Samenvattingen · Wiskunde DNL · HAVO

Wiskunde in technologie (toepassingen in vervolgstudie en beroep)

Dit onderwerp uit domein D laat zien waar de wiskunde van dit vak in de praktijk voor dient: het modelleren van technische en beroepssituaties met formules en verbanden, het rekenen met meetkunde en vectoren in de techniek, en het gebruik van kansrekening en statistiek in kwaliteitscontrole. Je oefent de volledige modelleercyclus — van een echte situatie naar een wiskundig model, en van de uitkomst terug naar een onderbouwde beslissing — en ziet zo hoe Wiskunde D voorbereidt op een bèta- of technische vervolgopleiding en beroep.

4Onderdelenca. 23min leestijd4VaardighedenNiveauBasis 1 · Standaard 2 · Verdieping 1

T·121212 / 13

Examenprofiel

Een technische of beroepssituatie modelleren met een passend verband (lineair, exponentieel of machtsverband) en het model gebruiken om voorspellingen te doen.Meetkunde en vectoren toepassen in technische contexten, zoals het samenstellen van krachten en het rekenen met richtingen en afstanden.Kansrekening en statistiek inzetten voor kwaliteitscontrole, met de binomiale en normale verdeling als gereedschap.De modelleercyclus doorlopen: een situatie vertalen naar wiskunde, rekenen, en de uitkomst kritisch terugvertalen naar een beslissing met oog voor de geldigheid van het model.

Operatoren:modelleerberekeninterpreteerberedeneerbeoordeel

basisniveau

Zorg dat je een gegeven formule of verband kunt invullen en gebruiken om een technische grootheid uit te rekenen, en dat je de uitkomst in de context interpreteert.

verhoogd niveau

Stel zelf een model op bij een situatie, kies het passende verband, reken exact en beoordeel kritisch onder welke voorwaarden het model geldig is en welke beslissing eruit volgt.

Diepte

Schrift

Inhalt · 4 onderdelen

Wiskunde in technologie (toepassingen in vervolgstudie en beroep)

Wiskundig modelleren: van context naar formule#

Basisexamenblad-nl

Wiskundig modelleren is het vertalen van een situatie uit de werkelijkheid naar een wiskundige beschrijving waarmee je kunt rekenen en voorspellen. In de techniek en de bètawetenschappen gebeurt dat voortdurend: de temperatuur van een afkoelend werkstuk, de spanning over een oplaadende condensator, de doorbuiging van een balk onder belasting — stuk voor stuk verschijnselen die je met een formule vangt. Zo'n formule is een model: een vereenvoudigde weergave die de belangrijkste samenhang tussen grootheden vastlegt en de rest weglaat. Het model is nooit de werkelijkheid zelf, maar een bruikbare benadering. Juist die combinatie — precies genoeg om te rekenen, eenvoudig genoeg om te begrijpen — maakt modelleren tot de kern van elke technische studie en beroep, en tot de rode draad van domein D.

De eerste stap in het modelleren is het herkennen van het type verband tussen de grootheden. Bij een lineair verband verandert de ene grootheid met een vaste hoeveelheid per stap:

y = a x + b

, met

a

de constante toename (de helling) en

b

de startwaarde. Denk aan de kosten van een productie: een vast bedrag plus een prijs per stuk. Bij een exponentieel verband verandert de grootheid met een vaste factor per stap:

y = b \cdot g^{x}

, met groeifactor

g

. Zulke verbanden horen bij processen die zichzelf versterken of afzwakken — radioactief verval, bacteriegroei, het afkoelen van een voorwerp. Bij een machtsverband

y = a x^{n}

hangt de grootheid samen met een macht van een andere; zo groeit de inhoud van een lichaam met de derde macht van zijn lengte en de oppervlakte met de tweede. Het herkennen van het juiste type verband bepaalt de hele verdere aanpak.

