Kapittel 9: Mer kombinatorikk

Størrelse: px
Begynne med side:

Download "Kapittel 9: Mer kombinatorikk"

Transkript

1 MAT00 Disret Matemati Forelesig : Mer ombiatori Roger Atose Istitutt for iformati, Uiversitetet i Oslo Kapittel 9: Mer ombiatori 5. april 009 (Sist oppdatert: :06) MAT00 Disret Matemati 5. april 009 Pla for dage Ordet utvalg Mer om permutasjoer og ordet utvalg ) Mer om ombiasjoer velg r ( r P r Biomialoeffisietee Pascals treat Geeraliserig av første vadratsetig (a + b) a + ab + b Oppsummerig av ombiatorise prisipper Esempler og oppgaver Vi sal å se på det som alles ordet utvalg fra e megde. Esempel Oppgave: I et baresire er det med 0 bar. Det er lov til å opplyse om hvem som to de tre første plassee, mes reste ie sal rageres. Hvor mage forsjellige resultatlister a ma få? MAT00 Disret Matemati 5. april 009 MAT00 Disret Matemati 5. april 009 4

2 Ordet utvalg Esempel (Fortsatt) Løsig: Det fis 0 mulige viere, deretter 9 mulige adreplasser og til sist 8 mulige tredjeplasser. Det fis altså forsjellige resultatlister. Legg mere til at ! (0 )! Vi sal å defiere dette mer geerelt og brue otasjoe 0 P for dette tallet. MAT00 Disret Matemati 5. april Defiisjo La r og være aturlige tall sli at r. Med! P r meer vi ( r)! Mer P r forteller oss hvor mage måter vi a tree r elemeter i reefølge ut fra e megde med elemeter på. Når r bruer vi at 0!. Da får vi P! ( )!! 0!!! Det er som forvetet, side det er! permutasjoer av e megde med elemeter i. MAT00 Disret Matemati 5. april Ordet utvalg Kombiasjoer Esempel E idrettsleder har syv løpere i stalle si, og sal velge ut fire av dem til å delta i e stafett. I et stafettlag spiller reefølge stor rolle, især om idrettsgree er lagre og det er to etapper i lassis og to i fristil. Da er det 7 P 4 7!! forsjellige mulige lagutta. agir hvor mage delmegder med elemeter det fies av e megde med elemeter Vi har tidligere vist dette ved idusjo. Det er også mulig å vise dette ret ombiatoris, som vi sal gjøre sart. Slie tall alles blat aet for biomialoeffisieter. MAT00 Disret Matemati 5. april MAT00 Disret Matemati 5. april 009 8

3 Ata at vi sal fordele tre orasje hatter, bar. 4 5, på fem Kombiasjoer Teorem Hver ombiasjo svarer til e delmegde av {,,, 4, 5}. Atall måter å velge tre bar på i reefølge er 5 P Her vil hver ombiasjo av hatter, f.es. {,, 4}, bli telt! 6 gager, som 4, 4, 4, 4, 4, og 4. Hvis vi sal ta høyde for dette, så må vi dele på 6. Atall måter å fordele hattee er derfor 60/6 0, som er ( 5 ). La A være e megde med elemeter, og la 0. Da fies det forsjellige delmegder B av A. MAT00 Disret Matemati 5. april MAT00 Disret Matemati 5. april Kombiasjoer Bevis (Nytt, og fritt for idusjo) Atall måter å velge elemeter i reefølge fra A på er P! ( )! For hver delmegde B med elemeter, så fis det! forsjellige ordede utvalg fra A som gir oss B. Da må atall megder B med elemeter være P!! ( )!! MAT00 Disret Matemati 5. april 009 Kombiasjoer Legg mere til at Hvorfor det? ( ) ( ) For ( esempel, hvis vi har e megde med 0 elemeter, så er det 0 8) delmegder med 8 elemeter. For hver sli megde, så har vi også e megde med elemeter. Vi a f.es. lage e fusjo som til ehver delmegde av størrelse 8 gir e delmegde av størrelse. Dee fusjoe vil være både surjetiv og ijetiv. ) Derfor har vi at ( ( 0 8) 0 Atall delmegder av størrelse må være li atall delmegder av størrelse. Det er lie mage måter å velge elemeter på som det er å måter å velge bort elemeter på. MAT00 Disret Matemati 5. april 009

4 Biomialoeffisietee Tallee ( ) alles blat aet for biomialoeffisieter. Følgede (reursive) sammeheg var utgagsputet for et tidligere idusjosbevis: + Biomialoeffisietee Tre,, av fem hatter,, sal være orasje. Hvor mage måter a dette gjøres på? ( ) ( ) ( ) Hvis de første hatte er orasje, så må to av de fire resterede hattee være orasje.det er ( 4 ) 6 måter å gjøre dette på. Hvorfor er det sli? La oss se på et esempel. Hvis de første hatte er svart, så må tre av de fire resterede hattee være orasje. Det er ( 4 ) 4 måter å gjøre dette på. MAT00 Disret Matemati 5. april 009 MAT00 Disret Matemati 5. april Biomialoeffisietee Pascals treat Dette forteller oss at det er to evivalete måter å defiere biomialoeffisietee på: Ved hjelp av faultetsfusjoe og brø:! ( )!! Pascals treat er e måte å srive opp alle biomialoeffisietee på ved hjelp av formele ( ) ( ) ( ) + Ved reursjo: + Hus at Vi får følgede bilde. 0 MAT00 Disret Matemati 5. april MAT00 Disret Matemati 5. april 009 6

