Gy25 • b-spåret • Ny kurs

Matematik – specialisering BNivå 1 (Gy25)

Specialisering B är anpassad för b-program med fokus på tillämpning och modellering. Bygger på Matematik – fortsättning nivå 1 (b-spåret).

👉 Skapa prov i Matematik – specialisering B nivå 1

Kursinformation

Nivå: 1

Poäng: 100

Nivåkod: MASB1000X

Kursen ger eleven möjlighet att fördjupa sig inom ett eller flera matematiska användningsområden som är relevanta för b-programmens karaktär.

Centralt innehåll (Gy25)

Användningsområden för matematik

Undervisningen ska behandla ett eller flera användningsområden för matematik inom utbildningens karaktär:

•Statistiska metoder – avancerad statistisk analys och inferens
•Avancerad sannolikhetslära – fördjupad sannolikhetsteori
•Spelteori – strategiskt beslutsfattande och Nash-jämvikt
•Avancerade optimeringsproblem – optimering med bivillkor
•Komplexa indexmått – ekonomiska och sociala index
•Matematik som grund för AI – maskininlärning och algoritmer
•Avancerade riskkalkyler – riskbedömning och försäkringsmatematik
•Finans – finansmatematik och portföljteori
•Beräkningsmatematik – numeriska metoder

Breddning och fördjupning

Breddning eller fördjupning av matematiska begrepp, modeller, teorier, samband och metoder som är relevanta för ämnesområdet.

🧩 Problemlösning

•Problemlösning som omfattar begrepp och metoder relevanta för ämnesområdet, utan och med verktyg.
•Omfångsrika problemsituationer som är relevanta för ämnesområdet.
•Tillämpning och formulering av matematiska modeller som är relevanta för ämnesområdet.

Fokus i prov

Statistik & sannolikhet

Avancerade metoder

Spelteori & optimering

Strategiskt beslutsfattande

AI & finans

Tillämpad matematik

Nivåkod: MASB1000X • 100 poäng • Specialisering för b-program

Valbart fokusområde utifrån utbildningens karaktär – statistik, sannolikhet, spelteori, optimering, AI, finans eller beräkningsmatematik.

📘 Kapitelstruktur – Matematik specialisering B nivå 1 (Gy25)

9 kapitel som täcker centralt innehåll (MASB1000X)

Kapitel 1 – Matematik i tillämpade områden (valbart fokus)

Ett eller flera områden väljs utifrån utbildningens karaktär

🧠 C–A-avgörande

Statistik & avancerad sannolikhet
Riskkalkyler & finans
Optimeringsproblem
Spelteori
Matematik för artificiell intelligens
Beräkningsmatematik
Centrala begrepp inom valt område
Typiska problemtyper
Tolkning av resultat i kontext

Exempeluppgifter

Uppgift: Sannolikhet: $P(A|B) = \frac{P(A \cap B)}{P(B)}$ . Tolka betingad sannolikhet.

Svar: Sannolikheten för A givet att B inträffat – villkorad information.

Uppgift: Spelteori: Hitta Nash-jämvikt i matrisen $\begin{pmatrix} (3,3) & (0,5) \\ (5,0) & (1,1) \end{pmatrix}$

Svar: Nash: (1,1) – båda väljer strategi 2 (dominant).

Uppgift: AI: Förklara kostnadsfunction $J = \frac{1}{n}\sum(y_i - \hat{y}_i)^2$ .

Svar: MSE – genomsnittligt kvadratfel mellan prediktion och faktiskt värde.

Progression

E: använda givna begrepp

C: analysera samband

A: generalisera och värdera modeller

Kapitel 2 – Fördjupning av begrepp, modeller och teorier

Fokus: förståelse bakom metoderna

Fördjupade matematiska begrepp
Samband mellan modeller
Teorier relevanta för ämnesområdet
Begränsningar och antaganden
Matematiska strukturer och mönster

Exempeluppgifter

Uppgift: Förklara skillnaden mellan korrelation och kausalitet.

Svar: Korrelation = samvariation, kausalitet = orsakssamband. Korrelation bevisar inte orsak.

Uppgift: Vilka antaganden gör man vid linjär regression?

Svar: Linjärt samband, normalfördelade residualer, konstant varians, oberoende observationer.

Uppgift: Varför fungerar exponentiell modell dåligt på lång sikt för befolkning?

