Kombinatorik: på hvor mange måder?
Forestil dig, at du skal bestille pizza. Der er 5 forskellige toppings at vælge imellem, og du må vælge 3 af dem. Hvor mange forskellige pizzaer kan du lave? Kombinatorik er at tælle den slags muligheder smart, så man ikke behøver skrive dem alle op.
To ting gælder her:
Rækkefølgen er ligegyldig. Ost og pepperoni er den samme pizza som pepperoni og ost. Når rækkefølgen ikke betyder noget, kalder vi valget uordnet.
Hver topping kan kun vælges én gang. Du kan ikke vælge ost tre gange. Det kalder vi uden tilbagelægning. Navnet kommer fra at trække kugler op af en pose: Lægger man ikke kuglen tilbage, kan den ikke trækkes igen.
For at kunne skrive mulighederne op giver vi de 5 toppings hvert sit bogstav: A = ost, B = pepperoni, C = champignon, D = skinke og E = ananas.
Trin 1: Tæl, som om rækkefølgen betød noget
Til den første topping er der 5 muligheder. Til den anden er der 4 tilbage, fordi én allerede er brugt. Til den tredje er der 3 tilbage. Efter multiplikationsprincippet (se faktaboksen) giver det
5 · 4 · 3 = 60 måder
Men pas på: Det er ikke 60 forskellige pizzaer. Det er 60 ordnede valg, hvor "først A, så B, så C" tæller som noget andet end "først B, så A, så C". Den samme pizza er altså talt flere gange.
Trin 2: Hvor mange gange er hver pizza talt?
Tag pizzaen med A, B og C. Blandt de 60 ordnede valg optræder den i alle de rækkefølger, de tre toppings kan vælges i:
ABCACBBACBCACABCBA
Det kan også regnes ud uden at skrive dem op: Til første plads i rækkefølgen er der 3 muligheder, til anden plads 2, og til sidste plads kun 1. Det giver 3 · 2 · 1 = 6 rækkefølger.
Et produkt som 3 · 2 · 1 kaldes 3 fakultet og skrives 3!. Generelt er n! antallet af måder, n forskellige ting kan stilles i rækkefølge på. Prøv med flere ting:
Trin 3: Divider
Hver pizza er talt 6 gange blandt de 60 ordnede valg. Antallet af forskellige pizzaer er derfor
5 · 4 · 33 · 2 · 1 = 606 = 10
Det skrives K(5, 3), og hver af de 10 pizzaer kaldes en kombination. K(5, 3) betyder altså "antallet af måder at vælge 3 ud af 5 på, når rækkefølgen er ligegyldig". Panelet viser alle pizzaerne, og hvordan de ordnede valg fordeler sig på dem. Prøv også andre antal.
Trin 4: Fra regnestykke til formel
Tælleren 5 · 4 · 3 er begyndelsen af 5! = 5 · 4 · 3 · 2 · 1. Der mangler bare 2 · 1. Vi forlænger derfor brøken med 2 · 1, dvs. ganger både tæller og nævner med 2 · 1. Det ændrer ikke brøkens værdi:
K(5, 3) = 5 · 4 · 33 · 2 · 1 = 5 · 4 · 3 · 2 · 1(3 · 2 · 1) · (2 · 1) = 5!3! · 2! = 10
Læg mærke til, at 2 = 5 − 3 er antallet af toppings, vi ikke valgte. Gør vi det samme med n toppings, hvor vi vælger r, får vi formlen fra formelsamlingen:
Vælger man alle 5 toppings, giver formlen K(5, 5) = 5! / (5! · 0!). Med aftalen 0! = 1 bliver resultatet 1, og det passer: Der er kun én pizza med alle toppings.
Fra pizza til terningkast
Hvorfor er det vigtigt for sandsynlighedsregning? Slå 5 gange med en terning. Hvert kast er et forsøg. En sekser kalder vi en succes (S), og alt andet en fiasko (F). "Succes" er bare det, vi tæller, og behøver ikke være noget godt. Hvor mange rækkefølger med præcis 2 seksere er der, fx F S F F S?