5 ( 6 0 ) ) ( ) ) ( ) ( ) ) ( ) ( ) ( ) 4 ) ( 4 ) ( 4 ) ( 4 ) ( 4 4) 5 ) 0 ( 4 5) ) Vi fier igje mage jete tallreer i Pascals treat De aturlige tallee:,,,4,5,6,... De såalte triagulære tallee:,,6,0,5,,... Toerpotesee:,,4,8,6,,... Kvadrattallee:,4,9,6,5,... Fiboacci-tallee (selv om de er godt gjemt):,,,,5,8,,,... Og mage flere... MAT00 Disret Matemati 5. april Pascals treat MAT00 Disret Matemati 5. april Tilbae til biomialoeffisietee Tilbae til biomialoeffisietee Teorem (Geeraliserig av. vadratsetig) Neste alle vet at (a + b) 0. Alle vet at (a + b) a + b. Mage vet at (a + b) a + ab + b. De fleste a rege ut at (a + b) a + a b + ab + b. Noe greier til og med å rege ut at (a + b) 4 a 4 + 4a b + 6a b + 4ab + b 4. Noe bør begye å ae at det er e sammeheg med Pascals treat. Side (a + b) 5 a 5 + 5a 4 b + 0a b + 0a b + 5ab 4 + b 5 blir de aelse bereftet. For alle tall a og b og alle hele tall 0 har vi (a + b) a + a b + a b + ( ) ( ) a b + + ab + b 0 a b MAT00 Disret Matemati 5. april MAT00 Disret Matemati 5. april 009 0

6 Tilbae til biomialoeffisietee Bevis (a + b) (a + b) (a + b) (a + b) }{{} foreomster Hvis vi multipliserer dette ut, så får vi ledd. Hvert ledd består av fatorer, hvor hver fator er ete a eller b, f.es. abaa b. Hvis B A {,..., }, så lar vi B svare til leddet hvor fator ummer i er b hvis i B og a ellers. F.es. vil {, 4, 5} svare til leddet b a a b 4 b 5 a 6 a Hvert ledd ommer fra e og bare e megde B; det vi har besrevet er e surjetiv og ijetiv fusjo fra potesmegde av A til leddee vi får år vi reger ut (a + b). Tilbae til biomialoeffisietee Bevis (Fortsatt) Det fis ( ) delmegder av A med elemeter. Da fis det ( ) ledd med b er og a er. Disse leddee ordes til a b Dette er øyatig leddet med ides i teoremet. Side er vilårlig må formele i teoremet gi oss verdie på (a + b). Dette avslutter beviset. MAT00 Disret Matemati 5. april 009 MAT00 Disret Matemati 5. april 009 Oppsummerig av regeprisipper Først e lite digresjo om store tall Ordet utvalg med repetisjo: r Hvor mage biære tall av legde 5 fis det? Det er 5. Ordet utvalg ute repetisjo: P r På hvor mage måter a vi tree to ort fra e ortsto? Det er 5 P Permutasjoer:! På hvor mage måter a vi stoe om ordet LAKS? Det er 4! 4 4. Kombiasjoer: ( ) Hvor mage delmegder av {a, b, c, d, e} har to elemeter? Det er ( ) Vi sal se på oe flere esempler. I ombiatori ommer vi fort opp i veldig store tall. Bredde til et hårstrå: 0 6 atomer. Atomer i e vadråpe: 0 atomer. Atomer i uiverset: 0 80 atomer. Atall forfedre 65 geerasjoer tilbae atall atomer i uiverset. Og disse tallee er gase små... Allievel a vi represetere dem og rege på dem ute store problemer. MAT00 Disret Matemati 5. april 009 MAT00 Disret Matemati 5. april 009 4

7 Esempel På hvor mage forsjellige måter a vi gå fra A til B i dette 8 gager 4-ruteettet? Vi må gå ett steg av gage og u oppover eller til høyre. B Esempel Vi sjeer at det stemmer for gager -ruteettet: A Hvor mage slie stier er det? Dee stie a represeteres som. Dette er et ord på teg over alfabetet {, } hvor fire av tegee er og åtte av tegee er. Hvor mage slie ord er det? Det er ( ) MAT00 Disret Matemati 5. april Atall ord blir i dette tilfellet: ( ) 4 som stemmer MAT00 Disret Matemati 5. april Oppgave Esempel På hvor mage forsjellige måter a vi gå fra A til B i dee -ube? Vi må gå ett steg av gage og u oppover, til høyre eller iover? A B (Dette ble også evt på forrige forelesig i et itrodusjosesempel om uler og boser.) På hvor mage ulie måter a de 6 arateree A til F gis til 0 studeter? Vi ie er iteressert i hvile arater e bestemt studet får, me u atallet av hver arater i fordelige. Det er 6 muligheter for hver av de 0 studetee. Ka vi brue multipliasjosprisippet og si at svaret er 6 0? Nei La oss lage 6 båser og putte studetee i hver si bås avhegig av hvile arater de får. MAT00 Disret Matemati 5. april MAT00 Disret Matemati 5. april 009 8

8 Esempel studeter per arater, og ige stry a represeteres sli: Esempel Fordelige a represeteres sli: At alle stryer a represeteres sli: Esempel Mer geerelt har vi + Hvor mage slie ombiasjoer fis det? Av 5 teg må 5 være røde streer. Atall muligheter må være ( 5 5 ) som gir hvor mage forsjellige måter vi a fordele idetise elemeter i forsjellige beholdere på. Dette alles også for uordet utvalg med repetisjo. MAT00 Disret Matemati 5. april MAT00 Disret Matemati 5. april Grafteori Neste gag begyer vi med grafteori. E graf består av oder og ater: Oppgave: larer dere å tege dee på et ar ute å løfte blyate og ute å gå over e at to gager? MAT00 Disret Matemati 5. april 009

Kombinatorikk. MAT1030 Diskret matematikk Forelesning 20: Kombinatorikk. Repetisjon. Repetisjon

Kombinatorikk. MAT1030 Diskret matematikk Forelesning 20: Kombinatorikk. Repetisjon. Repetisjon Kombiatori MAT Disret matemati orelesig : Kombiatori Roger Atose Matematis Istitutt, Uiversitetet i Oslo 7. april 8 Kombiatori er studiet av opptelliger, ombiasjoer og permutasjoer. Vi fier svar på spørsmål

Detaljer

MAT1030 Forelesning 21

MAT1030 Forelesning 21 MAT00 Forelesning Mer ombinatori Roger Antonsen - 5. april 009 (Sist oppdatert: 009-0-5 00:05) Kapittel 9: Mer ombinatori Plan for dagen Mer om permutasjoner og ordnet utvalg ) Mer om ombinasjoner n velg

Detaljer

Forelesning 20. Kombinatorikk. Roger Antonsen - 7. april 2008

Forelesning 20. Kombinatorikk. Roger Antonsen - 7. april 2008 orelesning Kombinatori Roger Antonsen - 7. april 8 Kombinatori Kombinatori er studiet av opptellinger, ombinasjoner og permutasjoner. Vi finner svar på spørsmål Hvor mange måter...? uten å telle. Vitig

