Vi bruker kvotientregelen. Hvis \( f(x) = \dfrac{u}{v} \), så er \( f'(x) = \dfrac{u' \cdot v - u \cdot v'}{v^2} \).
Her er:
Vi setter inn i kvotientregelen:
\[ f'(x) = \frac{2e^{2x} \cdot x - e^{2x} \cdot 1}{x^2} = \frac{e^{2x}(2x - 1)}{x^2} \]
def O(x):
return -0.1*x**2 + 2000*x - 50000
x = 0
while O(x + 1) > O(x):
x = x + 1
print(x)
Funksjonen \( O(x) = -0{,}1x^2 + 2000x - 50\,000 \) er en andregradsfunksjon med negativ koeffisient foran \( x^2 \), altså en nedovervendt parabel.
While-løkken øker \( x \) med 1 så lenge \( O(x+1) > O(x) \), det vil si så lenge funksjonen er voksende. Programmet stopper når funksjonen ikke lenger vokser, altså ved toppunktet.
Vi finner toppunktet ved å derivere og sette lik null:
\[ O'(x) = -0{,}2x + 2000 = 0 \] \[ x = \frac{2000}{0{,}2} = 10\,000 \]Programmet vil stoppe når \( O(x+1) \leq O(x) \). For heltallsverdier skjer dette nettopp ved \( x = 10\,000 \), siden \( O(10\,001) < O(10\,000) \).
Vi kan verifisere: \( O(x+1) - O(x) = -0{,}1(2x+1) + 2000 \). Dette er positivt når \( 2x + 1 < 20\,000 \), altså \( x < 9999{,}5 \). For \( x = 9999 \) er differansen positiv, og for \( x = 10\,000 \) er differansen negativ. Løkken stopper etter at \( x \) har blitt satt til \( 10\,000 \).
Vi merker oss at \( 100^x = (10^2)^x = (10^x)^2 \). Vi setter \( u = 10^x \) og får:
\[ u^2 - 3u = 4 \] \[ u^2 - 3u - 4 = 0 \]Vi faktoriserer:
\[ (u - 4)(u + 1) = 0 \] \[ u = 4 \quad \text{eller} \quad u = -1 \]Siden \( u = 10^x > 0 \) for alle \( x \), forkaster vi \( u = -1 \).
Vi løser \( 10^x = 4 \):
\[ x = \lg 4 = \log_{10} 4 \]Teller og nevner er begge andegradspolynomer. Vi deler teller og nevner på \( x^2 \):
\[ \lim_{x \to \infty} \frac{x^2 + x - 12}{2x^2 - 18} = \lim_{x \to \infty} \frac{1 + \dfrac{1}{x} - \dfrac{12}{x^2}}{2 - \dfrac{18}{x^2}} \]Når \( x \to \infty \), går alle leddene med \( x \) i nevneren mot 0:
\[ = \frac{1 + 0 - 0}{2 - 0} = \frac{1}{2} \]Totalt er det \( 4 + 3 + 2 = 9 \) kuler.
Antall måter å velge 2 kuler fra 9:
\[ \binom{9}{2} = \frac{9!}{2! \cdot 7!} = \frac{9 \cdot 8}{2} = 36 \]Antall måter å velge to kuler med samme farge:
Totalt gunstige utfall: \( 6 + 3 + 1 = 10 \)
Nøyaktig én gul kule betyr at vi velger 1 gul og 1 ikke-gul kule.
Antall gunstige utfall: \( 2 \cdot 7 = 14 \)
Vi leser av fra grafen:
Gjennomsnittlig vekstfart i \([0, 4]\):
Den gjennomsnittlige vekstfarten er stigningstallet til sekantlinjen mellom \( x = 0 \) og \( x = 4 \):
\[ \frac{f(4) - f(0)}{4 - 0} = \frac{1}{2} \]Vi leser av grafene:
Både \( g \) og \( h \) ser ut til å ha gjennomsnittlig vekstfart \( \frac{1}{2} \). Vi må sjekke den andre betingelsen.
Derivert lik 1 når \( x = 1 \):
Den deriverte i et punkt er stigningstallet til tangentlinjen i det punktet.
