Steekproeven en schatters
|
|
- Philomena Thys
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Statistiek voor Iformatiekude, 25 Les 2 Steekproeve e schatters We zulle i deze les bekijke, hoe we gegeves va ee populatie zo als het gemiddelde e de spreidig kue schatte, zoder aar elk idividu va de populatie te kijke. Het idee hierbij is, allee maar ee deel va de populatie te pakke (dit oeme we ee steekproef), dit als represetatief te beschouwe e de gegeves hierop te bepale. Ee belagrijke vraag is da hoe dicht de schattig bij de ware waarde zou ligge e wat voor ee afwijkig we moete verwachte. Voor dat we os hiermee gaa bemoie moete we ee aatal feite over de ormale verdelig verzamele (herhale), omdat deze verdelig de basis voor de aalyse va steekproeve vormt. 2.1 De ormale verdelig De belagrijkste verdelig i de statistiek is de ormale verdelig. Deze wordt volledig bepaald door de verwachtigswaarde µ e de variatie 2 (of de stadaardafwijkig ) e heeft de dichtheidsfuctie f µ, (x) := 1 2π e 1 2 ( x µ )2 = 1 2π e (x µ) Ee stochast X die ee kasverdelig met deze dichtheidsfuctie heeft, heet ormaal verdeeld e wordt vaak met X N (µ, 2 ) geoteerd. De verdeligsfuctie voor ee ormaal verdeelde stochast ka iet zoder itegraal geschreve worde, er geldt F (x) := P (X x) = x f µ, (t) dt. Voor ee ormaal verdeelde stochast X met verwachtigswaarde µ e variatie 2 heeft de geormaliseerde stochast Z := X µ de verwachtigswaarde e variatie 1 e me oemt de stochast Z ee stadaard-ormaal verdeelde stochast. De stadaard-ormale verdelig heeft de eevoudigere dichtheidsfuctie f(x) := f,1 (x) := 1 e 1 2 x2. 2π De parameters µ e va ee ormale verdelig kue aa de grafiek va de dichtheidsfuctie f(x) afgeleze worde zo als i Figuur 1 te zie. De verwachtigswaarde µ is gewoo het put waar f(x) zij maximum heeft e omdat de ormale verdelig symmetrisch is, is dit ook de mediaa e de modus va de kasverdelig. De stadaardafwijkig vide we op basis va het feit dat de pute x = µ e x = µ + juist de pute zij waar de grafiek va krommig veradert. Op de pute waar e grafiek va krommig veradert is de stijgig va de grafiek maximaal of miimaal e heeft de afgeleide va de fuctie dus ee maximum of miimum (e dus de tweede afgeleide ee ulput). Omdat de verdeligsfuctie F (x) va de ormale verdelig iet makkelijk te berekee is, worde de waarde vaak i tabelle aagegeve. Hierbij is het 21
2 Statistiek voor Iformatiekude, 25.2 y x 8 1 Figuur 1: Normale verdelig met µ = 3 e = 2 e raaklij aa de grafiek i x = µ +. voldoede, de waarde voor de stadaard-ormale verdelig aa te geve, voor ee willekeurige ormale verdelig worde de waarde op de z-waarde va de stadaard-ormale verdelig geormaliseerd. Voor z = x µ e Z = X µ geldt immers: x µ 1 P (X x) = P (Z z) = e 1 2 t dt. 2π De tabelle voor de stadaard-ormale verdelig worde op twee maiere aagelegd: (i) De waarde P (Z z) voor waarde va z i regelmatige afstade, bijvoorbeeld afstade va.5 tusse z = 3 e z = 3. (ii) Kritieke waarde va z zo dat P (Z z) = p voor zekere kase p, bijvoorbeeld kase i afstade va.1 tusse e 1. Voorbeeld: Voor ee ormaal verdeelde stochast X met verwachtigswaarde 3 e stadaardafwijkig 2 wille we de kas P (1 X 4) wete, dat ee waarde tusse x 1 = 1 e x 2 = 4 ligt. De geormaliseerde z- waarde zij z 1 = x = 1 e z 2 = x =.5. De gezochte kas is dus P (Z.5) P (Z 1) voor de stadaard-ormaal verdeelde stochast Z. Voor deze twee kase vide we i ee tabel de waarde P (Z.5).6915 e P (Z 1) De gezochte kas is dus = Als we omgekeerd wille wete voor welke waarde va x de kas P (X x) =.8 is, vide we i ee tabel dat dit voor de z-waarde.8416 het geval is, dus voor x = z + µ = = De redee voor de cetrale stellig va de ormale verdelig i de statistiek zij veelvoudig, de volgede opmerkige geve hier ee idee va: 22
3 Statistiek voor Iformatiekude, 25 (1) Voor zekere parameters worde adere kasverdelige zo als de biomiale verdelig of de Poisso-verdelig door de ormale verdelig goed beadert. (2) De combiatie va ee groot aatal resultate met bija willekeurige kasverdelige wordt goed beaderd door ee ormale verdelig. (3) De frequetieverdelige va de uitkomste va veel experimete worde goed beaderd door ee ormale verdelig, bijvoorbeeld merkmale va populaties (grootte, gewicht), herhaald mete va gegeves, resultate va ee grote groep mese bij ee test, ez. Dit is te dele ee cosequetie uit het put (2), wat vaak is ee grootheid bepaald door ee aatal eigszis oafhakelijke factore e de combiatie daarva geeft ee ormale verdelig. Normale beaderig va adere kasverdelige Stel ee toevalsexperimet levert met kas p ee succes op, da heeft de stochast X die het aatal successe i pogige telt ee biomiale verdelig e er geldt ( ) P (X = k) = b(, p; k) = p k (1 p) k. k Ee biomiaal verdeelde stochast X heeft de verwachtigswaarde E[X] = p e de variatie V ar(x) = p(1 p). We trasformere X met behulp va E[X] e V ar(x) op ee stochast Z die verwachtigswaarde e variatie (of stadaardafwijkig) 1 heeft door Z := X p p(1 p) te defiiëre. Als we late groeie, maakt de stellig va De Moivre e Laplace ee belagrijke uitspraak over de stochast Z: X p Stellig: De limiet lim is ee stadaard-ormaal verdeelde p(1 p) stochast. Omgekeerd beteket dit, dat voor iet te kleie waarde va de biomiale verdelig met parameters e p door de ormale verdelig met parameters µ = p e 2 = p(1 p) beaderd ka worde. We oeme dit de ormale beaderig va de biomiale verdelig. De beaderig is beter als p i de buurt va 1 2 ligt e slechter als p dicht bij of 1 ligt. Als vuistregel wordt vaak gehateerd, dat de ormale beaderig va de biomiale verdelig toegestaa is als p 5 e (1 p) 5 (soms wordt ook p 1 e (1 p) 1 geëist). We wete dat we voor ee stochast X va zeldzame gebeurteisse (dus met kleie p) de biomiale verdelig door de Poisso-verdelig met parameter λ = p kue beadere. Voor de kase bij de Poisso-verdelig geldt P (X = k) = po λ (k) = λk k! e λ 23
4 Statistiek voor Iformatiekude, k k Figuur 11: Normale beaderig va de biomiale verdelig met parameters = 25 e p =.2 (liks) e va de Poisso-verdelig met parameter λ = 5 (rechts). e de stochast X heeft verwachtigswaarde E[X] = λ e variatie V ar(x) = λ. Nadat we de biomiale verdelig behadeld hebbe, is het u gee verrassig, dat ook de Poisso-verdelig door de ormale verdelig beaderd ka worde, als de parameter λ iet te klei is. Me oemt de ormale verdelig met µ = λ e 2 = λ de ormale beaderig va de Poisso-verdelig met parameter λ. Aaloog met de biomiale verdelig wordt ook hier meestal λ 5 als vuistregel gehateerd. Dat de beaderige voor de aagegeve greze iderdaad redelijk goed zij, kue we aa de voorbeelde i Figuur 11 zie. Merk op dat de biomiale verdelig e de Poisso-verdelig scheef aar rechts zij. Daarom ligt de modus va de twee i Figuur 11 aagegeve verdelige liks va 5 (bij 4.69 voor de biomiale verdelig e bij 4.49 voor de Poisso-verdelig) e is de ormale verdelig dus telkes de verdelig met het maximum meer rechts. Cetrale limietstellig Dat de combiatie va mi of meer willekeurige kasverdelige door ee ormale verdelig beadert wordt, is ruwweg de uitspraak va ee va de meest belagrijke (e misschie ook meest verbazede) stellige i de kasrekeig e statistiek, de Cetrale limietstellig. Deze luidt als volgt: Stellig: Als X 1, X 2,... oafhakelijke stochaste zij met verwachtigswaarde E[X i ] e variatie V ar(x i ), da is de limiet lim (X i E[X i ]) V ar(x i) oder zwakke verdere voorwaarde aa de X i ee stadaard-ormaal verdeelde stochast. I het bijzoder wordt aa de voorwaarde voldaa als alle X i 24
