Innhold
I artikkelen om begreper i sannsynlighet introduserte vi begrepet «gunstige på mulige», som går ut på at vi finner sannsynligheten for en hendelse i et stokastisk forsøk ved å telle opp antall enkeltutfall som fører til hendelsen, og dividere med det totale antall utfall i forsøket. Vi forutsetter da at vi har en uniform sannsynlighetsmodell, det vil si at alle utfallene er like sannsynlige.
Eksempel 1:
Når vi trekker et kort tilfeldig fra en komplett kortstokk, er sjansen for å få en spar en fjerdedel, fordi det blant 52 like sannsynlige enkeltutfall er 13 kort som er spar, og «gunstige på mulige» gir ${\large \frac{13}{52}} = {\large \frac{1}{4}}$.
I mange tilfeller lar det seg imidlertid i praksis ikke gjøre å telle opp antall enkeltutfall fordi de er så mange. Hvis vi for eksempel skal beregne sannsynligheten for å få utdelt tress i poker ved å inspisere alle mulige pokerhender, finnes det totalt 2 598 960 kombinasjoner å gå gjennom. Sjekket vi 1 kombinasjon i sekundet dag og natt, ville det ta om lag en måned å komme gjennom alle.
I stedet skal vi i denne modulen lære å bruke systematiske metoder som lar oss regne på kombinasjoner. For eksempel finne ut at det finnes 54 912 pokerhender med tress, så sannsynligheten for å få dette utdelt er
${\large \frac{54 \, 912}{2 \, 598 \, 960}}$, ca. 2 %.
Se filmen «Introduksjon til kombinatorikk»
Gjennom artikkelen refereres det til hvordan forskjellige beregninger kan utføres ved hjelp av funksjoner i GeoGebra og Excel. Eksempler i Excel finnes regnearket under, som har én fane for hver funksjon:
Åpne et regneark med eksempler på kombinatorikk-funksjoner
Permutasjoner
Spør vi oss hvor mange måter vi kan organisere tallene 1 og 2 på, er det lett å innse at svaret er to. Vi kan ha sekvensene 1-2 og 2-1. Men tar vi med tallet 3 også, blir det mer komplisert. Vi kan ha 1-2-3, 1-3-2, 2-1-3, 2-3-1, 3-1-2 og 3-2-1. Totalt seks sekvenser. Tar vi også med tallet 4, kan vi ha 24 sekvenser. Slike sekvenser kalles permutasjoner.
Antallet forskjellige permutasjoner er lett å beregne. La oss si at vi har tre elementer. Da kan tre elementer velges til å stå først, blant de gjenstående kan to velges til å stå som nummer to, og så er det bare ett element igjen som kan stå sist. Totalt 3 · 2 · 1 = 6 sekvenser. Med fire elementer får vi 4 · 3 · 2 · 1 = 24 sekvenser. Generelt, med n elementer, får vi n · (n – 1) · (n – 2) · … · 1 sekvenser.
Produktet n · (n – 1) · (n – 2) · … · 1 har et eget navn, fakultet, og betegnes med et utropstegn:
$\fbox{Fakultet: $n! = n \cdot (n – 1) \cdot (n – 2) \cdot \; \dots \; \cdot 1$}$
Her er n et positivt heltall. Det er også definert at
$\fbox{$0! = 1$}$
Vi skal senere se hvorfor dette er nyttig.
Eksempel 2:
Vi skal beregne 5! og får 5 · 4 · 3 · 2 · 1 = 120.
Eksempel 3:
Vi har en klasse med 20 elever, og skal beregne hvor mange forskjellige måter de kan sette seg ved pultene på. Første elev kan velge blant 20 pulter, andre blant 19, og så videre, så totalt blir det 20! ≈ 2,4 · 1018 muligheter. Et enormt tall. Hvis elevene byttet plass hvert 5. sekund døgnet rundt, ville det ta nesten 400 milliarder år å komme gjennom alle variantene.
