Skip to main content

7  Kontinuerlige fordelinger

Hvor lenge må du vente på bussen? Hvor høy er en tilfeldig valgt elev? Hva er medianinntekten i en tilfeldig kommune? Slike størrelser kan få alle verdier i et intervall, ikke bare hele tall. Da gir det ikke mening å spørre etter sannsynligheten for én bestemt verdi. I stedet beskriver vi fordelingen med en kurve, og sannsynligheten er arealet under kurven. Den viktigste slike fordelingen er normalfordelingen, som vi skal bruke resten av boka.

Last ned oppgaveheftet for kapittel 7 (PDF): oppsummering, gjennomregnede eksempler og oppgaver med fasit, til arbeid uten PC.

Læringsmål

Etter å ha arbeidet med kapittelet skal du kunne

  • forklare at sannsynlighet for en kontinuerlig variabel er arealet under tetthetsfunksjonen,
  • regne med den uniforme fordelingen og andre enkle tetthetsfunksjoner,
  • beskrive normalfordelingen og bruke 68–95–99,7-regelen,
  • standardisere og bruke tabellen over standard normalfordeling,
  • finne sannsynligheter og grenseverdier i normalfordelingen med Python,
  • vurdere om en normalfordeling passer som modell for data,
  • gjennomføre en undersøkelse der data sammenliknes med en sannsynlighetsmodell.

7.1 Kontinuerlige sannsynlighetsmodeller

Seksjonen handler om hvordan vi beskriver variabler som kan få alle verdier i et intervall. Vi går fra histogrammet til en glatt kurve, tetthetsfunksjonen, og ser på den enkleste kontinuerlige modellen, den uniforme fordelingen.

7.1.1 Fra histogram til tetthetsfunksjon

Hva er sannsynligheten for at en tilfeldig valgt elev er nøyaktig \(170\) cm høy? Med et vanlig målebånd er det kanskje noen. Men nøyaktig \(170{,}000\) cm? Eller \(170{,}000\,000\) cm? Jo mer nøyaktig vi måler, jo færre treffer akkurat verdien, og i grensen blir sannsynligheten \(0\). For en kontinuerlig variabel spør vi derfor heller etter sannsynligheten for et intervall, for eksempel mellom \(165\) og \(175\) cm.

Læringsmål

Etter dette delkapittelet skal du kunne

  • forklare forskjellen på en diskret og en kontinuerlig stokastisk variabel,
  • lese andeler som areal i et histogram,
  • forklare hva en tetthetsfunksjon er, og finne sannsynligheter som arealer.

Andel som areal

I 2.2.1 lagde vi histogrammer der høyden på søylene var antall. Nå lar vi i stedet arealet av hver søyle være andelen observasjoner i klassen. Høyden er da andelen delt på klassebredden, og den kalles tettheten. Summen av alle arealene blir \(1\).

Histogrammet viser medianinntekten etter skatt for husholdningene i de \(357\) kommunene i 2024:

Kilde: SSB, tabell 06944. Hold over en søyle for å se andelen.

Klassen \(600\)–\(650\) har \(117\) kommuner, altså andelen \(\frac{117}{357} \approx 0{,}328\). Klassebredden er \(50\), så tettheten er \(\frac{0{,}328}{50} \approx 0{,}0066\). Arealet av søylen er \(50 \cdot 0{,}0066 \approx 0{,}328\), som er andelen.

Trekker vi en tilfeldig kommune, er sannsynligheten for at medianinntekten ligger mellom \(600\,000\) og \(650\,000\) kr altså omtrent \(0{,}33\). Sannsynligheten er arealet.

Tetthetsfunksjonen

Med mange observasjoner og smale klasser blir histogrammet glattere og glattere. I grensen erstatter vi det med en glatt kurve, en tetthetsfunksjon.

DefinisjonTetthetsfunksjon

En kontinuerlig stokastisk variabel \(X\) kan få alle verdier i et intervall. Fordelingen beskrives med en tetthetsfunksjon \(f\), der

  • \(f(x) \ge 0\) for alle \(x\),
  • det totale arealet mellom grafen og \(x\)-aksen er \(1\),
  • \(P(a \le X \le b)\) er arealet under grafen mellom \(a\) og \(b\).

En linje har ikke noe areal. Derfor er \(P(X = a) = 0\) for alle \(a\), og det spiller ingen rolle om vi skriver \(<\) eller \(\le\):

\[ P(a \le X \le b) = P(a < X < b) \]

Det er en viktig forskjell fra de diskrete variablene i kapittel 6.

NoteAreal uten integraler

I denne boka finner vi arealer på tre måter: med geometri (rektangler og trekanter), med tabeller og med Python. Arealer under kurver regnes ellers ut med integraler, som du lærer om i matematikk R2.

Tiden \(X\) (i minutter) til neste kunde kommer inn i en butikk, har tetthetsfunksjonen

\[ f(x) = \frac{10 - x}{50}, \qquad 0 \le x \le 10 \]

  1. Vis at det totale arealet er \(1\).
  2. Finn sannsynligheten for at det går mer enn \(2\) minutter.
  3. Finn \(P(X \le 2)\).

Grafen er en rett linje fra \((0;\ 0{,}2)\) til \((10;\ 0)\). Arealene er trekanter.

  1. Grafen og aksene danner en trekant med grunnlinje \(10\) og høyde \(f(0) = 0{,}2\). Arealet er \(\frac{10 \cdot 0{,}2}{2} = 1\).
  2. Arealet til høyre for \(2\) er en trekant med grunnlinje \(8\) og høyde \(f(2) = \frac{8}{50} = 0{,}16\): \(P(X > 2) = \frac{8 \cdot 0{,}16}{2} = 0{,}64\).
  3. \(P(X \le 2) = 1 - 0{,}64 = 0{,}36\).
AdvarselVanlige feil
  • I et vanlig histogram er høyden antall. Når søylene har ulik bredde, eller når vi skal sammenlikne med en tetthetsfunksjon, er det arealet som skal være andelen.
  • \(f(x)\) er ikke en sannsynlighet. Det er arealet under kurven som er sannsynligheten. \(f(x)\) kan godt være større enn \(1\) hvis intervallet er kort.
  • For en kontinuerlig variabel er \(P(X = a) = 0\), så \(P(X < a) = P(X \le a)\). For diskrete variabler gjelder ikke dette.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

Er variabelen diskret eller kontinuerlig?

