1 Föreläsning II, Vecka I, 5/11-11/11, avsnitt 2.3

Relevanta dokument
1 Föreläsning II, Vecka I, 21/1-25/11, 2019, avsnitt

Binomialtal. Olof Bergvall. Algebra och Kombinatorik Stockholms Universitet 1 / 13

1 Föreläsning IV; Stokastisk variabel

DEL I. Matematiska Institutionen KTH

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på sammandragningarna.

Centrala gränsvärdessatsen (CGS). Approximationer

MA2047 Algebra och diskret matematik

Om användning av potensserier på kombinatorik och rekursionsekvationer

Kombinatorik. Karl-Heinz Fieseler. Uppsala 2016

KONTROLLSKRIVNING 2 Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic Datum: 14 apr 2014 Skrivtid: 13:15-15:00

KOMBINATORIK. Exempel 1. Motivera att det bland 11 naturliga tal finns minst två som slutar på samma

Matematik 5 Kap 1 Diskret matematik I

Kombinatorik. Kapitel 2. Allmänt kan sägas att inom kombinatoriken sysslar man huvudsakligen med beräkningar av

KOMBINATORIK. Multiplikationsprincipen

SF2715 Tillämpad kombinatorik Kompletterande material och övningsuppgifter Del I

3 Grundläggande sannolikhetsteori

1.1 Diskret (Sannolikhets-)fördelning

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

Föreläsning 2. Kapitel 3, sid Sannolikhetsteori

SF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

Kombinatorik och sannolikhetslära

Finansiell statistik, vt-05. Bayes sats. Bayes sats; forts. F3 Sannolikhetsteori. Exempel: antag att vi har tre skålar P( ) = 0 P( ) = 2/5 P( ) = 4/5

Kurs: HF1903 Matematik 1, Moment TEN1 (Linjär Algebra) Datum: 25 augusti 2017 Skrivtid 8:00 12:00

Något om kombinatorik

Kapitel 2. Grundläggande sannolikhetslära

1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,

Multiplikationsprincipen

{ } { } 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}

Kombinatorik. Torbjörn Tambour 21 mars 2015

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

SF1901 Sannolikhetsteori och statistik I

Funktioner och kombinatoriska tillämpningar. Mars

L HOSPITALS REGEL OCH MACLAURINSERIER.

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

Tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, onsdagen den 20 augusti 2014, kl

Armin Halilovic: EXTRA ÖVNINGAR

Sannolikhetsbegreppet

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

1.1 Diskret (Sannolikhets-)fördelning

TAMS79: Föreläsning 1 Grundläggande begrepp

Följande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning det finns ett tal k så att A=kB

Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005)

1 Jag själv lärde om detta av en kollega som, kanske, heter Joel Andersson

Stokastiska variabler

IV. Ekvationslösning och inversa funktioner

Föreläsning 12: Repetition

Lösningar och lösningsskisser

TAMS79: Föreläsning 4 Flerdimensionella stokastiska variabler

Lösningsförslag till deltentamen i IM2601 Fasta tillståndets fysik. Teoridel

Föreläsning G70, 732G01 Statistik A

Kapitel 2. Grundläggande sannolikhetslära

Tentamen SF1661 Perspektiv på matematik Lördagen 18 februari 2012, klockan Svar och lösningsförslag

Diskret matematik: Övningstentamen 4

Hur Keplers lagar för planetrörelser följer av Newtons allmänna fysikaliska lagar.

Deltentamen. TMA044 Flervariabelanalys E2

Föreläsningsanteckningar Linjär Algebra II Lärarlyftet

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

Grundläggande matematisk statistik

Lösningsförslag till tentamen MVE465, Linjär algebra och analys fortsättning K/Bt/Kf

a k . Serien, som formellt är följden av delsummor

1 Föreläsning 14, följder och serier

Algebra och kombinatorik 10/ Föreläsning 4. Låt X vara en ändlig mängd. En permutation av X är en bijektiv funktion X X. Sats: S n =n!