Hvert antrekk består av ett valg fra hver kategori. Vi bruker multiplikasjonsprinsippet:
\[ \text{Antall antrekk} = 10 \cdot 20 \cdot 15 \cdot 15 \cdot 5 \] \[ = 10 \cdot 20 \cdot 15 \cdot 15 \cdot 5 = 225\,000 \]Bedriften har 5 par sko, altså \( 5 \cdot 2 = 10 \) enkeltsko. Tore tar med seg 3 tilfeldige sko.
Antall måter å velge 3 sko fra 10:
\[ \binom{10}{3} = \frac{10 \cdot 9 \cdot 8}{3 \cdot 2 \cdot 1} = 120 \]For at Tore skal få med seg minst ett skopar, må minst to av de tre skoene tilhøre samme par. Vi teller gunstige utfall:
Vi velger først hvilket par som er komplett (5 muligheter), deretter velger vi den tredje skoen blant de resterende 8 skoene:
\[ \text{Gunstige utfall} = 5 \cdot 8 = 40 \]Nåværende antall antrekk: \( 10 \cdot 20 \cdot 15 \cdot 15 \cdot 5 = 225\,000 \).
Vi trenger flere enn 542 000 antrekk.
Vi finner ut hvilken kategori som gir størst økning per nytt plagg. Kategorien med lavest antall (sko med 5) gir størst prosentvis økning.
Hvis vi legger til 1 par sko (altså 1 nytt skopar), får vi:
\[ 10 \cdot 20 \cdot 15 \cdot 15 \cdot 6 = 270\,000 \]Ikke nok.
Legger vi til 2 skopar:
\[ 10 \cdot 20 \cdot 15 \cdot 15 \cdot 7 = 315\,000 \]Ikke nok.
Legger vi til 7 skopar (totalt 12):
\[ 10 \cdot 20 \cdot 15 \cdot 15 \cdot 12 = 540\,000 \]Ikke nok (542 000 > 540 000).
Legger vi til 8 skopar (totalt 13):
\[ 10 \cdot 20 \cdot 15 \cdot 15 \cdot 13 = 585\,000 > 542\,000 \]Med 8 nye skopar har vi nok.
Men kan vi klare det med færre plagg totalt? La oss sjekke om det er rimeligere å legge til plagg i andre kategorier i kombinasjon med færre skopar.
Med 7 nye skopar (totalt 12) mangler vi: \( 542\,000 - 540\,000 = 2\,000 \). Hvert nytt skopar gir \( 45\,000 \) ekstra antrekk, men vi kan sjekke om ett ekstra plagg i en annen kategori er billigere totalt.
Med 7 nye skopar og 1 nytt hodeplagg (totalt 11 hodeplagg, 12 skopar):
\[ 11 \cdot 20 \cdot 15 \cdot 15 \cdot 12 = 594\,000 > 542\,000 \]Det er 7 + 1 = 8 nye plagg/skopar.
Kan vi klare det med 7 totalt? Med 6 nye skopar (totalt 11):
\[ 10 \cdot 20 \cdot 15 \cdot 15 \cdot 11 = 495\,000 \]Mangler: \( 542\,000 - 495\,000 = 47\,000 \). Ett ekstra plagg i en annen kategori:
Legger vi til 1 hodeplagg: \( 11 \cdot 20 \cdot 15 \cdot 15 \cdot 11 = 544\,500 > 542\,000 \). Det er 6 + 1 = 7 nye plagg/skopar.
Kan vi klare det med 6 totalt? Med 5 nye skopar (totalt 10):
\[ 10 \cdot 20 \cdot 15 \cdot 15 \cdot 10 = 450\,000 \]Mangler: \( 92\,000 \). Ett ekstra hodeplagg: \( 11 \cdot 20 \cdot 15 \cdot 15 \cdot 10 = 495\,000 \). Fortsatt ikke nok. To ekstra hodeplagg: \( 12 \cdot 20 \cdot 15 \cdot 15 \cdot 10 = 540\,000 \). Ikke nok. Tre ekstra hodeplagg: \( 13 \cdot 20 \cdot 15 \cdot 15 \cdot 10 = 585\,000 > 542\,000 \). Det er 5 + 3 = 8 nye plagg/skopar.