Vi skjønner at n! blir et stort tall, selv for lave n. 59! ≈ 1,4 · 1080 er for eksempel et tall større enn antall atomer i det observerbare universet.
Det er sjelden vi beregner fakultetet for hånd. Litt avanserte kalkulatorer og dataprogrammer har egne funksjoner for dette. I Excel bruker vi funksjonen fakultet, for eksempel skriver vi =fakultet(10) for å beregne 10!. I GeoGebra skriver vi bare et tall med et utropstegn etter i inntastingsfeltet eller CAS. For eksempel 10!.
På grunn av de store tallene er det begrenset hvor høye fakulteter dataprogrammer kan beregne. Excel og GeoGebra stopper på 170!. En del kalkulatorer stopper på 69!, fordi høyere fakulteter er større enn 10100, og kalkulatorene bare kan vise eksponenter med maksimalt to sifre.
En skoleklasse på 30 elever stiller opp på rekke. Hvor mange måter kan rekka organiseres på? Bruk kalkulator eller dataprogram til beregningen.
Det finnes altså n! mulige sekvenser med n elementer, for eksempel 5! = 120. Men hva om vi ikke vil ha med alle elementene, og spør om hvor mange sekvenser vi kan lage av k av totalt n elementer? Det er ikke så vanskelig å resonnere seg fram til. Første element kan velges på n måter, andre element på n−1 måter, tredje element på n−2 måter, og så videre til vi har tatt med k elementer, altså n · (n−1) · (n−2) · … · (n−k+1).
Slike sekvenser kaller vi k-permutasjoner av n.
Eksempel 4:
Vi vil lage sekvenser med 4 elementer fra en mengde på 10. Her er n = 10 og k = 4. Så antall sekvenser blir
n · (n−1) · (n−2) · … · (n−k+1) = 10 · (10−1) · (10−2) · (10−3) = 10 · 9 · 8 · 7 = 5040.
Det finnes 5040 mulige sekvenser med 4 av 10 elementer på. Antall 4-permutasjoner av 10 er altså 5040.
Excel har en egen funksjon, permuter, til å beregne antall k-permutasjoner, der permuter(n; k) gir antall k-permutasjoner av n. Vi skriver for eksempel =permuter(10; 4) for å gjøre beregningen i eksempel 3. I GeoGebra skriver vi nPr(n, k) i inntastingsfeltet eller CAS. Vi skriver for eksempel nPr(10, 4) for å gjøre beregningen i eksempel 4.
Men har vi ikke Excel eller GeoGebra tilgjengelig, vil det være arbeidskrevende å utføre multiplikasjonene én for én. Vi skal derfor regne om uttrykket n · (n−1) · (n−2) · … · (n−k+1) ved hjelp av et lite regnetriks, og multipliserer med en brøk med (n − k)!, det vil si (n − k) · (n − k − 1) · (n − k − 2) · … · 1 i teller og nevner:
$n \cdot (n – 1) \cdot (n – 2) \cdot \; \dots \; \cdot (n – k + 1) =$
$n \cdot (n – 1) \cdot (n – 2) \cdot \; \dots \; \cdot (n – k + 1) \cdot \frac{\displaystyle (n – k) \cdot (n – k – 1) \cdot (n – k – 2) \cdot \; \dots \; \cdot 1}{\displaystyle (n – k) \cdot (n – k – 1) \cdot (n – k – 2) \cdot \; \dots \; \cdot 1} =$
$\frac{\displaystyle n \cdot (n – 1) \cdot (n – 2) \cdot \; \dots \; \cdot 1}{\displaystyle (n – k) \cdot (n – k – 1) \cdot (n – k – 2) \cdot \; \dots \; \cdot 1} =$
$\frac{\displaystyle n!}{\displaystyle (n – k)!}$
Her har vi kommet fram til en form som bare involverer fakulteter, og derfor enkelt kan beregnes på en kalkulator med fakultetsfunksjon.