5 Statistiek voor Iformatiekude, 25 dezelfde stadaardafwijkig hebbe, i dit geval covergeert ( ) 1 X i E[X i ] tege de stadaard-ormale verdelig. Uit deze stellig kue we omgekeerd cocludere dat de ormale verdelig met verwachtigswaarde µ = E[X i] e variatie 2 = V ar(x i) ee beaderig geeft voor de kasverdelig va de stochast X := X i. Hoe goed deze beaderig is, hagt va de verdelige va de ekele stochaste X i e atuurlijk va af x x x 2 3 Figuur 12: Beaderig va de som va uiforme verdelig door ee ormale verdelig voor = 2, = 4 e = 8. Als voorbeeld kijke we aar de combiatie va stochaste X i met uiforme verdelige op het iterval [ 1 2, 1 2 ]. Omdat de verdelige symmetrisch rod ligge, is E[X i ] = e voor de variatie geldt V ar(x i ) = De som X X wordt dus beaderd door de ormale verdelig met µ = e 2 = 12. I Figuur 12 is de beaderig voor = 2, = 4 e = 8 te zie. Het is duidelijk, dat al voor = 4 de ormale verdelig ee heel goede beaderig geeft. 2.2 Steekproeve We hebbe gezie hoe we uit ee verzamelig gegeves uitsprake kue afleide over typische waarde, spreidig, scheefheid, ez. va de gegeves. Hierbij hebbe we altijd gebruik gemaakt va de keis va alle gegeves. I de praktijk is dit vaak odoelijk of oweselijk, omdat we uitsprake wille make over ee verzamelig gegeves waarva we iet ieder idividu te pakke krijge. I zo geval eme we ee deel va de gegeves - ee steekproef - e probere uit de resultate op de steekproef coclusies over de volledige verzamelig gegeves te trekke. Voorbeelde va deze situatie zij: Verkiezige: Om de percetages va de verschillede opties (verschillede partije, ja/ee bij ee referedum) bij ee toekomstige verkiezig te schatte, wordt i ee equête ee steekproef va typisch 1 of 2 mese odervraagd. 25
6 Statistiek voor Iformatiekude, 25 Kwaliteitstoetse: Om de percetage defecte stukke i ee productie te schatte, eme we ee steekproef e teste de gekoze stukke. Het relatieve aatal defecte stukke i de steekproef eme we als gok voor de percetage i de volledige productie. Gemiddelde waarde: Om de gemiddelde itelligetiequotiët of bodymass-idex i de bevolkig te schatte, bepale we deze voor ee geselecteerde groep mese. Het idee achter het eme va ee steekproef zit i de veroderstellig, dat de steekproef represetatief voor de volledige verzamelig is. De maier hoe ee steekproef wordt geome, heeft atuurlijk ee grote ivloed erop of dit iderdaad klopt. Het is bijvoorbeeld beked dat zekere groepe i de bevolkig duidelijk verschilled resultate bij verkiezige oplevere, afhakelijk va ikom, leeftijd of burgerlijke staat. Me moet daarom ervoor zorge, dat deze factore i de steekproef met de juiste relatieve frequeties gerepreseteerd zij. Ee voorbeeld va ee slechte steekproef is, bij ee equête gewoo de eerste 1 mese te vrage die je tegekomt. Dit zou bija ooit represetatief zij, omdat je op zekere plekke vooral mese met gemeeschappelijke eigeschappe tegekomt, op het statio bijvoorbeeld mese die aar hu werkplek reize e op de campus va de uiversiteit studete. Ook als je i de telefoogids willekeurig ummers kiest, is dit meestal iet represetatief, omdat je mese zoder telefoo buite beschouwig laat e afhakelijk va de tijd verschillede bewoers va ee woig bereikt. Het juiste kieze va ee steekproef is ee moeilijke taak waarmee zich ee belagrijk speciaal gebied va de statistiek bezig houdt. We zulle os echter i dit college iet verder met de vraag va het juiste opzette va steekproeve bemoeie, we gaa er va u af va uit dat we het altijd goed hebbe gedaa e het met ee aselecte steekproef te make hebbe. Hiermee bedoele we dat de steekproef aa de volgede twee eise voldoet: (1) De steekproef is obevooroordeeld (ubiased): Elk idividu heeft dezelfde kas om gekoze te worde. (2) De steekproef is oafhakelijk: De keuze va éé idividu voor de steekproef heeft gee ivloed op de kase va de adere idividue om i de steekproef te kome. 2.3 Het gemiddelde va ee steekproef Vaak berekee we het gemiddelde va ee steekproef e gebruike dit als schattig voor het gemiddelde (of de verwachtigswaarde) va de volledige populatie. Als we bijvoorbeeld bij ee kwaliteitstoets de kas op ee foutief stuk i ee productieproces wille bepale, eme we hiervoor als schattig de relatieve frequetie va foutieve stukke i ee (aselecte) steekproef. De vraag is u, hoe goed de schattig vauit de steekproef voor de echte kas is, dus hoe sterk het gemiddelde va de steekproef va het gemiddelde va de populatie afwijkt. 26
7 Statistiek voor Iformatiekude, 25 Het cruciale idee, om bij deze vraag verder te kome, is dat we os voorstelle, het eme va de steekproef vaak te herhale e de uitslage va de ekele steekproeve als toevalsexperimet, dus als stochast te beschouwe. Stel we hebbe ee steekproef x 1,..., x. Da kue we ieder elemet x i i de steekproef als resultaat va ee stochast X i beschouwe e als we veroderstelle dat de elemete i de steekproef op grod va hetzelfde proces geproduceerd worde, hebbe de stochaste X i alle dezelfde kasverdelig. Merk op dat we bij deze aapak iets over het oderliggede proces veroderstelle, bijvoorbeeld dat bij de productie va de gecotroleerde stukke iderdaad elk stuk met kas p defect is e dat dit bij de verschillede stukke oafhakelijk gebeurt. Als we u aar alle mogelijke steekproeve x 1,..., x wille kijke, kue we dit met behulp va de stochaste X 1,..., X beschrijve, wat X i geeft juist de kas aa waarmee het resultaat x i voorkomt. Op deze maier krijge we bijvoorbeeld voor het steekproefgemiddelde x = 1 (x x ) de stochast X = 1 (X X ) die de verdelig va de steekproefgemiddelde over alle mogelijke steekproeve aageeft. Merk op: Het is i de literatuur gebruikelijk, ee cocrete steekproef met kleie letters (zo als x 1, x 2, y) aa te geve, terwijl hoofdletters (zo als X 1, X 2, Y ) de stochaste voor de verdelig over alle steekproeve aageve. Voorbeeld: Zij X de stochast va ee Beroulli-experimet met parameter p, d.w.z. er geldt P (X = 1) = p e P (X = ) = 1 p. De verwachtigswaarde E[X] is da E[X] = p 1 + (1 p) = p e de variatie V ar(x) = p (1 p) 2 + (1 p) p 2 = p(1 p). Als we ee steekproef va grootte eme, herhale we het Beroulliexperimet keer oafhakelijk e hebbe hierbij stochaste X 1,..., X met dezelfde verdelig als X. Voor de stochast X := 1 (X X ) die de relatieve frequetie va 1e bij pogige aageeft, hebbe we E[X] = 1 (p p) = 1 p = p dus is de verwachtigswaarde va de steekproefgemiddelde iderdaad de juiste parameter p. Als we dus meerdere steekproeve eme, kue we erva uitgaa dat de ware waarde va p ogeveer het gemiddelde va de steekproefgemiddelde is. Maar atuurlijk zulle we iet meerdere steekproeve apart eme, da zoude we ook metee ee grotere steekproef kue eme. Iteressater is de vraag hoe ver het steekproefgemiddelde va de juiste waarde va p afwijkt. Maar hierover maakt juist de variatie V ar(x) va de stochast X ee uitspraak, we kue verwachte dat het steekproefgemiddelde meestal bie éé stadaardafwijkig V ar(x) va p ligt. De variatie va X berekee we als V ar(x) = 1 2 (p(1 p) p(1 p)) = 1 2 p(1 p) = 1 p(1 p). Dit beteket dat het steekproefgemiddelde ee stadaardafwijkig va 27 p(1 p)