Antall mål i en fotballkamp.
Tiden en 100-meter tar.
Vekten til en nyfødt.
Antall barn født i en måned.

Bruk histogrammet over medianinntekt. Klassen \(700\)–\(750\) har \(57\) kommuner.

Hva er andelen kommuner i klassen? Rund av til tre desimaler.
Hva er tettheten (høyden på søylen)? Rund av til fire desimaler.

\(X\) er en kontinuerlig variabel. Hva er \(P(X = 3)\)?

Nivå 2

Bruk tetthetsfunksjonen \(f(x) = \frac{10 - x}{50}\) for tiden til neste kunde.

Finn \(P(X > 5)\).
Finn \(P(2 \le X \le 5)\).

\(f(x) = 0{,}5\) for \(0 \le x \le 3\), og \(0\) ellers. Kan \(f\) være en tetthetsfunksjon? Begrunn.

Sara sier: «En tetthetsfunksjon kan ikke ha verdier over \(1\), for sannsynligheter er aldri større enn \(1\).» Vurder påstanden.

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

inntekt = [612, 655, 701, 588, 634,
           690, 749, 603, 671, 640]
antall = 0
for x in inntekt:
    if 600 <= x < 650:
        antall = antall + 1
print(antall / len(inntekt))
Utfordringer

Finn medianen for tiden til neste kunde, altså den verdien \(m\) der \(P(X \le m) = 0{,}5\).

Oppsummering

Tetthetsfunksjon

\(f(x) \ge 0\), og det totale arealet er \(1\).

Sannsynlighet som areal

\(P(a \le X \le b)\) er arealet under \(f\) mellom \(a\) og \(b\).

Én verdi

\[ P(X = a) = 0 \]

  • For kontinuerlige variabler er \(P(X < a) = P(X \le a)\).
  • \(f(x)\) er en tetthet, ikke en sannsynlighet.

7.1.2 Uniform kontinuerlig fordeling

Bussen går hvert tiende minutt, og du kommer til holdeplassen uten å ha sjekket tabellen. Hvor lenge må du vente? Alt mellom \(0\) og \(10\) minutter er mulig, og ingen ventetid er mer sannsynlig enn en annen. Tettheten må da være lik i hele intervallet, og grafen blir et rektangel.

Læringsmål

Etter dette delkapittelet skal du kunne

  • forklare hva en uniform kontinuerlig fordeling er,
  • regne ut sannsynligheter som arealet av et rektangel,
  • finne forventningsverdien, og simulere en uniform variabel.

Den uniforme fordelingen

Arealet av rektangelet skal være \(1\). Er bredden \(b - a\), må høyden være \(\frac{1}{b - a}\).

DefinisjonUniform fordeling

\(X\) er uniformt fordelt på intervallet fra \(a\) til \(b\) hvis tetthetsfunksjonen er

\[ f(x) = \frac{1}{b - a}, \qquad a \le x \le b \]

og \(0\) utenfor intervallet. Alle like lange delintervaller har samme sannsynlighet.

RegelSannsynlighet og forventning i uniform fordeling

For \(a \le c \le d \le b\) er

\[ P(c \le X \le d) = \frac{d - c}{b - a} \]

Forventningsverdien er midtpunktet, \(\mu = \dfrac{a + b}{2}\), og standardavviket er \(\sigma = \dfrac{b - a}{\sqrt{12}}\).

Sannsynligheten er bredden av intervallet delt på hele bredden, akkurat som \(\frac{g}{m}\) i en uniform diskret modell. Formelen for \(\sigma\) må regnes ut med integraler, så den bruker vi bare.

Ventetiden \(X\) er uniformt fordelt fra \(0\) til \(10\) minutter.

  1. Finn tetthetsfunksjonen.
  2. Finn sannsynligheten for å vente høyst \(3\) minutter.
  3. Finn sannsynligheten for å vente mellom \(2\) og \(6\) minutter.
  4. Finn forventet ventetid og standardavviket.

Arealene er rektangler med høyde \(0{,}1\).

  1. \(f(x) = \frac{1}{10} = 0{,}1\) for \(0 \le x \le 10\).
  2. \(P(X \le 3) = 3 \cdot 0{,}1 = 0{,}3\).
  3. \(P(2 \le X \le 6) = 4 \cdot 0{,}1 = 0{,}4\). Det er arealet som er farget i figuren.
  4. \(\mu = \frac{0 + 10}{2} = 5\) minutter og \(\sigma = \frac{10}{\sqrt{12}} \approx 2{,}89\) minutter.

Simulere en uniform variabel

rng.random() fra 5.1.2 gir et tall som er uniformt fordelt fra \(0\) til \(1\). Ganger vi med \(10\), får vi en uniform ventetid fra \(0\) til \(10\).

Simuler \(10\,000\) ventetider. Tell hvor mange som havner i hvert minutt, og sammenlikn gjennomsnittet og standardavviket med modellen.

10 * rng.random(10000) gir \(10\,000\) ventetider.

Gjennomsnittet blir nær \(5\), standardavviket nær \(2{,}89\), og andelen som venter høyst \(3\) minutter nær \(0{,}3\). Antallet i hver klasse blir omtrent \(1000\): Fordelingen er flat.

