SPIL. Sandsynligheder og Strategier

Størrelse: px
Starte visningen fra side:

Download "SPIL. Sandsynligheder og Strategier"

Transkript

1 SPIL Sadsylighede og Stategie Ole Witt-Hase Køge Gymasium 2006

2 INDHOLD Kap. Sadsylighede ved spil.... Lotto... øvelse Poke Ruisadsylighede ved Roulette mv....5 Kap 2. Stategie ved spil...9. Foskellige spil...9. Madags-chace "Skæbe" Idbudstyves pesiospoblem Tædstikspillet Casio Optimale Stategie De optimale Sell-stategi Idbudstyves pesiospoblem "Skæbe" "Madagschace" Casio Tædstikspillet...7 Ideks...23

3 Sadsylighede ved spil Kap. Sadsylighede ved spil. Lotto Ved lottospil, gå det som bekedt ud på at gætte 7 tal ud af 36 mulige. Foude de 7 lotto tal blive de også udtukket tillægstal. Ma opå pæmie på følgede måde:. pæmie ved at gætte alle 7 igtige. 2. pæmie fo at gætte 6 igtige plus et tillægstal. 3. pæmie fo, at gætte 6 igtige. 4. pæmie fo, at gætte 5 igtige. 5. pæmie fo, at gætte 4 igtige. Vi vil idlede med at udege sadsylighedee fo at få, hve af disse pæmie, å ma udfylde é ække. Vi skal he mide om defiitioe af sadsylighede fo e hædelse i et Symmetisk Sadsylighedsfelt P( H ) ( H ) ( U ) Atal elemete i H Atal elemete i U Gustige Mulige Atallet af foskellige måde, hvo ma ka udvælge e delmægde på q elemete af e mægde beteges K(,q).! K(, q) q!( q)! De mulige måde at udvælge 7 tal ud af 36 e 36! K ( 36,7) 7!(36 7)! Følgelig e sadsylighede fo 7 igtige P(7) K (36,7) p7, Nå vi skal udege sadsylighede fo 6 igtige tal plus et tillægstal, æsoee vi på følgede måde: De 6 igtige ka vælges ud af 7 på K(7,6) = 7 foskellige måde, og tillægstallet ka vælges på måde. Da vi både skal have 6 igtige og et tillægstal igtigt, skal de to atal mulighede multiplicees fo at fide atal gustige udfald. P(6 igtige + tt) = K(7,6) /K(36,7)=7/K(36,7)=7 p 7 = 8,

4 2 Sadsylighede ved spil På samme måde ka vi fide sadsylighede fo 6 igtige, idet atal gustige e K(7,6) gage med atal måde det fokete tal ka vælges på =27 måde, idet det fokete tal hveke må væe et af de 7 igtige elle et tillægstal. P(6 igtige) =K(7,6) 27/K(36,7) = 89 p 7 = 2, Sadsylighede fo 5 igtige tal fides som atallet af måde at udtage 5 igtige ud af 7 lig med K(7,5), gage atallet af mulighede fo de to sidste tal, som ka vælges bladt 36-7 =29 tal. Dette atal e K(29,2). P(5 igtige) = K(7,5) K(29,2)/K(36,7) = 8526 p 7 =, =,02 / På helt samme måde opskive vi sadsylighede fo 4 igtige, idet de gustige e K(7,4) K(29,3), emlig 4 igtige udvalgt bladt 7, gage 3 fokete udvalgt bladt 29. P(4 igtige) = K(7,4) K(29,3)/K(36,7) = p 7 = 0,053 =,53% Af oveståede femgå, at chace fo at få mee ed 4 igtige e uhye ige. Til gegæld e de e imelig chace fo at få 4 igtige. Dette e gjot helt bevidst fo dem, de ha plalagt spillet. Efaige vise emlig, at hvis ma aldig vide, holde ma op med at spille efte e vis tid. Lad os atage at ma udfylde e kupo med 0 ække hve uge. Føst udege vi chace fo at få 4 igtige på midst é af kupoee. Hædelse "4 igtige" e biomialfodelt, med atalspaametee =0. Fo at fide dee sadsylighed, udege vi føst sadsylighede fo de komplemetæe hædelse "Ikke 4 igtige på oge af kupoee" P(Ikke 4 igtige på oge af kupoee) = (-p 4 ) 0 = 0, =0,8557 P(4 igtige på midst é af kupoee) = - P(Ikke 4 igtige på oge af kupoee) = 0,443 Ma ha altså kap 5% chace fo at få 4 igtige på midst e af de 0 ække. Atage vi u, at ma spille 0 ække i 5 uge, vil vi udege sadsylighede fo, at ma ikke få 4 igtige på oge af de 5 uge. P(ikke 4 igtige i 5 uge)= 0, = 0,4487 De e således godt 50% chace fo at ma få 4 igtige midst e gag på 5 uge. Det e fomodetlig det, som holde spillet i gag. Vide ma, få ma udbetalt ca. 40 k., som ka sammeliges med udgifte 5 30 =50 k. Ma ka selvfølgelig udege middelvædie af geviste, hvis ma kede pæmiestøelsee. Dette e imidletid ikke sælig iteessat, idet 45% af det idbetalte beløb altid gå til pæmie. Middelgeviste e defo altid 0,55 3,00 k. = -,65 k.

5 Sadsylighede ved spil 3 øvelse. Udeg hvo mage uge ma skal spille 0 ække fo, at de e mee ed 50% chace fo at vide 4. pæmie (5 igtige). Opgave skal løses med logaitme. 2. Fosøg at udege samme som ovefo, blot med e. pæmie. 3. E udfyldt ække på 7 tal, "dække" åbebat ove K(7,4) K(29,2) foskellige ække med 4 igtige. Hvo mage ække skal ma midst udfylde fo at væe sikke på at få 4 igtige. 2. Poke Vi atage at Poke spilles med et almideligt spil kot ude joke, og at hve spille få 5 kot fa begydelse. Vi vil ikke beskæftige os med at købe ye kot, da det e alt fo kompliceet, me ku udege sadsylighedee fo de foskellige kombiatioe af kot, de ka slå hiade. Flush betyde i Poke sammehæg 5 kot i samme fave og Staight betyde 5 kot i ækkefølge. Ragfølge af kotfavee e i øvigt de samme som i Bidge: Spa, Hjete, Rude, Klø. Ragfølge af kotkombiatioe i Poke e følgede: Royal Flush: Staight Flush: Fie es: Full House: Flush: Staight: Te es: To pa: Et pa: Højeste kot: De 5 højeste kot i samme fave. F.eks. Rude es, Rude koge, Rude dame, Rude kægt, Rude 0. 5 kot i ækkefølge i samme fave. 4 es kot. (5. kot udeodet) 3 es + 2 es (et pa) 5 kot i samme fave. 5 kot i ækkefølge. te es kot. 2 es + 2 es. 2 es Sadsylighedee fo hve af disse kotkombiatioee ka udeges, idet de mulige kombiatioe af 5 kot udtaget af 52 e = De e 4 foskellige Royal Flush e i hve fave. P(Royal flush) = 4 6, De ka i hve af de 4 kotfave laves 9 foskellige Staight Flush. E af dem e Royal. 4(9 ) P(Staight Flush) = K 32 (32,5) = 4, De e 3 foskellige mulighede fo 4 es. Det femte kot ka fo hve vælges på 52-4 = 48 måde.

6 4 Sadsylighede ved spil P(4 es) = 2, Full House: De e 3 foskellige mulighede fo 3 es. De 3 ka udtages på K(4,3) foskellige måde. De to es må ødvedigvis have e ade talvædi, hvoaf esultatet følge. 3 K(4,3) 2 K(4,2) P(Full House: 3 es + 2 es) = K 3744 (52,5), kot i samme fave ka udtages på K(3,5) måde. De e 4 kotfave. Vi må subtahee Staight Flush'e fa. P(Flush: 5 i samme fave) = 4 K(3,5) ,967 0 Staight: De e 3-4 =9 foskellige ækkefølge. Hve af de 5 kotvædie ka vælges bladt 4 fave. Vi skal fa tække Staight Flush. P(Staight: 5 i ækkefølge) = ,530 3 es: De e 3 kotvædie, og de skal udvælges 3. De sidste to kot ka udvælges bladt 52-4 = 48 kot (ikke 49, da det kue give 4 es). Vi må dog fatække de 2 K(4,2) pa, de ka daes og som ville give Full House. 3 K(4,3) ( K(48,2) 2 K(4,2)) 5492 P(3 es) = 2,30 Føst udeges atallet af mulighede fo de to pa. Faktoe ½ skyldes, at ma ved dee optællig tælle de mulige kombiatioe. Et pa f.eks. (spa dame, hjete dame), vil både væe at fide bladt de 3 K(4,2) og de 2 K(4,2) mulighede. Det sidste kot ka vælges bladt 52 de 8 som dae de to pa. P(2 pa) = 3 2 K(4,2) 2 K(4,2)(52 8) ,750 De føste 3 faktoe i tællee e atallet af måde at få et pa på. Vi blive ødt til at subtahee mulighedee fo 2 pa og Full House. 3 K(4,2) K(48,3) P( pa) = 0, 470 Hemed ha vi afsluttet voes geemgag af sadsylighedee i Poke. Bemæk, at sadsylighedee følge age af e Pokehåd. 2 2

7 Ruisadsylighede 5 3. Ruisadsylighede ved Roulette mv. Beegige af "uisadsylighede" e oget som e helt afgøede fo fosikigsviksomhed, hvis dee skal dives foetigsmæssigt. Sammehæge mellem uisadsylighede og beegig af pæmiestøelsee e et kompliceet matematisk teoi, som beteges som fosikigsmatematik. På uivesitetee fides e sælig uddaelse, som kaldes aktua studiet, som ha dette som speciale. Fosikigsmatematik ka illustees ved at betagte oulettespil på et Casio. E oulette ha 37 felte, ummeeet Hvis ma vide på et felt få ma udbetalt 36 gage idsatse. Da ma ha lagt e idsats e geviste 35 idsatse. Hvis X e de stokastiske vaiabel, som betege e spilles gevist, så atage X vædiee +35 med sadsylighed /37 og med sadsylighed 36/37. P(X=35) = /37 og P(X=-) = 36/37. Middelgeviste, å ma spille på et felt, e følgelig: 36 E ( X ) X ( u) P( u) 35 ( ) uu Hvis spillee i stedet vælge at spille på m felte, e atage geviste X, vædiee 36-m med sadsylighed m/37 og m med sadsylighede (37-m)/37 = - m/37. Middelgeviste blive heefte: m m m E( X ) X ( u) P( u) (36 m) ( m)( ) uu Middelgeviste p. idsats e således uafhægig af, hvo mage felte ma spille på. Hemed e det slået fast: De fides itet system, de ka bige é i stad til at vide på e oulette på lægee sigt. Dette e e simpel matematisk kedsgeig, som mage ha måttet ekede på e betydelig mee smetelig måde. Specielt, hvis ma spille på m=8 felte e geviste 36-8=8 med sadsylighed 8/37 og 8 med sadsylighed 9/37. Selvom e spille ikke ka vide i det lage løb, ha spillee på gud af tilfældighede (som spillee foetække at kalde held) mulighed fo at vide betagtelig stoe beløb. Vi vil u lave ogle betagtige ove, hvo sto sadsylighed e spille ha fo at "spæge bake", dvs. uiee Casio. E såda beeget sadsylighed kaldes fo ui sadsylighede. Vi atage at Bake åde ove -ehede (idsatse). Vi øske at vudee sadsylighede fo at e uedelig ig spille, de gø de samme idsats i hvet spil, vide u elle flee ehede, å de ikke e oge begæsig på atallet af spil. 37