8 Statistiek voor Iformatiekude, 25 heeft. I het bijzoder eemt de ozekerheid va de schattig met de wortel uit de grootte va de steekproef af. Omdat we steeds va ee aselecte steekproef uitgaa, is voor het keer herhale va ee Beroulli-experimet de Cetrale limietstellig va toepassig e we krijge voor iet te kleie als verdelig voor de waarde va X (bij beaderig) ee ormale verdelig. Dit beteket dat het steekproefgemiddelde met ee kas va ogeveer 68% i het iterval [ p p(1 p), p + p(1 p) ] ligt. Merk op dat we i het voorbeeld ee alteratieve verdelig met parameter p verodersteld hebbe, e hiermee iets over de verdelig va X kode zegge. Dit is de situatie va ee hypothese die we over de oderliggede kasverdelig hebbe e die we met de realisaties x = 1 x i va X op cocrete steekproeve kue toetse. Het probleem va het toetse va hypothese zulle we later i dit college behadele. Het resultaat va het voorbeeld met het Beroulli-experimet geldt iderdaad algemee voor het bepale va het gemiddelde va gegeves. Stel we wille het gemiddelde va ee zekere grootheid bepale, da zie we elke metig als het resultaat va ee kasexperimet met ee stochast X die ee zekere kasverdelig heeft. We veroderstelle dus ee stochast X met verwachtigswaarde E[X] e stadaardafwijkig = X = V ar(x). Bij ee steekproef va metige beschouwe we het steekproefgemiddelde x = 1 (x x ) als uitkomst voor de ieuwe stochast X = 1 (X X ), waarbij de stochaste X i dezelfde kasverdelig als de veroderstelde stochast X hebbe. Voor de stochast X va het steekproefgemiddelde geldt u: e E[X] = 1 (E[X 1] E[X ]) = 1 E[X] = E[X] V ar(x) = 1 2 (V ar(x 1) V ar(x )) = 1 2 V ar(x) = 1 2 X dus geldt voor de variatie 2 X e de stadaardafwijkig X va X: 2 X = 1 2 X e X = 1 X. De verdelig va het steekproefgemiddelde heeft dus dezelfde verwachtigswaarde als de oderliggede kasverdelig e de stadaardafwijkig eemt met de wortel uit de grootte va de steekproef af. Merk op dat we bij het berekee va de variatie va X weer gebruik erva hebbe gemaakt dat de X i oafhakelijk zij, dus dat we het met ee aselecte steekproef te make hebbe. Strikt geome geldt 2 = 1 X 2 X voor de variatie va X allee maar als we ee steekproef uit ee oeidige populatie eme of als we de steekproef door trekke met teruglegge verkrijge. Dit is bijvoorbeeld bij herhaalde metige va ee waarde va toepassig, wat i pricipe kue we oeidig lag doorgaa met de metige e de populatie is dus oeidig. 28
9 Statistiek voor Iformatiekude, 25 Als ee steekproef va grootte uit ee eidige populatie met N elemete door trekke zoder teruglegge geome wordt, geldt voor de variatie va het steekproefgemiddelde 2 X = 1 2 X ( N N 1 Maar deze correctie kue we i de praktijk bij altijd verwaarloze, omdat N veel groter is da (aders zoude we gee steekproef eme, maar de hele populatie bekijke) e dus N N 1 heel dicht bij 1 ligt. ). Het probleem is u, dat we over de kwaliteit va oze schattig voor het gemiddelde E[X] allee iets kue zegge als we de stadaardafwijkig X va X kee. 2.4 De stadaardafwijkig va ee steekproef Net zo als we het steekproefgemiddelde als het rekekudig gemiddelde x = 1 (x x ) va de waarde i ee steekproef hebbe gedefiieerd, kue we ook ee steekproefvariatie e ee steekproefstadaardafwijkig defiiëre. De voor de had liggede gedachte zou zij, de steekproefvariatie door 1 ((x 1 x) (x x) 2 ) te defiiëre. Maar met het steekproefgemiddelde is al ee afhakelijkheid tusse de x i gegeve, als we amelijk x 1,..., x 1 e x kee, ligt x vast. Me zegt daarom, dat we slechts og 1 vrijheidsgrade hebbe, omdat we met x ee afhakelijkheid tusse de x i igevoerd hebbe. I plaats va de som va de kwadratische afstade door te dele, dele we door het aatal 1 va oafhakelijke waarde i de steekproef e krijge s 2 := 1 1 (x i x) 2 e s := 1 1 (x i x) 2 voor de steekproefvariatie e de steekproefstadaardafwijkig. Er is ook ee mider heuristische verklarig voor het gebruike va 1 i plaats va i de oemer. Dit hagt same met de theorie va schatters die we straks gaa bediscussiëre. Het cruciale put is, dat we graag wille dat de verwachtigswaarde va de steekproefvariatie de ware variatie 2 va de oderliggede verdelig geeft, et zo als de verwachtigswaarde voor het steekproefgemiddelde de ware verwachtigswaarde E[X] geeft. Om dit te aalysere, defiiëre we weer ee stochast X met de oderliggede kasverdelig e eme aa dat alle mogelijke steekproeve door oafhakelijke stochaste X 1,..., X met dezelfde kasverdelig als X beschreve worde. De verwachtigswaarde e variatie va X otere we met µ := E[X] e 2 := V ar(x). We wete dat 2 = E[X 2 ] E[X] 2, dus is E[X 2 ] = 2 + µ 2. De stochast X voor het steekproefgemiddelde is weer gedefiieerd door X = 1 X i = 1 (X X ). Er geldt (X i X) 2 = (X i 1 ( j X j )) 2 = X 2 i 2 X i( j 29 X j ) X j X k. j,k
10 Statistiek voor Iformatiekude, 25 Als we dit over alle idices i optelle krijge we (X i X) 2 = Xi 2 2 X i X j X j X k i i i,j j,k = Xi 2 1 X j X k = Xi 2 1 ( i i i j,k X i ) 2. Er geldt E[X 2 i ] = 2 + µ 2, E[ i X i] = µ e V ar( i X i) = 2. Hieruit volgt E[( i X i) 2 ] = V ar( i X i) + E[ i X i] 2 = µ 2 e hiermee krijge we E[ i (X i X) 2 ] = E[ i X 2 i ] 1 E[( i X i ) 2 ] = ( 2 + µ 2 ) 1 (2 + 2 µ 2 ) = 2 + µ 2 2 µ 2 = ( 1) 2. We moete dus de steekproefvariatie als s 2 := 1 1 ( i (x i x) 2 ) defiiëre, om als verwachtigswaarde va de steekproefvariatie over alle steekproeve de variatie 2 te krijge. De stochast die de verdelig va de steekproefvariaties beschrijft oeme we S 2 e defiiëre deze door S 2 := 1 1 ( i (X i X) 2 ). 2.5 Studet t-verdelig e χ 2 -verdelig Bij ee stochast X krijge we de verdelig va de z-waarde door Z := X µ e aaloog krijge we bij ee steekproef va waarde de z-waarde va het steekproefgemiddelde als z := x µ s = x µ s waarbij we de obekede stadaardafwijkig door de steekproefstadaardafwijkig s vervage. Om de verdelig va de z-waarde va het steekproefgemiddelde te beschrijve, iterpretere we de elemete x i va ee steekproef weer als realisaties va stochaste X i, da wordt de verdelig va de z-waarde beschreve door de stochast T := X µ = X µ 1 met X := S S X i e S := 1 1 (X i X) 2. Voor ee ormaal verdeelde stochast X heet de kasverdelig va T de Studet t-verdelig met 1 vrijheidsgrade. De Studet t-verdelig is platter da de stadaard-ormale verdelig maar komt voor groeiede steeds dichter bij de stadaard-ormale verdelig. De oorzaak hiervoor is de ozekerheid over de variatie die de steekproefgemiddelde sterker om de ware waarde va het gemiddelde verspreid. 3
11 Statistiek voor Iformatiekude, 25 De rare aam va deze verdelig gaat terug op William Sealey Gosset ( ), die 198 ee artikel hierover gepubliceerd heeft. Omdat hij als medewerker va de Guiess brouwerij iet oder zij eige aam mocht publicere, koos hij het pseudoiem Studet voor zij weteschappelijke artikele. Ee beschrijvig va hem zegt: To may i the statistical world Studet was regarded as a statistical advisor to Guiess s brewery, to others he appeared to be a brewer devotig his spare time to statistics. De dichtheidsfuctie va de Studet t-verdelig met vrijheidsgrade is f (x) := C (1 + x2 +1 ) 2 waarbij de ormaliserigscostate C gegeve is door C := +1 Γ( 2 ) 1 Γ( 2 ). π De hierbij optredede Gamma-fuctie Γ(t) is gedefiieerd door Γ(t) = x t 1 e x dt. Ook dit is (et als de verdeligsfuctie va de ormale verdelig) ee fuctie die iet zoder itegraal te schrijve is. Uit de eigeschappe Γ(t + 1) = tγ(t) e Γ(1) = 1 volgt dat Γ( + 1) =! voor atuurlijke getalle. De Gamma-fuctie is dus ee soort iterpolatie va de faculteit e speelt daarom i veel gebiede va de wiskude ee belagrijke rol. Omdat de Studet t-verdelig symmetrisch is, heeft ee stochast T met deze verdelig de verwachtigswaarde E[T ] =. Heeft T ee verdelig met 3 vrijheidsgrade, da geldt V ar(t ) = 2, de variatie is dus iderdaad groter da bij de stadaard-ormale verdelig. Met de Studet t-verdelig hebbe we iets over de verdelig va de steekproefgemiddelde kue zegge. Ee adere klasse va fucties is geschikt om de verdelig va de steekproefvariaties te beschrijve. Voor stadaard-ormaal verdeelde stochaste X 1,..., X heet de verdelig va de stochast Y = X X2 ee χ2 -verdelig met vrijheidsgrade. Voor de stochast S 2 va de steekproefvariaties geldt maar X i X X i µ S 2 = 1 1 i (X i X) 2 = 2 1 i ( X i X is zelf iet stadaard-ormaal verdeeld. Dit geldt echter wel voor ) 2 ee χ 2 -verdelig met vrijheidsgrade. Met behulp dus is i ( X i µ 31 ) 2