Veel technische processen laten zich beschrijven met een begrensd, exponentieel model: een grootheid stijgt snel en loopt daarna steeds langzamer naar een eindwaarde toe. Het opladen van een condensator is het schoolvoorbeeld. De spanning

U

over de condensator groeit volgens

U(t) = U_{\max}\left(1 - e^{-t/\tau}\right)

, waarbij

U_{\max}

de eindspanning is en

\tau

(de tijdconstante) bepaalt hoe snel het proces verloopt. In Afb. 1 zie je deze kromme voor

U_{\max} = 5

V en

\tau = 1

s. Karakteristiek is dat de spanning na één tijdconstante (

t = \tau

) al

63\%

van de eindwaarde heeft bereikt:

U(\tau) = 5(1 - e^{-1}) \approx 3{,}16

V. De kromme nadert de eindspanning

U_{\max}

als horizontale asymptoot maar bereikt die (in het model) nooit helemaal — een verzadigingsgedrag dat je in talloze technische en natuurlijke processen terugvindt.

Opladen van een condensator (begrensde groei)

Afb. 1Afb. 1 — Het oplaadmodel U(t) = 5·(1 − e^(−t)). De spanning nadert de eindwaarde 5 V als horizontale asymptoot; na één tijdconstante (t = 1 s) is 63% bereikt.

Zodra je een model hebt, gebruik je het om vragen te beantwoorden: welke waarde hoort bij een gegeven invoer, en omgekeerd, bij welke invoer wordt een bepaalde waarde bereikt? De eerste soort vraag beantwoord je door invullen; de tweede door de vergelijking op te lossen, vaak met de logaritme bij een exponentieel model. Wil je bijvoorbeeld weten na hoeveel tijd de condensator

90\%

van de eindspanning heeft, dan los je

1 - e^{-t/\tau} = 0{,}90

op, dus

e^{-t/\tau} = 0{,}10

, en met de natuurlijke logaritme

t = -\tau \ln(0{,}10) = \tau \ln(10) \approx 2{,}30\,\tau

. De grafische rekenmachine is hierbij een onmisbaar hulpmiddel: je tekent het model, leest af, of laat de machine een vergelijking numeriek oplossen. Reken zo lang mogelijk exact en rond pas op het eind af op een in de context zinvolle nauwkeurigheid.

De kracht van een model zit niet alleen in het rekenen, maar ook in het beoordelen ervan. Een model geldt altijd binnen bepaalde grenzen: het lineaire kostenmodel klopt niet meer als er kwantumkortingen komen, en het oplaadmodel gaat ervan uit dat de weerstand en capaciteit constant zijn. Een goede modelleur controleert daarom of de uitkomsten realistisch zijn, of de aannames kloppen, en tot waar het model betrouwbaar voorspelt — extrapoleren ver buiten het gemeten bereik is riskant. Dit kritische terugvertalen naar de werkelijkheid — de laatste stap van de modelleercyclus — onderscheidt echt begrip van blind rekenen, en is precies de vaardigheid waarop een technische of bètastudie voortbouwt. In de volgende paragrafen zie je hoe dezelfde modelleerhouding werkt met meetkunde en vectoren, en met kansrekening en statistiek.

U(t) = U_{\max}\left(1 - e^{-t/\tau}\right)

begrensd (verzadigend) exponentieel model

De grootheid stijgt naar de eindwaarde $U_{\max}$ ; na één tijdconstante $\tau$ is $63\%$ bereikt en $U_{\max}$ is een horizontale asymptoot.

y = ax + b \quad\text{(lineair)}, \qquad y = b\cdot g^{x} \quad\text{(exponentieel)}

twee basisverbanden voor modelleren

Lineair: vaste toename $a$ per stap. Exponentieel: vaste factor $g$ per stap.

Uitgewerkt voorbeeld

Rekenen met een oplaadmodel

Een condensator laadt op volgens $U(t) = 5\left(1 - e^{-t}\right)$ (in volt, $t$ in seconden). Bereken $U(1)$ en bepaal na hoeveel seconden de spanning $4$ V bereikt.