AdvarselVanlige feil
  • Tettheten er \(\frac{1}{b - a}\), ikke \(1\). Den avhenger av hvor bredt intervallet er.
  • Uniform betyr at alle like lange intervaller er like sannsynlige, ikke at alle verdier har sannsynlighet større enn \(0\). \(P(X = 3) = 0\) også her.
  • En uniform modell passer bare når det ikke er noen grunn til at noen verdier skal være vanligere enn andre.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

T-banen går hvert \(15.\) minutt. Ventetiden \(X\) er uniformt fordelt fra \(0\) til \(15\) minutter.

Finn \(f(x)\).
Finn \(P(X \le 5)\).
Finn \(P(X > 12)\).
Finn forventet ventetid.

rng.random() gir et tall \(U\) uniformt fordelt mellom \(0\) og \(1\). Finn

\(P(U < 0{,}25)\),
\(P(0{,}4 \le U \le 0{,}9)\),
\(P(U = 0{,}5)\).
Nivå 2

En vekt viser vekten rundet av til nærmeste hele gram. Avrundingsfeilen \(X\) (vist vekt minus virkelig vekt) er uniformt fordelt fra \(-0{,}5\) til \(0{,}5\) gram.

Finn \(f(x)\).
Finn sannsynligheten for at feilen er større enn \(0{,}3\) gram i absoluttverdi.
Finn \(\mu\) og \(\sigma\).

Vurder om en uniform fordeling er en rimelig modell.

Tidspunktet på dagen (fra \(0\) til \(24\)) en tilfeldig valgt fødsel skjer.
Ventetiden på en buss som går hvert \(10.\) minutt, når du sjekker rutetabellen før du går.
Det siste sifferet i et tilfeldig telefonnummer.
Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

rng.random() gir et tall mellom \(0\) og \(1\). Hvilket uttrykk gir et tall uniformt fordelt mellom \(2\) og \(8\)?

Utfordringer

To busslinjer går hvert tiende minutt hver, uavhengig av hverandre, og begge går dit du skal. Du tar den som kommer først. Bruk simulering til å finne forventet ventetid. Er den halvparten av \(5\) minutter?

Oppsummering

Uniform tetthet

\[ f(x) = \frac{1}{b - a} \]

Sannsynlighet

\[ P(c \le X \le d) = \frac{d - c}{b - a} \]

Forventning

\[ \mu = \frac{a + b}{2} \]

Standardavvik

\[ \sigma = \frac{b - a}{\sqrt{12}} \]

  • rng.random() er uniform fra \(0\) til \(1\). a + (b - a) * rng.random() er uniform fra \(a\) til \(b\).

7.2 Normalfordelingen

Seksjonen handler om den viktigste kontinuerlige fordelingen. Mange størrelser som er summen av mange små, tilfeldige bidrag, er omtrent normalfordelte. Vi ser på formen, regner med tabeller og Python, og vurderer når normalfordelingen er en god modell.

7.2.1 Normalfordelingen

Kast ti terninger og legg sammen øynene. Summen kan være alt fra \(10\) til \(60\), men de fleste summene havner rundt \(35\). Figuren viser sannsynlighetsfordelingen for summen, og kurven over den er en normalfordeling. Den passer nesten perfekt. Slik er det ofte: Når en størrelse er summen av mange små, uavhengige bidrag, blir fordelingen omtrent normal. Høyde avhenger av mange gener og miljøfaktorer, og målefeil kommer fra mange små kilder. Derfor dukker normalfordelingen opp overalt.

Læringsmål

Etter dette delkapittelet skal du kunne

  • beskrive formen på normalfordelingen, og hvordan \(\mu\) og \(\sigma\) påvirker den,
  • bruke 68–95–99,7-regelen,
  • forklare hvorfor mange størrelser er omtrent normalfordelte.

Formen

DefinisjonNormalfordeling

En kontinuerlig variabel \(X\) er normalfordelt med forventningsverdi \(\mu\) og standardavvik \(\sigma\) hvis tetthetsfunksjonen er den klokkeformede kurven

\[ f(x) = \frac{1}{\sigma \sqrt{2\pi}} \, e^{-\frac{1}{2}\left(\frac{x - \mu}{\sigma}\right)^2} \]

Vi skriver \(X \sim N(\mu, \sigma)\).

Formelen trenger du ikke å huske eller regne med. Det viktige er egenskapene til kurven:

  • Den er symmetrisk om \(\mu\), så gjennomsnitt, median og typetall er like.
  • Den er høyest ved \(\mu\) og faller mot \(0\) på begge sider, men blir aldri helt \(0\).
  • \(\sigma\) bestemmer bredden. Større \(\sigma\) gir en lavere og bredere kurve, fordi arealet alltid er \(1\).

68–95–99,7-regelen

For alle normalfordelinger er andelen innenfor et visst antall standardavvik fra \(\mu\) den samme:

Regel68–95–99,7-regelen

Når \(X \sim N(\mu, \sigma)\), ligger omtrent

  • \(68\ \%\) av verdiene mellom \(\mu - \sigma\) og \(\mu + \sigma\),
  • \(95\ \%\) mellom \(\mu - 2\sigma\) og \(\mu + 2\sigma\),
  • \(99{,}7\ \%\) mellom \(\mu - 3\sigma\) og \(\mu + 3\sigma\).

Det er derfor \(\mu \pm 2\sigma\) var «vanlige verdier» i 6.2.3: Utenfor ligger bare omtrent \(5\ \%\).

IQ-tester er laget slik at resultatene i befolkningen er normalfordelte med \(\mu = 100\) og \(\sigma = 15\).

  1. Mellom hvilke verdier ligger de midterste \(95\ \%\)?
  2. Hvor mange prosent har IQ over \(115\)?
  3. Hvor mange prosent har IQ under \(55\)?

Tegn kurven og marker \(\mu\), \(\mu \pm \sigma\), \(\mu \pm 2\sigma\) og \(\mu \pm 3\sigma\). Bruk symmetrien.

