Hei Maggie,
Denne oppgaven kan løses på en del ulike måter. Det hadde vært interessant å høre hvilke hjelpemidler læreboken du tar oppgaven ut fra oppfordrer til å bruke.
Oppgaven gjelder en ‘binomisk fordeling’, der mengden uavhengige forsøk er så stor (1000), at vi ikke kan løse den ved hjelp av å integrere virkningen den ‘binomiske fordelingen’ gir, med de hjelpemidler vi har tilgjengelig. Derfor må vi bruke ‘normalfordeling’ til å løse oppgaven - som gir en virkning som er langt enklere å integrere - og vi kan ta i bruk GeoGebra dersom du har tilgang til dette. Uten å integrere selv, men å la GeoGebra utføre integreringen kan vi også bruke sannsynlighetkalkulatoren til å finne svarene, både ved hjelp av ‘binomisk fordeling’, og ved hjelp av ‘normalfordeling’ - i tillegg kan vi bruke sannsynlighetskalkulatoren til å sjekke svarene dersom vi integrerer selv. (Her kan det legges til et tillegg til de som skulle være interessert; dersom vi hadde hatt mulighet til å endre stegmengden de ulike integreringsvirkningene bruker, kunne vi nok funnet en tilnærmet løsning ved hjelp av å integrere virkningen vi får av ‘binomisk fordeling’ alene. Jeg antar at sannsynlighetskalkualtoren utfører en slik tilnærming - nettopp endrer stegmengden selv, når mengden uavhengige forsøk øker til slike mengder at vi vanligvis ville foretrukket en ‘normalfordeling’.)
Vi skal nå gå gjennom en løsning på oppgaven der vi først integrerer selv, og deretter sjekker løsningene ved hjelp av sannsynlighetskalkulatoren - i GeoGebra.
Vi skriver først ned mengden uavhengige forsøk n, sannsynlighet for den gunstige hendelsen p:
n=1000
p=0.2 da (20%=0.2)
Ved hjelp av å finne areal under buen som virkningen til ‘binomisk fordeling’ gir, kan vi finne sannsynligheter for ulike oppslutninger på meningsmålingen. 100% sannsynlighet er hele arealet fra 0 til 1000 - dette finner vi ved å bruke x i virkningen i et område fra 0 til 1000. De områder vi skal bruke til å løse de ulike oppgavene er som følger:
x fra 0 til 180 (da 18% gir 180)
x fra 220 til 1000 (da 22% gir 220)
x fra 185 til 215 (da 18.5% gir 185 og da 21.5% gir 215)
Den ‘binomiske fordeling’ gir da følgende løsninger for oppgavene:
Integral[((1000!/(x!*(1000-x)!))*((0.2)^x)*((1-0.2)^(1000-x))),0,1000]
Integral[((1000!/(x!*(1000-x)!))*((0.2)^x)*((1-0.2)^(1000-x))),0,180]
Integral[((1000!/(x!*(1000-x)!))*((0.2)^x)*((1-0.2)^(1000-x))),220,1000]
Integral[((1000!/(x!*(1000-x)!))*((0.2)^x)*((1-0.2)^(1000-x))),185,215]
Men forøsker vi å legge disse til i GeoGebra ser vi at de ikke kan «defineres» på grunn av at n er for stor. Vi går da videre ved å heller bruke n og p i en ‘normalfordeling’, der vi først finner forventningsverdi u, varianse v og standardavvik s:
u=n*p=1000*0.2=200
v=Var(X)=n*p*(1-p)=1000*0.2*(1-0.2)=160
s=rot(Var(X))=rot(160)=4*rot(10)=12.64911064
Vi får da følgende virkning for ‘normalfordelingen’:
f(x)=Funksjon[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),0,1000]
Denne virkningen integrerer vi og får følgende løsninger på oppgavene:
Integral[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),0,1000]
Integral[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),0,180]
Integral[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),220,1000]
Integral[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),185,215]
Et tillegg er at nøyaktigheten kan økes ved bruk av integrering på virkninger ved ‘normalfordeling’, ved å trekke fra minste grense 0.5 og legge til øvre grense 0.5. Vi får da følgende løsninger som er mer nøyaktige:
Integral[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),0-0.5,1000+0.5]
Integral[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),0-0.5,180+0.5]
Integral[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),220-0.5,1000+0.5]
Integral[((1/((√160)*(√(2*π))))*ℯ^(-(((x-200)^2)/(2*((√160)^2))))),185-0.5,215+0.5]
Vi har da funnet løsningene på oppgavene som blir:
a) ≈0.061584153332341≈0.0616
b) ≈0.061584153332341≈0.0616
c) ≈0.779568897778238≈0.7796
Vi sjekker nå disse løsningene ved hjelp av sannsynlighetskalkulatoren som ved ‘binomisk fordeling’ gir følgende løsninger:
a) ≈0.06019004≈0.0602
b) ≈0.06284149≈0.0628
c) ≈0.77966396≈ 0.7797
Og som ved ‘normalfordeling’ gir følgende løsninger (trekker fra og legger til henholdsvis nedre og øvre grense her også):
a) ≈0.06158415≈0.0616
b) ≈0.06158415≈0.0616
c) ≈0.77956889≈0.7796
Vi ser at løsningene vi har funnet ved integrasjon virker gode siden en sjekk ved hjelp av sannsynlighetskalkulatoren gir løsninger omlag lik disse. Det kan være greit å legge til at når vi regner i det hele tatt på nedhøging (rotregning), blir ofte utfallene avrundede - og når vi bruker ‘normalfordeling’ vil dette gi tilnærmede verdier til de riktige - og i tillegg vil regning ved hjelp av sannsynlighetskalkulatoren med så stor mengde uavhengige forsøk gi tilnærmede verdier også da det er begrenset hvor stor stegmengde datamaskinen kan bruke til en slik oppgave (vi ser blant annet at løsningene til a) og b) er ulike, da vi mest mulig kan forvente at de egentlig skulle vært like slik som vi ser ved 'normalfordelingene'). Vi kunne drøftet nøyaktighet mer, men dette vil mest mulig ikke være nødvendig i dette tilfellet.
Nå kan alle virkninger i dette svaret klippes ut fra svaret og limes inn i GeoGebra for å forsøke å løse oppgavene på samme måte selv - slik at du får en mulighet til å se hvordan denne oppgaven kan løses. Og mengdene som sannsynlighetskalkulatoren trenger for å utføre sjekkene, ligger tilgjengelig i svaret også.
Med Vennlig Hilsen
Tom André Tveit
http://www.verda.no/
Fagspørsmål kan sendes til:
http://www.verda.no/bokmal/fagsporsmal.php