Med 6 skopar og 1 hodeplagg (7 totalt): \( 11 \cdot 20 \cdot 15 \cdot 15 \cdot 11 = 544\,500 > 542\,000 \). Fungerer!
Kan vi klare det med 6 totalt? Med 5 skopar og 1 hodeplagg: \( 11 \cdot 20 \cdot 15 \cdot 15 \cdot 10 = 495\,000 \). Ikke nok.
Med 4 skopar og 2 hodeplagg: \( 12 \cdot 20 \cdot 15 \cdot 15 \cdot 9 = 486\,000 \). Ikke nok.
Med 3 skopar og 3 hodeplagg: \( 13 \cdot 20 \cdot 15 \cdot 15 \cdot 8 = 468\,000 \). Ikke nok.
Med 6 skopar: \( 10 \cdot 20 \cdot 15 \cdot 15 \cdot 11 = 495\,000 \). Ikke nok.
Med 5 skopar og 1 skjorte: \( 10 \cdot 21 \cdot 15 \cdot 15 \cdot 10 = 472\,500 \). Ikke nok.
Ingen kombinasjon av 6 nye plagg/skopar er tilstrekkelig.
Den gjennomsnittlige vekstfarten i intervallet \([1, 4]\) er:
\[ \frac{f(4) - f(1)}{4 - 1} = \frac{(16 + 2) - (1 + 2)}{3} = \frac{18 - 3}{3} = \frac{15}{3} = 5 \]Påstanden sier at to funksjoner som har de samme grenseverdiene for \( x \to \infty \) og \( x \to -\infty \), må være identiske.
Dette er usant. Et moteksempel:
Begge har:
\[ \lim_{x \to \infty} f(x) = \lim_{x \to \infty} g(x) = 0 \] \[ \lim_{x \to -\infty} f(x) = \lim_{x \to -\infty} g(x) = 0 \]Men \( f(x) \neq g(x) \), for eksempel \( f(0) = 0 \neq 1 = g(0) \).
Påstanden sier at \( a^x = a^y \) alltid gir \( x = y \) for \( a \in \mathbb{R} \).
Hvis \( a > 0 \) og \( a \neq 1 \), er eksponentialfunksjonen injektiv (én-til-én), og da følger det at \( x = y \).
Men dersom \( a = 1 \), får vi \( 1^x = 1^y \), som gir \( 1 = 1 \), og dette gjelder for alle \( x \) og \( y \). Altså trenger vi ikke \( x = y \).
Tilsvarende, dersom \( a = 0 \) og \( x, y > 0 \): \( 0^x = 0^y = 0 \), og det gjelder for alle positive \( x \) og \( y \).
Fra grafen kan vi lese av at kurven passerer gjennom punktet \( (3, 1) \) (omtrent). Det betyr:
\[ f(3) = \log_a(3) = 1 \] \[ a^1 = 3 \] \[ a = 3 \]Vi kan verifisere med et annet punkt fra grafen. Det ser ut til at \( f(9) \approx 2 \):
\[ \log_3(9) = \log_3(3^2) = 2 \quad \checkmark \]Og \( f(1) = \log_3(1) = 0 \), som stemmer med grafen.
Sannsynligheten for å vinne i én pakke er \( p = \dfrac{1}{1000} = 0{,}001 \).
Vi modellerer dette som en binomisk situasjon. Hvert kjøp er uavhengig med konstant sannsynlighet, altså en binomisk modell.
Sannsynligheten for å ikke vinne i én pakke er \( 1 - p = 0{,}999 \).
Sannsynligheten for å ikke vinne i \( n \) dager:
\[ P(\text{ingen gevinst i } n \text{ dager}) = 0{,}999^n \]Sannsynligheten for å vinne minst én reise i \( n \) dager:
\[ P(\text{minst én gevinst}) = 1 - 0{,}999^n \]Vi setter dette lik 0,20:
\[ 1 - 0{,}999^n = 0{,}20 \] \[ 0{,}999^n = 0{,}80 \] \[ n \cdot \ln(0{,}999) = \ln(0{,}80) \] \[ n = \frac{\ln(0{,}80)}{\ln(0{,}999)} = \frac{-0{,}22314}{-0{,}0010005} \approx 223{,}1 \]Siden \( n \) må være et helt antall dager, runder vi opp.
