Slumpförsök för åk 1-3
|
|
- Hanna Pålsson
- för 7 år sedan
- Visningar:
Transkript
1 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 ett antal slumpförsök lämpliga för åk 1-3. Försöken är ordnade i stigande svårighetsgrad med avseende på elevernas förkunskaper om slump och sannolikhet. Olika aspekter av slump blir mer eller mindre framträdande i de olika försöken. Om detta är ett nytt område för eleverna bör ni börja med det första försöket. Hur mycket tid varje experiment tar beror helt på klassens vana vid den här sortens lektioner och elevernas förkunskaper om sannolikhet. Kanske hinner ni göra flera försök under en lektion. De slumpförsök som beskrivs syftar till att eleverna: blir bekanta med begreppet slump och får bearbeta vad det innebär; samt formulerar frågor och påståenden om sannolikhet i slumpsituationer och utvecklar förmågan att argumentera för dessa påståenden på ett matematiskt hållbart sätt Till varje försök finns förslag på frågor som läraren kan ställa för att initiera och utmana elevers resonemang. Frågorna ska ses som exempel. De kan varieras och användas i engagerande, återfokuserande, klargörande eller utmanande syfte. För att kunna genomföra försöken behöver man generera utfall som inte är helt förutsägbara, dvs. utfallen ska vara slumpmässiga. Sådana utfall kan generas med vad vi kallar en slumpgenerator. Processen att kasta en tärning är ett klassiskt exempel på en slumpgenerator. Tänk bara på att det inte bara är tärningen i sig som genererar (skapar) slump. Tärningen är bara en del av hela processen. Till exempel, svårigheten med att exakta styra och förutsäga betydelsen av hårdheten och höjden i kastet och av tärningens möte med underlag bidrar i allra högsta grad till att det är omöjligt att helt förutsäga vad tärningen kommer att visa. Så, även om vi hänvisar till t.ex. mynt och tärningar som slumpgeneratorer så tänker vi att dessa ingår i en process som skapar slumpmässiga utfall. Med elever i skolans tidiga åldrar är det av två särskilda skäl att föredra att använda en slumpgenerator som de kan hantera rent fysiskt framför en digital slumpgenerator. Dels finns ingen möjlighet att avgöra om det som visas på skärmen är ett slumpmässigt utfall eller om det är förprogrammerat, utan eleven har bara lärarens ord på att det är slumpmässigt. Dels är det inte helt sant att det är slumpmässigt eftersom slumpen också är förprogrammerad i ett dataprogram. Den diskussionen kan vara fruktbar att ha med äldre elever men behöver bygga på en konkret upplevelse av skillnaden mellan slumpmässiga utfall och utfall som är helt förutsägbara. 1 (8)
2 Det är vanligt att läromedel föreslår användning av tärningar för att få fram slumpmässiga utfall i experiment och spel. Tärningar har den fördelen att de ofta finns tillgängliga och att de är liksidigt symmetriska och alltså ger lika sannolikhet för varje sida att komma upp. Det gör att det både går att utforska den relativa frekvensen i en experimentell situation och att beräkna den teoretiska sannolikheten av ett visst utfall. Det är dock viktigt att påpeka att vi inte uteslutande ska använda oss av tärningar för att arbeta med slump. Diskussionen som förs i klassen bör vidga begreppet slump till andra situationer än bara sexsidiga symmetriska tärningar. För den som vill ha ett alternativ till tärningar för att skapa en slumpgenerator finns en bilaga med beskrivningar på hur man enkelt tillverkar: - lyckohjul - påsar eller flaska med färgade kulor - brickor som kastas i luften Sannolikhet kan anges i termer av lika eller olika och i relativa termer av mer eller mindre troligt eller sannolikt. För skolans tidigaste årskurser kan detta räcka. På en något mer avancerad nivå anges sannolikheten med ett numeriskt värde mellan 0 och 1. Lika sannolikhet för två möjliga utfall såsom en av två sidor av ett mynt är då ½ på varje. För elever i skolans tidigaste år är det jämförelsen av olika sannolikheter som ska vara i fokus, för att senare utvecklas till numeriska beskrivningar av sannolikhet. Ett sätt att uttrycka olika sannolikheter är att rita upp en skala från omöjlig (sannolikhet 0) till säker (sannolikhet 1). Olika händelser kan sedan placeras ut på skalan såsom mer eller mindre sannolika. En händelse som placeras precis i mitten har då sannolikheten ½ och det är precis lika sannolikt att den inträffar som att den inte inträffar. omöjligt säkert Sannolikheten att få krona när jag singlar slant. omöjligt säkert Sannolikheten att vinna stjärnvinsten på lyckohjulet Beroende på hur mycket klassen har arbetat tidigare med sannolikhet kan du välja vilka ord som ska användas i frågeformuleringarna. Orden chans och risk kan användas men bör så 2 (8)