SANNOLIKHET OCH SPEL

Betingad sannolikhet och oberoende händelser

KVADRATISKA MATRISER, DIAGONALMATRISER, MATRISENS SPÅR, TRIANGULÄRA MATRISER, ENHETSMATRISER, INVERSA MATRISER

4 Diskret stokastisk variabel

Hur många registreringsskyltar finns det som inte innehåller samma tecken mer än en

Kontrollskrivning 2 till Diskret Matematik SF1610, för CINTE1, vt 2019 Examinator: Armin Halilovic Datum: To Σ p P/F Extra Bonus

Kombinatorik. Författarna och Bokförlaget Borken, Kombinatorik - 1

= (1 1) + (1 1) + (1 1) +... = = 0

Komplettering: 9 poäng på tentamen ger rätt till komplettering (betyg Fx).

SF1901: Sannolikhetslära och statistik

Tentamen MVE300 Sannolikhet, statistik och risk

Prov i matematik Fristående kurs Analys MN1 distans UPPSALA UNIVERSITET Matematiska institutionen Anders Källström

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

SF1901: Sannolikhetslära och statistik

TMS136. Föreläsning 1

Satsen om total sannolikhet och Bayes sats

Talmängder. Vi använder följande beteckningar för s.k. standardtalmängder:

Lösning till tentamensskrivning på kursen Diskret Matematik, moment A, för D2 och F, SF1631 och SF1630, den 10 januari 2011 kl

Lösningar till Algebra och kombinatorik

1 De fyra fundamentala underrummen till en matris

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

Lösningsförslag, v0.4

Matematisk statistik - Slumpens matematik

Uppgifter övning I8: Uppgift nr 1 Sealine AB

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING XII. Föreläsning XII. Mikael P. Sundqvist

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

Matematiska uppgifter

Analys o linjär algebra. Fortsatt analys.. p.1/81

6.4 Svängningsrörelse Ledningar

Sammanfattning av Hilbertrumteorin

3, 6, 9, 12, 15, 18. 1, 2, 4, 8, 16, 32 Nu är stunden inne, då vill vill summera talen i en talföljd

Lösning till tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610 och 5B1118, tisdagen den 7 januari 2014, kl

Tentamen del 2 SF1511, , kl , Numeriska metoder och grundläggande programmering

12. Numeriska serier NUMERISKA SERIER

Kursens mål är, förutom faktakunskaper om kursinnehållet, att ge:

dt = x 2 + 4y 1 typ(nod, sadelpunkt, spiral, centrum) och avgöra huruvida de är stabila eller instabila. Lösning.

Statistisk slutledning (statistisk inferens): Sannolikhetslära: GRUNDLÄGGANDE SANNOLIKHETSLÄRA. Med utgångspunkt från ett stickprov

Moment 5.5 Övningsuppgifter I 5.60a. 5.60b, 5.60.c, 61

Transkript:

1 Föreläsning II, Veca I, 5/11-11/11, avsnitt 2.3 1.1 Kombinatori Ex 2.1 I ett rutnät går man åt höger eller uppåt. Hur många vägar finns det mellan A och B? B A Vi har 8 (del-)sträcor att välja uppåt och till höger på. A Man går 5 + 3 8 delsträcor. B Vi utveclar nedan en metod för att beräna detta. Ex 2.2 I allsvensan (Fotboll) spelar alla 16 lag mot alla andra lag två och två. Varje par av lag möts två gånger. Hur många matcher spelas totalt? Ex 2.3 Vi tillverning av racercylar finnns två ram-modeller, Giovanni och Basso. Dessutom finns tre modeller av hjul, X, Y och Z. Hur många olia cyeltyper an produceras? Vi har att välja mellan 2 ramar och 3 hjulpar, d.v.s. 2 3 6. Detta allas multipliationsprincipen (MP). Ex 2.4 På hur många sätt an bostäverna a, b, c, d ordnas? 1