Vi har altså:
$\fbox{Antall $k$-permutasjoner av $n$: $\frac{\displaystyle n!}{\displaystyle (n – k)!}$}$
Eksempel 5:
Vi skal finne antall 2-permutasjoner av 3, det vil si hvor mange sekvenser av to elementer vi kan lage av totalt tre. Vi bruker formelen over, og får ${\large \frac{3!}{(3 – 2)!}} = {\large \frac{6}{1}} = 6$.
Med så få elementer kan vi kontrollere dette ved å telle permutasjonene. La oss si at de 3 elementene heter a, b og c. Da kan vi lage sekvensene a–b, a–c, b–a, b–c, c–a og c–b. Totalt 6 stykker, slik vi kom fram til ved hjelp av formelen.
Beregn antall 4-permutasjoner av 10 ved å bruke formelen for antall k-permutasjoner av n. Gjør også utregningen i Excel og GeoGebra.
Eksempel 6:
Vi skal finne antall 5-permutasjoner av 5. Vi bruker formelen for antall k-permutasjoner av n, og får ${\large \frac{5!}{(5 – 5)!}} = {\large \frac{5!}{0!}} = {\large \frac{120}{1}} = 120$.
Her fikk vi 0! = 1 i nevneren. Hadde vi ikke hatt spesialdefinisjonen av 0!, ville vi ikke kunnet bruke formelen i dette tilfellet.
Men utregningen er tungvint, for en n-permutasjon av n betyr bare n!, så vi kunne nøyd oss med å regne ut 5! = 120.
Eksempel 7:
Vi skal finne antall 0-permutasjoner av n. Vi bruker formelen for antall k-permutasjoner av n, og får ${\large \frac{n!}{(n – 0)!}} = {\large \frac{n!}{n!}} = 1$.
Vi kan altså lage én sekvens med 0 elementer uavhengig av hvor mange elementer vi har til rådighet totalt.
Ordnede og uordnede utvalg
Så langt har vi studert kombinasjonsmuligheter når vi setter elementer sammen i en bestemt rekkefølge. For eksempel kan vi, når vi velger to av tallene 1, 2 og 3, danne kombinasjonene 1-2, 1-3, 2-1, 2-3, 3-1 og 3-2. Disse kombinasjonene kalles ordnede utvalg fordi rekkefølgen elementene står i er viktig. Men ser vi bort fra rekkefølgen, vil henholdsvis 1-2 og 2-1, 1-3 og 3-1, og 2-3 og 3-2 representere samme utvalg. Disse kalles uordnede utvalg fordi rekkefølgen elementene står er uten betydning. De mulige uordnede utvalgene består av kombinasjonene {1, 2}, {1, 3}, og {2, 3}.
Vi har tidligere introdusert en formel for å beregne antall k-permutasjoner av totalt n elementer. Dette er egentlig det samme som antall ordnede utvalg:
$\fbox{Antall ordnede utvalg med $k$ elementer av totalt $n$: $\frac{\displaystyle n!}{\displaystyle (n – k)!}$}$
Siden k elementer kan organiseres på k! måter, betyr det at vi finner antall uordnede utvalg ved å dividere dette antallet på k!:
$\fbox{Antall uordnede utvalg med $k$ elementer av totalt $n$: $\frac{\displaystyle n!}{\displaystyle k!(n – k)!}$}$
Eksempel 8:
I pengespillet Lotto dannes en vinnerrekke ved at det trekkes 7 av totalt 34 tall.
Antall måter en sekvens på 7 tall av totalt 34 kan trekkes på, er det samme som antall ordnede utvalg med 7 av 34 elementer:
${\large \frac{34!}{(34 – 7)!}} = 27 \, 113 \, 264 \, 460$.
Men når trekningen er foretatt, ordnes tallene i stigende rekkefølge, så rekkefølgen tallene trekkes i, har ingen betydning. For eksempel gir både 12-28-17-7-6-2-31 og 7-17-2-6-12-31-28 vinnerrekka 2-6-7-12-17-28-31.