3 småningom ersättas med det värdeneutrala matematiska ordet sannolikhet. Läraren kan gärna använda begreppet sannolikhet parallellt med begreppen chans och risk redan från början så kommer elevernas förståelse för ordet att successivt övergå från det passiva till aktiva ordförrådet. Troligt är att eleverna till en början uttrycker i sig i termer av chans eller risk. Inledande aktivitet Innan ni börjar med det första försöket är det bra att försöka skapa en gemensam språklig bas för slumpbegreppen så att lektionen kan bygga vidare på det eleverna redan kan. Börja med att fråga vad eleverna vet om begreppet slump. Känner de till ordet? Vad associerar de ordet till? När används det? Kan de ge exempel? Kan de ge exempel på något som inte är slumpmässigt? Tillvägagångssätt Alla försök genomförs på samma sätt: 1) Presentera och visa hur försöket går till. Ställ frågor om vad eleverna tror och försök fånga upp alla olika uppfattningar som eleverna ger uttryck för utan att värdera dem. Frågorna som finns föreslagna är formulerade utifrån försöket med tärningar men kan enkelt anpassas till andra utfallsrum. Be gärna eleverna förklara varför de tänker som de gör, be dem ge ett argument. 2) Låt eleverna utföra försöket på egen hand, enskilt eller i par eller grupp. Ofta är det enklast för eleverna att arbeta parvis med den här typen av experiment. Låt dem först göra två eller tre försök, avbryt och be dem nu fundera över vad de tror, och om de kanske vill ändra vad de trodde först och i så fall varför. 3) Låt eleverna göra många försök och bokföra sina resultat i en tabell. Samtala även om hur resultaten ska bokföras. Ett tips är att låta varje försöksomgång vara 10 försök eftersom sammanställningen då görs i jämna tiotal. 4) Sammanställ allas resultat på tavlan och för ett samtal kring de frågor som finns föreslagna till varje försök. Spara gärna bokföringen så att era resultat kan användas i modulens senare del som handlar om statistik. Första försöket: Två möjliga händelser med lika sannolikhet Här ges eleven möjlighet att utforska händelser där slumpen avgör utfallet i en situation där sannolikheten för att de två olika händelserna ska inträffa är lika stor. Välj en slumpgenerator och undersök ett av följande utfallsrum: - En vanlig tärning där vi tittar på händelserna udda eller jämna tal. 3 (8)
4 - En omärkt tärning där tre av sidorna ges ett värde och tre att annat. - Lyckohjul med två olika färger som täcker halva ytan vardera (se bilaga). - En påse med kulor av två färger, lika många av varje. En kula dras ur påsen vid varje försök (se bilaga). - En bricka med två olika sidor (se bilaga). Förslag på frågor i början: - Hur stor är sannolikheten att få ett jämnt tal? - Är det lika troligt att jag får ett jämnt eller ett udda tal eller är den ena mer troligt än det andra? - Om jag gör försöket en gång till, tror du då att jag får samma resultat som första gången? - Om jag gör försöket tio eller hundra gånger, hur många gånger kommer jag då att få jämna tal och hur många gånger kommer jag att få udda tal? Varför tror du det? Förslag på frågor i slutet: - Titta på resultatet: Blev det som vi trodde? Varför blev det så här? - Vad är det som avgör om vi får ett udda eller ett jämnt tal? - Hur skulle vi kunna ändra på försöket så att det inte blir slumpen som avgör resultaten? (exempelvis lägga ner tärningen istället för att kasta den) - Hur skulle vi kunna ändra försöket så att det inte blir lika stor sannolikhet att få jämna tal som udda tal? (exempelvis göra en tärning där det finns fler udda än jämna tal: om eleverna har förslag här så fånga upp dem och ta dem som utgångspunkt för att testa om det stämmer, om eleverna inte har några förslag här så avstå från att ge dem själv och gå istället vidare till andra försöket) Andra försöket: Två möjliga händelser med olika sannolikhet. I det här försöket får eleverna utforska sannolikheten i en situation där de olika händelserna har olika sannolikhet. Begreppen möjliga, omöjliga och troliga utfall kan behöva införas. Att händelserna har olika sannolikhet kan antingen bero på att en händelse är resultatet av flera olika utfall och därför kommer att inträffa oftare än en annan händelse eller att föremålet inte är symmetriskt. Undersök ett av följande utfallsrum: - En vanlig tärning där vi tittar på sannolikheten för de två händelserna: en sexa eller inte en sexa. 4 (8)
5 - Två vanliga tärningar där vi tittat på sannolikheten att få samma tal på det två tärningarna, eller olika tal. - En omärkt tärning där en eller två av de sex sidorna ges ett värde och övriga sidor ges att annat. - Lyckohjul med två olika färger som täcker olika stor del av den totala ytan (se bilaga). - En påse med kulor av två färger, olika fördelning av de två färgerna till exempel 2 gula och 4 röda. En kula dras ur påsen vid varje försök (se bilaga). - Två brickor kastas. Vi tittar på händelsen att båda landar med en viss sida upp, till exempel båda med blå sidan upp, ställt mot alla andra möjliga utfall. - Kast med en toalettpappersrulle för att se hur den landar. Vi tittar på de två händelserna att den lägger sig eller att den ställer sig på högkant. 5 (8)