på första plats an 4 bostäver väljas, på andra plats 3, på tredje plats 2 och på fjärde plats 1. Enligt MP får vi 4 3 2 1 24 : 4! (fyra-faultet) olia ordningar (permutationer). Ex 2.5 I en förening med 10 medlemmar sall väljas en styrelse på 3 personer. Man väljer då tre personer utan hänsyn till deras poster i styrelsen. D.v.s. man väljer 3 av 10 utan hänsyn till inbördes ordning och utan återläggning. utan återläggning innebär att en person inte an ha två poster i styrelsen. Hur många styrelser är möjliga? Enl.MP an vi välja 10 9 8 delgrupper bestående av tre personer. Doc är detta med hänsyn till inbördes ordning. För att få utan hänsyn till inbördes ordning, dividerar vi bort den genom att dividera med 3 2 1, alltså 10 9 8 3 2 1 120 styrelser. Vi definierar nut ett antal begrepp som an lösa problemen ovan. n! läses n-faultet. 0! 1, om n 0 n! : n(n 1)(n 2)... 2 1 om n 1, 2,... Multipiationsprincipen Givet m moment, där varje moment har n val 1, 2,..., m ger totalt n 1 n 2... n m val. Antalet permutationer av element valda av n element är P (n, ) : n (n 1)... (n + 1) Detta motsvarar dragning med hänsyn till inbördes ordning och utan återläggning. n! (n )!. 2

Antalet ombinationer av element valda av n element är en binomialoefficient: n (n 1)... (n + 1) n! :! (n )!!. Detta motsvarar dragning utan hänsyn till inbördes ordning och utan återläggning. Samband ( ) ( ) n n, n 0 1, n P (n, )!. Antal delmängder med element valda bland n element. Ex 2.1 Vi väljer alltså 3 av 8 sträcor som går upp. De resterande 8( ) 3 5 sträcorna är då åt höger. Vi an välja dessa 3 på 8 sätt. Det är 3 ( ) 8 8 7 6 3 3 2 1 56. Ex 2.2 Antal enelmöten är ( 16 2 ) 120, alltså 240 matcher. Ex 2.6 Hur många lottorader finns? I Lotto gäller det att välja 7 av 35 utan återläggning och utan hänsyn till inbördes ordning. Svaret är ( ) 35 35 34 33 32 31 30 29 6 724 520 6.7 10 6. 7 7 6 5 4 3 2 1 Om man i Lotto tog hänsyn till inbördes ordning sulle antalet rader vara 35 34 33 32 31 30 29 33 891 580 800 34 miljarder. 3

2 Repetition av Föreläsning I och II, Veca I, 5/11-11/11 2.1 Mängder Ex 2.7 Givet mängden/utfallsrummet Ω, se figur. Ω a b c d e f g h Givet mängderna A {a, b, e, f, g}, B {d, g, h}, bestäm (a) A B, A B, A B c, A \ B, (A B) c, A c B c, (A B) c, A c B c. (b) (A \ B) (B \ A), (Symmetrisa differensen) samt uttryc mängden på ett alternativt sätt. (a) A B {g}, A B {a, b, d, e, f, g, h}, A B c {a, b, e, f}, A \ B {a, b, e, f}, (A B) c {c}, A c B c {c}, (A B) c {a, bc, d, e, f, h}, A c B c {a, bc, d, e, f, h}. (b) (A \ B) (B \ A) {a, b, e, d, f, h}. Mängden uttryct på ett alternativt sätt: (A \ B) (B \ A) (A B) \ (A B). Ex 2.8 sannolihterna för A, B, C, A B, B C, C A och A B C är 1/4, 1/4, 1/4, 1/8, 1/8, 1/8, resepetive 1/16. (a) Beräna sannoliheten för händelsen (A B) \ (A B). (b) Beräna sanoliheten för händelsen A B C. Bestäm sannoliheten av den händelse/mängd. 4