8 6 Ruisadsylighede Ruisadsylighede fo bake betege vi. Hvis X, X 2, X 3,.. betege Casioets gevist ved de ekelte spil e: G k = X + X 2 +X X k geviste efte k-spil. Ruisadsylighede ka defo fomulees. = P( G 0 fo et elle adet k) (De e ige umiddelba sammehæg mellem og k.) k De gælde ekusiosfomle: + =, som udtykke, at sadsylighede fo at blive uieet med + ehede e lig sadsylighede fo at blive uieet med ehede gage sadsylighede fo at blive uieet med é ehed. Dette, fodi vi atage at hvet spil e uafhægigt af de øvige. Heaf følge umiddelbat: 2 = + = = 2. 3 = 2+ = 2 = 3, og følgelig: = Fo at beege e uisadsylighed, se vi føst på tilfældet, hvo e spille sætte si idsats på 8 felte p. spil. He e Casioets gevist +8 elle 8 p spil. Fo emheds skyld, sætte vi de 8 idsatse til at væe e ehed =. Vi opstille da følgede ekusiosligig, som tage udgagspukt i det føste spil. Sadsylighede fo at bake blive uieet med ehede e lig med: Sadsylighede fo at bake vide det føste spil (hvo de vide e ehed) gage sadsylighede fo at bake blive uieet med + ehede, plus sadsylighede fo at bake tabe det føste spil (hvo de miste e ehed) gage sadsylighede fo at bake blive uieet med - ehede. Sadsylighedee fo at bake vide og tabe e 9/37 og 8/37. Vi ka da opstille ligige Fo at opå det sidste udtyk, ha vi avedt esultatet af ekusiosligige: = Det e elativt emt at bestemme ud fa dee ligig. Ved divisio af ligige med - få ma: De sidste 2.gadsligig ka løses på omal vis, idet d = =, så Vi e ku iteesseet i løsige = 8/9. 8 Ifølge oveståede e ( ). 9 Vi vil heefte besvae spøgsmålet: Hvo mage ehede skal bake have, fo at de e mide ed % chace fo ui. Dette e esbetydede med at løse ligige: 8 l(0,0) ( ) l( ) 9

9 Ruisadsylighede 7 Huske vi, at e ehed svaede til 8 idsatse, give dette beskede 533 idsatse. Hvis e spille deimod spille på sædvalig vis med ku at placee e idsats på ét felt, e dette - lidt oveaskede betydelig mee isikabelt fo bake. Vi opstille ige e ekusiosligig, med udgagspukt i det føste spil: Sadsylighede fo at bake blive uieet med ehede e lig med: Sadsylighede fo at bake vide det føste spil (hvo de vide e ehed) gage sadsylighede fo at bake blive uieet med + ehede, plus sadsylighede fo at bake tabe det føste spil (hvo de miste 35 ehed) gage sadsylighede fo at bake blive uieet med -35 ehede. Sadsylighedee fo at bake vide og tabe e 36/37 og /37. Vi ka da opstille ligige Ved divisio med ( ) -35 og omodig af leddee og ved at sætte = x få ma ligige: 36x 36 37x 35 + = 0 Dee ligig ka ku løses ved umeiske metode, og ma fide løsige x = 0,9984. Hvis vi ige stille spøgsmålet: Hvo mage idsatse skal bake åde ove, fo at de e mide ed % chace fo ui, skal vi løse ligige: l(0,0) ( 0,9974) 0, l(0,9984) Altså e betydelig støe beholdig, ed hvis spillee spille på 8 felte. Fosøge vi at udege uisadsylighede fo e spille, de ha ehede og lægge si idsats på ét felt, komme vi efte helt det samme æsoemet fem til følgede ekusiosligig som føe til ligige x 36 37x +36 = 0. Dee ligig ha ku løsige x=. Diffeetiees emlig f(x) =x 36 37x +36 fide ma: f '(x) =36x Ligige f '(x) =0 ha 37 løsige: x 35. Da f '(x) < 0 fo x <, ha de ige ødde mide ed. 36 Rui-sadsylighede fo e spille, de gå på et Casio, (de ha e uedelig sto beholdig) e. Så vi ka edu egag fastslå, at hvis ma fotsætte med at spille på et Casio, vil ma altid blive uieet. Ma kue oveveje uisadsylighedee, hvis Casio ha beholdige og e spille ha beholdige m, ( > m elle omvedt), me svaet vil afhæge af og m, og de idgåede to ulieæe ligige med to ubekedte med meget høje ekspoete e ikke så emme at løse umeisk selv på e Compute. Hvis >> m, vil svaet stot set væe det samme.

10

11 Stategie ved spil 9 Kap 2. Stategie ved spil. Foskellige spil Efte at have udeget videsadsylighede i fobidelse med spil, skal vi u se på oget adet, som også e kyttet samme med sadsylighedsegige, emlig poblemet med at fastlægge de bedste stategi, å ma spille et "spil". He skal spil imidletid fostås i e meget videe betydig, det væe sig kig, bøsspekulatio, jagt elle fiskei på e bestemt dyeat. Sidstævte e dog alt fo kompliceede til at kue behadles elemetæt. Fælles e det dog, at ma skal kue beege sadsylighede fo e bestemt kosekves af et givet tæk. Vi vil begyde med at give ogle meget simple eksemple på "spil", hvo det e meigsfuldt at tale om optimal stategi. Vedige "de optimale stategi" idebæe, at spillet afvikles i et edeligt atal ti, og at de fo hvet ti i spillet e mulighed fo at fobede si gevist og mulighed fo at miste si gevist helt elle delvis. Ma skal edvidee have mulighed fo at stadse spillet ved ethvet ti og ikassee si gevist.. Madags-chace I dette spil, som ha væet laceet af TV2, ha ma e ække tildækkede felte med beløb (0,0,25,25,50,50,00,00,250) kk (kilo k). Ma ha maximalt 3 fosøg. Ma få beløbet på det sidst afdækkede felt. Det e ok klat, at hvis ma afdække 0 i. elle 2. fosøg skal ma fotsætte, elle hvis ma afdække 250 i. elle 2. fosøg skal ma stadse. Me hvad hvis ma afdække 50 i. elle 2. fosøg? Det vil vi fosøge at afgøe ved ogle mee matematiske betagtige..2 "Skæbe" Et spil, som vist ok komme fa oiete. Det spilles med to teige. Føst slåes et slag med de to teige, og summe af dees øjetal beteges skæbe. Ma må u slå, lige så mage gage ma vil (max 00). Hvis øjetallee ikke e lig skæbe, så addees dette til es poittal, me hvis ma slå skæbe miste ma alt. Nå spillet e stadset, fodele ma idsatse i fohold til spillees opåede poittal. Det gælde defo om at få de støste gevist. Poblemet e, hvoå det e optimalt at stadse, å ma kede si skæbe..3 Idbudstyves pesiospoblem. Dette e e vaiat af mage foskellige optimeigspobleme. Athu e idbudstyv. Hve tyvetugt give i sit K k. Chace fo at Athu blive suppet e p. Hvis ha blive taget, miste ha alt fa sie tidligee tyvetugte. Hvo mage idbud skal Athu lave, fø ha stadse si kaiee og leve af si "opspaig"?

12 0 Stategie ved spil.4 Tædstikspillet Dette spil falde lidt ude fo ammee, af de øvige spil, fodi ma ikke ka stadse spillet, og fodi ma aldig ka miste oget af si gevist. Det ka defo ikke umiddelbat behadles på samme måde som de hidtil ævte spil. Alligevel e det et spil, de udpæget hadle om de bedste stategi. Spillet gå ud på, at ma på 0 tædstikke fave de ee side. Kastes tædstikke op e sadsylighede fo at de favede side vede opad p=0,25. Hve spille ha fa state tallee..0. Hvet tal må ku buges. gag. Ma skiftes til at kaste de 0 tædstikke og otee atallet af favede tædstikke. Dette atal skal så gages med et af de esteede tal..0. De som efte 0 spil ha de højeste sum ha vudet. Det ka oplyses, og let veificees, at de maximale gevist e 550, Middelgeviste, hvo ma vælge tilfældig e 37,5 og de optimale middelgevist e ca Casio Roulette spil falde også lidt ude fo ammee af "optimale stategie", af de meget simple gud, at odds e svagt imod é. Det gælde dog ikke fo Blackjack, hvo ma ka udvikle e stategi, som give e svag fodel. Hvis odds'ee e imod é, vil ma imidletid altid tabe i det lage løb. Som tidligee fastslået e de eeste mulighed - i det lage løb - fo at udgå ui i oulettespil, at de ikke e oge øve gæse fo idsatse, og at ma ha flee pege ed Casioet. Ehve fouftig matematisk spil-teoi, vil defo som esultat have, at ma skal stadse fø det føste spil. Det vil sige: Ma skal lade væe med at gå på Casio. Dee kedsgeig udelukke dog ikke, at ma ka gøe sig ovevejelse ove hvoda ma ka spille, hvis ma ikke udelukkede e iteesseet i at foæe sie pege til et Casio ude kamp. 2. Optimale Stategie Hvis ma skal fomulee e stategi fo de 3 føste spil ævt ovefo, så kue ma f.eks. vælge é af 3 følgede stategie:. Ma beslutte på fohåd, hvo sto es gevist (elle tab) skal væe, fø ma stoppe. Dette e faktisk e meget "almidelig" stategi, me de e bestemt ikke optimal. 2. Ma fotsætte, så læge ma i middel ha mulighed fo at foøge si gevist i æste spil. Ma skal huske på, at middelvædie af "geviste" også omfatte tab, så middelvædie (i matematisk fostad) skal væe positiv. Dee umiddelbat fouftige stategi, kaldet de kotsigtede elle myope stategi, e i mage tilfælde også de optimale stategi, (dog ikke i madagschace). 3. Ma fotsætte, så læge ma i middel ha mulighed fo at foøge si gevist i et af de eftefølgede spil. Dee stategi kaldes de lagsigtede stategi. Både de kotsigtede og de lagsigtede stategi, se ydest imelige ud og de vil også væe optimale fo lagt de fleste spil. Hvis de e foskel på de lagsigtede og de kotsigtede stategi, skal ma avede de lagsigtede - atuligvis.