Stap 1 — Bereken U(1) door invullen
Vul $t = 1$ in het model in en werk $e^{-1} \approx 0{,}368$ uit.
$U(1) = 5\left(1 - e^{-1}\right) = 5(1 - 0{,}368) \approx 3{,}16 \text{ V}$
Stap 2 — Stel de vergelijking op voor U = 4
Zet $U(t) = 4$ en isoleer de e-macht.
$5\left(1 - e^{-t}\right) = 4 \;\Rightarrow\; 1 - e^{-t} = 0{,}8 \;\Rightarrow\; e^{-t} = 0{,}2$
Stap 3 — Los t op met de natuurlijke logaritme
Neem de logaritme van beide kanten; $-t = \ln(0{,}2)$ , dus $t = -\ln(0{,}2) = \ln 5$ .
$t = \ln 5 \approx 1{,}61 \text{ s}$

Resultaat: Na $1$ seconde is de spanning $U(1) \approx 3{,}16$ V (dat is $63\%$ van de eindwaarde), en de spanning bereikt $4$ V na $t = \ln 5 \approx 1{,}61$ s. De omgekeerde vraag los je op met de natuurlijke logaritme; de eindspanning $5$ V wordt volgens het model nooit precies bereikt (asymptoot).

Veelgemaakte fouten

Een exponentieel proces als lineair modelleren (of andersom): let op of de grootheid met een vaste hoeveelheid (lineair) of met een vaste factor (exponentieel) per stap verandert.
Bij het oplossen van een exponentiële vergelijking de logaritme vergeten en zo de tijd of exponent niet vrij kunnen maken.
Het model buiten zijn geldige bereik gebruiken (te ver extrapoleren) zonder te controleren of de aannames daar nog kloppen.

Actieve herhaling

Een condensator laadt op volgens $U(t) = 12\left(1 - e^{-t/2}\right)$ (in volt, $t$ in seconden). Bereken $U(2)$ en bepaal na hoeveel seconden de spanning $9$ V bereikt.

Actief ophalen

Haal de kernpunten op — onthul ze daarna.

Bronnen: Examenprogramma wiskunde D (HAVO) (CvTE / Examenblad)

Meetkunde en vectoren in de techniek#

Standardexamenblad-nl

In de techniek zijn richting en grootte vaak even belangrijk als een enkel getal, en dan is de vector het natuurlijke gereedschap. Een kracht heeft een grootte (in newton) én een richting; een snelheid, een verplaatsing en een elektrisch veld net zo. Zulke grootheden heten vectorgrootheden, en je rekent ermee met precies de vectorbewerkingen uit het onderwerp coördinaten en vectoren: optellen via kop-staart, ontbinden in componenten, de lengte met de wortelformule en de hoek met het inproduct. De ruimtemeetkunde van Wiskunde D is dus geen losstaande theorie, maar het rekenapparaat achter de statica, de mechanica en de elektrotechniek. Wie in een technische opleiding krachten samenstelt of een constructie doorrekent, gebruikt exact deze vectorrekening.

Het samenstellen van krachten is de belangrijkste toepassing. Werken op een punt twee krachten

\vec{F_1}

\vec{F_2}

, dan is hun gezamenlijke effect de resultante

\vec{F} = \vec{F_1} + \vec{F_2}

, die je vindt met de kop-staartmethode of, gelijkwaardig, met de parallellogramconstructie: de resultante is de diagonaal van het parallellogram dat de twee krachten opspannen. In Afb. 2 zie je twee loodrechte krachten van

4

N en

3

N; hun resultante loopt langs de diagonaal en heeft grootte

\sqrt{4^2 + 3^2} = 5

N. Staan de krachten loodrecht, dan gebruik je Pythagoras; staan ze onder een andere hoek, dan tel je de vectoren per component op. De richting van de resultante bepaal je met de goniometrie of het inproduct — precies de technieken die je bij de vectoren hebt geleerd.

Resultante van twee loodrechte krachten

Afb. 2Afb. 2 — Twee loodrechte krachten van 4 N (F1) en 3 N (F2) samengesteld tot de resultante Fres langs de diagonaal. De grootte is √(4²+3²) = 5 N; de richting volgt uit de goniometrie.

Omgekeerd kun je één kracht ontbinden in componenten langs gekozen richtingen, en dat is in de techniek net zo nuttig. Een gewicht op een hellend vlak ontbind je in een component langs de helling (die het voorwerp laat glijden) en een component loodrecht op de helling (die het voorwerp tegen de helling drukt). Zo'n ontbinding is niets anders dan de kracht schrijven als som van twee vectoren langs vaste assen, en de grootte van elke component reken je met de goniometrische verhoudingen of met het inproduct: de component van

\vec{F}

langs een richting

\vec{e}

\vec{F}\cdot\vec{e}

als

\vec{e}

een eenheidsvector is. Ontbinden en samenstellen zijn elkaars omgekeerde, en samen vormen ze de basis van elke krachtenanalyse in een constructie of machine.