(a) Sannoliheten för händelsen (A B) \ (A B): P ((A B)\(A B)) P ((A\B) (B\A)) {disjunta} P (A\B)+P (B\A). Nu är P (A\B) P (A B c ) P (A) P (A B) 1/4 1/8 1/8. P.s.s. är P (B \ A) 1/8. Alltså är P ((A B) \ (A B)) 1 4. (b) Beräna sanoliheten för händelsen A B C... P (A B C) P (A) + P (B) + P (C) P (A B) P (B C) P (C A) + P (A B C) 3 4 3 8 + 1 16. 2.2 Mer ombinatori Ex 2.9 (a) Hur många registeringsnummer finns? Förutsätt att man använder 22 bostäver och alla 10 siffrorna och att ett reg.nr börjar med tre bostäver och åtföljs av tre siffror. (b) Hur många reg. nummer fås med denna modell är 2 200 000. (a) Antalet registeringsnummer: 22 3 10 3 10 64 8000 (b) 22 10 5 2 200 000 Ex 2.10 I en lass finns 25 elever. (minst) två fyller år samma dag? Vad är sannoliheten att Händelsen aatt (minst) två fyller år samma dag betecnar vi A och förutsätter att det är ett normalår (365 dagar) och att det är samma sannolihet att vara född för alla dagar (liformig fördelning). 5

Koplementhändelsen är A c, att alla fyller år olia dagar. Vi sriver P (A c ) g m. m 365 25 och g 365 364... (365 25 + 1) P (365, 25). Detta ger P (A c ) P (365, 25) 365 25 0.4313... P (A) 1 0.4313... 0.5687... Svar: sannoliheten att två fyller år samma dag är 57%. Ex 2.11 0! : 1 och i övrigt är ( n! ) 1 2... n. 4 Beräna binomialoefficienterna för 0, 1, 2, 3, 4. 0 4! 0! (4 0)! 1, Återstående termer är 3 4! 1 1! 3! 4 3 2 1 3 2 1 1 4, 4, 1 4 1. 0 4 3 2 1 1 6. Vi an passa på att utvecla (a + b) 4 : (a + b) 4 1 a 4 b 0 + 4 a 3 b + 6 a 2 b 2 + 4 a b 3 + 1 a 0 b 4. Kommentarer M.h.a. Pascals triangel erhålls binomialoefficienterna 0, 1, 2,... och 0, 1,..., n: 1 1 1 1 2 1 1 3 3 1 1 4 6 4 1 för n Ex 2.12 Givet händelserna i ex 1.5 (och 1.6), beräna sannoliheterna (a) P (H T ) 6

b) P (H T c ) P (H T ) 0.95, P (T ) 1.0 10 3, P (H) 0.10. (a) P (H T ) P (H T ) P (T ) 9.5 10 4. Med ännedom om P (T H) an sannoliheten beränas som Detta ger Bayes sats: P (H T ) P (T H) P (H). P (H T ) P (T H) P (H) P (H T ) P (T ). b) Av Bayes sats följer att Hur beränar vi P (T c H)? P (H T c ) P (H) P (T c ) P (T c H). P (T H) P (T ) P (H) P (H T ), P (T c H) 1 P (T ) (H T ) 0.9905 99%. P (H) P Ex 2.13 Vid fise med astspö är sannoliheten att få napp (fisfångst) p : 20% vid varje ast. Karin astar 5 gånger. Vad där sannoliheten att hon får exat två napp (fisar)? Antag att varje asts utfall är oberoende. Söt sannolihet P (A), där A är händelsen att få napp exat två gånger av fem är ( ) 5 P (A) p 2 (1 p) 5 2 10 0.2 2 0.8 3 0.2048... 2 7