For å finne antall mulige vinnerrekker, må vi altså dividere med antall måter 7 tall kan organiseres på, nemlig 7!, og beregne antall mulige uordnede utvalg:
${\large \frac{34!}{7!(34 – 7)!}} = 5 \, 379 \, 616$.
Det finnes altså ca. 5,38 millioner mulige vinnerrekker.
Det finnes en egen skrivemåte for å uttrykke «antall uordnede utvalg med k av totalt n elementer», ${\large \binom{n}{k}}$, som leses «n over k». Altså
$\fbox{${\large \binom{n}{k}} = \frac{\displaystyle n!}{\displaystyle k!(n – k)!}$}$
Vi kaller også gjerne dette «antall kombinasjoner med k av n elementer».
Excel har en egen funksjon, kombinasjon, til å beregne antall kombinasjoner, der kombinasjon(n, k) gir antall kombinasjoner med k av n elementer. Vi skriver for eksempel =kombinasjon(34; 7) for å gjøre beregningen i eksempel 8. Tilsvarende funksjon i GeoGebra heter nCr(n, k) Vi skriver for eksempel nCr(34, 7) i inntastingsfeltet eller CAS for å gjøre beregningen i eksempel 8.
Eksempel 9:
Vi skal regne ut hvor mange forskjellige pokerhender det finnes. En pokerhånd består av 5 av totalt 52 kort, så det vi må beregne er hvor mange kombinasjoner, altså antall uordnede utvalg, det finnes med 5 av 52 elementer. Vi får
${\large \binom{52}{5}} = {\large \frac{52!}{5!(52 – 5)!}} = 2 \, 598\, 960$, som er det samme tallet vi brukte da vi i introduksjonen regnet på sannsynlighet for å få tress utdelt i poker.
Vi kan kontrollere svaret i Excel ved å skrive =kombinasjon(52; 5) og i GeoGebra ved å skrive nCr(52, 5).
I en bedrift med 25 ansatte skal det velges 3 representanter til en delegasjon. Beregn hvor mange forskjellige delegasjoner som kan velges. Bruk formel, og kontroller svaret i Excel eller GeoGebra.
Delmengder
I artikkelen om begreper i sannsynlighet ble vi kjent med begrepet mengder, og så hvordan vi kunne illustrere mengder ved hjelp av Venn-diagrammer. Vi lærte også om delmengder, der en mengde er en del av en annen, noe vi i Venn-diagrammer illustrerer med en sirkel inni en annen sirkel.
Slike delmengder er egentlig kombinasjoner av elementer i mengden, slik vi nettopp har sett på. For eksempel er hver mulig vinnerrekke i Lotto en delmengde med 7 tall i en hovedmengde på totalt 34.
Nå skal vi finne ut hvor mange delmengder det går an å lage i en mengde. Diagrammene under viser en mengde med tre elementer, nemlig tallene 1, 2 og 3, og hvordan disse tallene kan organiseres i delmengder.
![]() |
![]() |
![]() |
![]() |
Vi ser at vi kan lage 3 delmengder med ett tall i hver, 3 med to tall i hver, og 1 med alle tallene. Totalt blir dette 3 + 3 + 1 = 7 delmengder. Tenker vi oss at mengden med 0 elementer, ∅, også er en delmengde, blir det totalt 8 mulige delmengder.
Det er lett å se for seg at en mengde med to elementer vil kunne inneholde 4 delmengder, nemlig 2 med ett element, 1 med to elementer og 1 med 0 elementer. En mengde med ett element vil kunne inneholde 2 delmengder, nemlig 1 med ett element og 1 med ingen elementer. En mengde med 0 elementer vil bare kunne inneholde 1 delmengde, nemlig mengden med 0 elementer.
I alle tilfeller blir antall delmengder lik 2n, der n er antall elementer. 20 = 1, 21 = 2, 22 = 4, 23 = 8. Grunnen til at det er slik, er at det for hvert element finnes to muligheter: Elementet kan være med i en delmengde eller ikke. Har vi en mengde med m delmengder og introduserer et nytt element, vil vi kunne lage m nye delmengder som inkluderer det nye elementet, og får doblet antall mulige delmengder.