Naast krachten gebruikt de techniek coördinaten en vectoren om vorm en positie vast te leggen. In een CAD-programma (computer-aided design) is elk hoekpunt van een ontwerp een coördinaat, elke ribbe een vector, en elke verplaatsing of rotatie een bewerking op die vectoren. Bij robotica en 3D-printen bepaalt een reeks vectoren de baan die een kop of gereedschap aflegt. De afstandsformule geeft de lengte van een verbinding, het inproduct de hoek tussen twee ribben, en de parametervoorstelling de baan van een bewegend punt. Zo wordt de meetkunde van Wiskunde D letterlijk de taal waarin technische ontwerpen worden opgesteld en doorgerekend — van een brugconstructie tot de baan van een freesmachine.

Bij het toepassen van vectoren in de techniek blijft de rekenhouding dezelfde als in de zuivere wiskunde: reken exact, controleer je resultaat en let op eenheden en richting. Een resultante van

5

N is pas volledig beschreven als je ook de richting geeft; een component heeft een teken dat aangeeft welke kant hij op wijst. Een handige controle is de ordegrootte: de resultante van twee krachten is nooit groter dan hun som en nooit kleiner dan hun verschil, dus

|\vec{F_1}| - |\vec{F_2}| \le |\vec{F}| \le |\vec{F_1}| + |\vec{F_2}|

. Wie deze grenzen in gedachten houdt, merkt meteen wanneer een uitkomst niet kan kloppen. Zo verbindt deze paragraaf de abstracte vectorrekening met concrete technische vragen, en laat ze zien waarom ruimtelijk en vectorieel redeneren onmisbaar is in de bèta- en techniekopleidingen.

\vec{F} = \vec{F_1} + \vec{F_2}, \qquad |\vec{F}| = \sqrt{F_1^2 + F_2^2} \ \ (\vec{F_1} \perp \vec{F_2})

resultante van twee (loodrechte) krachten

De resultante is de vectorsom; staan de krachten loodrecht, dan volgt de grootte uit Pythagoras.

|\vec{F_1}| - |\vec{F_2}| \le |\vec{F}| \le |\vec{F_1}| + |\vec{F_2}|

grenzen aan de resultante (controle)

De grootte van de resultante ligt altijd tussen het verschil en de som van de twee groottes.

Uitgewerkt voorbeeld

Twee loodrechte krachten samenstellen

Op een punt werken een horizontale kracht $\vec{F_1}$ van $4$ N en een verticale kracht $\vec{F_2}$ van $3$ N. Bereken de grootte van de resultante en de hoek die zij met de horizontale maakt.

Stap 1 — Bereken de grootte met Pythagoras
De krachten staan loodrecht, dus de resultante is de schuine zijde van een rechthoekige driehoek met rechthoekszijden $4$ en $3$ .
$|\vec{F}| = \sqrt{4^2 + 3^2} = \sqrt{25} = 5 \text{ N}$
Stap 2 — Bepaal de richting met de tangens
De hoek $\alpha$ met de horizontale kracht volgt uit de verhouding van de verticale tot de horizontale component.
$\tan\alpha = \frac{3}{4} \;\Rightarrow\; \alpha = \arctan\!\left(\tfrac{3}{4}\right) \approx 36{,}9^\circ$
Stap 3 — Controleer met de grenzen
De resultante moet tussen het verschil ( $4 - 3 = 1$ ) en de som ( $4 + 3 = 7$ ) liggen.
$1 \le 5 \le 7 \ \checkmark$

Resultaat: De resultante is $5$ N onder een hoek van ongeveer $36{,}9^\circ$ met de horizontale kracht. Merk op dat je de groottes niet zomaar mag optellen ( $4 + 3 = 7$ zou fout zijn): bij loodrechte krachten geldt Pythagoras. De controle $1 \le 5 \le 7$ bevestigt dat de uitkomst binnen de mogelijke grenzen valt.