Detaljer

Kapittel 9: Mer kombinatorikk

Kapittel 9: Mer kombinatorikk MAT3 Disret Matemati orelesning : Mer ombinatori Dag Normann Matematis Institutt, Universitetet i Oslo Kapittel 9: Mer ombinatori 3. april (Sist oppdatert: -4-3 4:4) MAT3 Disret Matemati 3. april Oppsummering

Detaljer

MAT1030 Forelesning 21

MAT1030 Forelesning 21 MAT orelesning Mer ombinatori Dag Normann -. april (Sist oppdatert: -4-4:5) Kapittel 9: Mer ombinatori Oppsummering orrige ue startet vi på apitlet om ombinatori. Vi så på hvordan vi an finne antall måter

Detaljer

MAT1030 Diskret Matematikk

MAT1030 Diskret Matematikk MAT1030 Diskret Matematikk Forelesning 21: Mer kombinatorikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo 15. april 2009 (Sist oppdatert: 2009-04-15 00:05) Kapittel 9: Mer kombinatorikk

Detaljer

Algoritmer og datastrukturer Avsnitt Algoritmeanalyse

Algoritmer og datastrukturer Avsnitt Algoritmeanalyse Kapittel 5. Biære søetrær Algoritmer og datastruturer Avsitt 5..5 Algoritmeaalyse Avsitt 5..5.5 - Gjeomsittlig avstad mellom to «aboer» i iorde i et biært søetre med forsjellige verdier ver permutasjo

Detaljer

Ulike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging 29 (29 1) (29 2) (29 3) =

Ulike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging 29 (29 1) (29 2) (29 3) = MAT000V Sasylighetsregig og kombiatorikk Urdede utvalg ute tilbakeleggig Pascals talltrekat og biomialkoeffisietee Ørulf Borga Matematisk istitutt Uiversitetet i Oslo Ulike typer utvalg Eksempel 6.: Vi

Detaljer

Ulike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging. Ordnet utvalg med tilbakelegging.

Ulike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging. Ordnet utvalg med tilbakelegging. MAT0100V Sasylighetsregig og kombiatorikk Ordet utvalg med og ute tilbakeleggig (repetisjo) Uordet utvalg ute tilbakeleggig (repetisjo) Tilfeldige variabler og sasylighetsfordeliger Hypergeometrisk fordelig

Detaljer

MAT1030 Diskret Matematikk

MAT1030 Diskret Matematikk MAT3 Diskret Matematikk Forelesning 2: Mer kombinatorikk Dag Normann Matematisk Institutt, Universitetet i Oslo 3. april 2 (Sist oppdatert: 2-4-3 4:3) Kapittel 9: Mer kombinatorikk MAT3 Diskret Matematikk

Detaljer

Rekursjon og induksjon. MAT1030 Diskret matematikk. Induksjonsbevis. Induksjonsbevis. Eksempel (Fortsatt) Eksempel

Rekursjon og induksjon. MAT1030 Diskret matematikk. Induksjonsbevis. Induksjonsbevis. Eksempel (Fortsatt) Eksempel Reursjon og indusjon MAT1030 Disret matemati Forelesning 15: Indusjon og reursjon, reurenslininger Dag Normann Matematis Institutt, Universitetet i Oslo 3 mars 008 Onsdag ga vi endel esempler på reursive

Detaljer

STK1100: Kombinatorikk

STK1100: Kombinatorikk 1100: ombiatorikk auar 2009 Ørulf orga Matematisk istitutt Uiversitetet i Oslo 1 Uiform sasylighetsmodell: t stokastisk forsøk har N utfall Det er de mulige utfallee for forsøket i atar at de N utfallee

Detaljer

Bjørn Davidsen MATEMATIKK FOR INGENIØRER. Rekker

Bjørn Davidsen MATEMATIKK FOR INGENIØRER. Rekker Bjør Davidse MATEMATIKK FOR INGENIØRER Reer Reer Side Ihold FORORD REKKER 4 NOEN INNEDENDE DEFINISJONER 4 KONVERGENS AV REKKER 6 ARITMETISKE OG GEOMETRISKE REKKER 9 Aritmetise tallfølger og reer 9 Geometrise

Detaljer

STK1100: Kombinatorikk og sannsynlighet

STK1100: Kombinatorikk og sannsynlighet ST1100: ombiatorikk og sasylighet Jauar 201 Ørulf Borga/Geir Storvik Matematisk istitutt Uiversitetet i Oslo 1 Uiform sasylighetsmodell: Et stokastisk forsøk har N utfall Det er de mulige utfallee for

Detaljer

OM TAYLOR POLYNOMER. f x K f a x K a. f ' a = lim x/ a. f ' a z

OM TAYLOR POLYNOMER. f x K f a x K a. f ' a = lim x/ a. f ' a z OM TAYLOR POLYNOMER I dette otatet, som utfyller avsitt 6. i Gullikses bok, skal vi se på Taylor polyomer og illustrere hvorfor disse er yttige. Det å berege Taylor polyomer for håd er i prisippet ikke

Detaljer

Kapittel 10 fra læreboka Grafer

Kapittel 10 fra læreboka Grafer Forelesigsotat i Diskret matematikk torsdag 6. oktober 017 Kapittel 10 fra læreboka Grafer (utdrag) E graf er e samlig pukter (oder) og kater mellom puktee (eg. odes, vertex, edge). E graf kalles rettet

Detaljer

MAT1030 Forelesning 16

MAT1030 Forelesning 16 MAT1030 Forelesning 16 Reursjon og indusjon Roger Antonsen - 17 mars 009 (Sist oppdatert: 009-03-17 11:4 Forelesning 16 Reursjon og indusjon Forrige gang ga vi endel esempler på reursive definisjoner og

Detaljer

EKSAMEN løsningsforslag

EKSAMEN løsningsforslag 05.0.08 EKSAMEN løsigsforslag Emekode: ITF0705 Dato: 5. desember 07 Hjelpemidler: - To A4-ark med valgfritt ihold på begge sider. Emeav: Matematikk for IT Eksamestid: 09.00 3.00 Faglærer: Christia F Heide

Detaljer

EKSAMEN Løsningsforslag

EKSAMEN Løsningsforslag 7. jauar 7 EKSAMEN Løsigsforslag Emekode: ITF75 Dato: 4. desember 6 Hjelpemidler: - To A4-ark med valgfritt ihold på begge sider. Emeav: Matematikk for IT Eksamestid: 9. 3. Faglærer: Christia F Heide Kalkulator

Detaljer

Løsningsforslag. Oppgavesettet består av 9 oppgaver med i alt 21 deloppgaver. Ved sensur vil alle deloppgaver telle omtrent like mye.