  1. \(100 - 2 \cdot 15 = 70\) til \(100 + 2 \cdot 15 = 130\).
  2. \(68\ \%\) ligger mellom \(85\) og \(115\), så \(32\ \%\) ligger utenfor, halvparten på hver side. Over \(115\): \(16\ \%\).
  3. \(55 = 100 - 3 \cdot 15\). Utenfor \(\mu \pm 3\sigma\) ligger \(0{,}3\ \%\), halvparten på hver side: \(0{,}15\ \%\).

Medianinntekten i de \(357\) kommunene har gjennomsnitt \(663\) og standardavvik \(61\) (tusen kr). Bruk 68–95–99,7-regelen som om fordelingen var normal, og sammenlikn med dataene: \(71{,}4\ \%\) av kommunene ligger innenfor ett standardavvik, \(93{,}6\ \%\) innenfor to og \(100\ \%\) innenfor tre.

Regn ut \(\bar{x} \pm s\) og \(\bar{x} \pm 2s\), og sammenlikn andelene med \(68\), \(95\) og \(99{,}7\).

Ett standardavvik: \(602\) til \(724\). To: \(541\) til \(785\). Tre: \(480\) til \(846\).

Andelene i dataene, \(71\ \%\), \(94\ \%\) og \(100\ \%\), ligger nær \(68\ \%\), \(95\ \%\) og \(99{,}7\ \%\). En normalfordeling er en ganske god modell, men ikke perfekt. I 7.2.4 ser vi nærmere på det.

AdvarselVanlige feil
  • 68–95–99,7-regelen gjelder for normalfordelinger. For skjeve fordelinger kan andelene bli helt andre.
  • \(68\ \%\) ligger innenfor ett standardavvik. Over \(\mu + \sigma\) ligger bare halvparten av de resterende \(32\ \%\), altså \(16\ \%\).
  • Andre parameter i \(N(\mu, \sigma)\) er standardavviket, ikke variansen.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

\(X \sim N(50, 4)\). Hvor mange prosent av verdiene ligger

mellom \(46\) og \(54\),
mellom \(42\) og \(58\),
over \(54\),
under \(42\)?

Se figuren med de tre kurvene \(N(0, 1)\), \(N(0, 2)\) og \(N(3, 1)\).

Hvilke to kurver har samme forventningsverdi?
Hvorfor er \(N(0, 2)\) lavere enn \(N(0, 1)\)?
Nivå 2

En maskin fyller melkekartonger. Volumet er normalfordelt med \(\mu = 1010\) ml og \(\sigma = 5\) ml.

Mellom hvilke volum ligger \(95\ \%\) av kartongene?
Omtrent hvor mange prosent inneholder mindre enn \(1000\) ml?
Av \(10\,000\) kartonger, hvor mange inneholder mer enn \(1025\) ml?

Ventetiden på bussen i 7.1.2 er uniform fra \(0\) til \(10\) minutter, med \(\mu = 5\) og \(\sigma \approx 2{,}89\). Ida bruker 68–95–99,7-regelen og sier at \(95\ \%\) av ventetidene ligger mellom \(5 - 5{,}78 = -0{,}78\) og \(10{,}78\) minutter. Hva er feil?

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

mu = 100
sigma = 15
iq = [92, 131, 104, 68, 117, 99, 125, 85]
antall = 0
for x in iq:
    if mu - 2*sigma <= x <= mu + 2*sigma:
        antall = antall + 1
print(antall)
Utfordringer

Bruk kodecellen. Den simulerer summen av \(n\) terninger \(10\,000\) ganger og viser hvor stor andel som havner innenfor \(\mu \pm \sigma\) og \(\mu \pm 2\sigma\).

Kjør med \(n = 1\), \(n = 2\) og \(n = 10\).
For hvilken \(n\) passer 68–95–99,7-regelen best? Forklar.

Oppsummering

Notasjon

\[ X \sim N(\mu, \sigma) \]

68–95–99,7-regelen

\(\mu \pm \sigma\): \(68\ \%\). \(\mu \pm 2\sigma\): \(95\ \%\). \(\mu \pm 3\sigma\): \(99{,}7\ \%\).

  • Kurven er symmetrisk om \(\mu\), og \(\sigma\) bestemmer bredden.
  • Summer av mange små, uavhengige bidrag blir omtrent normalfordelte.

7.2.2 Standardisering og tabeller

Emma fikk \(520\) poeng på en prøve der gjennomsnittet var \(500\) og standardavviket \(10\). Jonas fikk \(78\) på en annen prøve der gjennomsnittet var \(70\) og standardavviket \(5\). Hvem gjorde det best, sammenliknet med de andre? Tallene kan ikke sammenliknes direkte. Men vi kan spørre hvor mange standardavvik over gjennomsnittet hver av dem ligger: Emma ligger \(\frac{20}{10} = 2\) standardavvik over, Jonas \(\frac{8}{5} = 1{,}6\). Emma gjorde det best.

Læringsmål

Etter dette delkapittelet skal du kunne

  • standardisere en verdi og tolke \(Z\)-verdien,
  • bruke tabellen over standard normalfordeling,
  • regne ut sannsynligheter i en hvilken som helst normalfordeling for hånd.

Standardisering

DefinisjonStandardisering

Hvis \(X \sim N(\mu, \sigma)\), er

\[ Z = \frac{X - \mu}{\sigma} \]

standard normalfordelt, \(Z \sim N(0, 1)\). \(Z\)-verdien sier hvor mange standardavvik \(X\) ligger over (eller under, hvis negativ) forventningsverdien.

Alle normalfordelinger har samme form. Når vi trekker fra \(\mu\), flyttes toppen til \(0\). Når vi deler på \(\sigma\), får kurven bredde \(1\). Derfor holder det med én tabell, for \(Z\).

Tabellen

Tabellen i bilag A gir \(P(Z \le z)\), arealet til venstre for \(z\). Tabellen har bare positive \(z\). Siden kurven er symmetrisk, er arealet til venstre for \(-z\) like stort som arealet til høyre for \(z\).