Veelgemaakte fouten

De groottes van twee krachten zomaar optellen ( $4 + 3 = 7$ ) in plaats van de vectoren samen te stellen; bij loodrechte krachten is de resultante $\sqrt{4^2+3^2} = 5$ .
Bij een resultante alleen de grootte geven en de richting vergeten; een vectorgrootheid is pas volledig met grootte én richting.
Componenten en resultante door elkaar halen: ontbinden splitst één kracht in delen, samenstellen voegt krachten samen tot één.

Actieve herhaling

Op een punt werken een horizontale kracht van $6$ N en een verticale kracht van $8$ N. Bereken de grootte van de resultante en de hoek die de resultante met de horizontale kracht maakt.

Actief ophalen

Haal de kernpunten op — onthul ze daarna.

Bronnen: Examenprogramma wiskunde D (HAVO) (CvTE / Examenblad)

Kansrekening en statistiek in kwaliteitscontrole#

Standardexamenblad-nl

In de industrie wordt niet elk product gecontroleerd — dat zou te duur en vaak onmogelijk zijn — maar wordt een steekproef genomen en met kansrekening beoordeeld. Deze steekproefkeuring (acceptance sampling) is een kerntoepassing van de statistiek in de techniek. Je trekt bijvoorbeeld een aantal producten uit een grote partij, telt hoeveel er defect zijn, en beslist op grond daarvan of je de hele partij accepteert of afkeurt. Omdat elk product met een vaste kans defect is, onafhankelijk van de andere, is het aantal defecten in de steekproef binomiaal verdeeld — precies de verdeling uit het onderwerp kansverdelingen. Zo wordt de abstracte binomiale verdeling het gereedschap waarmee een kwaliteitsafdeling dagelijkse beslissingen onderbouwt.

Bekijk een productieproces waarbij gemiddeld

10\%

van de producten defect is, en waaruit je een steekproef van

n = 10

trekt. Het aantal defecten

X

is dan binomiaal verdeeld met

n = 10

p = 0{,}1

. De kans op precies

k

defecten geeft de binomiale kansformule

P(X = k) = \binom{n}{k} p^{k} (1-p)^{n-k}

. In Afb. 3 zie je deze verdeling: de kans is het grootst bij

k = 1

defect (ruim

38\%

), gevolgd door

k = 0

(bijna

35\%

), waarna de kansen snel dalen. De verwachtingswaarde is

\mu = np = 10 \cdot 0{,}1 = 1

: gemiddeld verwacht je één defect per tien producten. Deze staafgrafiek maakt in één oogopslag zichtbaar wat je bij zo'n proces mag verwachten, en vormt de basis voor de keuringsregel.

Binomiale verdeling van het aantal defecten

Afb. 3Afb. 3 — De binomiale verdeling van het aantal defecten bij n = 10 en p = 0,1. De kans is het grootst bij k = 1 (de verwachtingswaarde np = 1); de kansen op veel defecten zijn klein.

Een keuringsregel formuleer je als een kansuitspraak. Spreek je bijvoorbeeld af de partij te accepteren als er hooguit één defect in de steekproef zit, dan is de kans op acceptatie

P(X \le 1) = P(X=0) + P(X=1)

. Met de grafische rekenmachine bereken je dat met de cumulatieve binomiale kans (binomcdf):

P(X \le 1) \approx 0{,}349 + 0{,}387 = 0{,}736

, dus ongeveer

74\%

. De kans dat je de partij ten onrechte afkeurt terwijl het proces normaal loopt, is dan

1 - 0{,}736 = 0{,}264

, ongeveer

26\%

. Door de keuringsgrens te verschuiven — bijvoorbeeld accepteren bij hooguit twee defecten — verander je die kansen bewust: een soepeler regel keurt minder goede partijen af, maar laat ook meer slechte partijen door. Kwaliteitscontrole is dus altijd een afweging tussen twee soorten fouten.