13 Stategie ved spil De fides imidletid visse fome fo "spil", hvo ige af stategiee e optimale. Det gælde f.eks. fo bøsspekulate, de ha e beholdig aktie, som de vil sælge og kusee stige. Dette fotsætte som bekedt aldig i det uedelige. På et vist tidspukt stadse stigige, og kusee begyde at falde som egel hutigee ed de steg. Hvoå skal ma sælge fo at opå de støste gevist? Det vise sig - me det e sædeles kompliceet at edegøe fo - at ige af stategiee 2. og 3. i alle tilfælde e optimale. De vil begge to i gove tæk, som esultat have, at ma ete skal sælge staks elle vete til ma e uieet! Vi vil u give e beskivelse af "de optimale stategi", som e udviklet af Sell. Vi vil ovehovedet ikke æme os et bevis fo, at det e de optimale stategi (beviset e et "tekisk"), me udestege, at det ka bevises! I matematisk fostad. Ulempee ved Sell-stategie e, at de fo selv simple pobleme ka føe til et uoveskuelige egige. 2. De optimale Sell-stategi Sell-stategie e på e måde de samme som de kotsigtede stategi, me hvo ma i dee stategi hele tide ege sig et skidt fem, tage Sell-stategie udgagspukt i spillets slutig og abejde sig baglæs. Vi idføe da ogle betegelse. Vi atage at "spillet" ha ti. S k e e stokastisk vaiabel, de agive de faktiske samlede gevist ma ha opået ved det k'te spil. S k ka atage e elle flee vædie med tilhøede sadsylighede. Det ye ved Sell-stategie e, at ma defiee edu e stokastisk vaiabel G k ved ligige. G k = max{s k, E(G k+ S..S k )} G k e de støste af vædiee S k (geviste efte det k'te spil) og E(G k+ S..S k )), som e middelvædie af de maximale fovetede gevist i det k+'te spil, å det e givet at ma ha spillet spillee..k. Dette opstilles i et skema. G = S Geviste ved spillets afslutig G - = max{s -, E(G S..S - )}.. G k = max{s k, E(G k+ S..S k )}. G = max{s, E(G 2 S )} Sell stategie sige u, at ma skal stadse spillet de føste. gag S k (geviste efte det k'te spil) ovestige middelvædie af de maksimale fovetede gevist i det k+'te spil. Dette kaldes fo stopbetigelse. Stopbetigelse e altså: S k E(G k+ S..S k )

14 2 Stategie ved spil Ma skal altså stadse spillet, å de opåede gevist e støe elle lig med betigede fovetig af de maximale gevist i det æste spil. Det kue lyde som de kotsigtede stategi, me foskelle e de, at i de kotsigtede stategi e G k+ estattet af S k+. At kue geemskue kosekvesee af dette, e deimod ikke så emt. Det vise sig, at i mage tilfælde e Sell-Stategie idetisk med de kotsigtede stategi, som kæve, at ma stoppe, å S k E(S k+ S..S k ) Sell stategie e ikke umiddelbat let geemskuelig, og udegige af de betigede middelvædie E(G k+ S..S k ) e ofte meget "tekisk". Vi vil u behadle de fø ævte eksemple, og begyde med 2. Idbudstyves pesiospoblem Lad os atage, at Athu's geemsitlige gevist ved hvet tyvetogt e K=6.000,- k. og at chace e at ha blive taget e 5%. Lad os atage at has hidtidige "gevist" efte k - tyvetugte e S k, som blive kofiskeet - og som ha deved miste, hvis ha blive suppet. I dette tilfælde ka ma - som vist edefo - se, at de kotsigtede stategi e de optimale stategi. Det hæge samme med at alle "ti i spillet" e idetiske. Geviste ved hvet tyvetogt e de samme uafhægigt af de foegåede tyvetugte - botset fa, at de samlede gevist vokse med hvet vellykket tyvetogt. X k betege de stokastiske vaiabel, som e Athu's gevist ved ét tyvetugt. Hemed e S k =X + X 2 + X 3 + X k X k+ ka atage vædie K, med sadsylighed -p s = -P("Suppet") (altså, hvis det æste tyvetugt lykkes) og vædie S k (ha miste hele si "opspaig"), med sadsylighed p s = P("Suppet"). Vi opskive u Sell-stategie (De kotsigtede stategi) fo et ti i has kaiee: G k = max{ S k, E(S k+..k) } (S k e has "gevist" efte k tyvetugte, og E(S k+..k) e has fovetede gevist efte k+ tyvetugte) E(S k+..k) ka beeges som de hidtidige "gevist" plus de fovetede gevist ved æste tyvetugt i alt lig med S k + E(X k+ ). E(X k+ ) e uafhægig af de føste k - tyvetugte, defo blive stopbetigelse: S k > S k + E(X k+ ) E(X k+ ) < 0 Middelvædie E(X k+ ) ka defo udeges efte de sædvalige defiitio, idet X k+ atage vædiee K (geviste ved et tyvetugt) og - S k (miste hele si "opspaig") med sadsylighedee -p s og p s heholdsvis. E(X k+ ) = K (- p s ) - S k p s Ha skal stadse, å E(X k+ ) < 0 K (- p s ) < S k p s, som med taleksemplet give

15 Stategie ved spil ,95 < S k 0.05 S k > 4.000,- k. svaede til 4.00/6.000 = 0.95/0.05 = 9 tyvetugte (Det gø ha u ok ikke, og e defo hevist til at leve af folkepesioe efte ogle å i skygge) Ma kue godt to, at dette eksempel kue avedes på ade (ligeså uetiske) poblemstillige. F.eks. hvo mage gage det e optimalt at køe gatis i S-tog. Det ka det imidletid ikke helt. Sage e jo de, at ma få e fast bøde, hvis ma blive suppet, me ma komme ikke til at betale fo de gage ma ha køt gatis. Med ade od, vudeige om, hvovidt det e fodelagtigt at køe ude billet, afhæge ku af middelgeviste ved det æste fosøg. Hvis de e positiv, e detfodelagtigt at fotsætte, hvis de e egativ, e det fodelagtigt at løse billet. (Det e i øvigt uetisk at syde atuligvis). Tage vi et eksempel: billetpise e k. 50,- Bøde e k Sadsylighede fo at blive suppet e P s = 0,. Hvis X e geviste ved at køe ude billet, e E(X) = 50 (-P s )-500 P s = = -5,0 Det e således (med dee sadsylighed fo at blive suppet) ikke fodelagtigt at køe ude billet i S-tog. Da e matematikbog atuligvis ikke må tilskyde til uetiske hadlige, udlade vi at foetage beegige med P s = "Skæbe" Vi betagte kast med to teige. X betege summe af øjetallee ved ét kast. Sadsylighedsfodelige fo X e velkedt. F.eks. e P(X=5) = 4/36. Sadsylighede fo at teigee vise j øje ka skives som: P( X 6 7 j) 36 j Lad os atage at spillees "skæbe" e q. Hvis ma slå dette øjetal e alt tabt. Elles addees øjetallee fo hvet kast. Hvis ikke ma ha slået si "skæbe", så e de samlede gevist efte spil: Og middelvædie af S e S = X + X 2 + X X. E(S ) = E(X )+ E(X 2 )+E(X 3 )+. +E(X ) = E(X X q). E(X X q) e de betigede middelvædi af øjetallee, givet at ma ikke slå si skæbe. E(X X q) = 2 P(2) +3 P(3)+ (q-) P(q-) + (q+) P(q+)+ +2 P(2) De kotsigtede stategi (og Sell stategie) fastslå, at ma skal stadse, å middelvædie af

16 4 Stategie ved spil de fovetede gevist ved æste kast e egativ: Agumetet fo dette ka ovetages æste odet fa "idbudstyves pesiospoblem". E(S k+ S.. S k ) ka beeges som de hidtidige gevist S k plus de fovetede gevist ved det æste kast i alt lig med S k + E(X k+ S.. S k ). Stopbetigelse e defo: S k > S k + E(X k+ S.. S k ) E(X k+ S.. S k ) < 0 E(X X q) S P(q) < 0 S > E(X X q) / P(q) Det e ikke sælig svæt at udege stopbetigelse f.eks. fo q = 2 og q = 6. Øvelse gø dette! Nedefo e vist udskifte fa et pogam, som foetage beegige fo q = 2..2 Fovetet gevist i æste kast, å skæbe e q q: Stop å di gevist S > EX(q)/P(q), å skæbe e q q: Som det femgå, e de edog meget sto foskel på stoptidee afhægig af es "skæbe 2.3 "Madagschace" Dette spil e lidt mee iteessat, fodi det ikke e helt så ekelt at geemskue. I dette tilfælde ka ma ikke fovete, at de kotsigtede stategi vil føe til de optimale stategi. At de faktisk gø det skyldes talvædiee. Dette skal fostås således, at hvis ma ædede på pæmiestøelsee ville Sell-stategie afvige fa de kotsigtede stategi. Vi vil aalysee spillet ved Sell-stategie. Som ævt, ha ma i spillet 9 tildækkede felte (0,0,25,25,50,50,00,00,250). Ma ka afdække højest 3 felte. Ma få beløbet i 000 k., som det sidste felt vise. Hvis X e de stokastiske vaiabel, som agive vædie af et felt, så vil de fleste ude så lage ovevejelse vel fotsætte, hvis X<50 og stadse, hvis X00. Det kitiske e, hvis ma afdække 50 (X=50). Vi bemæke føst at summe af alle feltee e S=620 og at E(X) =620/9=68,9 Vi opskive føst Sell-stategie fuldstædig fo dette spil. G 3 =X 3 De Stokastiske vaiabel G 3 = Geviste = X 3 = vædie af det sidst afdækkede felt. G 2 = max{ X 2, E(G 3 X,X 2 )} De støste af vædiee X 2 (= vædie af det afdækkede felt) og de betigede middelvædi af G 3 = X 3.