$\fbox{En mengde med $n$ elementer kan inneholde $2^n$ delmengder}$
En mengde, A, inneholder elementene a, b og c: A = {a, b, c}. List opp de mulige delmengdene som kan lages. Stemmer dette antallet med det som er angitt i boksen over?
At en mengde, B, er en delmengde av A, skriver vi slik: $B \subseteq A$.
At en mengde, B, ikke er en delmengde av A, skriver vi slik: $B \nsubseteq A$.
Vi har sett at en delmengde kan bestå av alle elementene i en mengde, en mengde er altså en delmengde av seg selv. Men bare delmengder som ikke er lik mengden selv kalles ekte delmengder.
At en mengde, B, er en ekte delmengde av A, skriver vi slik: $B \subset A$.
At en mengde, B, ikke er en ekte delmengde av A, skriver vi slik: $B \not \subset A$.
Eksempel 10:
$\{2, 3 \} \subseteq \{2, 3, 4 \}$
$\{2, 3 \} \subset \{2, 3, 4 \}$
$\{2, 3, 4 \} \subseteq \{2, 3, 4 \}$
$\{2, 3, 4 \} \not\subset \{2, 3, 4 \}$
$\emptyset \subseteq \{2, 3, 4 \}$
$\emptyset \subset \{2, 3, 4 \}$
$\{1 \} \nsubseteq \{2, 3, 4 \}$
$\{2, 3, 4, 5 \} \nsubseteq \{2, 3, 4 \}$
Eksempel 11:
Vi skal sjekke hvor mange delmengder med henholdsvis 1, 2 og 3 elementer som kan lages i en mengde med totalt 3 elementer. Som nevnt er en delmengde det samme som et uordnet utvalg, så vi bruker formelen for antall uordnede utvalg:
0 elementer: ${\large \binom{3}{0}} = {\large \frac{3!}{0!(3 – 0)!}} = 1$.
1 element: ${\large \binom{3}{1}} = {\large \frac{3!}{1!(3 – 1)!}} = 3$.
2 elementer: ${\large \binom{3}{2}} = {\large \frac{3!}{2!(3 – 2)!}} = 3$.
3 elementer: ${\large \binom{3}{3}} = {\large \frac{3!}{3!(3 – 3)!}} = 1$.
Dette stemmer med det vi har funnet tidligere. Og totalt blir det 1 + 3 + 3 + 1 = 8, som er 23, som det skal være.
Utvalg fra blandede mengder
Så langt har vi sett på hvor mange kombinasjoner vi kan danne av enhetlige mengder, det vil si mengder som bare inneholder én type ting, for eksempel lottokuler eller personer. Inneholder mengdene forskjellige typer ting, blir det mer komplisert. Vi illustrerer med noen eksempler:
Eksempel 12:
Fra en idrettsgruppe som består av 11 gutter og 8 jenter skal det velges 4 representanter, og vi vil finne ut hvor mange måter representantene kan kombineres på når vi krever at det skal velges 2 jenter og 2 gutter.
Her er vi egentlig ute etter to delmengder, én der 2 gutter velges blant 11, og én der 2 jenter velges blant 8.
2 gutter kan velges blant 11 på ${\large \binom{11}{2}} = {\large \frac{11!}{2!(11 – 2)!}} = 55$ måter.
2 jenter kan velges blant 8 på ${\large \binom{8}{2}} = {\large \frac{8!}{2!(8 – 2)!}} = 28$ måter.
Alle disse variantene kan kombineres med hverandre, så 2 jenter og 2 gutter kan velges på 55 · 28 = 1540 måter.
Vi beregner altså antall elementer i hver av delmengdene og multipliserer dem etterpå.