Bij grote steekproeven of continue metingen — zoals de lengte, massa of diameter van een product — gebruik je de normale verdeling in plaats van de binomiale. Een productiemachine levert bijvoorbeeld assen met een gemiddelde diameter

\mu

en een standaardafwijking

\sigma

; door de natuurlijke spreiding wijkt elke as een beetje af. Een as is goed als hij binnen de tolerantiegrenzen valt, bijvoorbeeld

\mu \pm 2\sigma

. Met de vuistregels van de normale verdeling weet je dan meteen dat ongeveer

95\%

van de assen binnen die grenzen valt en dus goed is, en dat ongeveer

5\%

erbuiten valt en wordt afgekeurd. Zo koppelt de normale verdeling de spreiding van het proces rechtstreeks aan het te verwachten afkeurpercentage — onmisbare informatie om een productieproces te beoordelen en bij te sturen.

De statistiek geeft de kwaliteitscontrole niet alleen rekenregels, maar ook een manier van denken: je aanvaardt dat er altijd toevallige variatie is, en je gebruikt kansen om verstandige beslissingen te nemen ondanks die onzekerheid. Een enkele defecte as betekent nog niet dat de machine stuk is; pas als het aantal defecten structureel afwijkt van wat de verdeling voorspelt, is er reden tot ingrijpen. Dit is precies de gedachte achter een regelkaart (controlekaart), waarop je de meetwaarden in de tijd uitzet met grenzen op bijvoorbeeld

\mu \pm 3\sigma

: overschrijdt een punt die grens, dan is dat een signaal dat het proces ontregeld is. Kwaliteitscontrole laat zo zien hoe kansrekening en statistiek — de binomiale verdeling, de normale verdeling en de vuistregels uit domein B — in een technische en economische omgeving directe, praktische waarde krijgen.

P(X = k) = \binom{n}{k} p^{k} (1-p)^{n-k}

binomiale kans op k defecten

De kans op precies $k$ defecten in een steekproef van $n$ , met defectkans $p$ per product.

\mu = np, \qquad \sigma = \sqrt{np(1-p)}

verwachting en spreiding van de binomiale verdeling

Het gemiddelde aantal defecten is $np$ ; de standaardafwijking $\sqrt{np(1-p)}$ meet de spreiding rond dat gemiddelde.

Uitgewerkt voorbeeld

Een partij accepteren of afkeuren

Een proces levert gemiddeld $10\%$ defecte producten. Uit een partij trek je een steekproef van $n = 10$ en je accepteert de partij als er hooguit $1$ defect is. Bereken de kans op acceptatie en de verwachtingswaarde van het aantal defecten.

Stap 1 — Kans op 0 defecten
Gebruik de binomiale kansformule met $k = 0$ ; alle tien producten moeten goed zijn.
$P(X = 0) = \binom{10}{0}(0{,}1)^0 (0{,}9)^{10} = 0{,}9^{10} \approx 0{,}349$
Stap 2 — Kans op 1 defect
Nu is $k = 1$ : één van de tien producten is defect, de andere negen goed.
$P(X = 1) = \binom{10}{1}(0{,}1)^1 (0{,}9)^{9} = 10 \cdot 0{,}1 \cdot 0{,}9^{9} \approx 0{,}387$
Stap 3 — Acceptatiekans en verwachtingswaarde
Tel de kansen op hooguit één defect op, en bereken de verwachtingswaarde $\mu = np$ .
$P(X \le 1) \approx 0{,}349 + 0{,}387 = 0{,}736, \qquad \mu = 10 \cdot 0{,}1 = 1$

Resultaat: De partij wordt met kans $P(X \le 1) \approx 0{,}736$ (ongeveer $74\%$ ) geaccepteerd, en gemiddeld verwacht je $\mu = 1$ defect per tien producten. De kans op onterecht afkeuren is $1 - 0{,}736 \approx 0{,}264$ . Door de keuringsgrens te verschuiven stuur je die kansen bewust bij — de kern van steekproefkeuring.

Veelgemaakte fouten

De verwachtingswaarde $\mu = np$ verwarren met een kans, of vergeten dat bij $n = 10$ , $p = 0{,}1$ gemiddeld $1$ defect hoort.
$P(X \le 1)$ verwarren met $P(X = 1)$ : bij hooguit één defect tel je $P(X=0)$ en $P(X=1)$ op.
Bij continue metingen (lengte, massa) de binomiale verdeling gebruiken waar de normale verdeling hoort, of de tolerantiegrenzen en de vuistregels door elkaar halen.