17 Stategie ved spil 5 G = max { X, E(G 2 X ) } Som ovefo. Kiteiet fo de optimale stategi e som tidligee: Stop, hvis på oget ti: X k > E(G k+ X.. X k ) Det e elativ emt, at opstille e fomel fo E(G 3 X,X 2 ). Nå X og X 2 e afdækket e summe de esteede felte S - X - X 2. Da alle felte ha samme sadsylighed e middelvædie simpelthe middeltallet af feltee E(G 3 X,X 2 ) = ( S - X - X 2 )/(9-2) Det e oget mee tekisk at opstille e fomel fo E(G 2 X ) og også lidt tekisk at foetage beegige. Vi vil øjes med at skitsee beegige fo e vædi af X og i øvigt hevise til esultatet af et Computepogam, som ka ses edefo. Lad os atage, at X = 25. Vi lade u X 2 geemløbe alle de mulige vædie (alle vædie skal tælles med det atal gage, de e felte med dee vædi). Fo hve vædi af X 2, (f.eks. 50), skal vi vælge max af X 2 og E(G 3 X,X 2 ) = ( S - X - X 2 ) /(9-2) (= ( )/7 = 77,8 i dette tilfælde), og addee det til e sum S 2. E(G 2 X ) e da lig med S 2 /(9-) (da de e 9- felte X 2 ) X2[]= 0.00 E(G3)= 85.7 G2= 85.7 X2[2]= E(G3)= G2= X2[3]= E(G3)= G2= X2[4]= E(G3)= G2= X2[5]= E(G3)= 5.43 G2= X[]= 0.00 E(G[2])= X2[]= 0.00 E(G3)= G2= X2[2]= E(G3)= 8.43 G2= 8.43 X2[3]= E(G3)= G2= X2[4]= E(G3)= 70.7 G2= X2[5]= E(G3)= G2= X[2]= E(G[2])= X2[]= 0.00 E(G3)= G2= X2[2]= E(G3)= G2= X2[3]= E(G3)= G2= X2[4]= E(G3)= 67.4 G2= X2[5]= E(G3)= 45.7 G2= X[3]= E(G[2])= X2[]= 0.00 E(G3)= G2= X2[2]= E(G3)= 70.7 G2= 70.7 X2[3]= E(G3)= 67.4 G2= 67.4 X2[4]= E(G3)= G2= X2[5]= E(G3)= G2= X[4]= E(G[2])= X2[]= 0.00 E(G3)= 5.43 G2= 5.43 X2[2]= E(G3)= G2= X2[3]= E(G3)= 45.7 G2= X2[4]= E(G3)= G2= X[5]= E(G[2])= 62.68

18 6 Stategie ved spil Se ma esultatee igeem, ka de udmøtes i e simpel egel. Fotsæt på 50 elle deude. Stop på 00 elle deove. Det e måske lidt oveaskede, at ma også skal fosætte på , hvis ma ku ha et fosøg tilbage ma kue jo ede med og det e så bae ægeligt og det e vist ok de fleste, som stadse ved ,- me det e ikke de bedste stategi. 2.4 Casio Som ævt i idledige til dette afsit, fides de ige stategi, som ka bige e i stad til at vide på et Casio i det lage løb. Vil ma gøe Casio-spil til e levevej, vil det altid med matematisk sikkehed ede med ui. Det betyde imidletid ikke, at ma ikke ka vide ved at gå på Casio, me hvis ma tæke på at spæge bake, så skal to kav i hvet fald væe opfyldt fo, at de skal væe e ikke fosvidede sadsylighed fo, at det ka lade sig gøe. Ma skal have flee pege ed Casio. 2. De må ikke væe loft ove idsatsee. Begge betigelse e som bekedt aldig opfyldt. Ma ka som sagt godt vide på et Casio, me hvis ma satse på at vide mee (alle de gage ma e på Casio i sit liv) ed det beløb ma medbige ved hvet besøg, så vil chacee fo at tabe det hele væe støst. He e de tale om sadsylighede og middelvædie om odds. Selvfølgelig e de muligt at tabe hele si fomue ved føste besøg elle vide det tedobbelte ved det adet. De ha i tides løb væet laceet flee eksemple på videstategie, som lyde uhye besæede. De mest kedte e Matigale-systemet. Ma spille ku på sot og ød, hvo få ma få fodoblet si idsats, hvis ma vide. Spillet e således helt lige, botset fa, at idsatsee blive liggede å zeo komme ud, og ma ku få si idsats e gag, hvis ma vide i æste spil (zeo ha ige fave). Spille ma efte Matigale-systemet, skal ma ikassee si gevist, hvis ma vide. Hvis ma deimod tabe, skal ma fodoble si idsats. Vi sætte gudidsatse til. Ha ma spillet gage, og demed doblet op - gage, ha ma lagt e idsats S = = 2. q Udeget af kvotietækkefomle S a0 fo ække: S = a 0 + a 0 q+ a 0 q a 0 q - q Vide ma det 'te spil få ma udbetalt = 2, så es gevist e 2 - (2 - ) = De gælde åbebat de simple kedsgeig, at blive ma bae ved med at fodoble, så ha ma altid vudet é idsats!

19 Stategie ved spil 7 Fø ma fosøge sig med dette, skal ma dog ok gøe sig klat, hvo mage gage ma ka tabe, fø ma e uieet. Sadsylighede fo at ma tabe 5 spil e (½) 5 = /32. Ma ha da tabt 2 5 gage vædie af e jeto (i Damak 50 k.) dvs..550, k. Vil ma sike sig bede, f.eks. ved at kue doble op 9 gage, (sadsylighede fo at tabe 0 spil e /024) så skal ma komme med k. 5.50,-, me det ka ma ikke egag geemføe, da højeste idsats i Damak e ,- Ma kue imidletid stille det spøgsmål: Hvis ma ha -jetoe, hvad e så sadsylighede fo at vide q-jetoe, hvis ma spille efte Matigale-systemet. Dette ka ma faktisk godt udege diekte, me egigee e et omfattede. Deimod e esultatet simpelt. Vi vil ikke lave e diekte udegig, me avede de samme metode, som vi ha avedt fo de bedste stategi. Vi tage udgagspukt i det faktum, at sot, ød Casio spil e et lige spil, så middelvædie af geviste e 0 ligegyldigt, hvoda ma spille. Middelvædie (som e ul ) af e gevist på q-jetoe e lig med q gage sadsylighede P(q) fo at vide q jetoe mius es kapital ( jeto'e) gage med sadsylighede fo at ma tabe det sidste spil som e P(q). q P(q) ( P(q)) = 0 P( q) q Ha ma f.eks. = 3 jetoe (.550,- k.) e sadsylighede fo at vide q=0 (500 k.) lig med 0,756 E imelig sto sadsylighed, me altså stadig 25% chace fo ui. Øske ma deimod at blive igtig ig og vide 0.000,- k., dvs. q=200, e P(200) = 0,34. Koklusioe e de, at satse ma på at vide mee ed ma medbige, så e sadsylighede mide ed ½, me ka ma øjes med mide, så e sadsylighede støe ed ½. Me bemæk dette gælde fa føste gag ma gå id på et Casio til ma beslutte at holde op. 2.5 Tædstikspillet Som beskevet ovefo gå spillet ud på at fave de ee af sidee ød på 0 tædstikke. Nå tædstikke kaste op i lufte e sadsylighede fo at de øde side vede opad, å de amme bodet lig med p=0,25. Ma kaste på skift 0 sådae tædstikke 0 gage. Fo hvet kast skal ma multiplicee atallet af øde med et af tallee..0. Hve tal må ku buges é gag. De de få de støste sum ha vudet. Det e klat at e god stategi i det lage løb vil give e højee sum. Vi mide om at atallet af X øde tædstikke e biomialfodelt, med pimæsadsylighed p og atalspaamete =0.

20 8 Stategie ved spil P( X 0 j) j 4 j j j 0,,2..,0 Edvidee vil vi avede de kumuleede sadsylighede P(X j) og P(X j). Nedefo e vist esultatet af e Computesimulatio af spillet. Pimæ sadsylighede fo := 0 og p= P(X=j) j: Baglæs kumuleede sadsylighede P(X>=q) j: kast. Atal = 2. Vælg mellem {, 2, 3, 4, 5, 6, 7, 8, 9,0,} Fakto= 4 2. kast. Atal = 4. Vælg mellem {, 2, 3, 5, 6, 7, 8, 9,0,} Fakto=0 3. kast. Atal = 2. Vælg mellem {, 2, 3, 5, 6, 7, 8, 9,} Fakto= 5 4. kast. Atal = 2. Vælg mellem {, 2, 3, 6, 7, 8, 9,} Fakto= 3 5. kast. Atal = 3. Vælg mellem {, 2, 6, 7, 8, 9,} Fakto= 8 6. kast. Atal = 2. Vælg mellem {, 2, 6, 7, 9,} Fakto= 6 7. kast. Atal = 6. Vælg mellem {, 2, 7, 9,} Fakto=9 8. kast. Atal = 3. Vælg mellem {, 2, 7,} Fakto= 2 9. kast. Atal = 2. Vælg mellem {, 7,} Fakto= 7 0. kast. Atal = 2. Vælg mellem {,} Fakto= Di scoe e 76 Valget af tallee..0 e gjot ud fa de "optimale stategi", som vi vil omtale om et øjeblik. Fø vi aalysee de optimale stategi fo dette spil, vil vi fosøge os med e "ituitiv bedste stategi". Vi belyse dee stategi med et koket eksempel. Lad os f.eks. atage at vi slå 4 øde i de 3. kast (3. fosøg). De tal vi ha tilbage kalde vi (y 8, y 7, y 6, y 5, y 4, y 3, y 2, y ). Spøgsmålet om vi skal gage med det støste y 8 elle det æststøste y 7 osv. Vi æsoee da som følge: Hvis sadsylighede fo at slå mee ed 4 øde i de esteede 7 kast e støe ed ½, så skal vi vælge det æststøste.. Vi skæpe dette: Hvis sadsylighede fo at slå midst 5 øde, midst e gag i de esteede 7 kast e støe ed ½, så skal vi vælge det æststøste. Tilsvaede: hvis sadsylighede fo at slå midst 5 øde midst 2 gage i de esteede 7 kast skal vi vælge det 3. støste og såda femdeles. Stategie vike umiddelbat meget plausibel. Sadsylighedee ka diekte fås af biomialfodelige: Føst sadsylighede fo at få midst q- øde i et kast. Dette e

21 Stategie ved spil 9 P(X q) = P ( X j), hvo P(X = j) e agivet ovefo jq Sadsylighede fo at dette ske midst gage i - k kast e også e biomialfodelig og ka skives: P(X q; midst gage i - k kast ) = k k j k j P( X q) ( P( X q)) j j Beegige af disse (0) sadsylighede gøes lettest på e compute. Fo at lave e stategi-tabel, gø ma det, at fo hvet kast, og hvet atal mulige øde, vælge ma føst det støste af de esteede tal. Deæst beege ma sadsylighede fo at få midst ød mee i et af de følgede kast. Hvis dee sadsylighed e støe ed ½, se ma på det æststøste af de esteede tal. Ma beege så sadsylighede fo at få midst ød mee i midst to af de esteede kast. Hvis dee sadsylighed e støe ed ½, så vælge ma det tedjestøste af de esteede tal og såda femdeles. Det bemækes, at beegige skal iitialisees med, at ma altid vælge det midste, hvis ma slå 0 øde og altid vælge det støste, hvis ma slå 0 øde. Nedefo e vist e computebeegig af e stategi-tabel. Edvidee e også lavet e "Mote- Calo" simulatio. Dette betyde, at ma ha ladet maskie spille f.eks spil og spillet efte stategi-tabelle. Nedest e vist hyppighedee fo es scoe og edelig fodeligsfuktioe fo obsevatioee. (De kumuleede fekves). P(X=j) fo := 0 og p= P(X>=j) kast scoe Geemsitlig gevist ms = 64.37