For vanlige knekkebrødpakker beregner vi overskudd per pakke:
For Gullknekk:
For samme overskudd:
\[ P - 10 - 50 = 25 \] \[ P = 85 \]Hassan kjøper vanlige knekkebrødpakker på hverdager (mandag-fredag) og Gullknekk på lørdag og søndag.
Per uke: 5 vanlige pakker (sannsynlighet \( \frac{1}{1000} \)) og 2 Gullknekk-pakker (sannsynlighet \( \frac{1}{100} \)).
Over 52 uker: \( 5 \cdot 52 = 260 \) vanlige pakker og \( 2 \cdot 52 = 104 \) Gullknekk-pakker.
Vi kan bruke Python-simulering:
import random
antall_simuleringer = 100000
antall_gevinster = 0
for i in range(antall_simuleringer):
vunnet = False
for uke in range(52):
# 5 hverdager med vanlig knekkebrød (1/1000)
for dag in range(5):
if random.randint(1, 1000) == 1:
vunnet = True
# 2 helgedager med Gullknekk (1/100)
for dag in range(2):
if random.randint(1, 100) == 1:
vunnet = True
if vunnet:
antall_gevinster += 1
sannsynlighet = antall_gevinster / antall_simuleringer
print(f"Sannsynlighet: {sannsynlighet}")
Vi kan også beregne dette analytisk for å kontrollere simuleringen:
\[ P(\text{ingen gevinst}) = 0{,}999^{260} \cdot 0{,}99^{104} \] \[ = 0{,}999^{260} \cdot 0{,}99^{104} \]Vi beregner:
\[ \ln(0{,}999^{260}) = 260 \cdot \ln(0{,}999) \approx 260 \cdot (-0{,}001\,0005) \approx -0{,}2601 \] \[ \ln(0{,}99^{104}) = 104 \cdot \ln(0{,}99) \approx 104 \cdot (-0{,}01005) \approx -1{,}0452 \] \[ \ln(P(\text{ingen gevinst})) \approx -0{,}2601 - 1{,}0452 = -1{,}3053 \] \[ P(\text{ingen gevinst}) \approx e^{-1{,}3053} \approx 0{,}271 \] \[ P(\text{minst én gevinst}) \approx 1 - 0{,}271 = 0{,}729 \]Simuleringen vil gi et resultat nær dette.
La \( n \) være antall parkeringsplasser. Nåværende inntekt:
\[ I_{\text{nå}} = 1000 \cdot n \]Når prisen økes til 1500 kr, er prisøkningen \( 1500 - 1000 = 500 \) kr. Antall prisøkninger à 50 kr: \( \dfrac{500}{50} = 10 \).
Antall utleide plasser faller med 10, altså \( n - 10 \) plasser.
Inntekt ved 1500 kr:
\[ I_{1500} = 1500 \cdot (n - 10) \]Disse inntektene skal være like:
\[ 1000n = 1500(n - 10) \] \[ 1000n = 1500n - 15\,000 \] \[ 15\,000 = 500n \] \[ n = 30 \]La \( x \) være antall prisøkninger à 50 kr. Da er:
Inntektsfunksjonen:
\[ I(x) = (1000 + 50x)(30 - x) \] \[ = 30\,000 - 1000x + 1500x - 50x^2 \] \[ = -50x^2 + 500x + 30\,000 \]Vi finner toppunktet ved å derivere:
\[ I'(x) = -100x + 500 = 0 \] \[ x = 5 \]Andrederiverten er \( I''(x) = -100 < 0 \), så dette er et maksimum.
Maksimal inntekt:
\[ I(5) = -50 \cdot 25 + 500 \cdot 5 + 30\,000 = -1250 + 2500 + 30\,000 = 31\,250 \]Vi kan sjekke: Prisen er \( 1000 + 50 \cdot 5 = 1250 \) kr, og antall utleide plasser er \( 30 - 5 = 25 \):
\[ 1250 \cdot 25 = 31\,250 \quad \checkmark \]I(x) := -50x² + 500x + 30000I'(x) → gir \(-100x + 500\)I(5) → gir \(31\,250\) kr
Vi deriverer inntektsfunksjonen:
\[ I'(x) = 250 - x \]Vi setter inn \( x = 15 \):
\[ I'(15) = 250 - 15 = 235 \]Overskuddet er:
\[ O(x) = I(x) - K(x) = (250x - 0{,}5x^2) - (70x + 600) \] \[ = -0{,}5x^2 + 180x - 600 \]Vi finner maksimum ved å derivere:
\[ O'(x) = -x + 180 = 0 \] \[ x = 180 \]Andrederiverten er \( O''(x) = -1 < 0 \), altså maksimum.