RegelRegne med tabellen
  • \(P(Z > z) = 1 - P(Z \le z)\)
  • \(P(Z \le -z) = 1 - P(Z \le z)\)
  • \(P(a \le Z \le b) = P(Z \le b) - P(Z \le a)\)

For en normalfordelt \(X\): Regn først ut \(z = \dfrac{x - \mu}{\sigma}\), rund av til to desimaler, og bruk tabellen.

Tegn alltid en skisse av kurven, marker \(\mu\) og verdiene, og farg arealet du skal finne. Da ser du om svaret skal være større eller mindre enn \(0{,}5\).

\(X \sim N(100, 15)\). Finn

  1. \(P(X \le 120)\),
  2. \(P(X > 130)\),
  3. \(P(90 \le X \le 110)\).

Standardiser hver grense. I c) er \(z\)-verdiene \(-0{,}67\) og \(0{,}67\).

  1. \(z = \frac{120 - 100}{15} \approx 1{,}33\). Tabellen gir \(P(Z \le 1{,}33) = 0{,}9082\).
  2. \(z = \frac{30}{15} = 2{,}00\). \(P(Z > 2) = 1 - 0{,}9772 = 0{,}0228\).
  3. \(z = \pm 0{,}67\). \(P(Z \le 0{,}67) = 0{,}7486\) og \(P(Z \le -0{,}67) = 1 - 0{,}7486 = 0{,}2514\). Svaret er \(0{,}7486 - 0{,}2514 = 0{,}4972\).

Bruk modellen \(X \sim N(663, 61)\) for medianinntekten i kommunene (tusen kr). Finn sannsynligheten for at en tilfeldig kommune har medianinntekt under \(600\,000\) kr. I dataene er andelen \(12{,}3\ \%\). Hvor godt stemmer modellen?

\(z = \frac{600 - 663}{61}\). Den er negativ, så bruk symmetrien.

\(z = \frac{-63}{61} \approx -1{,}03\). Med symmetrien er \(P(Z \le -1{,}03) = 1 - P(Z \le 1{,}03)\), som er \(1 - 0{,}8485 = 0{,}1515\).

Modellen gir \(15\ \%\), dataene \(12\ \%\). Modellen stemmer ganske godt, men gir litt for mange kommuner med lav inntekt. Fordelingen er litt skjev mot høyre (7.2.4).

AdvarselVanlige feil
  • \(Z = \frac{X - \mu}{\sigma}\). Del på standardavviket, ikke variansen.
  • Tabellen gir arealet til venstre. For «over» må du bruke \(1 - P(Z \le z)\).
  • Negative \(z\): \(P(Z \le -1) = 1 - P(Z \le 1)\), ikke \(-P(Z \le 1)\).
  • En sannsynlighet over \(0{,}5\) for «over en verdi som er større enn \(\mu\)» er alltid feil. Sjekk med skissen.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

\(X \sim N(70, 8)\). Finn \(z\)-verdien for

\(x = 82\),
\(x = 58\),
\(x = 70\).

\(Z \sim N(0, 1)\). Finn

\(P(Z \le 1{,}25)\),
\(P(Z > 1{,}25)\),
\(P(Z \le -0{,}50)\),
\(P(-1 \le Z \le 1)\).
Nivå 2

Anta at fødselsvekten til barn født til termin er normalfordelt med \(\mu = 3500\) g og \(\sigma = 450\) g.

Finn sannsynligheten for at et barn veier mer enn \(4000\) g.
Finn sannsynligheten for at et barn veier mellom \(3000\) og \(4000\) g.
Leger regner ofte vekt under \(2500\) g som lav fødselsvekt. Hvor mange prosent av barna har lav fødselsvekt etter modellen?

Lise løp 60 meter på \(8{,}1\) sekunder. I klassen er tidene normalfordelte med \(\mu = 8{,}9\) og \(\sigma = 0{,}5\). Lise hoppet også \(4{,}60\) meter i lengde, der \(\mu = 4{,}10\) og \(\sigma = 0{,}25\). I hvilken øvelse gjorde hun det best sammenliknet med klassen? Begrunn med \(z\)-verdier.

\(X \sim N(50, 4)\). Kim regner ut \(P(X > 54)\) slik: \(z = \frac{54 - 50}{16} = 0{,}25\), og \(P(Z > 0{,}25) = 1 - 0{,}5987 = 0{,}4013\). Hva er feil, og hva er riktig svar?

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

mu = 70
sigma = 8
for x in [78, 62, 90]:
    z = (x - mu) / sigma
    print(z)

Skriv det siste tallet i utskriften i svarfeltet.

Utfordringer

Bruk tabellen til å finne \(P(-1 \le Z \le 1)\), \(P(-2 \le Z \le 2)\) og \(P(-3 \le Z \le 3)\). Hvor kommer tallene \(68\), \(95\) og \(99{,}7\) fra? Skriv \(P(-2 \le Z \le 2)\) i svarfeltet.

Oppsummering

Standardisering

\[ Z = \frac{X - \mu}{\sigma} \]

Over

\[ P(Z > z) = 1 - P(Z \le z) \]

Symmetri

\[ P(Z \le -z) = 1 - P(Z \le z) \]

Mellom

\[ P(a \le Z \le b) = P(Z \le b) - P(Z \le a) \]

  • Tabellen i bilag A gir arealet til venstre for \(z\).
  • Tegn alltid en skisse og farg arealet.

7.2.3 Normalfordeling med digitale verktøy

Til nå har vi funnet en sannsynlighet når grensen er gitt. Ofte er spørsmålet omvendt: Foreningen Mensa tar bare opp de \(2\ \%\) med høyest IQ. Hvor høy IQ må du ha? Nå kjenner vi arealet, \(0{,}02\) til høyre, og skal finne grensen. Det kan vi gjøre med tabellen baklengs eller med Python.