6 Förslag på frågor i början: - Vilka utfall är möjliga att få? När detta är utrett är det viktigt att klargöra vilka två händelser som ska jämföras: sexa eller inte sexa. - Hur stor är sannolikheten att få en sexa? Är det lika troligt att jag får en sexa som att jag inte får en sexa, eller är den ena mer troligt än det andra? Varför? - Om jag gör försöket en gång till, hur stor är sannolikheten då att jag får samma som första gången? Har det någon betydelse för andra försöket om jag fick en sexa första gången? Varför? - Om jag gör försöket tio eller hundra gånger, ungefär hur många gånger kommer jag då att få en sexa? Varför tror du det? Förslag på frågor i slutet: - Titta på resultatet: Hur blev det? Blev det som vi trodde? Varför blev det så här? - Vad är det som avgör om vi får en sexa? Är det slumpen eller beror det på något annat? - Om jag gör försöket många gånger, kan det då bli så att jag får en sexa fyra gånger i rad? Varför? Kan jag få en sexa tio gånger i rad? Tredje försöket: Tre möjliga händelser med olika sannolikhet. I det här försöket görs utfallsrummet mer komplext och mindre överskådligt. Begreppen möjliga, omöjliga och troliga utfall blir nu nödvändiga. Välj en slumpgenerator och undersök ett av följande utfallsrum: - Två vanliga 6-sidiga tärningar där vi tittar på sannolikheten att få summan 7, en summa som är lägre än 7 eller en summa som är högre än 7. - En omärkt tärning med tre olika värden: ett värde finns på en sida, nästa värde finns på två sidor och det tredje värdet finns på tre sidor. - Lyckohjul med tre olika färger som täcker olika stor del av den totala ytan. - En påse med 12 kulor av tre färger, olika fördelning av de tre färgerna (2, 4, 6). En kula dras ur påsen vid varje försök och läggs sedan tillbaka. Vi tittar på sannolikheten att 6 (8)
7 få en viss färg. - En påse med 12 kulor av tre olika färger och 4 av varje färg (exempelvis gula, blå och röda). Två kulor dras ur påsen vid varje försök och läggs sedan tillbaka. Vi tittar på sannolikheten att få olika kombinationer med gul: ingen gul, en gul eller två gula. - Fyra brickor kastas. Vi tittar på händelserna att alla landar med samma sida uppåt, att det blir två av varje eller att det blir en med den ena sidan och tre med den andra sidan. Frågor i början: - Vilka utfall är möjliga att få? - Vilka utfall är troliga att få? - Vilka händelser undersöker vi? - Hur stor är sannolikheten för de olika händelserna? - Vilken händelse är mest sannolik? Vilken är minst sannolik? Varför? Frågor i slutet: - Titta på resultatet: Hur blev det? Blev det som vi trodde? Varför blev det så här? - Vad är det som avgör utfallet? Är det slumpen eller beror det på något annat? - Vad skulle hända om vi istället. Fler försök: Många möjliga händelser med olika sannolikhet Det finns ingen gräns för hur svåra experiment vi kan göra. Låt gärna eleverna vara kreativa och hitta på ett eget utfallsrum att undersöka. Om utfallsrummet är komplext är det extra viktigt att börja experimentet med att fundera på vilka utfall som är möjliga och omöjliga. Här är förslag på några lite mer komplexa utfallsrum: - Två vanliga 6-sidiga tärningar där vi tittar på sannolikheten att få alla de olika summor som är möjliga: 2, 3, 4, 5, 6, 7, 8, 9, 10, 11 och (8)
8 - En påse med 12 kulor av tre olika färger och olika antal av varje färg, exempelvis 2 gula, 4 blå, 6 röda. Två kulor dras ur påsen vid varje försök. Vi tittar på sannolikheten att få olika kombinationer: två gula, två blå, två röda, gul & blå, gul & röd, blå & röd. - Kast med ett oliksidigt objekt, till exempel en oliksidig legobit eller träkloss eller ett monopolhus som kan landa på golvet, taket, långsidan eller gaveln. Planera aktivitet Välj ett av försöken som är lämpligt att arbeta med i era klasser. Sammanställ gemensamt en lista på de olika uppfattningarna om slump som ni tror att ni kommer att kunna se i era elevers resonemang. Spara listan för att använda i moment C. När ni sedan genomför aktiviteten ska ni fokusera på följande: vilka uppfattningar om slump som eleverna ger uttryck för vilka argument som eleverna bygger sina resonemang på hur ni formar undervisningen genom de uppgifter ni använder hur ni formar undervisningen utifrån de didaktiska strategierna ni fick med er från del 2. Matematiska begrepp som är centrala i den här aktiviteten Slump vi kallar en händelse som vi inte kan förutsäga för slumpmässig. Slumpgenerator ett redskap som skapar olika utfall på ett slumpmässigt sätt. Utfall och Händelse en händelse kan vara säker, möjlig eller omöjlig. Sannolikhet ett mått på hur troligt det är att en viss händelse inträffar. Mer vardagligt uttryckt som hur stor chans eller risk det är att det inträffar. Uttrycks som ett tal mellan 0 och 1 eller i procent. 8 (8)