Actieve herhaling

Een proces levert $5\%$ defecte producten. Uit een partij wordt een steekproef van $n = 20$ getrokken. Bereken de kans op precies $2$ defecten en de kans op hooguit $2$ defecten, en geef de verwachtingswaarde van het aantal defecten.

Actief ophalen

Haal de kernpunten op — onthul ze daarna.

Bronnen: Examenprogramma wiskunde D (HAVO) (CvTE / Examenblad)

Van model naar beslissing: Wiskunde D in vervolgstudie en beroep#

Vertiefungexamenblad-nl

De vorige paragrafen lieten losse toepassingen zien; deze brengt ze samen in de volledige modelleercyclus, de manier van werken die alle technische en bètaberoepen delen. Die cyclus verloopt in stappen: je begint met een situatie of probleem uit de praktijk, je vertaalt die naar een wiskundig model (een formule, een meetkundige figuur, een kansverdeling), je rekent binnen het model, je vertaalt de uitkomst terug naar de werkelijkheid, en je beoordeelt of het antwoord klopt en bruikbaar is. Vaak doorloop je de cyclus meer dan eens: klopt het model niet goed met de waarnemingen, dan pas je het aan en reken je opnieuw. Deze cyclus — vertalen, rekenen, terugvertalen, bijstellen — is precies wat Wiskunde D wil oefenen en wat vervolgopleidingen verwachten.

Modelleren draait uiteindelijk om beslissingen. Een ingenieur die twee productieprocessen vergelijkt, een data-analist die een trend beoordeelt, een bioloog die een populatie voorspelt: allemaal gebruiken ze een model om een keuze te onderbouwen. Neem een eenvoudig maar veelvoorkomend geval: twee opties met vaste startkosten en variabele kosten per eenheid, elk beschreven door een lineair model

K = a x + b

. Het snijpunt van de twee lijnen — waar de kosten gelijk zijn — heet het break-evenpunt en bepaalt welke optie bij welke hoeveelheid voordeliger is. Zo'n vergelijking van modellen zet je om in een concrete aanbeveling: onder de break-evenhoeveelheid het ene proces, erboven het andere. Het rekenwerk is elementair, maar de waarde zit in de vertaling naar een beslissing.

Bij het beoordelen van een model let je op zijn geldigheid en zijn grenzen. Elk model rust op aannames: het lineaire kostenmodel veronderstelt een vaste prijs per eenheid, het exponentiële groeimodel een constante groeifactor, de binomiale verdeling onafhankelijke trekkingen met een vaste kans. Zodra die aannames niet meer kloppen, verliest het model zijn zeggingskracht. Een goede beroepsbeoefenaar controleert daarom of de aannames redelijk zijn, of de uitkomsten binnen realistische grenzen vallen, en hoe gevoelig de conclusie is voor de gekozen getallen. Deze kritische houding — een model gebruiken én zijn beperkingen kennen — onderscheidt een verantwoorde analyse van een blind rekensom, en is een van de belangrijkste vaardigheden die Wiskunde D meegeeft.

De wiskunde van dit vak leidt naar een breed veld van vervolgstudies en beroepen. De ruimtemeetkunde en de vectoren komen terug in werktuigbouwkunde, bouwkunde, lucht- en ruimtevaart en computergraphics, waar constructies, bewegingen en 3D-modellen worden doorgerekend. De kansrekening en statistiek vormen het fundament van data science, econometrie, biomedische wetenschappen en kwaliteitsmanagement, waar je uit gegevens conclusies trekt onder onzekerheid. En het modelleren zelf is de kern van de technische natuurkunde, de wiskunde en elke ingenieursopleiding. Afb. 4 brengt deze samenhang in beeld: de drie grote pijlers van Wiskunde D — kans en statistiek, ruimtemeetkunde en vectoren, en modelleren — voeden elk verschillende richtingen in studie en beroep.

Van Wiskunde D naar vervolgstudie en beroep

Afb. 4Afb. 4 — De drie pijlers van Wiskunde D (kans & statistiek, ruimtemeetkunde & vectoren, modelleren) voeden verschillende richtingen in vervolgstudie en beroep.