Løsningsforslag. Oppgavesettet består av 9 oppgaver med i alt 21 deloppgaver. Ved sensur vil alle deloppgaver telle omtrent like mye. .. Løsigsforslag Emekode: ITF7 Dato:. desember Eme: Matematikk for IT Eksamestid: kl. til kl. Hjelpemidler: To A4-ark med valgfritt ihold på begge sider. Faglærer: Christia F Heide Eksamesoppgave: Oppgavesettet

Detaljer

Obligatorisk oppgave nr. 3 i Diskret matematikk

Obligatorisk oppgave nr. 3 i Diskret matematikk 3. obligatoriske oppgave i Diskret matematikk høste 08. Obligatorisk oppgave r. 3 i Diskret matematikk Ileverigsfrist. ovember 08 Oppgave er frivillig og tregs ikke leveres, me hvis dere leverer de ie

Detaljer

Plan. MAT1030 Diskret matematikk. Eksamen 12/6-06 Oppgave 2. Noen tips til eksamen

Plan. MAT1030 Diskret matematikk. Eksamen 12/6-06 Oppgave 2. Noen tips til eksamen Plan MAT1030 Disret matemati Plenumsregning 12: Diverse oppgaver Roger Antonsen Matematis Institutt, Universitetet i Oslo 22. mai 2008 Dette er siste plenumsregning. Vi regner stort sett esamensoppgaver.

Detaljer

Plan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1

Plan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1 Pla for fagdag 3 R2-18.11.10 Pla: Litt om differase- og summefølger. Sammehege a a 1 1 i 1 d i. Geometriske resoemet. Arbeidsoppgaver. Differase- og summefølger Regresjo med lommereger Differaser er ofte

Detaljer

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE Eme: Diskret matematikk Gruppe(r): Eksamesoppgave består av: Atall sider (ikl forside): 5 Emekode: FO 9A Dato: 57 Atall oppgaver: Fagasvarlig: Ulf Uttersrud

Detaljer

Kapittel 5: Diskrete sannsynsfordelingar TMA4245 Statistikk. 5.2 Diskret uniform fordeling NTNU NTNU NTNU

Kapittel 5: Diskrete sannsynsfordelingar TMA4245 Statistikk. 5.2 Diskret uniform fordeling NTNU NTNU NTNU Kapittel 5: Disrete sasysfordeligar TMA4245 Statisti Rep.: Forvetig, varias og ovarias Forvetig (tygdeput, geeraliserig av empiris gjeomsitt): < P x µ = E(X) = R xf(x) (Xdisret) : xf(x)dx (Xotiuerlig)

Detaljer

Fakultet for teknologi, kunst og design Teknologiske fag Eksamen i: Diskret matematikk

Fakultet for teknologi, kunst og design Teknologiske fag Eksamen i: Diskret matematikk Fakultet for tekologi, kust og desig Tekologiske fag Eksame i: Diskret matematikk Målform: Bokmål Dato: 9. ovember 017 Tid: Atall sider (ikl. forside): 9 Atall oppgaver: 6 Tillatte hjelpemidler: Forhådsgodkjet

Detaljer

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE Eme: Diskret matematikk Gruppe(r): Eksamesoppgave består av: Atall sider (ikl forside): 5 Emekode: FO 9A Dato: 69 Atall oppgaver: Fagasvarlig: Ulf Uttersrud

Detaljer

EKSAMEN Løsningsforslag

EKSAMEN Løsningsforslag ..4 EKSAMEN Løsigsforslag Emekode: ITF75 Dato: 6. desember Eme: Matematikk for IT Eksamestid: kl 9. til kl. Hjelpemidler: To A4-ark med valgfritt ihold på begge sider. Kalkulator er ikke tillatt. Faglærer:

Detaljer

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE Eme: Diskret matematikk Gruppe(r): Emekode: FO 019A Dato: 12.12.200 Faglig veileder: Ulf Uttersrud Eksamestid: 9-14 Eksamesoppgave består av: Atall sider

Detaljer

FØLGER, REKKER OG GJENNOMSNITT

FØLGER, REKKER OG GJENNOMSNITT FØLGER, REKKER OG GJENNOMSNITT Espe B. Lagelad realfagshjoret.wordpress.com espebl@hotmail.com 9.mars 06 Iledig E tallfølge er e serie med tall som kommer etter hveradre i e bestemt rekkefølge. Kvadrattallee

Detaljer

Mer om utvalgsundersøkelser

Mer om utvalgsundersøkelser Mer om utvalgsudersøkelser I uderkapittel 3.6 i læreboka gir vi e kort iførig i takegage ved utvalgsudersøkelser. Vi gir her e grudigere framstillig av temaet. Populasjo og utvalg Ved e utvalgsudersøkelse

Detaljer

Differensligninger Forelesningsnotat i Diskret matematikk Differensligninger

Differensligninger Forelesningsnotat i Diskret matematikk Differensligninger Differesligiger Forelesigsotat i Diskret matematikk 017 Differesligiger I kapittel lærte vi om følger og rekker. Vi studerte både aritmetiske og geometriske følger og rekker. Noe følger og rekker er imidlertid

Detaljer

Avsnitt 8.1 i læreboka Differensligninger

Avsnitt 8.1 i læreboka Differensligninger Diskret Matematikk Fredag 6. ovember 015 Avsitt 8.1 i læreboka Differesligiger I kapittel lærte vi om følger og rekker. Vi studerte både aritmetiske og geometriske følger og rekker. Noe følger og rekker

Detaljer

Fagdag 2-3mx 24.09.07

Fagdag 2-3mx 24.09.07 Fagdag 2-3mx 24.09.07 Jeg beklager at jeg ikke har fuet oe ye morsomme spill vi ka studere, til gjegjeld skal dere slippe prøve/test dee gage. Istruks: Vi arbeider som valig med 3 persoer på hver gruppe.