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 merIntroduktion 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 mer2D 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 merExperimentera 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 merhändelsen 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 merHur 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 merSannolikheten 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 merMatematisk 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 merVad 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 merGrundläggande 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 merF2 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 merKap 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 mer1 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 merFöreläsning 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 mer1 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 merStora 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 merExempel: 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 merMATEMATIK 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 merKombinatorik 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 merHemligheten i flaskan
2D 4D Hemligheten i flaskan begrepp resonemang sannolikhet Avsikt och matematikinnehåll Den här aktiviteten utgår från samma idé och material som i 2D4D Flaskracet. Skillnaden är att srummet nu är dolt
Läs mer1 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 merKolmogorovs 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 merSlump och sannolikhet
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
Läs merLektionsaktivitet: 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 merFörberedande 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 merFöreläsning 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 merSF1920/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 merFöreläsning 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 merSannolikhet 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 mer7-2 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 merSannolikhetsbegreppet
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 merUtfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse
Utfall, Utfallsrummet, Händelse Sannolikhet och statistik Sannolikhetsteorins grunder HT 2008 Uwe.Menzel@math.uu.se http://www.math.uu.se/ uwe/ Denition 2.1 Resultatet av ett slumpmässigt försök kallas
Läs merFöreläsning 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 merSannolikhetslära. 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 merLotto. 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 mer4 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 merPer Berggren och Maria Lindroth 2012-10-30
Varierad undervisning Per Berggren och Maria Lindroth 2012-10-30 Matematiska förmågor Genom undervisningen i ämnet matematik ska eleverna sammanfattningsvis ges förutsättningar att utveckla sin förmåga
Läs merSF1901: 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 merSyfte med undervisningen är att du ska få utveckla din förmåga att...
Planering, kapitel 1 Statistik samt sannolikhet. Syfte med undervisningen är att du ska få utveckla din förmåga att... formulera och lösa problem med hjälp av matematik samt värdera valda strategier och
Läs mer7-1 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 merFöreläsning 1: Introduktion
Föreläsning 1: Introduktion Matematisk statistik Chalmers University of Technology Mars 23, 2015 Lärare och kurslitteratur : Rum: E-mail: Anders Hildeman: Rum: E-mail: Kursansvarig och föreläsare H3018
Läs merTMS136. 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 merFöreläsning 1. Grundläggande begrepp
Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 1 Sannolikhetsteori (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs merHär 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 merTAMS79: 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 merFinansiell 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 mer5Chans 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 merKängurun 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 merStatistisk 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 merREPETITION 3 A. en femma eller en sexa?