12 Statistiek voor Iformatiekude, x Figuur 13: Studet t-verdelig voor = 1 e = 3 i relatie tot stadaardormale verdelig. va de relatie (X i X) 2 = i i (X i µ) 2 (X µ) 2 laat zich aatoe dat i ( X i X ) 2 iderdaad wel ee χ 2 -verdelig met 1 vrijheidsgrade is, dus geldt samegevat: 1 2 S 2 = i ( X i X ) 2 heeft ee χ 2 -verdelig met 1 vrijheidsgrade. Ook de χ 2 -verdelige kue we expliciet aageve, de χ 2 -verdelig met vrijheidsgrade heeft de dichtheidsfuctie f (x) = { C x 2 1 e x 2 voor x > voor x, waarbij C = (2 2 Γ( 2 )) 1. Voor ee stochast Y met χ 2 -verdelig met vrijheidsgrade geldt E[Y ] = e V ar(x) = 2 e voor wordt de χ 2 -verdelig steeds beter beaderd door ee ormale verdelig met µ = e 2 = 2. We zulle de χ 2 -verdelig i het kader va betrouwbaarheidsitervalle e het toetse va hypothese og vaker tege kome. 2.6 Schatters We hebbe vaak gezegd dat het steekproefgemiddelde x := 1 x i ee schattig voor het gemiddelde va de populatie is. We zulle u kort het algemee begrip va ee schattig toelichte. De meeste kasverdelige die i de statistiek ee rol spele, hage va ee of meerdere parameters af, de ormale verdelig bijvoorbeeld va de verwachtigswaarde µ e de variatie 2 e de expoetiële verdelig met dichtheidsfuctie f(x) = λ e λx va de itesiteit λ. 32
13 Statistiek voor Iformatiekude, x Figuur 14: χ 2 -verdelige voor = 3, = 5 e = 1. Ee schattig is ee fuctie (of procedure) die uit ee steekproef x 1,..., x ee parameter θ = t(x 1,..., x ) va ee kasverdelig probeert te bepale. Hierbij eemt me aa, dat de gegeves door ee stochast X met deze kasverdelig met parameter θ voortgebracht zij. Als we de elemete x i i de steekproef u weer als realisaties va stochaste X i zie die alle dezelfde kasverdelig hebbe als X, da oeme we de stochast T = t(x 1,..., X ) die de verdelig va de schattige over alle steekproeve aageeft ee schatter voor θ. We hebbe al voorbeelde va schatters gezie: X := 1 X i is ee schatter voor de verwachtigswaarde µ = E[X] va X. S 2 := 1 1 (X i X) 2 is ee schatter voor de variatie 2 = V ar(x) va X. We zegge dat ee schatter T zuiver (ubiased) is, als voor elke waarde va de parameter θ voor de kasverdelig va de stochast X geldt, dat de verwachtigswaarde E[T ] juist θ oplevert. We hebbe gezie dat X e S 2 zuivere schatters zij. Deze eigeschap va S 2 was juist de rede om bij de steekproefvariatie door 1 e iet door te dele. Voor de schatter T := 1 (X i X) 2 hadde we amelijk gezie dat E[T ] = voor ee stochast X met variatie 2. Omdat lim E[T ] = 2 oemt me T ee asymptotisch zuivere schatter. Dit beteket, dat de schatter voor grote steekproeve wel ee goede schattig geeft. Alhoewel S 2 = 1 1 (X i X) 2 ee zuivere schatter voor de variatie 2 1 is, is S = 1 (X i X) 2 gee zuivere schatter voor de stadaardafwijkig, d.w.z. i het algemee is E[S]. Dit ligt simpelweg eraa dat a + b a + b. 33
14 Statistiek voor Iformatiekude, 25 Er zij verschillede algemee pricipes hoe me schatters voor de parameters va kasverdelige bepaald. We zulle twee va de meest gebruikte va deze pricipes u kort bekijke. Mometeschatters Meestal is ee kasverdelig die va ee aatal parameters θ 1,..., θ s afhagt door ee dichtheidsfuctie f(x) gegeve, die va deze parameters afhagt. Als we voor zo verdelig de momete µ k (of cetrale momete µ k) berekee, hage deze atuurlijk ook va de parameters θ 1,..., θ s af. Bij de ormale verdelig met parameters µ e 2 hebbe we bijvoorbeeld µ 1 = µ e µ 2 = 2 + µ 2. Vaak is het mogelijk, deze vergelijkige aar de parameters op te losse, waarbij me steeds et zo veel momete als parameters bekijkt. Voor de ormale verdelig geeft dit de relaties µ = µ 1 e 2 = µ 2 µ 2 1. Het idee va ee mometeschatter is u, als schattig voor de momete µ k de steekproefmomete m k := 1 xk i te bepale e M k := 1 Xk i als schatter voor het k-de momet µ k te defiiëre. Door de schatters voor de momete i de relaties tusse parameters e momete i te vulle, krijge we zo schatters voor de parameters. Bij de ormale verdelig levert dit de oude bekede als schatter voor µ e 1 Xi 2 ( 1 X = 1 X i X i ) 2 = 1 ( Xi 2 1 ( X i ) 2 ) = 1 = 1 S2 (X i X) 2 als schatter voor 2. De mometeschatter is dus iet oodzakelijk ee zuivere schatter. Maximum likelihood schatters Als ee dichtheidsfuctie f(x) va parameters θ 1,..., θ s afhagt, kue we dit ook expliciet uitdrukke door f(x) = f(x; θ 1,..., θ s ) te schrijve. Voor ee steekproef x 1,..., x is da het product L(θ 1,..., θ s ) := f(x i ; θ 1,..., θ s ) ee maat voor de aaemelijkheid waarmee ee stochast X met parameters θ 1,..., θ s de elemete va de steekproef geproduceerd heeft. Hoe groter deze 34
15 Statistiek voor Iformatiekude, 25 aaemelijkheid, hoe beter past de verdelig va de stochast bij de gevode steekproef. De maximum likelihood schatter (meest aaemelijke schatter) bepaalt daarom de waarde θ 1,..., θ s zo, dat de aaemelijkheid maximaal wordt. Bij ee aatal va kasverdelige is het mogelijk dit expliciet met behulp va afgeleide uit te rekee. Als voorbeeld kijke we aar ee expoetiële verdelig met parameter λ. De dichtheidsfuctie is f(x; λ) = λ e λx e als aaemelijkheid voor ee steekproef x 1,..., x krijge we L(λ) = λ e λx i = λ e λ(p i xi). De aaemelijkheid is maximaal als L (λ) = e voor de afgeleide krijge we L (λ) = λ 1 e λ(p i x i) λ e λ(p i x i) ( i x i ) = λ 1 e λ(p i x i) ( λ( i x i )) e er geldt L (λ) = als λ( i x i) =, dus voor λ = i x i = 1 x. Dit is atuurlijk precies het verwachte resultaat e dit is iderdaad voor de meeste va de gebruikelijke verdelige het geval. Omdat de aaemelijkheid L(θ) = f(x 1 ; θ)... f(x ; θ) ee product va uitdrukkige i θ is, is het vaak ohadig de afgeleide va deze fuctie te bepale. Weges de productregel krijgt me hierbij amelijk heel veel terme. Het is daarom vaak hadig, i plaats va de fuctie L(θ) zelfs de logaritme log(l(θ)) te bekijke, omdat log(l(θ)) = log(f(x 1 ; θ)) log(f(x ; θ)). Omdat de logaritme ee mootoo stijgede fuctie is, eemt log(l(θ)) precies voor dezelfde waarde va θ zij maximum aa als L(θ), daarom ka me i plaats va de ulpute va L (θ) ook de ulpute va log(l(θ)) bepale. Voor de ormale verdelig levert de maximum likelihood schatter hetzelfde resultaat als de mometeschatter, dus krijgt me ook hier iet i elk geval ee zuivere schatter. Er laat zich wel aatoe dat de maximum likelihood schatters altijd asymptotisch zuiver zij. Belagrijke begrippe i deze les ormale verdelig ormale beaderig 35
16 Statistiek voor Iformatiekude, 25 Cetrale limietstellig steekproef, aselecte steekproef steekproefgemiddelde, -variatie, -stadaardafwijkig Studet t-verdelig χ 2 -verdelig mometeschatter maximum likelihood schatter Opgave 6. Ee populatie bestaat uit de vier waarde 3, 7, 11 e 13. Ee mogelijke schatter voor het gemiddelde va de populatie is, steekproeve va 2 elemete met teruglegge te eme e hierva het gemiddelde te bepale. (i) Bereke het gemiddelde va de schattige over alle mogelijke steekproeve (dus de verwachtigswaarde va de schatter). Vergelijk dit met het echte gemiddelde va de populatie. (ii) Bepaal de stadaardafwijkig voor deze schatter va het gemiddelde va de populatie. (iii) Bij ee alteratieve schatter eem je steekproeve va 2 elemete zoder teruglegge. Bepaal weer de verwachtigswaarde e de stadaardafwijkig va deze schatter, dus het gemiddelde va de steekproefgemiddelde over alle mogelijke steekproeve e de stadaardafwijkig va alle steekproefgemiddelde. 7. Bij ee steekproef va stukke worde s defecte stukke gevode, de schattig voor de kas p op ee defect stuk is dus p = s. Voor ee gegeve waarde va p laat zich de kwaliteit va de schattig makkelijk toetse, omdat i dit geval de stadaardafwijkig va de verdelig va schattige (dus de stadaardafwijkig va p(1 p) de schatter) gegeve is door. Maar i veel gevalle is de ware waarde va p obeked e we moete oze coclusies allee uit de steekproef trekke. (i) Bij ee steekproef va 1 stukke werde 2 defecte stukke gevode. Bepaal de miimale e de maximale waarde va p zo dat de schattig p =.2 bie éé stadaardafwijkig (va de schatter) va p ligt. (ii) We otere de grootste waarde va p waarvoor de schattig p og et bie éé stadaardafwijkig va p ligt met p max. Geef ee formule afhakelijk va p max, p e aa, waar p max aa voldoet. (Hit: Bepaal ee fuctie va p die p max als ulput heeft. Het ulput va deze fuctie ka iet expliciet bepaald worde, maar moet umeriek beaderd worde.) Geef ook ee formule voor de kleiste waarde p mi va p aa, waarvoor p og bie éé stadaardafwijkig va p ligt. (iii) Stel iemad beweert dat zij schattig va p =.2 bie éé stadaardafwijkig va.1 va de ware waarde va p ligt. Hoe groot moet zij steekproef voor deze bewerig mistes zij? 36