Detaljer

MA1101 Grunnkurs Analyse I Høst 2017

MA1101 Grunnkurs Analyse I Høst 2017 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag MA0 Grukurs Aalyse I Høst 07 Løsigsforslag Øvig..b) Vi skriver om 7 = 4 4 7 Korollar.. gir at 7 4 er irrasjoal (side vi vet 7 4 er

Detaljer

Eksempeloppgave 2014. REA3028 Matematikk S2 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)

Eksempeloppgave 2014. REA3028 Matematikk S2 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler) Eksempeloppgave 2014 REA3028 Matematikk S2 Eksempel på eksame våre 2015 etter y ordig Ny eksamesordig Del 1: 3 timer (ute hjelpemidler) Del 2: 2 timer (med hjelpemidler) Mistekrav til digitale verktøy

Detaljer

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren 2 Kap. 9: Iferes om é populasjo I Kapittel 8 brukte vi observatore z = x μ σ/ for å trekke koklusjoer om μ. Dette krever kjet σ (urealistisk). ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for

Detaljer

Eksamen R2, Høsten 2010

Eksamen R2, Høsten 2010 Eksame R, Høste 00 Del Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (6 poeg) a) Deriver fuksjoee ) f l f ( ) l l (l ) ) g( ) si cos f si

Detaljer

Førsteordens lineære differensiallikninger

Førsteordens lineære differensiallikninger Førsteordens lineære differensiallininger Begrepet førsteordens lineære differensiallininger er ie sielig definert i Sinus R. Denne artielen omhandler det temaet. En førsteordens lineær differensiallining

Detaljer

Prosedyre for løsning av oppgaver Jeg skal ved hjelp av noen oppgaver/eksempler fra produsentens tilpasning, gi

Prosedyre for løsning av oppgaver Jeg skal ved hjelp av noen oppgaver/eksempler fra produsentens tilpasning, gi Jo Vislie; mars 07 ECO 00 07 Prosedyre for løsig av ogaver Jeg sal ved hjel av oe ogaver/esemler fra rodusetes tilasig, gi forslag til rosedyre/hjel/veivalg til å løse ogaver i ECO 00. Det er tre tyer

Detaljer

Forkunnskaper i matematikk for fysikkstudenter. Derivasjon.

Forkunnskaper i matematikk for fysikkstudenter. Derivasjon. Defiisjo av derivert Vi har stor ytte av å vite hvor raskt e fuksjo vokser eller avtar Mer presist: Vi øsker å bestemme stigigstallet til tagete til fuksjosgrafe P Q Figure til vestre viser hvorda vi ka

Detaljer

Kapittel 8: Estimering

Kapittel 8: Estimering Kaittel 8: Estimerig Estimerig hadler kort sagt om hvorda å aslå verdie å arametre som,, og dersom disse er ukjete. like arametre sier oss oe om oulasjoe vi studerer (dvs om alle måliger av feomeet som

Detaljer

Fakultet for teknologi, kunst og design Teknologiske fag Eksamen i: Diskret matematikk

Fakultet for teknologi, kunst og design Teknologiske fag Eksamen i: Diskret matematikk Side 1 av 9 Fakultet for tekologi, kust og desig Tekologiske fag Eksame i: Diskret matematikk Målform: Bokmål Dato: 10. desember 018 Tid: 09:00 1:00 Atall sider (ikl. forside): Atall oppgaver: 6 Tillatte

Detaljer

Oppgaver i kapittel 1 - Løsningsskisser og kommentarer Lærebok:

Oppgaver i kapittel 1 - Løsningsskisser og kommentarer Lærebok: Oppgaver i apittel - Løsningssisser og ommentarer Lærebo:.6 Vitig oppgave, viser hvordan ree-summer an tilnærmes med integraler. Atuelt hvis vi har formelen for n te ledd, men ie har noen summeformel.

Detaljer

STK1100 våren 2017 Estimering

STK1100 våren 2017 Estimering STK1100 våre 017 Estimerig Svarer til sidee 331-339 i læreboka Ørulf Borga Matematisk istitutt Uiversitetet i Oslo 1 Politisk meigsmålig Spør et tilfeldig utvalg på 1000 persoer hva de ville ha stemt hvis

Detaljer

Econ 2130 Forelesning uke 11 (HG)

Econ 2130 Forelesning uke 11 (HG) Eco 130 Forelesig uke 11 (HG) Mer om ormalfordelige og setralgreseteoremet Uke 1 1 Fra forrige gag ~ betyr er fordelt som. ~ N( µσ, ) E( ) = µ, og var( ) = σ Normalfordelige er symmetrisk om μ og kotiuerlig

Detaljer

Prosedyre for løsning av oppgaver Jeg skal ved hjelp av noen oppgaver/eksempler fra produsentens tilpasning, gi

Prosedyre for løsning av oppgaver Jeg skal ved hjelp av noen oppgaver/eksempler fra produsentens tilpasning, gi 1 Jo Vislie; aril 015 ECO 00 015 Prosedyre for løsig av ogaver Jeg sal ved hjel av oe ogaver/esemler fra rodusetes tilasig, gi forslag til rosedyre/hjel/veivalg til å løse ogaver i ECO 00. Det er tre tyer

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i: ST 105 - Iførig i pålitelighetsaalyse Eksamesdag: 8. desember 1992 Tid til eksame: 0900-1500 Tillatte hjelpemidler: Rottma: "Matematische

Detaljer

Test, 3 Sannsynlighet

Test, 3 Sannsynlighet Test, Sannsynlighet Innhold. Pascals talltreant... 2.2 Kombinatori g sannsynlighetsberegning... 7. Sannsynlighetsberegninger.... Hypergeometris sannsynlighetsmodell....5 Binomis sannsynlighetsmodell...

Detaljer

8 + 2 n n 4. 3n 4 7 = 8 3.