REPETITION 3 A 1 Du kastar en vanlig tärning en gång. Hur stor är sannolikheten att du får en femma eller en sexa? 2 Eleverna i klass 8C fick ge betyg på en bok som de hade läst. Diagrammet visar resultatet.
Läs merMa7-Åsa: Statistik och Sannolikhetslära
Ma7-Åsa: Statistik och Sannolikhetslära Efter påsklovet börjar det femte arbetsområdet som handlar om statistik och sannolikhetslära. Det kommer också att bli tid för att arbeta vidare med målen för begrepp
Läs merTMS136. 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 merSannolikhetslära 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 merAvdelning 1, trepoängsproblem
vdelning, trepoängsproblem. Med hjälp av bilden bredvid kan vi se att + 3 + 5 + 7 = 4 4. Vad är + 3 + 5 + 7 + 9 +... + 7 + 9 + 2? : 0 0 : C: 2 2 D: 3 3 E: 4 4 2. Summan av talen i båda raderna är den samma.
Läs merUpprepade 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 merSlump 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 merStatistikens 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 merStatistik 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 mer7C Ma: VT 2018 Bråk och Procent/ statistik och sannolikhet Syftet med undervisningen är att du ska utveckla din förmåga att:
7C Ma: VT 2018 Bråk och Procent/ statistik och sannolikhet Syftet med undervisningen är att du ska utveckla din förmåga att: formulera och lösa problem med hjälp av matematik samt värdera valda strategier
Läs merVad 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 merFinansiell 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 mer5.3 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 merFöreläsning 1: Introduktion
Föreläsning 1: Introduktion Matematisk statistik Chalmers University of Technology August 29, 2016 Lärare : Rum: E-mail: Anders Hildeman: Rum: E-mail: Sandra Eriksson Barman: Rum: E-mail: Kursansvarig
Läs merBetingad 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 merLektionsaktivitet: 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 merSlump 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 merUpprepade 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 merSOS 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 merEn 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 merSF1901: 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 merFöreläsning 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 merNär en Learning study planeras väljs ett område som upplevs som problematiskt
K. Drageryd, M. Erdtman, U. Persson & C. Kilhamn Tallinjen en bro mellan konkreta modeller och abstrakt matematik Fem matematiklärare från Transtenskolan i Hallsberg har under handledning av Cecilia Kilhamn
Läs merMatematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19
Matematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19 Nancy Abdallah Chalmers - Göteborgs Universitet March 25, 2019 1 / 36 1. Inledning till sannolikhetsteori 2. Sannolikhetslagar 2 / 36 Lärare
Läs merF2 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 mermatematik FACIT Läxbok Koll på Sanoma Utbildning Hanna Almström Pernilla Tengvall
Koll på 1B matematik FACIT Läxbok Hanna Almström Pernilla Tengvall Sanoma Utbildning 7 7Hälften och dubbelt av antal, strategier Rita dubbelt så många. Skriv. 2 4 6 4 8 5 Minska med 1. Öka med 1. 1 + 1
Läs merStatistik, sannolikhet, algebra och funktioner, 3 hp. Studenter i lärarprogrammet F-3 III, 12F380 ht17 Varberg
Grundläggande matematik II 7,5 högskolepoäng Provmoment: Ladokkod: Tentamen ges för: Statistik, sannolikhet, algebra och funktioner, 3 hp Studenter i lärarprogrammet F-3 III, 12F380 ht17 Varberg TentamensKod:
Läs merAddition 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 merStokastisk geometri. Lennart Råde. Chalmers Tekniska Högskola och Göteborgs Universitet
Stokastisk geometri Lennart Råde Chalmers Tekniska Högskola och Göteborgs Universitet Inledning. I geometrin studerar man geometriska objekt och deras inbördes relationer. Exempel på geometriska objekt
Läs merTummen upp! Matte ÅK 6
Tummen upp! Matte ÅK 6 Tummen upp! är ett häfte som kartlägger elevernas kunskaper i förhållande till kunskapskraven i Lgr 11. PROVLEKTION: RESONERA OCH KOMMUNICERA Provlektion Följande provlektion är
Läs merFöreläsning 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 merAlla dessa möjligheter
Karin Landtblom Alla dessa möjligheter kombinatorik och resonemang I denna artikel diskuteras övningar i kombinatorik. Vilka tankegångar kan väckas vid arbete med dem och hur kan eleverna resonera? Idéer
Läs mer9A Ma: Statistik och Sannolikhetslära
9A Ma: Statistik och Sannolikhetslära Efter påsklovet börjar det femte arbetsområdet som handlar om statistik och sannolikhetslära. Det kommer också att bli tid för att arbeta vidare med målen för begrepp
Läs merFörmågor i naturvetenskap, åk 1-3
Förmågor i naturvetenskap, åk 1-3 I Lgr11 betonas att eleverna ska använda sina naturvetenskapliga kunskaper på olika sätt. Det formuleras som syften med undervisningen och sammanfattas i tre förmågor.