Svar: Resursbegränsningar, mättnad – verkligheten har tak som modellen missar.

Progression

E: beskriva begrepp

C: förklara samband

A: kritiskt granska antaganden

Kapitel 3 – Algebra och funktioner i tillämpning

Här testas procedur + förståelse

Avancerade algebraiska uttryck
Funktioner som verktyg
Parameterberoende modeller
Tolkning av funktioners beteende
Manipulation av formler: $y = f(x; a, b)$

Exempeluppgifter

Uppgift: Lös ut $r$ från $A = P(1+r)^t$ .

Svar: $r = \sqrt[t]{\frac{A}{P}} - 1$

Uppgift: Hur påverkas $y = a \cdot b^x$ om $b$ ökar från 1,05 till 1,10?

Svar: Snabbare tillväxt – funktionen stiger brantare för stora $x$ .

Uppgift: Funktionen $C(x) = 500 + 20x - 0{,}1x^2$ beskriver kostnad. Hitta max.

Svar: $C'(x) = 20 - 0{,}2x = 0 \Rightarrow x = 100$ . Max vid $x = 100$ .

Progression

E: tillämpa formler

C: tolka parametrar

A: analysera funktioners egenskaper

Kapitel 4 – Statistik, sannolikhet och risk

Vanligt val inom ekonomi, teknik och AI-spår

Statistiska metoder
Sannolikhetsmodeller
Riskbedömning: $R = P \cdot K$
Index och sammansatta mått
Tolkning och rimlighet

Exempeluppgifter

Uppgift: Beräkna förväntningsvärde: vinn 100 kr (30%), förlora 20 kr (70%).

Svar: $E(X) = 100 \cdot 0{,}3 + (-20) \cdot 0{,}7 = 30 - 14 = 16$ kr

Uppgift: Bayes sats: Test är 95% säkert, 2% har sjukdomen. $P(\text{sjuk}|\text{pos})$ ?

Svar: $P = \frac{0{,}95 \cdot 0{,}02}{0{,}95 \cdot 0{,}02 + 0{,}05 \cdot 0{,}98} \approx 28\%$

Uppgift: Konstruera ett prisindex för varor A, B med vikter 60% och 40%.

Svar: $I = 0{,}6 \cdot \frac{P_A^1}{P_A^0} + 0{,}4 \cdot \frac{P_B^1}{P_B^0}$ (viktat prisindex)

Progression

E: beräkna mått

C: tolka och jämföra

A: värdera rimlighet och osäkerhet

Kapitel 5 – Optimering och beslutsmodeller

C–A-separerande kapitel

🧠 C–A-avgörande

Formulering av optimeringsproblem
Val av variabler
Målfunktioner och begränsningar
Tolkning av optimala lösningar
Linjärprogrammering: max $Z = ax + by$

Exempeluppgifter

Uppgift: Max $Z = 4x + 3y$ då $x + y \leq 8$ , $2x + y \leq 12$ , $x,y \geq 0$ .

Svar: Hörnpunkter: (0,0), (6,0), (4,4), (0,8). Max vid (4,4): $Z = 28$ .

Uppgift: Företag: Produkt A ger 50 kr vinst, B ger 30 kr. Formulera målfunktion.

Svar: $Z = 50x_A + 30x_B$ (maximeras under bivillkor)

Uppgift: Varför ligger optimum i en hörnpunkt vid LP?

Svar: Linjär målfunktion + konvext område ger max/min i hörn.

Progression

E: lösa givna problem

C: formulera bivillkor

A: tolka och generalisera

Kapitel 6 – Problemlösning med och utan verktyg

Viktigt för betyg C och A

🧠 C–A-avgörande

Flerstegsproblem
Kombination av flera metoder
Lösning med och utan digitala verktyg
Jämförelse av strategier
Val av lämpligt angreppssätt

Exempeluppgifter

Uppgift: Lös $x^3 - 2x - 5 = 0$ numeriskt (Newton, $x_0 = 2$ ).

Svar: $x_1 = 2 - \frac{8-4-5}{12-2} = 2 - \frac{-1}{10} = 2{,}1$ . Fortsätt iterera.

Uppgift: Jämför grafisk och algebraisk lösning av ekvationssystem.

Svar: Grafisk: översikt, approximation. Algebraisk: exakt, men kräver mer beräkning.

Uppgift: När är kalkylblad bättre än handräkning?