8 + 2 n n 4. 3n 4 7 = 8 3. Seksjo 4. Oppgave (). Fi greseverdiee: 8 a) 4 + 4 7 b) 4 +7 5 c) + 7 4 ( ) d) 5 4 44 + 5 4 e) 5 + si() e +6 5 Løsig. Vi vil bruke samme metode som i Eksempel 4..5 fra boke i disse oppgavee. Når vi skal

Detaljer

Løsningsforslag. Oppgavesettet består av 16 oppgaver. Ved sensur vil alle oppgaver telle like mye med unntak av oppgave 6 som teller som to oppgaver.

Løsningsforslag. Oppgavesettet består av 16 oppgaver. Ved sensur vil alle oppgaver telle like mye med unntak av oppgave 6 som teller som to oppgaver. . mai 5 Løsigsforslag Emekode: ITF75 Dato: 5. desember 4 Eme: Matematikk for IT Eksamestid: kl 9. til kl 3. Hjelpemidler: To A4-ark med valgfritt ihold på begge sider. Kalkulator er ikke tillatt. Faglærer:

Detaljer

Kap. 9: Inferens om én populasjon

Kap. 9: Inferens om én populasjon 2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)

Detaljer

2.1 Polynomdivisjon. Oppgave 2.10

2.1 Polynomdivisjon. Oppgave 2.10 . Polyomdivisjo Oppgave. ( 5 + ) : = + + ( + ):( ) 6 + 6 8 8 = + + c) ( + 5 ) : = + 6 6 d) + + + = + + = + + + 8+ ( ):( ) + + + Oppgave. ( + 5+ ):( ) 5 + + = + ( 5 ): 9 + + + = + + + 5 + 6 9 c) ( 8 66

Detaljer

OPPGAVE 4 LØSNINGSFORSLAG OPPGAVE 5 LØSNINGSFORSLAG UTVIKLING AV REKURSIV FORMEL FOR FIGURTALL SOM GIR ANDREGRADSFUNKSJONER

OPPGAVE 4 LØSNINGSFORSLAG OPPGAVE 5 LØSNINGSFORSLAG UTVIKLING AV REKURSIV FORMEL FOR FIGURTALL SOM GIR ANDREGRADSFUNKSJONER OPPGAVE 4 LØSNINGSFORSLAG Tallfølge i f) rektageltallee. Her er de eksplisitte formele R = ( +1) eller R = +. Dette er e adregradsfuksjo. I figurtallsammeheg forutsetter vi at de legste side er (øyaktig)

Detaljer

DEL 1. Uten hjelpemidler 500+ er x

DEL 1. Uten hjelpemidler 500+ er x DEL 1 Ute hjelpemidler Oppgave 1 (18 poeg) 500 = + 8 er a) Vis at de deriverte til fuksjoe ( ) O O ( ) = 500+ 16 b) Deriver fuksjoee 1) f( ) = l( ) ) g( ) = e c) Vi har gitt polyomfuksjoe f( ) = 1 + 15

Detaljer

Tallsystemer. Læringsmål. Posisjonstallsystemer. Potensregning en kort repetisjon 123 = = 7B 16. Forstå posisjonstallsystemer

Tallsystemer. Læringsmål. Posisjonstallsystemer. Potensregning en kort repetisjon 123 = = 7B 16. Forstå posisjonstallsystemer Forstå posisjostallsystemer Lærigsmål Tallsystemer Kue biærtall og heksadesimale tall Kue kovertere mellom ulike tallsystemer: Ti 3 = = 7B 6 (Kapittel 6 + 7.-7.3) Kue ekel regig med biærtall addisjo multiplikasjo

Detaljer

Løsningsforslag til eksamen

Løsningsforslag til eksamen 7. jauar 6 Løsigsforslag til eksame Emekode: ITF75 Dato: 5. desember 5 Eme: Matematikk for IT Eksamestid: kl 9. til kl. Hjelpemidler: To A4-ark med valgfritt ihold på begge sider. Kalkulator er ikke tillatt.

Detaljer

MOT310 Statistiske metoder 1, høsten 2011

MOT310 Statistiske metoder 1, høsten 2011 MOT310 Statistiske metoder 1, høste 2011 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 24. august, 2011 Bjør H. Auestad Itroduksjo og repetisjo 1 / 32 Repetisjo; 9.1,

Detaljer

ECON240 Statistikk og økonometri

ECON240 Statistikk og økonometri ECON240 Statistikk og økoometri Arild Aakvik, Istitutt for økoomi 1 Mellomregig MKM Model: Y i = a i + bx i + e i MKM-estimator for b: b = = Xi Y i 1 Xi Yi Xi 1 ( X i ) 2 (Xi X)(Y i Ȳi) (Xi X) 2 hvor vi

Detaljer

Kap. 9: Inferens om én populasjon

Kap. 9: Inferens om én populasjon 2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2008 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 56

Detaljer

ECON 2200 VÅREN 2014: Oppgaver til plenumsøvelse den 12.mars

ECON 2200 VÅREN 2014: Oppgaver til plenumsøvelse den 12.mars Jo Vislie; mars 04 Ogave ECO 00 VÅRE 04: Ogaver til leumsøvelse de.mars E bedrift har rodutfusjoe = - b, der b er e ositiv ostat. Sisser grafe til dee og agi egesaee til rodutfusjoe (ved gjeomsittsrodutivitet,

Detaljer

Kommentarer til oppgaver;

Kommentarer til oppgaver; Kapittel - Algebra Versjo: 11.09.1 - Rettet feil i 0, 1 og 70 og lagt i litt om GeoGebra-bruk Kommetarer til oppgaver; 0, 05, 10, 13, 15, 5, 9, 37, 5,, 5, 59, 1, 70, 7, 78, 80,81 0 a) Trykkfeil i D-koloe

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2006 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1 / 56

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable ÅMA Saslighetsregig med statistikk, våre K. 3 Diskrete tilfeldige variable Noe viktige saslighetsmodeller Noe viktige saslighetsmodeller ( Sas.modell : å betr det klasse/te sas.fordelig.) Biomisk modell

Detaljer

Vi skal hovedsakelig ikke bestemme summen men om rekken konvergerer. det vil si om summen til rekken er et bestemt tall