Ta utgangspunkt i gruppa i eksempel 12, med 11 gutter og 8 jenter, og beregn hvor mange kombinasjoner det finnes med
- 3 gutter og 3 jenter
- 1 gutt og 3 jenter
- Ingen gutter og 4 jenter
Åpne et regneark der du kan regne ut antall mulige elevutvalg
Eksempel 13:
En bridgehånd består av 13 kort. Vi vil finne ut hvor mange bridgehender som inneholder nøyaktig åtte ruter.
Det er ikke så tydelig som i eksempel 12, men også her skal vi velge to delmengder fra to mengder. Den ene mengden består av alle kort som er ruter, totalt 13 stykker. Den andre mengden består av alle kort som ikke er ruter, totalt 52 − 13 = 39 stykker. Fra mengden med ruter skal vi så velge 8 kort. Siden en bridgehånd består av totalt 13 kort, blir det da 13 − 8 = 5 kort som skal velges blant kortene som ikke er ruter.
Totalt gir det ${\large \binom{13}{8}} \cdot {\large \binom{39}{5}} = 1287 \cdot 575 \, 757= 740 \, 999 \, 259$ mulige hender med nøyaktig åtte ruter.
Beregn hvor mange korthender med 5 kort det finnes som
- inneholder nøyaktig 2 spar
- bare inneholder spar
- inneholder spar konge
Kombinasjoner og sannsynligheter
Når vi har en uniform modell, det vil si at alle elementer i en mengde har samme sannsynlighet for å bli trukket ut, kan vi beregne sannsynligheten for en kombinasjon av elementer ved å bruke gunstige på mulige, der gunstige er antall elementer i kombinasjonen, og mulige er antall kombinasjoner totalt.
Eksempel 14:
Vi skal beregne sannsynligheten for å vinne hovedgevinsten i Lotto en gitt uke.
I eksempel 8 regnet vi ut at det finnes ${\large \frac{34!}{7!(34 – 7)!}} = 5 \, 379 \, 616$ mulige vinnerrekker i Lotto. En gitt uke trekkes 1 av disse ut, så gunstige på mulige gir at sannsynligheten blir
${\large \frac{1}{5 \, 379 \, 616}} \approx 1{,}859 \cdot 10^{-7}$.
Sannsynligheten for å vinne hovedgevinsten er om lag 0,0000186 %.
Eksempel 15:
Vi skal beregne sannsynligheten for å få en bridgehånd med nøyaktig åtte ruter, som i eksempel 13.
Vi beregnet i eksempel 13 at det finnes totalt 740 999 259 slike hender.
Totalt finnes det ${\large \binom{52}{13}} = 635 \, 013 \, 559 \, 600$ mulige bridgehender. Så sannsynligheten blir
${\large\frac{740 \, 999 \, 259}{ 635 \, 013 \, 559 \, 600}} \approx 1{,}167\cdot10^{-3}$.
Sannsynligheten for å få en hånd med nøyaktig 8 ruter er om lag 0,117 %.
Beregn sannsynlighetene for å få de korthendene som er nevnt i oppgave 6.
Trekning med og uten tilbakelegging
Når vi så langt har valgt elementer fra en mengde, har vi gjort det «uten tilbakelegging», det vil si at når ett element først er trukket ut, kan vi ikke trekke det på nytt. Men vi kan også trekke «med tilbakelegging», det vil si at vi tenker oss at vi legger det uttrukne elementet tilbake i den opprinnelige mengden, slik at vi kan trekke det en gang til.
Som vi så i avsnittet om permutasjoner, hadde vi, når vi trakk fra en mengde med n elementer, n valgmuligheter i første trekning, n−1 i neste, deretter n−2 og så videre. Vi hadde ikke tilbakelegging, så for hver trekning ble det ett element mindre å velge blant.
Trekker vi derimot flere ganger med tilbakelegging fra en mengde på n elementer, har vi jo hver gang n elementer å velge blant. Trekker vi 2 ganger, får vi derfor n2 mulige ordnede utvalg, trekker vi 3 ganger, får vi n3 mulige ordnede utvalg, og så videre.