Det er det samme som at vælge, hvilke 2 af de 5 kast der er seksere. De 5 kast svarer til de 5 toppings, og vi vælger 2 af dem. Rækkefølgen af valget er ligegyldig: "kast 2 og kast 5" er det samme som "kast 5 og kast 2". Svaret er altså K(5, 2) = 10. Derfor dukker K(n, r) op igen i binomialfordelingen i afsnit 2.
Pascals trekant (118), forklaret under panelet
Pascals trekant (118): K(n, r) uden at regne
Trekanten i panelet hedder Pascals trekant. Den bygges sådan: Øverst står et 1. Hver ny række starter og slutter med 1, og hvert tal indeni er summen af de to tal lige over det.
Rækkerne tælles fra 0 (den øverste række er række 0), og tallene i en række tælles også fra 0. Tal nummer r i række n er K(n, r). Det markerede tal er K(n, r) for de værdier, du har valgt. Prøv at flytte skyderne.
Hvorfor virker summereglen? Sæt flueben i "Del op efter det første forsøg". Alle rækkefølgerne starter enten med S eller med F. Starter de med S, skal de sidste n − 1 forsøg have r − 1 succeser. Starter de med F, skal de sidste n − 1 forsøg have alle r succeser. Derfor er K(n, r) = K(n − 1, r − 1) + K(n − 1, r), og det er netop de to tal lige over i trekanten.
TI-NspirenCr(5,2) giver K(5, 2). Fakultet skrives med udråbstegn, fx 5!.
Prøv selvHvad er K(5, 0) og K(5, 5)? Hvad betyder de for pizzaen, og hvorfor er de ens? Hvorfor er K(5, 2) = K(5, 3)? Tjek dine svar i Pascals trekant.
Binomialfordelingen
I afsnit 1 talte vi rækkefølger. Nu regner vi deres sandsynlighed ud. Vi gentager det samme forsøg n gange. Hver gang er sandsynligheden for succes p, og forsøgene påvirker ikke hinanden (de er uafhængige). X er antallet af succeser. X kaldes en stokastisk variabel, fordi dens værdi afhænger af tilfældigheder.
En sandsynlighedsfordeling fortæller, hvor sandsynlig hver mulig værdi af X er: P(X = 0), P(X = 1), …, P(X = n). Søjlediagrammet viser dem. Når forsøgene har præcis to mulige udfald ("bi" betyder to), kaldes fordelingen binomialfordelingen. Vi siger, at X er binomialfordelt, og skriver X ~ b(n, p) (133).
Eksempler
P(X = r): præcis r succeser. P(X ≤ r): højst r succeser, dvs. 0, 1, …, r. P(X ≥ r): mindst r succeser, dvs. r, r + 1, …, n.
de værdier af X, vi spørger omfra μ − σ til μ + σ (middelværdi og spredning, se nedenfor)Klik på en søjle for at vælge r
TI-NspireTI-Nspire bruger punktum som decimaltegn og komma mellem tallene.
Hvorfor ser formlen sådan ud?
- Tag én bestemt rækkefølge med r succeser og n − r fiaskoer, fx S S F F F … F. Forsøgene er uafhængige, så vi ganger sandsynlighederne (126): p ganget med sig selv r gange og (1 − p) ganget med sig selv n − r gange. Det giver pr · (1 − p)n − r.
- Alle andre rækkefølger med r succeser har præcis samme sandsynlighed. Der er bare byttet om på faktorerne.
- Der er K(n, r) sådanne rækkefølger, og de kan ikke ske samtidig. Så vi lægger dem sammen (125). Når man lægger det samme tal sammen K(n, r) gange, er det det samme som at gange med K(n, r).
Hvorfor μ = n · p?
Hvis du slår 60 gange med en terning, forventer du 60 · 1/6 = 10 seksere. Hvert forsøg bidrager i gennemsnit med p succeser, og der er n forsøg.