22 20 Stategie ved spil h( 75)= h( 80)= 7 h( 85)= 3 h( 90)= 5 h( 95)= 6 h(00)= 34 h(05)= 38 h(0)= 82 h(5)= 68 h(20)=6 h(25)=46 h(30)=320 h(35)=280 h(40)=534 h(45)=425 h(50)=752 h(55)=577 h(60)=878 h(65)=645 h(70)=956 h(75)=65 h(80)=863 h(85)=527 h(90)=609 h(95)=35 h(200)=389 h(205)=80 h(20)=203 h(25)= 93 h(220)= 86 h(225)= 47 h(230)= 32 h(235)= 2 h(240)= 3 h(245)= 8 h(250)= 3 h(255)= 0 h(260)= 4 h(265)= h(270)= h(275)= 0 h(280)= 0 F( 80)= F( 85)=0.00 F( 90)=0.006 F( 95)= F(00)= F(05)= F(0)=0.076 F(5)= F(20)= F(25)=0.055 F(30)=0.087 F(35)=0.5 F(40)=0.685 F(45)=0.20 F(50)= F(55)= F(60)=0.437 F(65)= F(70)=0.598 F(75)= F(80)= F(85)= F(90)= F(95)=0.899 F(200)= F(205)= F(20)=0.969 F(25)= F(220)= F(225)=0.997 F(230)= F(235)= F(240)= F(245)=0.999 F(250)= F(255)= F(260)= F(265)= F(270)=.0000 F(275)=.0000 Som det femgå af tabelle fo P(X>=j) e de ku 7,8% chace fo at slå 5 øde elle deove, så gø ma det, skal ma altid vælge det støste af de esteede tal. Fo 3, 4 og 5 øde e situatioe lagt mee ulde, og ku e beegig ka give afgøelse. Pøv at studee stategi-tabelle og udesøg om de ideholde "oveaskelse". Vi pøve u at fide de optimale stategi, elle Sell-stategie. Hvad agå spøgsmålet om hvovidt vi skal vælge de støste elle æststøste, så lade det sig paktisk gøe, at beege Sellstategie på e compute. De følgede tilfælde blive deimod fo kompliceede, og de avede vi e svagt fobedet vesio af voe ituitive stategi. Fobedige bestå i følgede, idet vi illustee det med et eksempel. Lad os sige vi ha slået 3 øde og vi oveveje om vi vil gage det med 7 elle 6. Gage vi med 6, e det fodi vi fovete at slå midst 4 øde midst e gag i de esteede kast. Voes scoe vil væe 7 3 og 7 4 heholdsvis, og scoe vil blive fobedet med e fakto 4/3, hvis vi gage med 6 ude fovetig af at slå 4 øde. Voes fobedig af stategie gå da ud på, at vi vælge det æststøste 6, hvis sadsylighede fo at slå 4 øde gage de elative fobedig 4/3 e støe ed ½. Vi ekapitulee deæst Sell-stategie: G 0 = X 0 G 9 = max{ X 9, E(G 0 ) } X 0 Stokastisk vaiabel = atallet af øde i det 0 kast E(G 0 ) = E(X 0 ) = p=0 0,25 = 2,5 ; X 9 = 0,, 0. G k = max{ X k, E(G k+ ) } E(G k ) kæve e lægee udegig, me de udeges som e almidelig middelvædi altså som max af de to vædie gage P(X=X k- ) G = max{ X, E(G 2 ) } Som eksempel udege vi E(G 9 ). Da E(G 0 )=2,5, skal vi fo X 9 = 0,,2 avede E(G 0 )=2,5 i udegige. E(G 9 ) = 2,5 (P(X=0)+P(X=)+P(X=2))+ 3 P(X=3)+ +0 P(X=0) =3,06

23 Stategie ved spil 2 Vædiee fo E(G k ) e alle udeget og vist i computebeegige edefo. Bemæk isæ at de vokse fa 2,5 til 4,25 å k aftage fa 0 til 2 Stategie e u følgede: Vælg det støste af de esteede tal hvis X k > E(G k+ ) (altså det atal ma ha slået e e støe ed det fovetede støste atal) elles vælg det æststøste. Ved afgøelse am de 3. støste, 4. støste osv. avede vi de hidtidige stategi, med de modifikatio, at vi multiplicee sadsylighede med de fomodede elative fobedig E(G 0-kast )/atal øde. E computebeegig, helt svaede til de foegåede, me med de ædede stategi e vist edefo. Ma bemæke fo det føste de små ædige, de e i stategie. De ye stategi e lidt mide fosigtig, me de give altså også pote i fom af e fobedig af geemsittet på ca. 2,75 Pimæ sadsylighede P(X=j) fo := 0 og p= Baglæs Kumuleede sadsylighede: P(X>=j) E(G[0])= 2.50 E(G[9])= 3.06 E(G[8])= 3.37 E(G[7])= 3.62 E(G[6])= 3.80 E(G[5])= 3.95 E(G[4])= 4.06 E(G[3])= 4.6 E(G[2])= 4.25 kast scoe Geemsitlig gevist ms = h( 75)= h( 80)= h( 85)= 0 h( 90)= 3 h( 95)= 2 h(00)= 5 h(05)= 4 h(0)= 9 h(5)= 2 h(20)= 2 h(25)= 7 h(30)= 22 h(35)= 28 h(40)= 39 h(45)= 24 h(50)= 49 h(55)= 54 h(60)= 74 h(65)= 63 h(70)=7 h(75)= 63 h(80)= 9 h(85)= 57 h(90)= 72 h(95)= 39 h(200)= 36 h(205)= 35 h(20)= 29 h(25)= 4 h(220)= 2 h(225)= h(230)= 5 h(235)= h(240)= 0 h(245)= 0 h(250)= 0 h(255)= 0 h(260)= 0 h(265)= 0 h(270)= 0 h(275)= 0 h(280)= 0 F( 80)= F( 85)= F( 90)= F( 95)= F(00)=0.020 F(05)=0.060 F(0)= F(5)= F(20)= F(25)= F(30)= F(35)=0.60 F(40)=0.550 F(45)=0.790 F(50)= F(55)= F(60)= F(65)=0.490 F(70)= F(75)= F(80)= F(85)= F(90)=0.890 F(95)= F(200)=0.8940

24 22 Stategie ved spil F(205)= F(20)= F(25)= F(220)= F(225)= F(230)= F(235)=.0000 F(240)=.0000 F(245)=.0000 F(250)=.0000 F(255)=.0000 F(260)=.0000 F(265)=.0000 F(270)=.0000 F(275)=.0000 Måske e det ikke e sælig impoeede fobedig fa de føste stategi, me det e e teoetisk milepæl, at ma e i stad til at agive de bedste stategi fo bestemte type af spil. Som omtalt ha vi ikke fosøgt at bevise, at Sell-stategie e de optimale Stategi, me det ka bevises. Det e vigtigt, at otee sig, at i alle de omtalte "spil", ha udfaldee væe stokastiske vaiable, dvs. ufoudsigelige, me med bestemte sadsylighede, og at disse sadsylighede ikke blive ædet af de stategi ma følge. I mage af de "spil", hvo ma ofte møde begebet stategi: f.eks. skak, kig, fiasmaked og makedsføig e dette lagt fa tilfældet. Hvis f.eks. alle bøsspekulate fulgte de samme "optimale stategi" med bøskuse som stokastisk vaiabel, ville det ok vise sig at det va de dåligste stategi af alle. Teoie fo dyamiske stategie, hvo de stokastiske vaiable e fuktioe af tide, og af de valgte stategi e teoetisk æste ufemkommelige. Øvelse: Idteg de kumuleede fekves på omalfodeligspapi, og kostate at scoe i tædstikspillet e omalfodelt. Aflæs spedige.

25 Ideks Casio;5;6 Computesimulatio;7 defiitioe af sadsylighed; De optimale Sell-stategi; fosikigsmatematik;5 Idbudstyves pesiospoblem;9;2 kotsigtede stategi;0 kumuleede fekves;9 lagsigtede stategi;0 lotto; Madagschace;4 Madags-chace;9 Matigale-systemet;6 Optimale Stategie;0 Poke;3 ekusiosligig;6 oulette;5;7 Roulette spil;0 oulettespille;7 uisadsylighede;5 Skæbe;9;3 Sell-stategie; Stopbetigelse; stategi;9 Tædstikspillet;0;7 Stategie ved spil Ideks 23

Med disse betegnelser gælder følgende formel for en annuitetsopsparing:

Med disse betegnelser gælder følgende formel for en annuitetsopsparing: Matema10k C-iveau, Fydelud Side 1 af 10 Auitetsopspaig De fides mage måde at spae op på. Vi vil he se på de såkaldte auitetsopspaig. Emet ka buges som e del af det suppleede stof, og det ka avedes som

Læs mere

Procent og eksponentiel vækst - supplerende eksempler

Procent og eksponentiel vækst - supplerende eksempler Eksemple til iveau F, E og D Pocet og ekspoetiel vækst - suppleede eksemple Pocete og decimaltal... b Vækst-fomle... d Fa side f og femefte vises eksemple på bug af vækstfomle. Fomle skives omalt på dee

Læs mere

Hvis man vil lægge 15% til 600, så kan det gøres ved at udregne, hvor meget 15% af 600 er lig med og lægge det til det oprindelige beløb:

Hvis man vil lægge 15% til 600, så kan det gøres ved at udregne, hvor meget 15% af 600 er lig med og lægge det til det oprindelige beløb: 0BRetesegig BTæk i femskivigsfaktoe! I dette tillæg skal vi se, at begebet femskivigsfaktoe e yttigt til at fostå og løse foskellige poblemstillige idefo pocet- og etesegig. 3B. Lægge pocet til elle tække

Læs mere

Opsparing og afvikling af gæld

Opsparing og afvikling af gæld Opspaig og afviklig af gæld Opspaig Eksempel 1 Lad os state med at se på et eksempel. 100 Euo idbetales å i tæk på e koto, de foetes med 3 % p.a. Vi ha tidligee beeget e såda kotos udviklig skidt fo skidt:

Læs mere

Januar2003/ AM Rentesregning - LÅN & OPSPARING 1/8. Aftager med...% Gange med (1...%) r:=...% Før aftager med...% og bliver til Efter, dvs.

Januar2003/ AM Rentesregning - LÅN & OPSPARING 1/8. Aftager med...% Gange med (1...%) r:=...% Før aftager med...% og bliver til Efter, dvs. Jaua2003/ AM Retesegig - LÅN & OPSPARING 1/8 PROCENT Po cet betyde p. 100" altså hudededele p% = p 100 Decimaltal Ved omskivig fa pocet til decimaltal flyttes kommaet to pladse mod veste 5%=0,05 0,1%=0,001

Læs mere

Projekt 4. Anlægsøkonomien i Storebæltsforbindelsen hvordan afdrages

Projekt 4. Anlægsøkonomien i Storebæltsforbindelsen hvordan afdrages Pojekt 4. Alægsøkoomie i Stoebæltsfobidelse hvoda afdages lå? Dette pojekt hadle om, hvoda økoomie va skuet samme, da ma byggede Stoebæltsfobidelse. Stoe alægspojekte e æste altid helt elle delvist låefiasieet.