$\fbox{Antall ordnede utvalg med $k$ elementer av totalt $n$ ved tilbakelegging: $n^k$}$
Når vi trekker uten tilbakelegging, kan vi jo ikke trekke flere elementer enn de vi har, så k ≤ n. Noen slik begrensning eksisterer ikke med tilbakelegging, vi kan trekke så mange ganger vi vil.
Eksempel 16:
Ei rekke på en tippekupong består 12 kamper, der vi for hver kamp har mulighetene ‘H’, ‘U’ og ‘B’, og vi skal finne ut hvor mange kombinasjonsmuligheter det finnes i ei slik rekke. Det vi spør etter da, er egentlig antall ordnede utvalg når vi trekker 12 ganger fra en mengde på 3 med tilbakelegging. Utvalget er ordnet fordi rekkefølgen på kampene er viktig, at kamp 1 er ‘H’ og kamp 2 er ‘B’ er for eksempel ikke det samme som at kamp 1 er ‘B’ og kamp 2 er ‘H’. Utvalget er med tilbakelegging fordi ‘H’, ‘U’ og ‘B’ er like tilgjengelige i hver kamp.
Antall mulige rekker blir derfor
312 = 531 441.
Sannsynligheten for å få 12 rette hvis vi setter opp ei rekke tilfeldig, er
${\large \frac{1}{531 \, 441}} \approx 1{,}882\cdot 10^{-6}$, om lag 0,00019 %.
Ikke mye, men 10 ganger mer enn sannsynligheten for å vinne hovedgevinsten i Lotto.
I motsetning til i Lotto kan vi imidlertid i Tipping forbedre sjansene ved å ikke velge tilfeldig. Statistikken viser at det i gjennomsnitt er flere hjemmeseiere, ‘H’, enn borteseiere, ‘B’, og flere borteseiere enn uavgjort, ‘U’. Den mest sannsynlige rekka, hvis vi ikke tar hensyn til hvilke lag som spiller, har derfor 12 hjemmeseiere. Så vil vi også kunne forbedre sjansene ved å ta hensyn til hvilke lag som spiller og satse på at de beste lagene vinner.
Dette er forskjellen på Lotto og Tipping. I Lotto har vi ingen mulighet til å forutse resultatet, alle mulige kombinasjoner er like sannsynlige. Slik er det ikke i Tipping, sannsynlighetene varierer med hvilke kamper som spilles. Å velge tilfeldig er derfor en fin strategi i Lotto, men ikke i Tipping.
En kodelås består av tre kodehjul, hvert med sifre fra 0 til 9. Hvor mange mulige koder kan stilles inn på låsen?
Uordnede utvalg med tilbakelegging
Vi har nå sett på kombinasjonsmuligheter i ordnede utvalg med og uten tilbakelegging, og i uordnede utvalg uten tilbakelegging. I den varianten vi ikke har sett på, uordnede utvalg med tilbakelegging er det imidlertid komplisert å beregne kombinasjonsmuligheter. Når det gjelder utvalg uten tilbakelegging, har vi sett at vi finner antall mulige uordnede utvalg ved å dividere antall ordnede utvalg på antall måter elementene i utvalget kan organiseres på. Velger vi for eksempel to av tallene 1, 2 og 3, kan vi danne 6 mulige ordnede utvalg. Siden to tall kan organiseres på to måter, blir det 6 : 2 = 3 mulige uordnede utvalg. Trekker vi med tilbakelegging, får vi imidlertid 32 = 9 mulige ordnede utvalg: 1-1, 1-2, 1-3, 2-1, 2-2, 2-3, 3-1, 3-2, 3-3. Og hvor mange måter elementene kan organiseres på, varierer med hva vi har trukket. To like elementer, som 1 og 1 kan bare organiseres på én måte, mens to ulike elementer, som 1 og 2 kan organiseres på to måter. Ved å telle, ser vi at det i dette eksempelet finnes 6 mulige uordnede utvalg, nemlig {1, 1}, {1, 2}, {1, 3}, {2, 2}, {2, 3}, og {3, 3}. De forskjellige utvalgene er heller ikke like sannsynlige, det er dobbelt så sannsynlig å få to ulike tall som å få to like.