17 Statistiek voor Iformatiekude, Zij X ee stochast met de drie mogelijke uitkomste 1, e 1 e met de kasverdelig P (X = 1) = P (X = 1) = 1 2p e P (X = ) = 1 p die va ee parameter p 1 afhagt. Zij T de stochast die het aatal e i ee steekproef va grote aageeft, e T 1 de stochast die het aatal 1e aageeft. Laat zie dat 1 ( T ) e 2 T 1 zuivere schatters voor p zij. 9. Zij X ee stochast met uiforme verdelig op het iterval [, θ], da is P (X x) = x θ voor x θ. We wille uit ee steekproef x 1,..., x ee schattig voor θ make. (i) Laat zie dat de schattig t := 2 (x x ) ee zuivere schatter T := 2 (X X ) = 2 X voor θ geeft. (ii) Ee adere mogelijke schattig voor θ is het maximum va de gevode waarde, dus t max := max(x 1,..., x ). Laat zie dat voor de schatter T max := max(x 1,..., X ) geldt dat P (T x) = ( x θ ) e cocludeer dat T de verdeligsfuctie f(x) = x 1 θ heeft. Ga a dat T max gee zuivere schatter, maar wel ee asymptotisch zuivere schatter voor θ is, door te late zie dat E[T ] = +1 θ. (Hit: Er geldt θ x dx = 1 +1 θ+1.) (iii) Laat zie dat +1 T max ee zuivere schatter voor θ is. 1. Laat zie dat voor ee stochast X met uiforme verdelig op het iterval [, θ] de schatter T max := max(x 1,..., X ) de maximum likelihood schatter is. (Hit: Ga a dat de aaemelijkheid L(θ) voor ee steekproef x 1,..., x gegeve is door L(θ) = als θ < max(x 1,..., x ) e L(θ) = 1 θ als θ max(x 1,..., x ).) 11. Voor ee stochast X met uiforme verdelig op het iterval [, θ] wordt va ee steekproef x 1, x 2 va twee waarde de schattig t := 3 x 1 x 2 voor θ gemaakt. Laat zie dat T := 3 X 1 X 2 ee zuivere schatter voor θ is. 12. Bij ee zeker chemisch proces wordt de afgegeve eergie (warmte) gemete e er wordt verodersteld dat de afgegeve eergie door ee stochast X met verwachtigswaarde µ e variatie 2 wordt beschreve. Bij 1 metige zij de volgede resultate verkrege: x 1 = 1244, x 2 = 1198, x 3 = 1212, x 4 = 1235, x 5 = 1245, x 6 = 119, x 7 = 122, x 8 = 122, x 9 = 1233, x 1 = 128. (i) Bepaal het steekproefgemiddelde x e de steekproefvariatie s 2 va de metige. (ii) I plaats va over alle steekproefwaarde te middele, zou me ook het gemiddelde va de eerste e de laatste waarde, of het gemiddelde va de waarde x 3 t/m x 8 kue eme. Dit geeft aaleidig tot de schatters Y := 1 2 (X 1 +X 1 ) e Z := 1 6 (X 3 + X 4 + X 5 + X 6 + X 7 + X 8 ). Bepaal de schattige voor het gemiddelde va de aagegeve steekproef met deze twee schatters. (iii) Laat zie dat de schatters Y e Z uit (ii) zuiver zij, d.w.z. dat E[Y ] = E[Z] = E[X]. Bepaal ook de variaties va deze schatters. (iv) De schatter Y voor de verwachtigswaarde µ va X kue we ook voor ee algemee steekproef va grote defiiëre door Y := 1 2 (X 1 + X ). Laat zie dat deze schatter Y verwachtigswaarde E[Y ] = µ e variatie V ar(y ) = 2 2 heeft. 13. We hebbe gezie dat X := 1 X i ee zuivere schatter voor de verwachtigswaarde µ = E[X] is. Laat zie dat X 2 gee zuivere schatter voor µ 2 is. 37
2.1 De normale verdeling
Les 2 Steekproeve We zulle i deze les bekijke, hoe we gegeves va ee populatie zoals het gemiddelde e de spreidig kue schatte, zoder aar elk idividu va de populatie te kijke. Het idee hierbij is, i plaats
Nadere informatieSchatters en betrouwbaarheidsintervallen
Statistiek voor Iformatiekude, 006 Les 3 Schatters e betrouwbaarheidsitervalle I de vorige les hebbe we era gekeke hoe we bijvoorbeeld het gemiddelde e de variatie va ee populatie kue schatte, door deze
Nadere informatieBetrouwbaarheidsintervallen
tatistiek voor Iformatiekude, 005 Les 3 Betrouwbaarheidsitervalle I de vorige les hebbe we era gekeke hoe we groothede va ee populatie met behulp va steekproeve kue schatte. We hebbe daarbij gezie dat
Nadere informatieOpgave 1 Zij θ R, n 1 en X 1, X 2,..., X n onafhankelijk, identiek verdeelde stochasten met kansdichtheidsfunctie. f θ (x) =
Opgave 1 Zij θ R, 1 e X 1, X 2,..., X oafhakelijk, idetiek verdeelde stochaste met kasdichtheidsfuctie { 1 als x (θ 2, θ + 2) f θ (x) = als x (θ 2, θ + 2). a pt) Bepaal E(X 1 ) e V ar(x 1 ). ANTWOORD:
Nadere informatie2de bach TEW. Statistiek 2. Van Driessen. uickprinter Koningstraat Antwerpen ,00
de bach TEW Statistiek Va Driesse Q www.quickpriter.be uickpriter Koigstraat 3 000 Atwerpe 46 5,00 Nieuw!!! Olie samevattige kope via www.quickpritershop.be Hoofdstuk : Het schatte va populatieparameters.
Nadere informatieHOOFDSTUK III. SCHATTEN VAN PARAMETERS Schatters en Betrouwbaarheidsintervallen. Theorie Statistiek Les 6
HOOFDSTUK III SCHATTEN VAN PARAMETERS Schatters e Betrouwbaarheidsitervalle 3. HET GEMIDDELDE VAN EEN NV Steekproef uit ee ormaal verdeelde populatie De kasveraderlijke X, X, X 3,..., X zij N(µ, σ) verdeeld
Nadere informatieDe Approximatiestelling van Weierstraß
De Approximatiestellig va Weierstraß Korteweg-de Vries Istituut voor Wiskude Uiversiteit va Amsterdam Mastercourse 15 ovember 2005 Peter Spreij spreij@sciece.uva.l 1 Itroductie I deze mastercourse behadele
Nadere informatieOpgeloste Oefeningen Hoofdstuk 5: Wet van de grote aantallen en Centrale limietstelling
Opgeloste Oefeige Hoofdstuk 5: Wet va de grote aatalle e Cetrale limietstellig 5.. Ee toevalsveraderlijke X is oisso-verdeeld met parameter λ = 00. Bepaal ee odergres voor de waarschijlijkheid (75 X 5).
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Verklarende statistiek. 6. Proporties. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Verklarede statistiek 6. Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg 1. Ee ieuwe aam voor ee gekede grootheid...2
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodelle e ormaal verdeelde steekproefgroothede 6. Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg 1.
Nadere informatieFourierreeksen. Calculus II voor S, F, MNW. 14 november 2005
Fourierreekse Calculus II voor S, F, MNW. 14 ovember 2005 Deze tekst is gedeeltelijk gebaseerd op het Aalyse BWI I dictaat e op aatekeige va Alistair Vardy. 1 Ileidig Het is vaak belagrijk ee gegeve fuctie
Nadere informatie12 Kansrekening. 12.1 Kansruimten WIS12 1
WIS12 1 12 Kasrekeig 12.1 Kasruimte Kasmaat Ee experimet is ee hadelig of serie hadelige met ee of meer mogelijke resultate uitkomste geoemd). De uitkomsteruimte, die we steeds zulle aageve met Ω, is de
Nadere informatieBetrouwbaarheid. Betrouwbaarheidsinterval
Betrouwbaarheid Ee simulatie beoogt éé of i.h.a. twee of meerdere sceario s te evaluere e te vergelijke, bij Mote Carlo (MC) simulatie voor ee groot aatal istelwaarde, voor éé of meerdere parameters. Hierbij
Nadere informatieHoofdstuk 4: Aanvullende Begrippen (Extra Oefeningen)
Hoofdstuk 4: Aavullede Begrippe (Extra Oefeige) 9. Veroderstel dat X e Y ormaal verdeeld zij met resp. gemiddelde waarde µ X e µ Y e met dezelfde variatie 2. Wat is da de distributie va X Y? Bepaal de
Nadere informatieConvergentie, divergentie en limieten van rijen
Covergetie, divergetie e limiete va rije TI-spire e rije 7N5p GGHM 22-23 Eigeschappe rekekudige rij b = begiwaarde v = verschil tusse twee opeevolgede terme recursieve formule: u = u + v met u = b directe
Nadere informatieDe standaardafwijking die deze verdeling bepaalt is gegeven door
RUDOLF STEINERCOLLEGE HAARLEM WISKUNDE VWO CM T311-VCM-H911 Voor elk oderdeel is aagegeve hoeveel pute kue worde behaald. Atwoorde moete altijd zij voorzie va ee berekeig, toelichtig of argumetatie. MAX:
Nadere informatieStatistiek Voor studenten Bouwkunde College 5
Statistiek Voor studete Bouwkude College 5 toevalsfluctuaties Programma voor vadaag Terugblik Wet va de grote aatalle Verwachtigswaarde Stadaardfout e wortel wet Normale beaderig voor kashistogramme Prof.