Størst overskudd:
\[ O(180) = -0{,}5 \cdot 180^2 + 180 \cdot 180 - 600 \] \[ = -0{,}5 \cdot 32\,400 + 32\,400 - 600 \] \[ = -16\,200 + 32\,400 - 600 \] \[ = 15\,600 \]Nå produserer bedriften \( x \) motorer totalt, men bare noen av dem kan selges:
Antall motorer som kan selges (for \( x \geq 50 \)):
\[ s(x) = x - 0{,}1(x - 50) = x - 0{,}1x + 5 = 0{,}9x + 5 \]Inntekten avhenger av antall solgte motorer:
\[ I(s) = 250s - 0{,}5s^2 \quad \text{der } s = 0{,}9x + 5 \]Kostnadene avhenger av antall produserte motorer:
\[ K(x) = 70x + 600 \]Overskuddet blir:
\[ O(x) = I(0{,}9x + 5) - K(x) \] \[ = 250(0{,}9x + 5) - 0{,}5(0{,}9x + 5)^2 - 70x - 600 \]Vi regner ut ledd for ledd:
\[ 250(0{,}9x + 5) = 225x + 1250 \] \[ (0{,}9x + 5)^2 = 0{,}81x^2 + 9x + 25 \] \[ 0{,}5(0{,}9x + 5)^2 = 0{,}405x^2 + 4{,}5x + 12{,}5 \]Dermed:
\[ O(x) = 225x + 1250 - 0{,}405x^2 - 4{,}5x - 12{,}5 - 70x - 600 \] \[ = -0{,}405x^2 + 150{,}5x + 637{,}5 \]Vi deriverer og setter lik null:
\[ O'(x) = -0{,}81x + 150{,}5 = 0 \] \[ x = \frac{150{,}5}{0{,}81} \approx 185{,}8 \]Siden \( x \) må være et heltall, sjekker vi \( x = 185 \) og \( x = 186 \):
\[ O(186) = -0{,}405 \cdot 186^2 + 150{,}5 \cdot 186 + 637{,}5 \] \[ = -0{,}405 \cdot 34\,596 + 27\,993 + 637{,}5 \] \[ = -14\,011{,}38 + 27\,993 + 637{,}5 \] \[ = 14\,619{,}12 \] \[ O(185) = -0{,}405 \cdot 185^2 + 150{,}5 \cdot 185 + 637{,}5 \] \[ = -0{,}405 \cdot 34\,225 + 27\,842{,}5 + 637{,}5 \] \[ = -13\,861{,}125 + 27\,842{,}5 + 637{,}5 \] \[ = 14\,618{,}875 \]Begge gir omtrent det samme. Vi bruker den eksakte verdien ved \( x \approx 185{,}8 \):
\[ O(185{,}8) = -0{,}405 \cdot 185{,}8^2 + 150{,}5 \cdot 185{,}8 + 637{,}5 \approx 14\,619{,}2 \]Vi kontrollerer at \( x > 50 \), som stemmer.
Vi bruker Bayes' setning. Vi definerer:
Vi vet:
Vi finner total sannsynlighet for positiv test:
\[ P(+) = P(+ \mid S) \cdot P(S) + P(+ \mid \overline{S}) \cdot P(\overline{S}) \] \[ = 0{,}99 \cdot 0{,}01 + 0{,}02 \cdot 0{,}99 \] \[ = 0{,}0099 + 0{,}0198 \] \[ = 0{,}0297 \]Bayes' setning:
\[ P(S \mid +) = \frac{P(+ \mid S) \cdot P(S)}{P(+)} = \frac{0{,}99 \cdot 0{,}01}{0{,}0297} = \frac{0{,}0099}{0{,}0297} = \frac{99}{297} = \frac{1}{3} \]