Læringsmål

Etter dette delkapittelet skal du kunne

  • regne ut sannsynligheter i normalfordelingen med Python,
  • finne en grenseverdi når sannsynligheten er gitt, med tabell og med Python,
  • løse praktiske problemer med normalfordelingen.

Sannsynligheter med Python

SciPy har normalfordelingen. norm.cdf(x, mu, sigma) gir \(P(X \le x)\), arealet til venstre for \(x\). Vi trenger ikke standardisere først.

Svarene, \(0{,}9088\) og \(0{,}4950\), er litt forskjellige fra tabellsvarene i 7.2.2, fordi vi der rundet av \(z\) til to desimaler.

Grenseverdier

RegelFinne en grenseverdi

For å finne \(x\) slik at \(P(X \le x) = p\):

  • Med tabell: Finn \(z\) i tabellen der arealet til venstre er \(p\). Regn ut \(x = \mu + z \cdot \sigma\).
  • Med Python: norm.ppf(p, mu, sigma).

Gjelder det arealet til høyre, bruker vi \(p = 1 - (\text{arealet til høyre})\).

\(x = \mu + z\sigma\) får vi ved å løse \(z = \frac{x - \mu}{\sigma}\) for \(x\).

Hvor høy IQ må du ha for å være blant de \(2\ \%\) høyeste? Bruk \(X \sim N(100, 15)\).

Arealet til venstre for grensen er \(0{,}98\).

Med tabell: Arealet \(0{,}98\) ligger mellom \(z = 2{,}05\) (\(0{,}9798\)) og \(z = 2{,}06\) (\(0{,}9803\)), nærmest \(2{,}05\). Grensen er \(x = 100 + 2{,}05 \cdot 15 \approx 130{,}8\).

Med Python:

Du må ha IQ på omtrent \(131\).

En maskin fyller kartonger med \(\mu = 1010\) ml og \(\sigma = 6\) ml.

  1. Hvor stor andel av kartongene inneholder mindre enn \(1000\) ml?
  2. Produsenten vil at høyst \(1\ \%\) skal inneholde mindre enn \(1000\) ml. Hva må \(\mu\) stilles inn på når \(\sigma\) er den samme?

I b) skal \(1000\) ligge slik at arealet til venstre er \(0{,}01\). Finn \(z\), og løs \(1000 = \mu + z \cdot 6\).

  1. norm.cdf(1000, 1010, 6) gir \(0{,}0478\), altså nesten \(5\ \%\). Med tabell: \(z \approx -1{,}67\), og \(1 - 0{,}9525 = 0{,}0475\).
  2. Arealet \(0{,}01\) til venstre gir \(z = -2{,}33\) (tabellen: \(P(Z \le 2{,}33) = 0{,}9901\)). Da er \(1000 = \mu - 2{,}33 \cdot 6\), og \(\mu = 1000 + 13{,}98 \approx 1014\) ml. Med Python: 1000 - norm.ppf(0.01) * 6 gir \(1013{,}96\).

Bruk modellen \(X \sim N(663, 61)\). Finn grensen for de \(10\ \%\) kommunene med lavest medianinntekt, og sammenlikn med dataene, der den tiende persentilen er \(593{,}6\).

norm.ppf(0.10, 663, 61)

norm.ppf(0.10, 663, 61) gir \(584{,}8\). Med tabell: \(z = -1{,}28\), og \(663 - 1{,}28 \cdot 61 \approx 584{,}9\).

Modellen gir en grense på omtrent \(585\,000\) kr, mens dataene gir \(594\,000\) kr. Igjen ligger modellen litt for lavt i venstre ende.

AdvarselVanlige feil
  • norm.ppf tar arealet til venstre. For de øverste \(2\ \%\) er det norm.ppf(0.98, ...), ikke norm.ppf(0.02, ...).
  • Rekkefølgen er norm.cdf(x, mu, sigma) og norm.ppf(p, mu, sigma). Andre parameter er standardavviket.
  • Med tabell: Let etter arealet inne i tabellen, ikke etter \(z\) i margen.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

Hvilken funksjon bruker du?

Sannsynligheten for at en kartong inneholder under \(1005\) ml.
Volumet som \(90\ \%\) av kartongene ligger under.

Bruk tabellen. Finn \(z\) slik at

\(P(Z \le z) = 0{,}90\),
\(P(Z > z) = 0{,}05\),
\(P(Z \le z) = 0{,}025\).
Nivå 2

Poengene på en opptaksprøve er normalfordelte med \(\mu = 500\) og \(\sigma = 80\). De \(15\ \%\) beste kommer inn.

Hvor mange poeng må du ha for å komme inn? Bruk tabellen.
Sjekk svaret med Python.

Levetiden til en type vaskemaskin er normalfordelt med \(\mu = 10\) år og \(\sigma = 2\) år. Produsenten vil gi en garanti som bare \(3\ \%\) av maskinene ryker innenfor. Hvor lang kan garantien være?

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva regner programmet ut? Svar med et tall for det siste uttrykket, rundet av til ett desimal.

from scipy.stats import norm
print(norm.cdf(115, 100, 15))
print(norm.ppf(0.5, 100, 15))
Utfordringer

Maskinen for melkekartonger stilles inn på \(\mu = 1010\) ml. Hvor lite må \(\sigma\) være for at høyst \(1\ \%\) skal inneholde under \(1000\) ml?

Oppsummering

Sannsynlighet

norm.cdf(x, mu, sigma) \(= P(X \le x)\)

Grenseverdi

norm.ppf(p, mu, sigma)

Med tabell

\[ x = \mu + z \cdot \sigma \]

  • Både cdf og ppf gjelder arealet til venstre.
  • Øverste \(p\): bruk arealet \(1 - p\) til venstre.

7.2.4 Passer modellen?

I de forrige delkapitlene brukte vi en normalfordeling som modell for medianinntekten i kommunene. Modellen ga omtrent riktige svar, men ikke helt. Når er en normalfordeling god nok? Alle modeller er forenklinger, så spørsmålet er ikke om modellen er riktig, men om den er god nok til det vi skal bruke den til.