Nadere informatieStatistiek Voor studenten Bouwkunde College 6
Statistiek Voor studete Bouwkude College 6 extrapolatie va steekproef aar populatie Programma voor vadaag Terugblik Populatie e steekproef: extrapolatiestap Represetativiteit, (o)zuiverheid Populatiepercetage
Nadere informatieSteekproeftrekking Onderzoekspopulatie Steekproef
Steekproeftrekkig I dit artikel worde twee begrippe beschreve die va belag zij voor het uitvoere va ee oderzoek. Het gaat om de populatie va het oderzoek e de steekproef. Voor wat betreft steekproeve lichte
Nadere informatieOngelijkheden. IMO trainingsweekend 2013
Ogelijkhede IMO traiigsweeked 0 Deze tekst probeert de basis aa te brege voor het bewijze va ogelijkhede op de IMO. Het is de bedoelig om te bewijze dat ee bepaalde grootheid (ee uitdrukkig met ee aatal
Nadere informatieSet 3 Inleveropgaven Kansrekening (2WS20)
1 Techische Uiversiteit Eihove Faculteit Wiskue e Iformatica Set 3 Ileveropgave Kasrekeig (2WS20) 2014-2015 1. (Flesjes ie uit e ba sprige) Aa ee lopee ba wore bierflesjes gevul. Helaas gaat er zo u e
Nadere informatieStatistiek. (relatieve) frequenties: histogram cumulatieve (relatieve) frequenties: cumulatief frequentiepolygoon of ogief
Samevattig statistiek Academiejaar 006-007 Statistiek 4 examevrage: - tabel aavulle met spreidigs- e cetrummate - poisso- e biomiale verdelig Deel Beschrijvede statistiek Soorte variabele Kwalitatief:
Nadere informatieOpgaven OPGAVE 1 1... OPGAVE 2. = x ( 5 stappen ). a. Itereer met F( x ) = en als startwaarden 1 en 100. 100...
Opgave OPGAVE 1 a. Itereer met F( ) = e als startwaarde 1 e 1. 16 1............... 16 1............... b. Stel de bae grafisch voor i ee tijdgrafiek. c. Formuleer het gedrag va deze bae. (belagrijk is
Nadere informatien n n bedoelen we uiteraard dat n N : 0 f x divergeert naar + of.
Limiete Defiities a Limiet voor a I het hoofdstuk ratioale fucties i het begi va dit schooljaar zage we reeds dat zulke fucties soms perforatiepute hebbe De fuctiewaarde i zo put bestaat iet, maar de grafiek
Nadere informatieExamen HAVO. wiskunde A. tijdvak 2 woensdag 19 juni 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.
Exame HAVO 2013 tijdvak 2 woesdag 19 jui 13.30-16.30 uur wiskude A Bij dit exame hoort ee uitwerkbijlage. Dit exame bestaat uit 21 vrage. Voor dit exame zij maximaal 80 pute te behale. Voor elk vraagummer
Nadere informatieEindexamen wiskunde A1-2 vwo 2008-II
Groepsfoto s Alle mese kippere met hu oge. Daardoor staa op groepsfoto s vaak ekele persoe met geslote oge. Sveso e Bares hebbe oderzocht hoeveel foto s je moet make va ee groep va persoe om 99% kas te
Nadere informatieHoofdstuk 9 : Steekproefstatistieken. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent.
Hoofdstuk 9 : Steekproefstatistieke Marix Va Daele MarixVaDaele@UGetbe Vakgroep Toegepaste Wiskude e Iformatica Uiversiteit Get Steekproefstatistieke p 1/20 Schattige Waeer uit ee steekproef de waarde
Nadere informatieEen toelichting op het belang en het berekenen van de steekproefomvang in marktonderzoek.
006 Wolters-Noordhoff bv Groige/Houte De steekproefomvag Ee toelichtig op het belag e het berekee va de steekproefomvag i marktoderzoek. Ihoud 1 Ileidig Eerst ekele defiities 3 Steekproefomvag e respose
Nadere informatieRijen met de TI-nspire vii
Rije met de TI-spire vii De tore va Pisa Me laat ee bal valle vaaf de tore va Pisa(63m hoog) Na elke keer stuitere haalt de bal og ee vijfde va de voorgaade hoogte. Gevraagd zij: a) De hoogte a de e keer
Nadere informatieUitwerkingen toets 11 juni 2011
Uitwerkige toets 11 jui 2011 Opgave 1. Laat 2 e k 1 gehele getalle zij. I ee lad zij stede e tusse elk paar stede is ee busverbidig i twee richtige. Laat A e B twee verschillede stede zij. Bewijs dat het
Nadere informatiePARADOXEN 9 Dr. Luc Gheysens
PARADOXEN 9 Dr Luc Gheyses LIMIETEN, AFGELEIDEN EN INTEGRALEN: ENKELE MERKWAARDIGE VERHALEN Ileidig: verhale over ifiitesimale Ee ifiitesimaal (of ifiitesimaal kleie waarde) is ee object dat mi of meer
Nadere informatieWISKUNDE 5 PERIODEN DEEL B
EUROPEES BACCALAUREAAT 2012 WISKUNDE 5 PERIODEN DATUM : 11 jui 2012, ochted DUUR VAN HET EXAMEN: 3 uur (180 miute) TOEGESTANE HULPMIDDELEN : Exame met techologisch hulpmiddel 1/6 NL VRAAG B1 ANALYSE Blz.
Nadere informatieStatistiek = leuk + zinvol
Statistiek = leuk + zivol Doel 1: Doel : Doel 3: zie titel ee statistisch oderzoek kue beoordele ee statistisch oderzoek kue opzette ee probleem vertale i stadaardmethode gegeves verzamele, verwerke via
Nadere informatiePraktische opdracht: Complexe getallen en de Julia-verzameling
Praktische opdracht: Complexe getalle e de Julia-verzamelig Auteur: Wiebe K. Goodijk, Zerike College Hare Beodigde Voorkeis: 1 = i Het complexe vlak. Notatie: z = a + bi of z = r(cosϕ + i si ϕ) Regel va
Nadere informatieDit geeft ee voorwaarde die slechts afhagt va de begiwaarde va de `basisoplossige' (bij (3) is die voorwaarde a b a b 0). Hoe ka me twee lieair oafhak
Lesbrief 5 Recurreties e ogelijkhede Recursief gedefiieerde rije Er zij getallerije {a } die voldoe aa ee recurrete betrekkig va de vorm a +k = f(a +k ;a +k ;:::;a ) voor = ; ;:::, waardoor de + k-de term
Nadere informatien -wet Wisnet-hbo update mei. 2008
-wet Wiset-hbo update mei. 2008 1 Ileidig De wortel--wet komt i de praktijk erg vaak voor op twee maiere, amelijk bij het eme va steekproeve e bij het bepale va de va ee aatal trekkige uit ee verdelig.
Nadere informatieLes 7-8: Parameter- en Vergelijkingstoetsen
Les 7-8: Parameter- e Vergelijkigstoetse I Theorie : A. Algemee :. Hypothese formulere. H 0 : ul-hypothese H : alteratieve hypothese. teekproef eme. x e zij te berekee uit de steekproefresultate. 3. Toetsgrootheid
Nadere informatie1. Hebben de volgende rijen een limiet, en zo ja, bepaal die dan: (i) u n = sin(πn) (d) u n = cos(2πn) (l) u n = log n
Hoofdstuk 1 Limiet va ee rij 1.1 Basis 1. Hebbe de volgede rije ee iet, e zo ja, bepaal die da: (a) 1,, 3, 4, 5, 6, 7, 8,... (b) 1, 4, 9, 16, 5, 36, 49,... (c) 1, 8, 7, 64, 15,... (d) u = ( 1) (e) u =
Nadere informatieEindexamen wiskunde A vwo 2010 - I
Eidexame wiskude A vwo - I Beoordeligsmodel Maratholoopsters maximumscore 3 uur, 43 miute e 3 secode is 98 secode De selheid is 495 98 (m/s) Het atwoord: 4,3 (m/s) maximumscore 3 Uit x = 5 volgt v 4,4
Nadere informatieBetrouwbaarheid van een steekproefresultaat m.b.t. de hele populatie
Betrouwbaarheid va ee steekproefresultaat m.b.t. de hele populatie Verschillede steekproeve uit eezelfde populatie levere verschillede (steekproef) resultate op. Dit overmijdelijke verschijsel oeme we
Nadere informatieExamen VWO. wiskunde B1. tijdvak 1 woensdag 16 mei 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.
Exame VW 007 tijdvak woesdag 6 mei.0-6.0 uur wiskude B Bij dit exame hoort ee uitwerkbijlage. Dit exame bestaat uit 0 vrage. Voor dit exame zij maximaal 8 pute te behale. Voor elk vraagummer staat hoeveel
Nadere informatieExamen VWO. wiskunde B1. tijdvak 1 woensdag 16 mei 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.
Exame VW 007 tijdvak woesdag 6 mei.0-6.0 uur wiskude B Bij dit exame hoort ee uitwerkbijlage. Dit exame bestaat uit 0 vrage. Voor dit exame zij maximaal 8 pute te behale. Voor elk vraagummer staat hoeveel
Nadere informatieKanstheorie. 2de bachelor wiskunde Vrije Universiteit Brussel. U. Einmahl
Kastheorie 2de bachelor wiskude Vrije Uiversiteit Brussel U. Eimahl Academiejaar 2011/2012 Ihoudsopgave 1 Kasruimte 1 1.1 Toevallige experimete................................. 1 1.2 De axioma s va Kolmogorov.............................
Nadere informatieG0N34a Statistiek: Examen 7 juni 2010 (review)
G0N34a Statistiek: Exame 7 jui 00 review Vraag Beoordeel de volgede uitsprake. Als ee uitspraak iet juist is of ovolledig, leg da uit waarom e verbeter de uitspraak.. Bij het teste va hypotheses is de
Nadere informatie1. Symmetrische Functies
Algebra III 1 1. Symmetrische Fucties permutatios sot la metaphysique des équatios Lagrage*, 1771 I dit hoofdstuk bestudere we de ivariate va de werkig va de symmetrische groep S op polyoomrige i variabele.
Nadere informatieJulian gooit 20 keer met een dobbelsteen. Bereken de kans dat hij precies 5 keer een zes gooit.