Med økende antall valgmuligheter øker kompleksiteten.
Vekst av antall kombinasjoner
Lysets hastighet er enorm. En lysstråle som forlater jorden i dag, vil om ett år ha nådd om lag 9,5 billioner kilometer ut i rommet. Men om to år vil den bare ha nådd dobbelt så langt, om ti år ti ganger så langt, og om n år n ganger så langt. Selv om hastigheten er stor, øker avstanden lyset tilbakelegger bare proporsjonalt, altså lineært, med antall år.
Når vi studerer kombinasjoner, øker imidlertid antall kombinasjonsmuligheter eksponentielt med antall elementer tilgjengelig. Hvis vi doblet antall kamper i ei tipperekke fra 12 til 24, ville ikke antall kombinasjonsmuligheter bli doblet, men øke fra 312 til 324, det vil si fra litt over fem hundre tusen til nesten tre hundre milliarder.
Eksempel 17:
I sjakk finnes det 20 forskjellige måter hvit kan åpne på (16 flytt med bønder og 4 med springere), og 20 måter svart kan svare på. Det gir totalt 400 kombinasjonsmuligheter allerede i første trekk. Nøyaktig hvor mange måter en kan flytte på i senere trekk vil avhenge av hvilke trekk som tidligere er gjort, men antall kombinasjoner øker uansett eksponentielt med antall trekk. Selv det kraftigste sjakkprogram klarer derfor ikke å vurdere kombinasjonene av alle mulige trekk i et parti fra åpning til slutt.
Eksempel 18:
Det sies at en ape med en skrivemaskin før eller siden vil skrive Shakespeares samlede verker. Tanken bak dette er at det finnes et endelig antall skrifttegn, og derved et endelig antall kombinasjoner av skrifttegn. Problemet er bare at antall kombinasjonsmuligheter vokser eksponentielt med antall tegn.
La oss for enkelhets skyld si at skrivemaskinen har 30 tegn tilgjengelig, de 26 latinske bokstavene pluss 4 skilletegn. Så setter vi oss fore å skrive ned alle mulige tekster med et gitt antall tegn, og vi bruker 0,2 sekunder per tegn.
For en tekst med ett tegn vil det finnes 30 muligheter, som totalt tar 30 · 0,2 = 6 sekunder å skrive.
For en tekst med to tegn vil det finnes 30 · 30 = 900 muligheter, som totalt tar 900 · (0,2 + 0,2) = 360 sekunder å skrive, altså 6 minutter.
For en tekst med seks tegn vil det finnes 306 = 729 000 000 muligheter, som totalt tar 729 000 000 · (6 · 0,2) = 874 800 000 sekunder å skrive. Dette er om lag 27,7 år.
For en tekst med tolv tegn vil det finnes 3012 ≈ 5,3 · 1017 muligheter, som totalt tar 5,3 · 1017 · (12 · 0,2) ≈ 1,3 · 1018 sekunder å skrive. Dette er om lag 40 milliarder år, noe som er 8 ganger mer enn det som regnes som den gjenstående levetiden til solen.
Så vi skjønner at det vil ta sin tid før Shakespeares samlede verker blir ferdige med denne metoden.
Kilder
- Hinna, K.R.C., Rinvold, R.A., Gustavsen, TS. (2011). QED 5-10, bind 1. Høyskoleforlaget
- Ubøe, J. (2011). Statistikk for økonomifag. Gyldendal akademisk
- Hagen, Per C. (2000). Innføring i sannsynlighetsregning og statistikk. Cappelen akademisk
- Birkeland, P.A., Breiteig, B., Venheim, R. (2012). Matematikk for lærere 2. Universitetsforlaget