Læringsmål

Etter dette delkapittelet skal du kunne

  • sammenlikne et histogram med en normalfordelingskurve,
  • bruke en sjekkliste for å vurdere om normalfordeling passer,
  • forklare hva som kan gå galt når modellen ikke passer.

Sammenlikne data med modellen

Vi tegner histogrammet med tetthet (7.1.1) og legger normalfordelingskurven med \(\mu = \bar{x}\) og \(\sigma = s\) oppå.

Kurven følger histogrammet ganske godt, men toppen ligger litt til venstre for kurvens topp, og høyre hale er litt lengre. Fordelingen er svakt skjev mot høyre.

RegelSjekkliste for normalfordeling
  1. Histogram: Er det omtrent symmetrisk og klokkeformet, med én topp? Følger det kurven?
  2. Gjennomsnitt og median: Er de omtrent like?
  3. 68–95–99,7: Ligger omtrent \(68\ \%\), \(95\ \%\) og \(99{,}7\ \%\) av dataene innenfor \(1\), \(2\) og \(3\) standardavvik?
  4. Uteliggere: Finnes det verdier langt utenfor \(\bar{x} \pm 3s\)?
  5. Konteksten: Er det grunner til at fordelingen skal være skjev, for eksempel en nedre grense ved \(0\)?

Andelen innbyggere med høyere utdanning i kommunene har \(\bar{x} = 28{,}4\), median \(27{,}1\) og \(s = 6{,}2\) (prosent). Bruk sjekklisten og histogrammet. Passer en normalfordeling?

Kilde: SSB, tabell 09429.

Se på formen, sammenlikn gjennomsnitt og median, og se etter verdier over \(\bar{x} + 3s\).

  1. Histogrammet er skjevt mot høyre: Toppen ligger til venstre for kurvens topp, og det er en lang hale mot høyre.
  2. Gjennomsnittet er \(1{,}3\) prosentpoeng høyere enn medianen. Halen trekker gjennomsnittet opp.
  3. \(75\ \%\) ligger innenfor ett standardavvik, mer enn \(68\ \%\).
  4. \(\bar{x} + 3s = 46{,}9\). Seks kommuner ligger over, blant dem Oslo (\(56{,}4\)) og Bærum (\(56{,}3\)). En normalfordeling gir nesten ingen så høye verdier.
  5. Byer og forsteder har mange med høyere utdanning, så det er naturlig med en lang hale.

En normalfordeling passer dårlig, særlig i høyre hale. Spør vi hvor stor andel av kommunene som har over \(45\ \%\) med høyere utdanning, gir modellen omtrent \(0{,}4\ \%\), mens dataene gir \(2{,}5\ \%\).

Hvis normalfordelingen ikke passer, kan vi

  • bruke dataene direkte, for eksempel finne andelen eller persentilen i dataene i stedet for i modellen,
  • bruke en annen modell (ikke pensum),
  • se på gjennomsnitt av mange observasjoner, som ofte er normalfordelt selv om dataene ikke er det (kapittel 8).

Hva er best for andelen kommuner med over \(45\ \%\) høyere utdanning?

Har vi dataene for alle kommunene?

Vi har data for alle \(357\) kommunene, så vi teller dem: \(9\) kommuner, altså \(2{,}5\ \%\). Modellen trengs ikke, og den ville gitt feil svar.

AdvarselVanlige feil
  • At en normalfordeling passer for midten av dataene, betyr ikke at den passer i halene. Sannsynligheter for ekstreme verdier er mest følsomme for valg av modell.
  • Ingen data er nøyaktig normalfordelte. Spørsmålet er om modellen er god nok til formålet.
  • Med få observasjoner kan histogrammet se ujevnt ut selv om populasjonen er normalfordelt.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

Hvilke variabler er trolig omtrent normalfordelte?

Høyden til voksne kvinner i Norge.
Inntekten til alle nordmenn.
Antall minutter elevene bruker på skoleveien.
Målefeilen når mange elever måler lengden av samme bord.

For en variabel er \(\bar{x} = 54\), median \(41\) og \(s = 30\). Tyder det på normalfordeling?

Nivå 2

En klasse målte reaksjonstiden sin \(50\) ganger hver. For én elev var \(\bar{x} = 0{,}25\) s og \(s = 0{,}04\) s. \(30\) av målingene lå mellom \(0{,}21\) og \(0{,}29\) s, og \(49\) mellom \(0{,}17\) og \(0{,}33\) s.

Regn ut andelene og sammenlikn med 68–95–99,7-regelen.
Er en normalfordeling en rimelig modell?

En kommune bruker modellen \(N(663, 61)\) og sier at det er under \(0{,}1\ \%\) sannsynlighet for at en kommune har medianinntekt over \(850\,000\) kr. Hvorfor bør vi være forsiktige med et slikt svar?

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

data = [4, 6, 5, 7, 5, 3, 6, 5, 9, 5]
snitt = 5.5
s = 1.6
inne = 0
for x in data:
    if snitt - s <= x <= snitt + s:
        inne = inne + 1
print(inne / len(data))
Utfordringer

Bruk kodecellen til å gjennomføre sjekklisten for medianinntekten i kommunene: Regn ut gjennomsnitt, median og standardavvik, og andelene innenfor \(1\), \(2\) og \(3\) standardavvik. Hva er konklusjonen?

Oppsummering

Sjekkliste

Histogram, gjennomsnitt mot median, 68–95–99,7, uteliggere, konteksten.

Modell fra data

\(N(\bar{x}, s)\)

  • Modeller er forenklinger. Spør om modellen er god nok til formålet.
  • Halene er mest følsomme for valg av modell.

