Python‐Matte - itnett/FTD02N GitHub Wiki
[python]
La oss begynne med å lage Python-kodeeksempler for hvert av de oppgitte emnene. Hvert eksempel vil være grundig kommentert, bruke standardverdier for demonstrasjon, generere grafiske utdata ved hjelp av Matplotlib, og inkludere utregninger som kan kopieres til GeoGebra.
1. Lineære ligninger
Vi starter med å løse en lineær ligning og plotte den.
2. Kvadratiske ligninger
La oss lage et eksempel for å løse en kvadratisk ligning og plotte den.
3. Trigonometri
La oss lage et eksempel for å plotte sinus- og cosinusfunksjonene.
4. Derivasjon
La oss lage et eksempel for å beregne den deriverte av en funksjon og plotte den.
5. Integrasjon
La oss lage et eksempel for å beregne det bestemte integralet av en funksjon og plotte den.
6. Statistikk
La oss lage et eksempel for å beregne og plotte en normalfordeling.
7. Sannsynlighet
La oss lage et eksempel for å beregne og plotte en binomisk sannsynlighetsfordeling.
Vennligst bekreft at disse eksemplene dekker dine behov, eller gi beskjed om eventuelle justeringer eller ytterligere emner du vil inkludere.
[python]
La oss lage Python-kodeeksempler for de matematiske og fysiske temaene som er oppført i emnebeskrivelsen. Hvert eksempel vil være godt kommentert, bruke standardverdier for demonstrasjon, generere grafiske utdata, og inkludere utregninger som kan kopieres til GeoGebra.
Algebra
Regneregler, Brøk og prosentregning, Potenser, Tall på standardform
Sammentrekning og faktorisering
Likninger og formelregning
Løse likninger av første og andre grad
Løse likningssett med to ukjente
Trigonometri og geometri
Areal, omkrets, volum og overflate
Pytagoras' setning og Trigonometri i rettvinklede trekanter
Vektorer i planet
Funksjoner
Rette linjer, Polynomfunksjoner, Eksponentialfunksjoner
Derivasjon av polynomfunksjoner
Regresjon ved hjelp av digitale hjelpemidler
Innledende emner i fysikk
Anvende SI-systemet og dekadiske prefikser
Begrepene masse, tyngde og massetetthet
Usikkerhet og korrekt bruk av gjeldende siffer
Kraft og rettlinjet bevegelse
Energi
Beregne arbeid, effekt og virkningsgrad
Beregne kinetisk og potensiell energi
Anvende energibevaring og Termodynamikkens første lov
Studieretningsspesifikke temaer
Briggske logaritmer
Kombinatorikk
Sannsynlighetsregning og statistikk
import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as stats
def plot_normal_distribution(mean=0, std_dev=1):
"""
Plot the normal distribution.
Parameters:
mean (float): Mean of the distribution.
std_dev (float): Standard deviation of the distribution.
"""
x_values = np.linspace(mean - 4*std_dev, mean + 4*std_dev, 400)
y_values = stats.norm.pdf(x_values, mean, std_dev)
plt.plot(x_values, y_values, label=f'N({mean}, {std_dev}^2)')
plt.axhline(0, color='black',linewidth=0.5)
plt.axvline(mean, color='red', linestyle='dashed', linewidth=1)
plt.title('Normal Distribution')
plt.xlabel('x')
plt.
[python]
La oss lage Python-kodeeksempler for de matematiske og fysiske temaene som er oppført i emnebeskrivelsen. Hvert eksempel vil være godt kommentert, bruke standardverdier for demonstrasjon, generere grafiske utdata, og inkludere utregninger som kan kopieres til GeoGebra.
### Algebra
#### Regneregler, Brøk og prosentregning, Potenser, Tall på standardform
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_7.py)
### Sammentrekning og faktorisering
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_8.py)
### Likninger og formelregning
#### Løse likninger av første og andre grad
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_9.py)
### Løse likningssett med to ukjente
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_10.py)
### Trigonometri og geometri
#### Areal, omkrets, volum og overflate
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_11.py)
#### Pytagoras' setning og Trigonometri i rettvinklede trekanter
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_12.py)
### Vektorer i planet
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_13.py)
### Funksjoner
#### Rette linjer, Polynomfunksjoner, Eksponentialfunksjoner
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_14.py)
#### Derivasjon av polynomfunksjoner
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_15.py)
#### Regresjon ved hjelp av digitale hjelpemidler
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_16.py)
### Innledende emner i fysikk
#### Anvende SI-systemet og dekadiske prefikser
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_17.py)
#### Begrepene masse, tyngde og massetetthet
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_18.py)
#### Usikkerhet og korrekt bruk av gjeldende siffer
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_19.py)
#### Kraft og rettlinjet bevegelse
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_20.py)
### Energi
#### Beregne arbeid, effekt og virkningsgrad
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_21.py)
#### Beregne kinetisk og potensiell energi
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_22.py)
#### Anvende energibevaring og Termodynamikkens første lov
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_23.py)
### Studieretningsspesifikke temaer
#### Briggske logaritmer
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_24.py)
#### Kombinatorikk
[Se skriptet her](https://github.com/itnett/FTD02N/blob/main/Python/Python‐Matte_25.py)
#### Sannsynlighetsregning og statistikk
```python
import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as stats
def plot_normal_distribution(mean=0, std_dev=1):
"""
Plot the normal distribution.
Parameters:
mean (float): Mean of the distribution.
std_dev (float): Standard deviation of the distribution.
"""
x_values = np.linspace(mean - 4*std_dev, mean + 4*std_dev, 400)
y_values = stats.norm.pdf(x_values, mean, std_dev)
plt.plot(x_values, y_values, label=f'N({mean}, {std_dev}^2)')
plt.axhline(0, color='black',linewidth=0.5)
plt.axvline(mean, color='red', linestyle='dashed', linewidth=1)
plt.title('Normal Distribution')
plt.xlabel('x')
plt.