Wiskunde D is daarmee geen eindstation maar een startpunt. Het vak breidt de wiskunde B-basis uit met precies die onderwerpen — kansrekening, statistiek, ruimtemeetkunde en modelleren — die in een bèta-, technische of data-gerichte vervolgopleiding meteen van pas komen. Belangrijker dan elke afzonderlijke formule is de manier van denken die je ermee oefent: een probleem ontleden, het passende wiskundige gereedschap kiezen, zorgvuldig rekenen, en de uitkomst kritisch terugvertalen naar de werkelijkheid. Wie die modelleerhouding beheerst, kan zich in een vervolgstudie snel nieuwe technieken eigen maken, want het raamwerk staat. Zo sluit dit onderwerp domein D af en tegelijk het hele vak: Wiskunde D laat zien waar de wiskunde van de HAVO naartoe leidt en waarvoor ze dient.

\text{context} \to \text{model} \to \text{rekenen} \to \text{terugvertalen} \to \text{beslissing}

de modelleercyclus

Een situatie wordt vertaald naar wiskunde, doorgerekend, teruggevertaald en beoordeeld; zo nodig herhaal je de cyclus.

K_1 = K_2 \;\Rightarrow\; a_1 x + b_1 = a_2 x + b_2

break-evenpunt van twee lineaire modellen

Het break-evenpunt is de hoeveelheid $x$ waarbij de twee modellen gelijke waarde geven; los de vergelijking op naar $x$ .

Uitgewerkt voorbeeld

Een break-evenpunt bepalen en adviseren

Twee productieprocessen hebben kostenmodellen $K_1 = 200 + 5x$ en $K_2 = 50 + 8x$ (in euro, met $x$ het aantal producten). Bepaal het break-evenpunt en adviseer welk proces wanneer het voordeligst is.

Stap 1 — Stel de modellen gelijk
Bij het break-evenpunt zijn de kosten gelijk; stel $K_1 = K_2$ .
$200 + 5x = 50 + 8x$
Stap 2 — Los x op
Breng de $x$ -termen naar één kant en de getallen naar de andere.
$200 - 50 = 8x - 5x \;\Rightarrow\; 150 = 3x \;\Rightarrow\; x = 50$
Stap 3 — Vertaal terug naar een advies
Vergelijk de hellingen: proces 2 heeft lagere startkosten maar hogere kosten per stuk. Onder $x = 50$ is proces 2 goedkoper, erboven proces 1.
$x < 50:\ K_2 < K_1 \qquad x > 50:\ K_1 < K_2$

Resultaat: Het break-evenpunt ligt bij $x = 50$ producten (beide processen kosten dan € 450). Bij kleine aantallen (minder dan $50$ ) is proces $2$ voordeliger vanwege de lagere startkosten; bij grote aantallen (meer dan $50$ ) wint proces $1$ door de lagere kosten per stuk. De berekening is eenvoudig; de waarde zit in het advies dat je eruit afleidt.

Veelgemaakte fouten

De uitkomst van een berekening presenteren zonder terugvertaling naar de context; het antwoord op een modelleervraag is een onderbouwde beslissing, niet enkel een getal.
Een model buiten zijn geldige bereik toepassen of de aannames niet controleren.
Bij een break-evenvraag het snijpunt wel berekenen maar niet interpreteren welke optie onder en boven dat punt voordeliger is.

Actieve herhaling

Twee productieprocessen hebben kostenmodellen $K_1 = 200 + 5x$ en $K_2 = 50 + 8x$ (in euro, $x$ het aantal producten). Bepaal het break-evenpunt en adviseer welk proces bij welke aantallen het voordeligst is.

Actief ophalen

Haal de kernpunten op — onthul ze daarna.

Bronnen: Examenprogramma wiskunde D (HAVO) (CvTE / Examenblad)

Referenties en bronnen

Bronnen

CvTE / Examenblad

Examenprogramma wiskunde D (HAVO)

Wiskunde in technologie (toepassingen in vervolgstudie en beroep)

Kernpunten

Rekenen met een oplaadmodel

Kernpunten

Twee loodrechte krachten samenstellen

Kernpunten

Een partij accepteren of afkeuren

Kernpunten

Een break-evenpunt bepalen en adviseren

Bronnen