7.3 Undersøkelse

7.3.1 Undersøkelse: Fødes det like mange barn hver måned?

Er fødslene jevnt fordelt over året, eller fødes det flere barn i noen måneder? Hvis det bare er tilfeldig hvilken dag et barn blir født, skal hver dag i året ha samme sannsynlighet. Da kan vi regne ut hvor mange fødsler vi venter i hver måned, og hvor mye antallet varierer av tilfeldige grunner. Ligger de virkelige tallene langt utenfor, er det noe mer enn tilfeldighet som styrer når barn blir født.

Undersøkelsen bruker alt fra del IV: en sannsynlighetsmodell (kapittel 5), binomisk fordeling med forventning og standardavvik (kapittel 6) og normalfordelingen (kapittel 7).

Læringsmål

Etter dette delkapittelet skal du kunne

  • formulere en sannsynlighetsmodell for et reelt datasett,
  • sammenlikne data med modellen ved å regne ut forventet antall, standardavvik og \(z\)-verdier,
  • vurdere om avvikene kan skyldes tilfeldigheter, og drøfte mulige forklaringer.

Datasettet

Fil Variabler
fodte-maned.csv levendefødte i hver måned, hvert år fra 1966 til 2025

Kilde: SSB, tabell 05531.

Åpne notatboka «Fødes det like mange barn hver måned?»

Oppgaven

Velg ett spørsmål, eller lag ditt eget:

  • Passer modellen «alle dager er like sannsynlige» for fødslene i 2025?
  • Hvilken måned skiller seg mest ut, og hvor mange standardavvik er avviket?
  • Har mønsteret gjennom året endret seg fra 1970-tallet til i dag?
  • Er mønsteret likt hvert år, eller varierer det tilfeldig?

Denne gangen får du bare datasettet og en liste med verktøy i notatboka. Gå gjennom alle fire stegene, og skriv en kort rapport. Rapporten skal ha med modellen og forutsetningene, forventet antall og standardavvik, en figur som sammenlikner data og modell, en vurdering av om avvikene kan skyldes tilfeldigheter, og en drøfting av mulige forklaringer og begrensninger.

Skriv rapporten for spørsmålet ditt.

Oppgaver

Oppgavene under kan løses uten notatboka.

Nivå 1

I 2025 ble det født \(55\,401\) barn. Bruk modellen «alle dager er like sannsynlige».

Hva er sannsynligheten for at en fødsel skjer i desember?
Hvor mange fødsler venter vi i desember? Rund av til helt tall.
Finn standardavviket. Rund av til én desimal.
Det ble født \(3560\) barn i desember. Hvor mange standardavvik er det fra forventningen?
Nivå 2

En kommune har \(120\) fødsler i året. Bruk samme modell. I desember ble det født \(6\) barn.

Finn \(\mu\) og \(\sigma\) for antall fødsler i desember.
Er \(6\) fødsler uvanlig?
Hvorfor er det lettere å oppdage mønsteret med tall for hele landet enn for én kommune?

Oppsummering

Sammenlikne data og modell

Forventet antall \(\mu = np\), standardavvik \(\sigma = \sqrt{np(1 - p)}\) og \(z = \frac{x - \mu}{\sigma}\).

  • Avvik på mer enn \(2\)–\(3\) standardavvik er sjelden tilfeldige. Da passer ikke modellen.
  • Med store datasett blir selv små systematiske avvik tydelige.

7.4 Oppgaver

Oppgavene blander stoff fra hele kapittelet.

Tiden elevene på en skole bruker på skoleveien, har gjennomsnitt \(18\) minutter og standardavvik \(12\) minutter.

Hvorfor kan ikke tiden være normalfordelt?
Hvilken form har fordelingen trolig?

Du kaster en mynt \(100\) ganger. \(X\) er antall kron.

Finn \(\mu\) og \(\sigma\).
Bruk normalfordelingen \(N(50, 5)\) og finn \(P(X \ge 60)\) med tabellen.
Den eksakte binomiske sannsynligheten er \(0{,}0284\). Hvorfor er svaret i b) litt for lite?

En venn sier at hun kommer «klokka 18, pluss minus et kvarter». Modell A: Ankomsttiden er uniform fra kl. 17.45 til kl. 18.15. Modell B: Ankomsttiden er normalfordelt med forventning kl. 18.00 og standardavvik \(7{,}5\) minutter.

Finn sannsynligheten for at hun kommer etter kl. 18.10 i hver modell.
Hvilken modell er mest realistisk? Begrunn.

Bruk kodecellen. Den simulerer \(200\) «høyder» fra \(N(170, 8)\) og regner ut \(\bar{x}\), \(s\) og andelen over \(185\).

Hva gir modellen for andelen over \(185\)?
Kjør koden flere ganger. Hvor mye varierer andelen i dataene?

7.5 Oppsummering

Kontinuerlige fordelinger

Sannsynlighet som areal

\(P(a \le X \le b)\) er arealet under tetthetsfunksjonen.

Én verdi

\[ P(X = a) = 0 \]

Uniform fordeling

\[ f(x) = \frac{1}{b - a} \]

Uniform: forventning og standardavvik

\[ \mu = \frac{a + b}{2} \qquad \sigma = \frac{b - a}{\sqrt{12}} \]

  • For kontinuerlige variabler er \(P(X < a) = P(X \le a)\).

Normalfordelingen

68–95–99,7-regelen

\(\mu \pm \sigma\): \(68\ \%\). \(\mu \pm 2\sigma\): \(95\ \%\). \(\mu \pm 3\sigma\): \(99{,}7\ \%\).

Standardisering

\[ Z = \frac{X - \mu}{\sigma} \]

Symmetri

\[ P(Z \le -z) = 1 - P(Z \le z) \]

Grenseverdi

\[ x = \mu + z \cdot \sigma \]

Python

norm.cdf(x, mu, sigma) og norm.ppf(p, mu, sigma)

  • Tabellen i bilag A gir arealet til venstre for \(z\).
  • Sjekk alltid om normalfordelingen passer, særlig i halene.