Läs merIntroföreläsning i S0001M Matematisk statistik Läsperiod 2, HT 2018
Introföreläsning i S0001M Matematisk statistik Läsperiod 2, HT 2018 Mykola Shykula Luleå tekniska universitet 5 november 2018 Gruppindelning och lärare Gruppindelning Grupp A: 30 st Arkitekt (TCARA), 20
Läs mer"Procent och sannolikhet 6D"
"Procent och sannolikhet 6D" Grundskola 6 1 Procent och sannolikhet planering Skapad 216-11-2 av Daniel Spångberg i Björkvallsskolan, Uppsala Baserad på "Procent och sannolikhet åk 6" från Björkvallsskolan,
Läs merMatematisk 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 merLokal pedagogisk planering i matematik för årskurs 9
Lokal pedagogisk planering i matematik för årskurs 9 Arbetsområde 1. Procent och statistik Syfte formulera och lösa problem med hjälp av matematik samt värdera valda strategier och metoder. reflektera
Läs merLabora&v matema&k - för en varierad undervisning
Labora&v matema&k - för en varierad undervisning Per Berggren & Maria Lindroth 2012-02- 23 Lgr11- Matema&ska förmågor Genom undervisningen i ämnet matematik ska eleverna sammanfattningsvis ges förutsättningar
Läs merSannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14
1/14 Sannolikhetsteori Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/1 2013 2/14 Dagens föreläsning Relativa frekvenser Matematik för händelser Definition av sannolikhet
Läs merProblemlösning som metod
Problemlösning som metod - för att lära matematik Fuengirola november 2014 eva.taflin@gu.se evat@du.se Problemlösningsmodulens övergripande syfte Att initiera utveckling av lärares egen undervisning utifrån
Läs merMatematisk 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 merExtramaterial till Matematik X
LIBER PROGRMMERING OH DIGITL KOMPETENS Extramaterial till Matematik X NIVÅ TRE Sannolikhet LÄRRE Nu ska du och dina elever få bekanta er med Google Kalkylark. I den här uppgiften får eleverna öva sig i
Läs merSannolikhetslära har i Lgr 11 fått en mer framträdande roll än i tidigare
Birgit Aquilonius Konsten att simulera sannolikheter Hur sannolikt är det att två straffkast i basketboll går i? Författaren delar här med sig av erfarenheter från laborationer om sannolikheter som hon
Läs merKapitel 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 merOlika sätt att lösa ekvationer
Modul: Algebra Del 5: Algebra som språk Olika sätt att lösa ekvationer Cecilia Kilhamn, Göteborgs Universitet och Lucian Olteanu, Linnéuniversitetet Att lösa ekvationer är en central del av algebran, det
Läs merBråkcirkel och tallinje
strävorna A Bråkcirkel och tallinje begrepp taluppfattning Avsikt och matematikinnehåll Förmåga att använda fakta om bråkuttryck på ett rationellt sätt bygger på förståelse för bråkuttrycks samband (mellan
Läs merIntroföreläsning i S0001M, Matematisk statistik LP3 VT18
föreläsning i S0001M, Matematisk statistik LP3 VT18 Luleå tekniska universitet 15 januari 2018 Gruppindelning och lärare Gruppindelning Grupp A - Datateknik, Väg- och vatten (Mykola) Grupp B - Ind. ekonomi,
Läs merArbetsblad 5:1. Tolka diagram. 1 a) Vilket var kilopriset år 2003? 2 a) Vad kallas den här typen av
Arbetsblad 5:1 Tolka diagram Besvara frågorna med hjälp av diagrammen 1 a) Vilket var kilopriset år 2003? b) Hur mycket ökade priset mellan 1991 och 2001? c) Mellan vilka år var ökningen st? Pris (kr/kg)
Läs merKapitel 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 merSannolikhetslära. 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