Læs mere

Elementær Matematik. Polynomier

Elementær Matematik. Polynomier Elemetær Matematik Polyomier Ole Witt-Hase 2008 Køge Gymasium Idhold 1. Geerelle polyomier...1 2. Divisio med hele tal....1 3. Polyomiers divisio...2 4. Polyomiers rødder....4 5. Bestemmelse af røddere

Læs mere

Projekt 0.5 Euklids algoritme, primtal og primiske tal

Projekt 0.5 Euklids algoritme, primtal og primiske tal Pojekt 0.5 Euklids algoitme, pimtal og pimiske tal Betegnelse. Mængden af hele tal (positive, negative og nul) betegnes. At et tal a e et helt tal angives med: aî, de læses a tilhøe. Nå vi ha to vilkålige

Læs mere

Cykelfysik. Om udveksling og kraftoverførsel

Cykelfysik. Om udveksling og kraftoverførsel Cykelfysik 1/7 Cykelfysik Om udvekslig og kaftoveføsel Idhold 2. Kaftoveføsel og abejde...2 3. Abejde ved cykelkøsel...4 4. Regeeksemple fo e acecykel...5 5. Det e hådt at køe op ad bakke...6 6. Simple

Læs mere

Annuiteter og indekstal

Annuiteter og indekstal Annuitete og indekstal 1 Opspaing og lån Mike Auebach Odense 2010 Hvis man betale til en opspaingskonto i en bank, kan man ikke buge entefomlen til at beegne, hvo mange penge, de vil stå på kontoen. På

Læs mere

Projekt 9.10 St. Petersborg paradokset

Projekt 9.10 St. Petersborg paradokset Hvad er matematik? ISBN 978877066879 Projekt 9.0 St. Petersborg paradokset. De store tals lov & viderchacer I grudboges kapitel 9 omtales de store tals lov, som ka formuleres således: Hvis e spiller i

Læs mere

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Løsigsforslag til skriftlig eksame i Kombiatorik, sadsylighed og radomiserede algoritmer (DM58) Istitut for Matematik & Datalogi Syddask Uiversitet Madag de 3 Jauar 011, kl. 9 13 Alle sædvalige hjælpemidler

Læs mere

Indhold (med link til dokumentet her) Introduktion til låntyper. Begreber. Thomas Jensen og Morten Overgård Nielsen

Indhold (med link til dokumentet her) Introduktion til låntyper. Begreber. Thomas Jensen og Morten Overgård Nielsen Thomas Jensen og Moten Ovegåd Nielsen Annuitetslån I bogens del 2 kan du læse om Pocent og ente (s. 41-66). Vi vil i mateialet he gå lidt videe til mee kompliceede entebeegninge i fobindelse med annuitetslån.

Læs mere

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017 Meigsmåliger KLADDE Thomas Heide-Jørgese, Rosborg Gymasium & HF, 2017 Idhold 1 Meigsmåliger 2 1.1 Idledig................................. 2 1.2 Hvorda skal usikkerhede forstås?................... 3 1.3

Læs mere

1. Indledning... 1 2. Lineær iteration... 2

1. Indledning... 1 2. Lineær iteration... 2 Hvad e matematik? B, i og ISBN 978 87 766 494 3 Pojekte: Kapitel Pojekt.3 Lieæe Iteatiospocesse Idhold 1. Idledig... 1 2. Lieæ iteatio... 2 2.1 Lieæ vækst... 2 2.2 Ekspoetiel vækst... 2 2.3 Foskudt ekspoetiel

Læs mere

Privatøkonomi og kvotientrækker KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

Privatøkonomi og kvotientrækker KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017 Pivatøkonomi og kvotientække KLADDE Thomas Heide-Jøgensen, Rosbog Gymnasium & HF, 2017 Indhold 1 Endelige kvotientække 3 1.1 Hvad e en ække?............................ 3 1.2 Kvotientække..............................

Læs mere

Projekt 0.5 Euklids algoritme og primiske tal

Projekt 0.5 Euklids algoritme og primiske tal Pojekt 0.5 Euklids algoitme og pimiske tal BETEGNELSER. Mængden af hele tal (positive, negative og nul) betegnes. At et tal a e et helt tal angives med: aî, de læses a tilhøe. Nå vi ha to vilkålige hele

Læs mere

Annuiteter og indekstal

Annuiteter og indekstal Annuitete og indekstal Mike Auebach Odense, 2010 1 OPSPARING OG LÅN Hvis man betale til en opspaingskonto i en bank, kan man ikke buge entefomlen til at beegne, hvo mange penge, de vil stå på kontoen.

Læs mere

Beslutning. Gothersgade karréen. Nansensgade 94-96, Gothersgade 155-159, Nørre Farimagsgade 65-71.

Beslutning. Gothersgade karréen. Nansensgade 94-96, Gothersgade 155-159, Nørre Farimagsgade 65-71. Beslutig FÆLLES GÅRDHAVE Gothesgade kaée Nasesgade 94-96, Gothesgade 155-159, Nøe Faimagsgade 65-71. Bogeepæsetatioe ha XX. XX 20XX tuffet byfoyelsesbeslutig om idetig af e fælles gådhave. De fælles gådhave

Læs mere

antal gange krone sker i første n kast = n

antal gange krone sker i første n kast = n 1 Uge 15 Teoretisk Statistik, 5. april 004 1. Store tals lov Eksempel: møtkast Koverges i sadsylighed Tchebychevs ulighed Sætig: Store tals lov. De cetrale græseværdisætig 3. Approksimatio af sadsyligheder

Læs mere

Kap. 1: Logaritme-, eksponential- og potensfunktioner. Grundlæggende egenskaber.

Kap. 1: Logaritme-, eksponential- og potensfunktioner. Grundlæggende egenskaber. - 4 - Kap. : Logaitme-, eksponential- og potensfunktione. Gundlæggende egenskabe... Logaitmefunktione. Definition... Ved en logaitmefunktion fostå vi en funktion f, som opfylde følgende te kav: ) Dm(f)

Læs mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Statistik ved Bachelor-uddaelse i folkesudhedsvideskab Græseværdisætiger Det hadler om geemsit Statistikere elsker geemsit Det er oplagt e god ide at tage geemsit. Hvis jeg f.eks skal gætte på vægte af

Læs mere

Noter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik

Noter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt

Læs mere

Noter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik

Noter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt

Læs mere

Renteformlen. Erik Vestergaard

Renteformlen. Erik Vestergaard Reteformle Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2010. Billeder: Forside: istock.com/ilbusca Side 4: istock.com/adresrimagig Desude ege illustratioer. Erik Vestergaard

Læs mere

Matematiske emner SPIL. Sandsynligheder og Strategier

Matematiske emner SPIL. Sandsynligheder og Strategier Matematiske emner SPIL Sandsynligheder og Strategier Ole Witt-Hansen Køge Gymnasium 2006 INDHOLD Kap. Sandsynligheder ved spil.... Lotto... øvelser...2 2. Poker...3 3. Ruinsandsynligheder ved Roulette

Læs mere

Projekt 1.8 Design en optimal flaske

Projekt 1.8 Design en optimal flaske ISBN 978-87-7066-9- Pojekte: Kapitel Vaiabelsammenænge. Pojekt.8 Design en optimal flaske Pojekt.8 Design en optimal flaske Fimaet PatyKids ønske at elancee dees enegidik Enegize. Den skal ave et nyt navn

Læs mere

Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning

Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning Hvad er matematik? Projekter: Kaitel 9 Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Sætig : Regeregler

Læs mere

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet. Matematik A Studetereksame Forsøg med digitale eksamesopgaver med adgag til iterettet Forberedelsesmateriale Vejledede opgave Forår 0 til stx-a-net MATEMATIK Der skal afsættes 6 timer af holdets sædvalige

Læs mere

Finanskalkulationer Side 1/19 Steen Toft Jørgensen. Finanskalkulationer. avanceret rentesregning. matematiske modeller i økonomi

Finanskalkulationer Side 1/19 Steen Toft Jørgensen. Finanskalkulationer. avanceret rentesregning. matematiske modeller i økonomi Faskalkulatoe Sde /9 Stee Toft Jøgese Faskalkulatoe avaceet etesegg matematske modelle økoom Idholdsfotegelse: Kaptel : Rete Retebegebet Omkostge Retefomle Effektv ete Kotuet foetg Tdsdagam Flytg af kaptal

Læs mere

Gravitationsfeltet. r i

Gravitationsfeltet. r i Gavitationsfeltet Den stoe bitiske fysike Isaac Newton opdagede i 600-tallet massetiltækningsloven, som sige, at to masse m og i den indbydes afstand påvike hinanden med en kaft af følgende støelse, hvo

Læs mere

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret,

Læs mere

Diskrete og kontinuerte stokastiske variable

Diskrete og kontinuerte stokastiske variable Diskrete og kotiuerte stokastiske variable Beroulli Biomial fordelig Negativ biomial fordelig Hypergeometrisk fordelig Poisso fordelig Kotiuerte stokastiske variable Uiform fordelig Ekspoetial fordelig

Læs mere

x-klasserne Gammel Hellerup Gymnasium

x-klasserne Gammel Hellerup Gymnasium SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasium Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 SANDSYNLIGHEDSFELT... 3 DE STORE TALS LOV... 4 Sadsyligheder og frekveser:... 4 STOKASTISK

Læs mere

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6. enote 5 enote 5 Determiater I dee enote ser vi på kvadratiske matricer. Deres type er altså for 2, se enote 4. Det er e fordel, me ikke absolut ødvedigt, at kede determiatbegrebet for (2 2)-matricer på

Læs mere

Alt hvad du nogensinde har ønsket at vide om... Del 2. Frank Nasser 2006-2007

Alt hvad du nogensinde har ønsket at vide om... Del 2. Frank Nasser 2006-2007 Alt hvad du nogensinde ha ønsket at vide om... VEKTORER Del 2 Fank Nasse 2006-2007 - 1 - Indledning Vi skal i denne lille note gennemgå det basale teoi om vektoe i planen og i ummet. Stoffet e pæcis det

Læs mere

Etiske dilemmaer i fysioterapeutisk praksis

Etiske dilemmaer i fysioterapeutisk praksis side 06 fysioteapeuten n. 06 apil 2008 AF: FYSIOTERAPEUT, PH.D.-STUDERENDE JEANETTE PRÆSTEGAARD j.paestegaad@oncable.dk Foto: GITTE SKOV fafo.fysio.dk Etiske dilemmae i fysioteapeutisk paksis Hvis vi ikke

Læs mere

Den stigende popularitet af de afdragsfrie lån har ad flere omgange fået skylden for de kraftigt stigende boligpriser de senere år.