Hvorfor σ = √(n · p · (1 − p))?
Først et nyt ord: Variansen Var(X) er gennemsnittet af den kvadrerede afstand mellem X og μ (131). Spredningen σ er kvadratroden af variansen (132). Man regner med variansen, fordi den er nemmere at lægge sammen.
Se på ét enkelt forsøg. Det giver 1 succes med sandsynlighed p og 0 succeser med sandsynlighed 1 − p. Middelværdien er p. Med formel (131) bliver variansen
(1 − p)² · p + (0 − p)² · (1 − p)
= p · (1 − p) · ((1 − p) + p) = p · (1 − p)
Når forsøgene er uafhængige, lægges varianserne sammen. Med n forsøg er variansen derfor n · p · (1 − p), og spredningen er kvadratroden af variansen (132).
Læg mærke til: Bliver n fire gange så stor, bliver μ fire gange så stor, men σ kun to gange så stor. Jo flere forsøg, jo mindre er udsvingene i forhold til μ. Derfor er store stikprøver mere pålidelige.
Binomialtest
Nu bruger vi binomialfordelingen til at afprøve en påstand. Et frøfirma lover, at 90 % af deres frø spirer. Vi sår 50 frø og forventer derfor ca. 45 spirede, men kun 40 spirer. Er det bare uheld, eller passer påstanden ikke? En binomialtest afgør det ud fra en fast regel, så svaret ikke afhænger af mavefornemmelse.
Idéen bag testen og de nye ord
Vi antager, at påstanden er sand. Den antagelse kaldes nulhypotesen H₀, fx H₀: p = 0,9. Det modsatte kaldes den alternative hypotese H₁, her H₁: p ≠ 0,9.
Hvis H₀ er sand, kender vi fordelingen af X. Så kan vi regne ud, hvilke resultater der er almindelige, og hvilke der er meget sjældne. De meget sjældne resultater kaldes tilsammen det kritiske område. Resten kaldes acceptområdet. Lander vores resultat i det kritiske område, tror vi ikke længere på H₀, og vi forkaster den.
Hvor sjældent er "meget sjældent"? Det bestemmer signifikansniveauet, som normalt er 5 %. Det betyder, at sandsynligheden for at lande i det kritiske område højst må være 5 %, hvis H₀ er sand. Det er altså den risiko, vi accepterer for at forkaste en sand H₀ ved et uheld. Både for få og for mange succeser taler imod H₀. Derfor ligger det kritiske område i begge ender, med højst 2,5 % i hver side.
Eksempler
kritisk områdeacceptområdeDen sorte kant markerer observationen x. Klik på en søjle for at flytte x.
TI-Nspire
Hvad betyder "H₀ forkastes ikke"?
Det betyder ikke, at H₀ er bevist. Det betyder kun, at observationen ikke er usædvanlig nok til, at vi afviser H₀. Sammenlign med en retssag: "Frifundet" betyder ikke "uskyldig". Det betyder, at beviserne ikke var stærke nok.
Hvorfor er risikoen for at forkaste en sand H₀ i virkeligheden mindre end 5 %?
GOF-test (goodness of fit)
En binomialtest kan kun bruges, når hvert forsøg har to udfald. Men hvad hvis der er flere? Slår man 120 gange med en terning, er der seks kategorier (1, 2, …, 6). En fair terning bør give ca. 20 af hver. Det får man næsten aldrig præcis, men hvor store afvigelser er normale?
En GOF-test (af engelsk goodness of fit: hvor godt passer data) svarer på det. H₀ siger, hvor stor en andel der burde havne i hver kategori. Vi sammenligner de observerede antal Oᵢ (det, vi talte op) med de forventede antal Fᵢ (det, H₀ forudsiger). Alle afvigelserne samles i ét tal, χ² ("ki i anden"). Et tal, der bruges til at afgøre en test, kaldes en teststørrelse. Jo større χ², jo dårligere passer data med H₀. Formlen, frihedsgraderne og p-værdien i panelet forklares under panelet.