- Test Hfst D kasrekeig - Kase ofwel exact ofwel afgerod op decimale geve. ( x p) Tim gooit drie keer met ee gewoe dobbelstee. Na zij derde worp telt hij het aatal oge va de drie worpe bij elkaar op. Bereke
Nadere informatieCursus Theoretische Biologie. Onderdeel Statistiek
Cursus Theoretische Biologie Oderdeel Statistiek J.J.M. Bedaux Oktober 2000 1 THEORETISCHE BIOLOGIE, ONDERDEEL STATISTIEK 1 Theorie 1 Parameterschattig We begie met ee voorbeeld. I Wiskude e Modelbouw
Nadere informatieStatistiek Voor studenten Bouwkunde College 2
Statistiek Voor studete Bouwkude College Numerieke samevattige va data Dataverdelig, meetfoute, uitbijters e scatterplots Programma voor vadaag Terugblik op college Numeriek samevatte va data Normale beaderig
Nadere informatieStochastische loadflow. Beschrijving model belasting.
Stochastische loadflow. eschrijvig model belastig. 95 pmo 5-- Phase to Phase V Utrechtseweg 3 Postbus 68 AC Arhem T: 6 356 38 F: 6 356 36 36 www.phasetophase.l 95 pmo INHOUD Ileidig...3 eschrijvig belastig...
Nadere informatieEquidistributie en ergodiciteit
Equidistributie e ergodiciteit Michiel Lieftik, Wouter Rieks, Mike Daas 9 december 207 Ileidig Beschouw ee situatie waari me ee grote verzamelig umerieke data tot zij beschikkig heeft Ee vraag die me zich
Nadere informatieKanstheorie. 2de bachelor wiskunde Vrije Universiteit Brussel. U. Einmahl
Kastheorie 2de bachelor wiskude Vrije Uiversiteit Brussel U. Eimahl Academiejaar 208/209 Ihoudsopgave Kasruimte. Toevallige experimete..................................2 De axioma s va Kolmogorov.............................
Nadere informatieRijen. 6N5p
Rije 6N5p 0-03 Rije Ileidig I de wiskude werke we vaak met formules e/of fucties die elke mogelijke waarde aa kue eme. Als bijvoorbeeld f( x) = 5x + 5x 3, da ku je voor x (bija) elke waarde ivulle e ka
Nadere informatie7. Betrouwbaarheidsintervallen voor proporties
VOOR HET SECUNDAIR ONDERWIJS Verklarede statistiek 7. Betrouwbaarheidsitervalle voor proporties Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg
Nadere informatieCorrectievoorschrift VWO. wiskunde A1,2 (nieuwe stijl)
wiskude A, (ieuwe stijl) Correctievoorschrift VWO Voorbereided Weteschappelijk Oderwijs 0 04 Tijdvak izede scores Verwerk de scores va de alfabetisch eerste vijf kadidate per school i het programma Wolf
Nadere informatieEindexamen wiskunde B1 vwo 2007-I
Eidexame wiskude B vwo 007-I havovwo.l Podiumverlichtig Ee podium is 6 meter diep. Midde bove het podium hagt ee balk met tl-buize. De verlichtigssterkte op het podium is het kleist aa de rad, bijvoorbeeld
Nadere informatie1. Recursievergelijkingen van de 1 e orde
Recursievergelijkige va de e orde Rekekudige rije Het voorschrift va ee rekekudige rij ka gegeve wordt met de volgede recursievergelijkig: u = u + b Idie we deze vergelijkig i de vorm u = u u = b otere
Nadere informatiePolynomen groep 2. Trainingsweek, juni Complexe nulpunten. Een polynoom is van de vorm P (x) = n
Polyome groep 2 Traiigsweek, jui 2009 Complexe ulpute Ee polyoom is va de vorm P (x) = i=0 a ix i, met coëfficiëte a 0, a 1,..., a, die uit ee gegeve verzamelig kome (meestal Z of R). Als alle coëfficiëte
Nadere informatieTrigonometrische functies
Trigoometrische fucties Ileidig De meest gebruikelijke defiitie va de trigoometrische fucties cos e si berust op meetkudige cocepte (cirkel, hoek, driehoeke etc.) die buite het bestek va de aalyse valle.
Nadere informatiePeriodiciteit bij breuken
Periodiciteit bij breuke Keuzeodracht voor wiskude Ee verdieede odracht over eriodieke decimale getalle, riemgetalle Voorkeis: omrekee va ee breuk i ee decimale vorm Ileidig I deze odracht leer je dat
Nadere informatieWe kennen in de wiskunde de volgende getallenverzamelingen:
Masteropleidig Fiacial Plaig Kwatitatieve Methode Relevate wiskude We kee i de wiskude de volgede getalleverzamelige: De atuurlijke getalle: N = {0,,,,4, } De gehele getalle: Z = {, -,-,-,0,,,, } (egels:
Nadere informatie2.6 De Fourierintegraal
2.6 De Fourieritegraal We vertrekke va de Fourierreeks i complexe vorm: voor g : [ π,π] C kue we schrijve met g(t) α e it, α 1 Z π g(t)e it dt. 2π π We herschrijve deze formules eerst voor ee fuctie f
Nadere informatieAppendix A: De rij van Fibonacci
ppedix : De rij va Fiboacci Het expliciete voorschrift va de rij va Fiboacci We otere het het e Fiboaccigetal met F De rij va Fiboacci wordt gegeve door: F F F F 4 F F 6 F 7 F De volgede afleidig is gebaseerd
Nadere informatieComplexe getallen. c(a+ib)=ca+i(cb) id(a+ib)=i(ad)+i 2 (bd)=(-bd)+i(ad) (a+ib)(c+id)=ac+i(ad)+i(bc)+i 2 (bd)= ac-bd+i(ad+bc)
. Ileidig: Complexe getalle I de wiskude stelt zich het probleem dat iet bestaat voor de reële getalle of dat de vergelijkig x + 0 gee reële ulpute heeft. Om dit euvel op te losse werd het getal i igevoerd
Nadere informatie1 Ileidig De vraag is of de spelers i het spel Fatasie 24 (ee variat va observatie roulette), gespeeld i casio YYY te ZZZ, ivloed kue hebbe op de kasb
Behedigheid bij Fatasie 24? R.D. Gill, C.G.M. Oudshoor 4 maart 1997 Samevattig Dit artikel is ee aagepaste versie va ee verslag wat geschreve is.a.v. ee oderzoek voor ee casio. Dit oderzoek gig over de
Nadere informatieLevende Statistiek, een module voor VWO wiskunde D
Op het Stedelijk Gymasium te Leide is de module Levede Statistiek uitgeprobeerd, Ee verslag va Jacob va Eeghe e Liesbeth de Wreede. Levede Statistiek, ee module voor VWO wiskude D Statistiek is typisch
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Tentamen Inleiding Experimentele Fysica (3NA10 of 3AA10) Tentamen OGO Fysisch Experimenteren voor minor AP (3MN10)
TECHISCHE UIVERSITEIT EIDHOVE Tetame Ileidig Experimetele Fysica (3A10 of 3AA10) Tetame OGO Fysisch Experimetere voor mior AP (3M10) d.d. 0 jauari 010 va 9:00 1:00 uur Vul de presetiekaart i blokletters
Nadere informatie2. Limiet van een rij : convergentie of divergentie
2. Limiet va ee rij : covergetie of divergetie 2. Eigelijke of eidige limiet 2.. Voorbeeld I ee bos staa 4 bome. De diest bosbeheer zal jaarlijks 2% bome kappe e ieuwe aaplate. Zal het bos verdwije? Zal
Nadere informatieVideoles Discrete dynamische modellen
Videoles Discrete dyamische modelle Discrete dyamische modelle Orietatie Algebraisch Algebraisch/ umeriek Numeriek Maak de volgede rijtjes af: Puzzele met rijtjes a. 2 4 6 8 10 - b. 1 2 4 8 16 - c. 1 2
Nadere informatieOefeningen Analyse II
ste Bachelor Igeieursweteschappe ste Bachelor Natuurkude/Wiskude Academiejaar 27-28 9 jui 28 Oefeige Aalyse II. Ee lichaam bove het xy-vlak met willekeurige hoogte wordt lags oder begresd door de cirkel
Nadere informatieWerktekst 1: Een bos beheren
Werktekst : Ee bos behere Berekeige met rije op het basisscherm Op ee perceel staa 3000 kerstbome. Ee boomkweker moet beslisse hoeveel bome er jaarlijks gekapt kue worde e hoeveel ieuwe aaplat er odig
Nadere informatieWenS eerste kans Permutatiecode 0
WeS eerste kas 203 204 Permutatiecode 0 Aatekeige op de vrageblade zij NIET TOEGELATEN. Je mag gebruik make va schrijfgerief e ee eevoudige rekemachie; alle adere materiaal blijft achteri. Gee GSM s toegelate:
Nadere informatiePROEFEXAMEN SOCIALE STATISTIEK November 2009 REEKS 1
PROEFEXAMEN SOCIALE STATISTIEK November 009 REEKS Score /5. ( pute) Beatwoord volgede vraag aa de had va oderstaade SPSSoutput: Omcirkel de juiste waarde voor A e voor B als je weet dat deze verdelig bereked
Nadere informatieHET BELANG VAN. Vragen Tijdens de voordracht op 14 augustus 2007 hebben we de volgende vragen besproken.