Den stigende popularitet af de afdragsfrie lån har ad flere omgange fået skylden for de kraftigt stigende boligpriser de senere år. 16. septembe 8 Afdagsfie lån og pisstigninge på boligmakedet Den stigende populaitet af de afdagsfie lån ha ad flee omgange fået skylden fo de kaftigt stigende boligpise de senee å. Set ove en længee peiode

Læs mere

Projekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner

Projekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner Projekter: Kapitel 4 Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Kotiuitet og kotiuerte fuktioer Ord som kotiuert og kotiuerlig

Læs mere

og Fermats lille sætning

og Fermats lille sætning Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( { 0 }, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage

Læs mere

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier Noter om polyomier, Kirste Rosekilde, Marts 2006 1 Polyomier Disse oter giver e kort itroduktio til polyomier, og de fleste sætiger æves ude bevis. Udervejs er der forholdsvis emme opgaver, mes der til

Læs mere

Motivation. En tegning

Motivation. En tegning Motivatio Scatter-plot at det mådelige salg mod det måedlige reklamebudget. R: plot(salg ~ budget, data = salg) Økoometri Lektio Simpel Lieær Regressio salg 400 450 500 550 20 25 30 35 40 45 50 budget

Læs mere

DATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet

DATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.

Læs mere

HTX Holstebro Jacob Østergaard 20. oktober 2008 3. A Fysik A Accelererede Roterende Legemer 19:03:00

HTX Holstebro Jacob Østergaard 20. oktober 2008 3. A Fysik A Accelererede Roterende Legemer 19:03:00 1 Fomål 1. At bestemme acceleationen fo et legeme med et kendt inetimoment, nå det ulle ned ad et skåplan - i teoi og paksis.. I teoi og paksis at bestemme acceleationen fo et legeme med kendt inetimoment,

Læs mere

Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6

Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6 Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig

Læs mere

FUNKTIONER del 1 Funktionsbegrebet Lineære funktioner Eksponentialfunktioner Logaritmefunktioner Rentesregning Indekstal

FUNKTIONER del 1 Funktionsbegrebet Lineære funktioner Eksponentialfunktioner Logaritmefunktioner Rentesregning Indekstal FUNKTIONER del Fuktiosbegrebet Lieære fuktioer Ekspoetialfuktioer Logaritmefuktioer Retesregig Idekstal -klassere Gammel Hellerup Gymasium November 08 ; Michael Szymaski ; mz@ghg.dk Idholdsfortegelse FUNKTIONSBEGREBET...

Læs mere

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning) Dages program Estimatio: Kapitel 9.4-9.7 Eksempler på middelrette og/eller kosistete estimator (de sidste fra sidste forelæsig) Ko desiterval for store datasæt kap. 9.4 Ko desiterval for små datasæt kap.

Læs mere

Dimittendundersøgelse, 2009 Dato: 3. juni 2009

Dimittendundersøgelse, 2009 Dato: 3. juni 2009 Dimittendundesøgelse 2008-2009 Afspændingspædagoguddannelsen Dimittendundesøgelse, 2009 Dato: 3. juni 2009 Opsummeing af undesøgelse foetaget blandt dimittende fa Afspændingspædagoguddannelsen Datagundlag

Læs mere

Tankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353

Tankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353 Takegagskompetece Hesigte med de følgede afsit er først og fremmest at skabe klarhed over de mere avacerede regeregler i skole og give resultatet i de almee form, der er karakteristisk for algebra. Vi

Læs mere

9. Binomialfordelingen

9. Binomialfordelingen 9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der

Læs mere

Forløb om annuitetslån

Forløb om annuitetslån Matema10k C-niveau, Fdenlund Side 1 af 7 Foløb om annuitetslån Dette mateiale fokusee på den tpe lån de betegnes annuitetslån. Emnet kan buges som en del af det suppleende stof, og mateialet kan anvendes

Læs mere

Claus Munk. kap. 1-3

Claus Munk. kap. 1-3 Claus Muk kap. 1-3 1 Dages forelæsig Grudlæggede itroduktio til obligatioer Betaligsrækker og låeformer Det daske obligatiosmarked Pris og kurs Effektive reter 2 1 Obligatioer Grudlæggede Itro Debitor

Læs mere

Dagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro

Dagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro Dages forelæsig Grudlæggede itroduktio til obligatioer Claus Muk kap. - 3 Betaligsrækker og låeformer Det daske obligatiosmarked Effektive reter 2 Obligatioer Grudlæggede Itro Obligatioer Grudlæggede Itro

Læs mere

Noter om Kombinatorik 2, Kirsten Rosenkilde, februar

Noter om Kombinatorik 2, Kirsten Rosenkilde, februar Noter om Kombiatori, Kirste Roseilde, februar 008 1 Kombiatori Disse oter itroducerer ogle cetrale metoder som ofte beyttes i ombiatoriopgaver, og ræver et grudlæggede edsab til ombiatori (se fx Kombiatori

Læs mere

Sandsynlighedsregning

Sandsynlighedsregning Sadsylighedsregig E ote om sadsylighedsregig. Via basal sadsylighedsregig gøres læsere klar til forstå biomialfordelige. Herik S. Hase, Sct. Kud Versio 5.0 Opgaver til hæftet ka hetes her. PDF Facit til

Læs mere

Projekt 5.2. Anvendelse af Cavalieris princip i areal- og rumfangsberegninger

Projekt 5.2. Anvendelse af Cavalieris princip i areal- og rumfangsberegninger Hvad e matematik? B, i-bog Pojekte: Kapitel 5. Pojekt 5.. Anvendelse af Cavalieis pincip i aeal- og umfangsbeegninge Pojekt 5.. Anvendelse af Cavalieis pincip i aeal- og umfangsbeegninge Den gundlæggende

Læs mere

Projekt 2.3 Anvendelse af Cavalieris princip i areal- og rumfangsberegninger

Projekt 2.3 Anvendelse af Cavalieris princip i areal- og rumfangsberegninger Pojekt. Anvendelse af Cavalieis pincip i aeal- og umfangsbeegninge Den gundlæggende metode til beegning af aeale af figue, de e bestemt af kumme kuve, a siden oldtiden væe at tilnæme disse med polygone.

Læs mere

Lys og gitterligningen

Lys og gitterligningen Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar

Læs mere

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter Matematikkes mysterier - på et obligatorisk iveau af Keeth Hase 7. Ligiger, polyomier og asymptoter Hvad er e asymotote? Og hvorda fides de? 7. Ligiger, polyomier og asymptoter Idhold 7.0 Idledig 7.1 Udsag

Læs mere

Viden Om Vind oftere, stop i tide

Viden Om Vind oftere, stop i tide Vide Om Vid oftere, stop i tide Spørgsmål og svar Idhold Risici og relevas 2 Steffe Aderse Sadsyligheder 5 Per Hedegård Spørgsmål til eksperte 7 Thomas Aderse Til 8 Rasmus Østergaard Pederse E sikker strategi

Læs mere

DATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet

DATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Følsomhed af Kapsack Problemet David Pisiger, Projektopgave 1 Dette er de første obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig

Læs mere

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags. Praktisk ifo Liste med rettelser og meigsforstyrrede trykfejl i DS på Absalo. Statistisk aalyse af e ekelt stikprøve: kedt eller ukedt varias Sadsylighedsregig og Statistik (SaSt) Helle Sørese Projekt

Læs mere

Maja Tarp AARHUS UNIVERSITET

Maja Tarp AARHUS UNIVERSITET AARHUS UNIVERSITET Maja Tarp AARHUS UNIVERSITET HVEM ER JEG? Maja Tarp, 4 år Folkeskole i Ulsted i Nordjyllad Studet år 005 fra Droiglud Gymasium Efter gymasiet: Militæret Australie Startede på matematik

Læs mere

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0. Repetitio: Normalfordelige Ladmåliges fejlteori Lektio Trasformatio af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet

Læs mere

Uge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) :

Uge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) : Uge 37 opgaver Opgave Svar : a) Starter med at defiere sup (M) og if (M) : Kigge u på side 3 i kompedie og aveder aksiom (.3) Kotiuitetsaksiomet A = x i x 2 < 2 Note til mig selv : Har søgt på ordet (iequalities)

Læs mere

Trivselsundersøgelse 2010

Trivselsundersøgelse 2010 Tivselsundesøgelse, byggeteknike, kot-og landmålingseknike, psteknolog og bygni (Intenatal) Pinsesse Chalottes Gade 8 København N T: Indhold Indledning... Metode... Tivselsanalyse fo bygni... Styke og

Læs mere

Analyse 1, Prøve maj 2009

Analyse 1, Prøve maj 2009 Aalyse, Prøve 5. maj 009 Alle hevisiger til TL er hevisiger til Kalkulus (006, Tom Lidstrøm). Direkte opgavehevisiger til Kalkulus er agivet med TLO, ellers er alle hevisiger til steder i de overordede

Læs mere

Projekt 9.8 Betingede sandsynligheder og paradokser i sandsynlighedsregningen

Projekt 9.8 Betingede sandsynligheder og paradokser i sandsynlighedsregningen Projekt 9.8 Betigede sadsyligheder og paradokser i sadsylighedsregige Et forløb om betigede sadsyligheder ka itroduceres via et selvstædigt elevarbejde med materialet i projekt 9.7 Testet positiv? samme

Læs mere

Regional Udvikling, Miljø og Råstoffer. Jordforurening - Offentlig høring Forslag til nye forureningsundersøgelser og oprensninger 2016

Regional Udvikling, Miljø og Råstoffer. Jordforurening - Offentlig høring Forslag til nye forureningsundersøgelser og oprensninger 2016 Regional Udvikling, Miljø og Råstoffe Jodfouening - Offentlig høing Foslag til nye foueningsundesøgelse og opensninge 2016 Decembe 2015 Food En jodfouening kan skade voes fælles gundvand, voes sundhed

Læs mere

Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros

Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros Brachevejledig ulykker idefor lager området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse

Læs mere

Sportsfiskerforeningen ALS medlem af Danmarks Sportsfiskerforbund

Sportsfiskerforeningen ALS medlem af Danmarks Sportsfiskerforbund Fomde h odet... medlem f Dmks Spotsfiskefobd å bg oet i Spotsfiskefoeige ALS. J det e toligt, som tide gå. Jeg vil gee beytte lejlighede til t bige e STOR TAK til lle de, de mødte op elle på de ee elle

Læs mere

Praksis om miljøvurdering

Praksis om miljøvurdering Paksis om miljøvudeing Miljøvudeingsdage 2015 Nyee paksis på miljøvudeingsomådet Flemming Elbæk Flemming Elbæk, advokat, HD(Ø) Ansættelse: Advokatfuldmægtig, 2006-2008 Juist, Miljøministeiet, 2008-2012

Læs mere

Termodynamik. Indhold. Termodynamik. Første og anden hovedsætning 1/18

Termodynamik. Indhold. Termodynamik. Første og anden hovedsætning 1/18 ermodyamik. Første og ade hovedsætig /8 ermodyamik Idhold. Isoterme og adiabatiske tilstadsædriger for gasser...3 3. ermodyamikkes. hovedsætig....5 4. Reversibilitet...6 5. Reversibel maskie og maksimalt

Læs mere

og Fermats lille Projekt 0.4 Modulo-regning, restklassegrupperne sætning ..., 44, 20,4,28,52,... Hvad er matematik? 3 ISBN

og Fermats lille Projekt 0.4 Modulo-regning, restklassegrupperne sætning ..., 44, 20,4,28,52,... Hvad er matematik? 3 ISBN Projekt 0.4 Modulo-regig, restklassegruppere sætig ( p 0, ) og Fermats lille Vi aveder moduloregig og restklasser mage gage om dage, emlig år vi taler om tid, om hvad klokke er, om hvor lag tid der er

Læs mere

RESEARCH PAPER. Nr. 2, En model for lagerstørrelsen som determinant for købs- og brugsadfærden for et kortvarigt forbrugsgode.