Vi skal hovedsakelig ikke bestemme summen men om rekken konvergerer. det vil si om summen til rekken er et bestemt tall Kapittel 8 Oppsummerig-Rekker Rekker er summe til edelig eller uedelig mage ledd i e tallfølge. Potesrekker ka beyttes til å uttrykke vaskelige fuksjoer om et pukt. Ma ka skreddesy potesfuksjoer ved hjelp

Detaljer

Kombinatorikk. MAT0100V Sannsynlighetsregning og kombinatorikk. Multiplikasjonssetningen

Kombinatorikk. MAT0100V Sannsynlighetsregning og kombinatorikk. Multiplikasjonssetningen MAT0100V Sasylighetsegig og kombiatoikk Kombiatoikk Odede utvalg med og ute tilbakeleggig Uodede utvalg ute tilbakeleggig Pascals talltekat og biomialkoeffisietee Øulf Boga Matematisk istitutt Uivesitetet

Detaljer

Velkommen til oversiktsforelesninger i Matematikk 1. med Jørgen Endal

Velkommen til oversiktsforelesninger i Matematikk 1. med Jørgen Endal Velkomme til oversiktsforelesiger i Matematikk 1 med Jørge Edal Følger, rekker, og potesrekker (kap. 9.1 9.7) Forelesig 2 (kap. 9.3 9.4) Dages økkelbegrep: Sammeligigsteste Gresesammeligigsteste Forholdsteste

Detaljer

S2 kapittel 1 Rekker Løsninger til innlæringsoppgavene

S2 kapittel 1 Rekker Løsninger til innlæringsoppgavene Løsiger til ilærigsoppgavee kapittel Rekker Løsiger til ilærigsoppgavee a Vi ser at differase mellom hvert ledd er 4, så vi får det este leddet ved å legge til 4 Det este leddet blir altså 6 + 4 = 0 b

Detaljer

Innføring i medisinsk statistikk

Innføring i medisinsk statistikk Stoastis forsø el. esperimet Iførig i medisis statisti KLH3 - Høst 9 Kapittel. Stoastis variabel og Disret sasylighetsfordelig Et ret teis begrep for e prosess der hesite er å framsaffe data om hedelser

Detaljer

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 16. mai 2008

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 16. mai 2008 Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL 6. mai 008 EKSAMEN I MATEMATIKK Modul 5 studiepoeg Tid: 5 timer Oppgavesettet er på 8 sider (ikludert formelsamlig). Hjelpemidler:

Detaljer

Kombinatorikk. MAT0100V Sannsynlighetsregning og kombinatorikk. Multiplikasjonssetningen

Kombinatorikk. MAT0100V Sannsynlighetsregning og kombinatorikk. Multiplikasjonssetningen MAT000V Sasylighetsegig og kombiatoikk Kombiatoikk Odede utvalg med og ute tilbakeleggig Uodede utvalg ute tilbakeleggig Pascals talltekat og biomialkoeffisietee Øulf Boga Matematisk istitutt Uivesitetet

Detaljer

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt).

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt). Eksamesoppgave våre 011 Ordiær eksame Bokmål Fag: Matematikk Eksamesdato: 10.06.011 Studium/klasse: GLU 5-10 Emekode: MGK00 Eksamesform: Skriftlig Atall sider: 8 (ikludert forside og formelsamlig) Eksamestid:

Detaljer

Fakultet for teknologi, kunst og design Teknologiske fag

Fakultet for teknologi, kunst og design Teknologiske fag Side 1 av 1 Fakultet for tekologi, kust og desig Tekologiske fag Eksame i: Diskret matematikk Målform: okmål Dato: 30.11.016 Tid: 5 timer / kl. 9-14 tall sider ikl. forside: 1 tall ogaver: 10 Tillatte

Detaljer

KOMPLEKSE TALL KARL K. BRUSTAD

KOMPLEKSE TALL KARL K. BRUSTAD KOMPLEKSE TALL KARL K BRUSTAD 1 Defiisjoer og otasjo Defiisjo 1 Et kompleks tall er et objekt på forme x + i der x og er reelle tall og kalles heholdsvis realdele og imagiærdele til det komplekse tallet

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5 ÅMA11 Sasylighetsregig med statistikk, våre 7 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 26. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 59 Bjør

Detaljer

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk MAT0100V Sasylighetsregig og kombiatorikk Forvetigsverdi Sasylighetsfordelige til e tilfeldig variabel X gir sasylighete for de ulike verdiee X ka ata Forvetig, varias og stadardavvik Tilærmig av biomiske

Detaljer

Løsning eksamen R1 våren 2010

Løsning eksamen R1 våren 2010 Løsig eksame R våre 00 Oppgave a) ) f ( ) l f ( ) ' l l l l f ( ) (l ) ) g( ) 4e g( ) 4 e ( ) 4 e ( ) g( ) 4( ) e b) ( ) 4 4 6 P ) P() 4 4 6 8 6 8 6 0 Divisjo med ( ) går opp. 4 4 6 : ( ) 8 4 4 8 6 8 6

Detaljer

Løsningsforslag: Deloppgave om heuristiske søkemetoder

Løsningsforslag: Deloppgave om heuristiske søkemetoder Løsigsforslag: Deloppgave om heuristiske søkemetoder 6. mai 00 Iledig Vi skal betrakte det såkalte grafdeligsproblemet (graph partitioig problem). Problemet ka ekelt formuleres som følger: Gitt e graf

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 ÅMA0 Sasylighetsregig med statistikk, våre 007 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett

Detaljer

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering Eco 130 uke 15 (HG) Poissofordelige og iførig i estimerig 1 Poissofordelige (i) Tilærmig til biomialfordelige. Regel. ( Poissotilærmelse ) Ata Y ~ bi(, p) E( Y ) = p og var( Y ) = p(1 p). Hvis er stor

Detaljer

Oblig 2 - MAT1120. Fredrik Meyer 26. oktober 2009 = A = P1 1 A 1 P 1 A 1 A 2 = P 1. A k+1. A k P k

Oblig 2 - MAT1120. Fredrik Meyer 26. oktober 2009 = A = P1 1 A 1 P 1 A 1 A 2 = P 1. A k+1. A k P k Oblig 2 - MAT20 Fredri Meyer 26 otober 2009 Matrisee A i er defiert sli der P er e rotasjosmatrise som defierer i oppgave 2: A A 2 A + = A = P A P = P A P Oppgave Matrisee A i+ og A i er similære det fies

Detaljer

Tid: 3 timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt.

