuleringar hittar du på: www.simnet.se Pussel Beskrivning: En simulering om ekologiska fotspår (eco

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 19.01.2016 Jan Grandell & Timo Koski Matematisk statistik 19.01.2016 1 / 65 Många tänker på tabeller 1 när de hör ordet statistik.

Läs mer

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

Tentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010

Tentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010 Tentamen i statistik och sannolikhetslära för BI den 7 maj 010 Uppgift 1: rik och Simon har gått till puben tillsammans. De beslutar sig för att spela dart (vilket innebär att man kastar pil mot en tavla).

Läs mer

3 Grundläggande sannolikhetsteori

3 Grundläggande sannolikhetsteori 3 Grundläggande sannolikhetsteori Ämnet sannolikhetsteori har sin grund i studier av hasardspel utförda under 1500- och 1600-talen av bland andra Gerolamo Cardano, Pierre de Fermat och Blaise Pascal. Mycket

Läs mer

Tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars Ten 1, 9 hp

Tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars Ten 1, 9 hp MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 13 e mars 2015 Ten 1, 9 hp Tillåtna hjälpmedel:

Läs mer

Enklare matematiska uppgifter

Enklare matematiska uppgifter Elementa Årgång 49, 966 Årgång 49, 966 Första häftet 2555. Visa att 4 n + n + 8 ej kan vara primtal för något heltal n 0. 2556. Man vill göra en behållare utan lock, som rymmer m 3, i form av en rätvinklig

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

Extramaterial till Matematik X

Extramaterial till Matematik X LIBER PROGRAMMERING OCH DIGITAL KOMPETENS Extramaterial till Matematik X NIVÅ ETT Sannolikhet ELEV Du kommer nu att få bekanta dig med Google Kalkylark. I den här uppgiften får du öva dig i att skriva

Läs mer

Sivu 1/5 Innehåll Förberedelser Spelets mål Hur man flyttar Öppna havet Passadvindarna Sunden Skatten Kapning Spelets slut Andra PIRATER spel Spelets innehåll 12 sjörövarskepp med dekaler, 2 tärningar,

Läs mer

Jörgen Säve-Söderbergh

Jörgen Säve-Söderbergh SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 8 Binomial-, hypergeometrisk- och Poissonfördelning Exakta egenskaper Approximativa egenskaper Jörgen Säve-Söderbergh Binomialfördelningen

Läs mer

FINGERÖVNINGAR I SANNOLIKHETSTEORI MATEMATISK STATISTIK AK FÖR I. Oktober Matematikcentrum Matematisk statistik

FINGERÖVNINGAR I SANNOLIKHETSTEORI MATEMATISK STATISTIK AK FÖR I. Oktober Matematikcentrum Matematisk statistik FINGERÖVNINGAR I SANNOLIKHETSTEORI MATEMATISK STATISTIK AK FÖR I Oktober Matematikcentrum Matematisk statistik CENTRUM SCIENTIARUM MATHEMATICARUM LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK

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

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

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

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

FÖRELÄSNING 3:

FÖRELÄSNING 3: FÖRELÄSNING 3: 26-4-3 LÄRANDEMÅL Fördelningsfunktion Empirisk fördelningsfunktion Likformig fördelning Bernoullifördelning Binomialfördelning Varför alla dessa fördelningar? Samla in data Sammanställ data

Läs mer

Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel.

Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel. Övning 1 Vad du ska kunna efter denna övning Diskret och kontinuerlig stokastisk variabel. Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret

Läs mer

Lite extra material för deltagarna i kursen MAB 5.1

Lite extra material för deltagarna i kursen MAB 5.1 Lite extra material för deltagarna i kursen MAB 5.1 Detta material ska endast ses som ett stöd till provförberedelserna och inte som en fullständig sammanfattning av kursen. Hela kursens innehåll repeteras

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

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

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski SF1901: Sannolikhetslära och statistik Föreläsning 5. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski 28.01.2015 Jan Grandell & Timo Koski () Matematisk

Läs mer

TANA81: Simuleringar med Matlab

TANA81: Simuleringar med Matlab TANA81: Simuleringar med Matlab - Textsträngar och Texthantering. - Utskrifter till fil eller skärm. - Exempel: Slumptal och Simulering. - Exempel: Rörelseekvationerna. - Vanliga matematiska problem. Typeset

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

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

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR 7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR Några sannolikhetsfördelningar förekommer ofta i tillämpade problem. Eftersomdeförekommeroftahardefåttspeciellanamn. Idettakapitelskallvi studera två

Läs mer

Kap 3: Diskreta fördelningar

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

Läs mer