RESEARCH PAPER. Nr. 2, En model for lagerstørrelsen som determinant for købs- og brugsadfærden for et kortvarigt forbrugsgode. RESEARCH PAPER Nr., 005 E model for lagerstørrelse som determiat for købs- og brugsadfærde for et kortvarigt forbrugsgode af Jørge Kai Olse INSTITUT FOR AFSÆTNINGSØKONOMI COPENHAGEN BUSINESS SCHOOL SOLBJERG

Læs mere

( ) ( ) ( ) Størrelsesorden for funktionerne a x, x a og ln(x) (opgaveforløb v/ Bjørn Grøn og John Schächter) > ( )

( ) ( ) ( ) Størrelsesorden for funktionerne a x, x a og ln(x) (opgaveforløb v/ Bjørn Grøn og John Schächter) > ( ) Støelsesoden fo funktionene, og ln() Side f 5 Støelsesoden fo funktionene, og ln() (opgvefoløb v/ Bjøn Gøn og John Schächte) Intoduktion I dette foløb vil vi dels få et edskb til t smmenligne, hvo hutigt

Læs mere

Uddannelsesparathed. Vejledning om processerne ved vurdering af uddannelsesparathed (UPV) og ansøgning til ungdomsuddannelserne

Uddannelsesparathed. Vejledning om processerne ved vurdering af uddannelsesparathed (UPV) og ansøgning til ungdomsuddannelserne Uddaelsesparathed Vejledig om processere ved vurderig af uddaelsesparathed (UPV) og asøgig til ugdomsuddaelsere Uddaelsesparathed Vejledig om processere ved vurderig af uddaelsesparathed (UPV) og asøgig

Læs mere

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504) Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt

Læs mere

Sandsynlighedsteori 1.2 og 2 Uge 5.

Sandsynlighedsteori 1.2 og 2 Uge 5. Istitut for Matematiske Fag Aarhus Uiversitet De 27. jauar 25. Sadsylighedsteori.2 og 2 Uge 5. Forelæsiger: Geemgage af emere karakteristiske fuktioer og Mometproblemet afsluttes, og vi starter på afsittet

Læs mere

Trigonometri. teori mundtlig fremlæggelse C 2. C v. B v. A v

Trigonometri. teori mundtlig fremlæggelse C 2. C v. B v. A v Tigonometi teoi mundtlig femlæggelse 2 v v B v B Indhold 1. Sætning om ensvinklede teknte og målestoksfohold (uden bevis)... 2 2. Vinkelsummen i en teknt... 2 3. Pythgos sætning om ETVINKLEDE TEKNTE...

Læs mere

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik. Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer

Læs mere

Sandsynlighedsregning i biologi

Sandsynlighedsregning i biologi Om begrebet sadsylighed Sadsylighedsregig i biologi Hvis vi kaster e almidelig, symmetrisk terig, er det klart for de fleste af os, hvad vi meer, år vi siger, at sadsylighede for at få e femmer er 1/6.

Læs mere

August 2012 AKTIVERING. for dig under 30 F O A S A R B E J D S L Ø S H E D S K A S S E

August 2012 AKTIVERING. for dig under 30 F O A S A R B E J D S L Ø S H E D S K A S S E F O A S A R B E J D S L Ø S H E D S K A S S E August 2012 AKTIVERING for dig uder 30 INDHOLD 1. Du er uder 25 år er ude uddaelse og har ige bør side 4 2. Du er uder 25 år er ude uddaelse og har bør side

Læs mere

Bjørn Grøn. Analysens grundlag

Bjørn Grøn. Analysens grundlag Bjør Grø Aalyses grudlag Aalyses grudlag Side af 4 Idholdsfortegelse Kotiuerte og differetiable fuktioer 3 Differetial- og itegralregiges udviklig 5 3 Hovedsætiger om differetiable fuktioer 8 Opgaver til

Læs mere

TEORETISK OPGAVE 3. Hvorfor er stjerner så store?

TEORETISK OPGAVE 3. Hvorfor er stjerner så store? TEORETISK OPGAVE 3 Hvofo e stjene så stoe? En stjene e en kuglefomet samling vam gas De fleste stjene skinne pga fusion af hydogen til helium i dees entale omåde I denne opgave skal vi anvende klassisk

Læs mere

Erhvervs- og Selskabsstyrelsen

Erhvervs- og Selskabsstyrelsen Ehvevs- og Selskabsstyelsen Måling af viksomhedenes administative byde ved afegning af moms, enegiafgifte og udvalgte miljøafgifte Novembe 2004 Rambøll Management Nøegade 7A DK-1165 København K Danmak

Læs mere

Vejledende opgavebesvarelser

Vejledende opgavebesvarelser Vejledede opgavebesvarelser 1. Atal hæder er lig med K(52,5), altså 2598960. Ved brug af multiplikatiospricippet ka atal hæder med 3 ruder og 2 spar udreges som K(13, 3) K(13, 2), hvilket giver 22308.

Læs mere

Pension og Tilbagetrækning - Ikke-parametrisk Estimation af Heterogenitet

Pension og Tilbagetrækning - Ikke-parametrisk Estimation af Heterogenitet Pension og Tilbagetækning - Ikke-paametisk Estimation af Heteogenitet Søen Anbeg De Økonomiske Råds Sekataiat, DØRS Pete Stephensen Danish Rational Economic Agents Model, DREAM DREAM Abedspapi 23:2 foeløbig

Læs mere

Magnetisk dipolmoment

Magnetisk dipolmoment Kvantemekanik 9 Side 1 af 9 Magnetisk dipolmoment Klassisk Ifølge EM udtyk (8.16) e det magnetiske dipolmoment af en ladning q i en cikulæ bane med adius givet ved μ = IA (9.1) v q > 0 μ L hvo A = π I

Læs mere

Begreber og definitioner

Begreber og definitioner Begreber og defiitioer Daske husstades forbrug på de medierelaterede udgiftsposter stiger og udgør i 2012*) 11,3 % af husstadees samlede forbrug mod 5,5 % i 1994. For husstade med de laveste idkomster

Læs mere

Rentesregning: Lektion A1. Forrentningsfaktor, Diskonteringsfaktor, og Betalingsrækker. Overordnede spørgsmål i Rentesregning. Peter Ove Christensen

Rentesregning: Lektion A1. Forrentningsfaktor, Diskonteringsfaktor, og Betalingsrækker. Overordnede spørgsmål i Rentesregning. Peter Ove Christensen Rentesegning: Lektion A1 Foentningsfakto, Diskonteingsfakto, og Pete Ove Chistensen Foå 2012 1 / 49 Oveodnede spøgsmål i Rentesegning Hvoledes kan betalinge sammenlignes, nå betalingene e tidsmæssigt adskilte?

Læs mere

TDC A/S Nørregade 21 0900 København C. Afgørelse om fastsættelse af WACC i forbindelse med omkostningsdokumentation af priserne i TDC s standardtilbud

TDC A/S Nørregade 21 0900 København C. Afgørelse om fastsættelse af WACC i forbindelse med omkostningsdokumentation af priserne i TDC s standardtilbud TC A/S Nøegade 21 0900 København C Afgøelse om fastsættelse af WACC i fobindelse med omkostningsdokumentation af pisene i TC s standadtilbud Sagsfemstilling en 29. juni 2006 modtog TC s notat om den beegningsmæssige

Læs mere

Matematik på Åbent VUC

Matematik på Åbent VUC Matematik på Åent VUC Lektion 8 Geometi Indoldsfotegnelse Indoldsfotegnelse... Længdemål og omegning mellem længdemål... Omkeds og aeal af ektangle og kvadate... Omkeds og aeal af ande figue... Omegning

Læs mere

Projekt 3.2 Anlægsøkonomien i Storebæltsforbindelsen. Indhold. Hvad er matematik? 1 ISBN

Projekt 3.2 Anlægsøkonomien i Storebæltsforbindelsen. Indhold. Hvad er matematik? 1 ISBN Projekt 3.2 Alægsøkoomie i Storebæltsforbidelse Dette projekt hadler, hvorda økoomie var skruet samme, da ma byggede storebæltsforbidelse. Store alægsprojekter er æste altid helt eller delvist låefiasieret.

Læs mere

HEM 4291 Ørskovvej, Snejbjerg, Snejbjerg Sogn

HEM 4291 Ørskovvej, Snejbjerg, Snejbjerg Sogn HEM Øskovvej, Sejbjeg, Sejbjeg Sog Etape II. Udgavig. Delappot. Baggud Heig Muum ha i peio fa d.. til d.. cembe 8 foetaget e udgavig på et ae ved Øskovvej i Sejbjeg. Udgavige e e l af e støe usøgel foud

Læs mere

STATISTIKNOTER Simple multinomialfordelingsmodeller

STATISTIKNOTER Simple multinomialfordelingsmodeller STATISTIKNOTER Simple multinomialfodelingsmodelle Jøgen Lasen IMFUFA Roskilde Univesitetscente Febua 1999 IMFUFA, Roskilde Univesitetscente, Postboks 260, DK-4000 Roskilde. Jøgen Lasen: STATISTIKNOTER:

Læs mere

Projekt 1.3 Brydningsloven

Projekt 1.3 Brydningsloven Projekt 1.3 Brydigslove Når e bølge, fx e lysbølge, rammer e græseflade mellem to stoffer, vil bølge ormalt blive spaltet i to: Noget af bølge kastes tilbage (spejlig), hvor udfaldsvikle u er de samme

Læs mere

p o drama vesterdal idræt musik kunst design

p o drama vesterdal idræt musik kunst design musik dama kunst design filmedie idæt pojektpocespobieenpos itpoblempovokationpodu kt p on to p ot estpobablypogessivpodu ktionpovinspomotionp otesepologpoevefipofil Vestedal Efteskole // Gl. Assensvej

Læs mere

Forslag til besvarelser af opgaver m.m. i ε-bogen, Matematik for lærerstuderende

Forslag til besvarelser af opgaver m.m. i ε-bogen, Matematik for lærerstuderende Forslag til besvarelser af opgaver m.m. i ε-boge, Matematik for lærerstuderede Dette er førsteudgave af opgavebesvarelser udarbejdet i sommere 008. Dokumetet ideholder forslag til besvarelser af de fleste

Læs mere

g-påvirkning i rutsjebane

g-påvirkning i rutsjebane g-påvikning i utsjebane I denne note skal vi indføe begebet g-påvikning fo en peson, som sidde i en vogn, de bevæge sig undt i en utsjebane i et lodet plan. Dette skal vi gøe via begebet elativ bevægelse.

Læs mere