Tid: 3 timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Tid: 3 timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (3 poeg) Deriver fuksjoee a) f( ) cos5 f 5 si5 0 si5 g e si Vi bruker produktregele for derivasjo,

Detaljer

Statistikk og økonomi, våren 2017

Statistikk og økonomi, våren 2017 Statistikk og økoomi, våre 07 Obligatorisk oppgave 6 Løsigsforslag Oppgave E terig kastes 0 gager, og det registreres hvor mage 6-ere som oppås i løpet av disse 0 kastee. Vi ka kalle atall 6-ere i løpet

Detaljer

Eksempeloppgave 2014. REA3026 Matematikk S1 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)

Eksempeloppgave 2014. REA3026 Matematikk S1 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler) Eksempeloppgave 04 REA306 Matematikk S Eksempel på eksame våre 05 etter y ordig Ny eksamesordig Del : 3 timer (ute hjelpemidler) Del : timer (med hjelpemidler) Mistekrav til digitale verktøy på datamaski:

Detaljer

Faglærer går normalt én runde gjennom lokalet. Ha evt. spørsmål klare!

Faglærer går normalt én runde gjennom lokalet. Ha evt. spørsmål klare! Side 1 av 7 Noe viktige pukter: (i) (ii) (iii) (iv) Les hele eksamessettet øye før du begyer! Faglærer går ormalt é rude gjeom lokalet. Ha evt. spørsmål klare! Skriv svaree die i svarrutee og levér i oppgavearket.

Detaljer

MA1102 Grunnkurs i analyse II Vår 2019

MA1102 Grunnkurs i analyse II Vår 2019 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag MA0 Grukurs i aalyse II Vår 09 9 Vi har rekke Dette er e geometrisk rekke som beskrevet på side 50 i læreboka, med x (side ) Spesielt

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2010 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 12. april Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 59

Detaljer

Eksamen 20.05.2009. REA3024 Matematikk R2. Nynorsk/Bokmål

Eksamen 20.05.2009. REA3024 Matematikk R2. Nynorsk/Bokmål Eksame 20052009 REA3024 Matematikk R2 Nyorsk/Bokmål Nyorsk Eksamesiformasjo Eksamestid: Hjelpemiddel på Del 1: Hjelpemiddel på Del 2: Bruk av kjelder: Vedlegg: Framgagsmåte: Rettleiig om vurderiga: 5 timar:

Detaljer

TMA4245 Statistikk Eksamen mai 2017

TMA4245 Statistikk Eksamen mai 2017 TMA445 Statistikk Eksame mai 07 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave a Når vi reger ut disse tre sasylighetee må ma huske på at de mulige verdiee

Detaljer

Faglærer går normalt én runde gjennom lokalet. Ha evt. spørsmål klare!

Faglærer går normalt én runde gjennom lokalet. Ha evt. spørsmål klare! Side 1 av 6 Noe viktige pukter: (i) (ii) (iii) (iv) Les hele eksamessettet øye før du begyer! Faglærer går ormalt é rude gjeom lokalet. Ha evt. spørsmål klare! Skriv svaree die i svarrutee og levér i oppgavearket.

Detaljer

Eksamen S2, Høsten 2013

Eksamen S2, Høsten 2013 Eksame S, Høste 013 Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler. Oppgave 1 (4 poeg) Deriver fuksjoee 1 x a) fx b) gx 5x 1 5 c) hx x e x 3 Oppgave (5 poeg)

Detaljer

Der oppgaveteksten ikke sier noe annet, kan du fritt velge framgangsmåte.

Der oppgaveteksten ikke sier noe annet, kan du fritt velge framgangsmåte. Eksame 20052009 REA3024 Matematikk R2 Nyorsk/Bokmål Bokmål Eksamesiformasjo Eksamestid: Hjelpemidler på Del 1: Hjelpemidler på Del 2: Bruk av kilder: Vedlegg: Framgagsmåte: Veiledig om vurderige: 5 timer:

Detaljer

3MX 2007/8 - Kapittel 5: 8. januar 5. februar 2008

3MX 2007/8 - Kapittel 5: 8. januar 5. februar 2008 3MX 00/8 - Kapittel : 8. jauar. februar 008 Pla for skoleåret 00/008: Kapittel 6: 6/ /. Kapittel : / /3. Prøver på eller skoletime etter hvert kapittel. É heildagsprøve i hver termi. Repetisjo, prøver,

Detaljer

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>. ECON 130 EKSAMEN 008 VÅR - UTSATT PRØVE SENSORVEILEDNING Oppgave består av 9 delspørsmål, A,B,C,., som abefales å veie like mye, Kommetarer og tallsvar er skrevet i mellom . Oppgave 1 Ved e spørreudersøkelse

Detaljer

TMA4100 Høst Løsningsforslag Øving 2. Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag

TMA4100 Høst Løsningsforslag Øving 2. Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag TMA400 Høst 206 Norges tekiskaturviteskapelige uiversitet Istitutt for matematiske fag Løsigsforslag Øvig 2 2..0: Vi bruker eisjoe for ikke-vertikale tagetlijer sie 97 i læreboke). Tagetlije gjeom et pukt

Detaljer

Emnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard

Emnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard EKSAMEN Emekode: SFB107111 Emeav: Metode 1, statistikk deleksame Dato: 7. mai 2018 Hjelpemidler: Godkjet kalkulator og vedlagt formelsamlig m/tabeller Eksamestid: 4 timer Faglærer: Has Kristia Bekkevard

Detaljer

Kapittel 5: Tilfeldige variable, forventning og varians.

Kapittel 5: Tilfeldige variable, forventning og varians. Kapittel 5: Tilfeldige variable, forvetig og varias. Tilfeldige variable Tilfeldige variable kalles også stokastiske variable. Defiisjo: E tilfeldig variabel er e variabel som får si umeriske verdi bestemt

Detaljer

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 Repetisjo; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 og Geerell defiisjo av : Situasjo: Data x 1,...,x ;utfallav:x 1,...,X ; u.i.f. tilfeldige variable Ukjet parameter i fordelige til X i ee: θ Dersom L og U L

Detaljer