Eksempler
Sandsynligheder kan skrives som brøk (fx 9/16) eller decimaltal (fx 0,25).
TI-Nspire
Hvorfor ser formlen sådan ud?
- Oᵢ − Fᵢ: Hvor meget ramte forudsigelsen ved siden af i kategori i?
- Sæt i anden: Ellers ville afvigelser med plus og minus ophæve hinanden. Nu tæller alle afvigelser positivt.
- Divider med Fᵢ: 10 ved siden af er meget, hvis man forventede 5, men næsten ingenting, hvis man forventede 1000.
Hvorfor df = k − 1?
De k antal skal tilsammen give n. Kender du k − 1 af dem, er det sidste bestemt. Der er altså kun k − 1 tal, der frit kan variere.
Tommelfingerregel: χ² ≈ df er helt normalt
Hvis H₀ er sand, bidrager hver frihedsgrad i gennemsnit med ca. 1 til χ². Derfor ligger χ² typisk omkring df. Er χ² meget større end df, passer data dårligt med H₀.
Simulerede verdener: hvad er en p-værdi egentlig?
Lad os lade som om H₀ er sand og lave det samme eksperiment mange gange med computeren. Hver gang udregner vi χ². Hvor ofte bliver χ² mindst lige så stor som vores? Den andel er netop p-værdien. Kurven oven på søjlerne er χ²-fordelingen, som TI-Nspire bruger i stedet for at simulere.
χ² mindre end jeresχ² mindst lige så stor som jeresχ²-fordelingen
Tryk på knappen for at simulere.
Uafhængighedstest (χ²-test for uafhængighed)
I GOF-testen kom de forventede antal fra en fast påstand, fx "alle sider er lige sandsynlige". Her har vi i stedet målt to egenskaber ved de samme individer, fx hvilken jord en plante gror i, og om den bliver inficeret. Er der en sammenhæng mellem de to egenskaber?
To egenskaber er uafhængige, hvis den ene ikke siger noget om den anden. For eksempel bliver planter i begge jordtyper inficeret lige ofte. H₀ siger, at egenskaberne er uafhængige. Antallene skrives i en observationstabel med én række for hver værdi af den ene egenskab og én søjle for hver værdi af den anden. Summerne i tabellens kant (rækkesummer, søjlesummer og totalsum) kaldes marginalsummer. Derefter regner vi det forventede antal Fᵢ ud for hver celle, hvis H₀ er sand, og samler afvigelserne i χ² ligesom i GOF-testen.
Eksempler
Observationstabel (Oᵢ) med marginalsummer
Forventede værdier (Fᵢ), hvis H₀ er sand. Klik på en celle
Bidrag til χ²: (Oᵢ − Fᵢ)² / Fᵢ
TI-Nspire
Hvorfor Fᵢ = rækkesum · søjlesum / totalsum?
Hvis der ingen sammenhæng er, skal fordelingen i søjlerne være den samme i hver række. Andelen i en søjle er søjlesum / totalsum. Den andel tager vi af rækkesummen. Det er præcis formlen.
Man kan også se det med formel (126): Hvis to hændelser er uafhængige, er P(A og B) = P(A) · P(B). Her er P(række) ≈ rækkesum / totalsum og P(søjle) ≈ søjlesum / totalsum. Ganger man produktet med totalsummen, får man formlen.
Hvor mange tal er frie? (frihedsgrader)
Marginalsummerne fra tabellen ovenfor er låst fast. Du må kun ændre de blå celler. Alle de andre bliver bestemt af marginalsummerne.
Simulerede verdener
Computeren laver nye tabeller med samme totalsum, hvor der ingen sammenhæng er. Hvor ofte bliver χ² mindst lige så stor som vores? Den andel er p-værdien. Kurven er χ²-fordelingen, ligesom i GOF-testen.
χ² mindre end jeresχ² mindst lige så stor som jeresχ²-fordelingen
Tryk på knappen for at simulere.