Svar: Stora datamängder, simuleringar, iteration – verktyg effektiviserar.

Progression

E: lösa standardproblem

C: välja metod

A: motivera och jämföra strategier

Kapitel 7 – Matematiska modeller i realistiska situationer

Formulera modell från verklig situation
Val av modelltyp
Parameterbestämning
Prognoser och tolkning
Modellens egenskaper och begränsningar

Exempeluppgifter

Uppgift: Befolkning växer 1,5% per år från 10 miljoner. Modell?

Svar: $P(t) = 10 \cdot 1{,}015^t$ miljoner

Uppgift: Data: (0,100), (1,90), (2,81). Vilken modelltyp?

Svar: Kvot: $90/100 = 0{,}9$ , $81/90 = 0{,}9$ → Exponentiell: $y = 100 \cdot 0{,}9^t$

Uppgift: Modellen ger 50 miljarder år 2100. Är det rimligt?

Svar: Nej – resurser, klimat begränsar. Modellen extrapolerar utanför giltighet.

Progression

E: använda given modell

C: anpassa modell till data

A: värdera modellens begränsningar

Kapitel 8 – Omfångsrika problemsituationer

Avgörande för högre betyg

🧠 C–A-avgörande

Större sammanhängande problem
Kräver analys, modellering och slutsats
Ofta flera rimliga angreppssätt
Redovisning i text, tabell och graf
Integrering av flera matematikområden

Exempeluppgifter

Uppgift: Projekt: Analysera investeringsalternativ med risk och avkastning.

Svar: Kräver: datainsamling, statistik, riskberäkning, jämförelse, slutsats.

Uppgift: Problem: Optimera produktionsmix givet resurser och efterfrågan.

Svar: LP-formulering + lösning + tolkning + känslighetsanalys.

Uppgift: Vad kännetecknar ett omfångsrikt problem?

Svar: Flera steg, flera områden, val av metod, tolkning, kommunikation.

Progression

A-avgörande – kräver helhetsperspektiv

Kapitel 9 – Kommunikation och matematiskt resonemang

Fokus på hur matematiken förklaras

Matematiskt språk och notation
Motivera metodval
Föra resonemang steg för steg
Bedöma resultatens rimlighet
Strukturerad presentation

Exempeluppgifter

Uppgift: Förklara varför $\sqrt{2}$ är irrationellt.

Svar: Motsägelsebevis: anta $\sqrt{2} = p/q$ → båda jämna → motsägelse.

Uppgift: Motivera val av exponentiell vs linjär modell för data.

Svar: Exponentiell: konstant procentuell förändring. Linjär: konstant absolut förändring.

Uppgift: Hur kontrollerar du rimligheten i ett svar?

Svar: Enheter, storleksordning, gränsvärden, jämförelse med verkligheten.

Progression

E: följa givna resonemang

C: föra egna resonemang

A: väl underbyggda och tydliga resonemang

🧭 Full matchning mot centralt innehåll (MASB1000X)

9 kapitel som täcker hela kursens centrala innehåll

Koppling till centralt innehåll

Centralt innehåll	Kapitel
Användningsområden	Kap 1
Breddning / fördjupning	Kap 2–3
Problemlösning (med/utan verktyg)	Kap 6
Omfångsrika problem	Kap 8 🚨
Modellering	Kap 7

= Nyckelkapitel • 🚨 = A-avgörande

📌

Kap 1: Tillämpade områden

Valbart fokus – statistik, AI, spelteori m.m.

🧠

Kap 2–3: Fördjupning

Begrepp, teorier, algebra och funktioner

Kap 4: Statistik & risk

Sannolikhet, index, riskbedömning

🧩

Kap 5: Optimering

C–A-separerande kapitel

🔧

Kap 6: Problemlösning

Med och utan verktyg

Kap 7: Modellering

Verkliga situationer

🚨

Kap 8: Omfångsrika

Avgörande för högre betyg

✍️

Kap 9: Kommunikation

Resonemang och motivation

Jämförelse: Specialisering B vs C

Aspekt	B (tillämpad)	C (teoretisk)
Fokus	Tillämpningar & beslut	Teori & bevis
Områden	Statistik, finans, AI, spelteori	Differentialekvationer, logik, diskret
A-krav	Strategisk analys & modellval	Bevis & generalisering
Program	EK, SA, ES, HU	NA, TE