HET BELANG VAN KP HART Vrage Tijdes de voordracht op augustus 007 hebbe we de volgede vrage besproke. Hoe ku je izie dat ee vierkat, bij gegeve omtrek, de rechthoek met de maximale oppervlakte is? Hoe
Nadere informatieAntwoorden bij Inleiding in de Statistiek
Atwoorde bij Ileidig i de Statistiek Hoofdstuk. model: bi(, p), p [0, ], schattig: /.2 (i) i bloeddrukveraderig i e persoo i treatmet groep, Y j bloeddrukveraderig j e persoo i cotrolegroep, model:,...,,
Nadere informatieElementaire speciale functies
ANALYSE 1A, Ivoerig Elemetaire Speciale Fucties p.1 Elemetaire speciale fucties 1. Differetieerbaarheid zie syll. Calculus Ia, II.1.1 of Browder, Ch. 4). Zij I ee iterval, a ee iwedig put va I e f: I R
Nadere informatieχ 2 -toets voor homogeniteit χ 2 -toets voor goodness-of-fit ten slotte
toetsede statistiek week 1: kase e radom variabele week 2: de steekproeveverdelig week 3: schatte e toetse: de z-toets week 4: het toetse va gemiddelde: de t-toets week 5: het toetse va variaties: de F-toets
Nadere informatieReductietechnieken. Spenderen de stedelijke huisgezinnen meer geld voor boeken dan de landelijke huisgezinnen? Maten van centrale tendentie.
Reductietechieke Spedere de stedelijke huisgezie meer geld voor boeke da de ladelijke huisgezie? Mate va cetrale tedetie Modus Modus : de frequetste waarde Budget Fr Stad Fr Pl Budget Fr Stad Fr Pl Budget
Nadere informatieCorrectievoorschrift VWO. Wiskunde B1,2 (nieuwe stijl)
Wiskude B, (ieuwe stijl) Correctievoorschrift VWO Voorbereided Weteschappelijk Oderwijs 0 0 Tijdvak Izede scores Uiterlijk op jui de scores va de alfabetisch eerste vijf kadidate per school op de daartoe
Nadere informatieDeel A. Breuken vergelijken 4 ----- 12
Deel A Breuke vergelijke - - 0 Breuke e brokke (). Kleur va elke figuur deel. Doe het zo auwkeurig mogelijk.. Kleur va elke figuur deel. Doe het telkes aders.. Kleur steeds het deel dat is aagegeve. -
Nadere informatieDe speler die begint mag in zijn eerste beurt niet alle stenen pakken.
Nim Het spel: Op tafel ligt ee stapel stee (meer da éé). Twee spelers eme om beurte stee va de stapel. De speler die begit mag i zij eerste beurt iet alle stee pakke. De speler die aa de beurt is mag iet
Nadere informatieWenS eerste kans Permutatiecode 0
Aatekeige op de vrageblade zij NIET TOEGELATEN. Je mag gebruik make va schrijfgerief e ee eevoudige rekemachie; alle adere materiaal blijft achteri. Leg je studetekaart duidelijk zichtbaar op je bak. Klap
Nadere informatieFuncties, Rijen, Continuïteit en Limieten
Fucties, Rije, Cotiuïteit e Limiete Fucties, Rije, 2-0 Cotiuïteit e Limiete Fucties, Rije, Cotiuïteit e Limiete Ihoud 1. Fucties Defiitie e kemerke / bewerkige op fucties Reële fucties va éé reële veraderlijke
Nadere informatieWPP 5.2: Analyse. Oplossing onderzoeksopdrachten
WPP 5.: Aalyse oderzoeksopdrachte Oderzoeksopdracht leerboek bladzijde 0 Limiet va ee rij : defiities Beschouw de rij u :,,, 4,.... Bepaal de algemee term u. Via PC / GRT bepaal je de tabel e teke je
Nadere informatiex z vonden we dat de z-score aangeeft hoeveel standaardafwijkingen de waarde
PW11: Betrouwbaarhedstervalle Bj de stude va de ormale verdelg hebbe we geze dat volgede belagrjke 68-95 - 99.7 regel geldt: Ogeveer 68% va de waaremge lgt be ee afstad va Ogeveer 95% va de waaremge lgt
Nadere informatieBIOLOGIE Havo / Vwo Tips examenvragen maken. Algemeen. Multiple choice vragen
BIOLOGIE Havo / Vwo Tips examevrage make Algemee Tijdes je exame mag je Bias gebruike. De Bias diet compleet obeschreve e obeplakt te zij. Het gebruik va briefjes als pagiawijzers is iet toegestaa. Het
Nadere informatieAnalyse 2 - SAMENVATTING
Aalyse 2 - SAMENVATTING willem va ravestei ihoudsopgave 01. Rije, eigeschappe e stellige 02. Deelrije, Cauchy, meetkudige e telescopische rij 03. Coverget of diverget? 04. Altererede rije e het wortelcriterium
Nadere informatieCommissie Pensioenhervorming 2020-2040. Nota over de actuariële neutraliteit. Bijlage III
Commissie Pesioehervormig 00-040 Nota over de actuariële eutraliteit Bijlage III. I het kader va de ivoerig va ee «deeltijds pesioe» wordt de kwestie va de actuariële correctie va de uitkerige i geval
Nadere informatieSamenvatting. Inleiding Statistiek - Collegejaar
Samevattig Ileidig Statistiek - Collegejaar 2012-2013 Mathematical Statistics ad Data Aalysis, 3-rd editio. Joh A. Rice Hoofdstuk 7 paragraaf 1, 2, 3 e 5. Hoofdstuk 8 e paragraaf 1, 2 e 3 va Hoofdstuk
Nadere informatieAnalyse wijze en stimuleren van invullen Nationale Studenten Enquête 2012. Pascal Brenders 19 juni 2013
Aalyse wijze e stimulere va ivulle atioale Studete Equête 20. Pascal Breders 19 jui 2013 Aaleidig Studiekeuze3 is veratwoordelijk voor de uitvoerig va de atioale Studete Equête (SE). De atioale Studete
Nadere informatiebeheersorganisme voor de controle van de betonproducten Tel. (02) Fax (02) RN 001 REGLEMENTAIRE NOTA
PROBETON Vereigig zoder wistoogmerk beheersorgaisme voor de cotrole va de betoproducte Aarlestraat 53 - B9 040 Brussel Tel. (0) 37.0.0 Fax (0) 735.3.5 e-mail : mail@probeto.be website : www.probeto.be
Nadere informatieEen meetkundige constructie van de som van een meetkundige rij
Ee meetkudige costructie va de som va ee meetkudige rij [ Dick Kliges ] Iets verder da Euclides deed Er wordt door sommige og wel ees gedacht dat Euclides (hij leefde rod 300 v. Chr.) allee over meetkude
Nadere informatieOBS 't Gijmink Oudertevredenheid ods 't Gijmink Online Evaluatie Instrument maart 2016
Oudertevredeheid ods 't Gijmik Pagia 1 va 7 www. Olie Evaluatie Istrumet OBS 't Gijmik Oudertevredeheid ods 't Gijmik maart 2016 Alle rechte voorbehoude. CopyRight 2016 DigiDoc Pagia 1 va 7 Oudertevredeheid
Nadere informatieInzicht in voortgang. Versnellingsvraag 9 Inzichten periode maart t/m juni
Izicht i voortgag Verselligsvraag 9 Izichte periode maart t/m jui Terugblik Ee idicatie hoe ee leerlig zich otwikkeld per vakgebied Ee referetieiveau waarmee elke leerlig vergeleke ka worde 2 Terugblik
Nadere informatieEen andere kijk op Financiële Rekenkunde Wim Pijls, Erasmus Universiteit Rotterdam
Ee adere kijk op Fiaciële Rekekude Wim Pijls, Erasmus Uiversiteit Rotterdam. Ileidig Het vak Fiaciële Rekekude levert vawege zij sterk wiskudig karakter ogal wat probleme op i het oderwijs. Veel leerlige
Nadere informatieEindrapport Leerlingtevredenheidsonderzoek Floracollege Eindexamenklassen 2013
Eidrapport Leerligtevredeheidsoderzoek Floracollege Eidexameklasse 2013 Juli 2013 Ihoudsopgave Samevattig 3 Vrage over schoolwerk 5 Vrage over jezelf 6 Vrage over docete 8 Vrage over de metor 11 Vrage
Nadere informatieUITWERKINGEN TOETS TRAININGSKAMP. Valkenswaard, 10 juni 2006
UITWERKINGEN TOETS TRAININGSKAMP Valkeswaard, 0 jui 006 Opgave. Als we ee verzamelig pute i de ruimte hebbe, moge we ee put va de verzamelig spiegele i ee ader put va de verzamelig e het beeld hierva toevoege
Nadere informatieToelichting bij Opbrengstgegevens VAVO 2011-2013
Toelichtig bij Opbregstgegeves VAVO 2011-2013 Ihoud Ileidig Aatal deelemers exame Kegetalle toezicht exames CE-cijfer alle vakke CE-cijfer alle vakke - tred SE-cijfer mius CE cijfer alle vakke Percetage
Nadere informatiewww. POspiegel.nl Online Instrument voor CB Het Talent schooljaar februari DigiDoc
POspiegel.l Olie Istrumet voor CB Het Talet schooljaar 2009-2010 februari 2010 2010 DigiDoc www. Algemee Algemee. pagia 1 Eigeschappe Equête Nummer ENQ60536 Naam schooljaar 2009-2010 Istellig CB Het Talet
Nadere informatieWaarschijnlijkheidsrekening en Statistiek
Vrije Uiversiteit Brussel Faculteit Toegepaste Weteschappe Waarschijlijkheidsrekeig e Statistiek S. Caeepeel e P. de Groe Syllabus bij de cursus Waarschijlijkheidsrekeig e Statistiek Tweede Kadidatuur
Nadere informatieHoe los ik het op, samen met Thuisvester? Ik heb een klacht
Klachte? Hoe los ik het op, same met Thuisvester? Ik heb ee klacht Thuisvester doet haar uiterste best de beste service te verlee aa haar huurders. We vide ee goede relatie met oze klate erg belagrijk.
Nadere informatie