15.1 Beslissen op grond van een steekproef

Maat: px
Weergave met pagina beginnen:

Download "15.1 Beslissen op grond van een steekproef"

Transcriptie

1 05 15 Exponenten Het toetsen van en logaritmen hypothesen 15.1 Beslissen op grond van een steekproef bladzijde 8 1 a Er wordt dan te veel schuurmiddel geleverd en dit kost geld. b Dan zit er te weinig schuurmiddel in de flacons en dat kost Helder klanten. bladzijde 86 2 a P(ten onrechte bijstellen) = P( X 399 of X 01) = 2 P( X ) = normalcdf,,, , X = 00 X = 50 b Je weet in dat geval niet wat het werkelijke gemiddelde is. c P(niet bijstellen) = P(399 < X < 01 bij = 01) X = normalcdf 399, 01, 01, 50 0, X = 01 X = a P(ten onrechte bijstellen) = P( X 399 of X 01) = 2 P( X 399 ) = 2 normalcdf 10 99, 399, 00, 0, X = 00 X = 120 b P(niet bijstellen) = P(399 < X < 01 bij = 399,2) X = normalcdf 399, 01, 399., , X = 399,2 X = ,2 01 Het toetsen van hypothesen 51

2 bladzijde 88 a PX ( ) = 0,005, dus = invnorm(0.005, 00, 0.) 398,97. PX ( ) = 1 0,005 = 0,995, dus = invnorm(0.995, 00, 0.) 01,03. X = 00 X = 100 = 0, opp = 0,01 b Bij X = 00,8 is er geen aanleiding te verwerpen. Het steekproefgemiddelde wijkt niet significant af. 5 a : = 1500 en H 1 : b PX ( ) = 0,025, dus = invnorm(0.025, 1500, 6) 188,2. PX ( ) = 1 0,025 = 0,975 dus = invnorm(0.975, 1500, 6) 1511,8. X = 1500 X = 100 = 6 60 c Bij X = 192,7 is er geen aanleiding te verwerpen. Het steekproefgemiddelde wijkt niet significant af bladzijde 89 6 a : = en H 1 : b PX ( ) = 0,025, dus = invnorm(0.025, 35000, 500) PX ( ) = 1 0,025 = 0,975, dus = invnorm(0.975, 35000, 500) c zal worden verworpen. Het steekproefgemiddelde X = 338 wijkt significant af van = X = X = 6 = bladzijde 91 7 a : = 25, H 1 : 25 en α = 0,05. De overschrijdingskans van 2 is P( X 2 ) = normalcdf , 2, 25, 0, PX ( 2) 0,5α, dus Conclusie: er is aanleiding om het gemiddelde X = 25 in twijfel te trekken. b : = 25, H 1 : 25 en α = 0,01. De overschrijdingskans van 26 is P( X 26 ) = normalcdf(26, 1099, 25, 0.3) 0,000. PX ( 26) 0,5α, dus Conclusie: er is aanleiding om het gemiddelde X = 25 in twijfel te trekken. 8 X is de levensduur in uren. : = 2000, H 1 : 2000 en α = 0,05. De overschrijdingskans van 1995 is PX ( 1995 ) = normalcdf ,,, 0, PX ( 1995) 0,5α, dus Conclusie: er mag geconcludeerd worden dat het steekproefgemiddelde significant afwijkt van a X is het gewicht in kg van een pak suiker. : = 1,02, H 1 : 1,02 en α = 0,05. De overschrijdingskans van 1,0 is PX ( 10, ) = normalcdf ,,., 50 0,0002. PX ( 10, ) 0,5α, dus Conclusie: de fabrikant zal besluiten de vulmachine opnieuw in te stellen. b De overschrijdingskans van 1,03 is PX ( 103, ) = normalcdf ,,., 50 0,039. PX ( 103, ) > 0,5α, dus Conclusie: de fabrikant zal besluiten de vulmachine niet opnieuw in te stellen. 52 Hoofdstuk 15

3 10 a X is de diameter van een tennisbal in cm. : = 6,8, H 1 : 6,8 en α = 0,10. De overschrijdingskans van 6,75 is PX ( 675, ) = normalcdf ,.,., 0, PX ( 675, ) > 0,5α, dus Conclusie: de afnemer constateert dat de gemiddelde diameter niet significant afwijkt. Bij α = 0,05 is P( X 675, ) > 0,5α, dus ook dan is de conslusie dat de gemiddelde diameter niet significant afwijkt. b : = 6,8, H 1 : 6,8 en α = 0,10. PX ( ) = 0,05, dus = invnorm(0.05, 6.8, 0.02) 6,767. PX ( ) = 1 0,05 = 0,95, dus = invnorm(0.95, 6.8, 0.02) 6,833. Dus verwerp als X 6,76 of X 6,8. 6,8 X = 6,8 X = 100 = 0,02 opp = 0,10 0, Eenzijdig en tweezijdig toetsen bladzijde a Omdat de bewering is dat de levensduur verlengd wordt. b Nee, want het steekproefgemiddelde is kleiner dan = bladzijde 9 12 a PX ( g) = 1 0,10 = 0,90, dus g = invnorm ,, ,51. Verwerp als X 88,6. X = 85 X = 30 opp = 0, g b PX ( g) = 0,05, dus g = invnorm ,, ,51. Verwerp als X 81,5. X = 85 X = g 85 c PX ( ) = 0,005, dus 15 = invnorm , 85, ,27. PX ( ) = 1 0,005 = 0,995, 15 dus = invnorm , 85, ,73. Verwerp als X 82,2 of X 87,8. 13 a X is de afhandelingstijd in minuten. : = 12, H 1 : < 12 en α = 0,05. PX ( g) = 0,05, dus g = invnorm(0.05, 12, 0.6) 11,01. Dus bij steekproefgemiddelden van 11,0 minuten of minder. g X = 85 X = 200 opp = 0,01 15 X = 12 X = 25 = 0,6 3 Het toetsen van hypothesen 53

4 b : = 12, H 1 : < 12 en α = 0,01. De overschrijdingskans van 11,3 is PX ( 11, 3 ) = normalcdf , ,, 0, PX ( 11, 3 ) > α, dus Conclusie: er is geen aanleiding om te concluderen dat de afhandelingstijd is afgenomen. 11,3 12 X = 12 X = 80 opp = 0,01 3 bladzijde 96 1 X is het gewicht in gram van een pakje margarine. : = 500, H 1 : > 500 en α = 0,05. De overschrijdingskans van 500, is PX ( 500, ) = normalcdf(500., 10 99, 500, 0.15) 0,00. PX ( 500, ) α, dus H 0 Conclusie: er is reden om de productieafdeling gelijk te geven. 15 X is de lengte van een zin in woorden. : = 28,6, H 1 : 28,6 en α = 0,01. De overschrijdingskans van 30,2 is PX ( 30, 2 ) = normalcdf ,,., 75 0,009. PX ( 30, 2 ) > 0,5α, dus Conclusie: het pas ontdekte manuscript kan van deze auteur afkomstig zijn. 16 X is het IQ van de Nederlander. : = 100, H 1 : > 100 en α = 0,025. De overschrijdingskans van 108 is PX ( 108 ) = normalcdf ,,, 25 0,00. PX ( 108) α, dus Conclusie: de voorzitter heeft gelijk; schakers zijn intelligenter dan gemiddeld. bladzijde a P(tablet helpt) = P(3,8 < X <,2) = normalcdf(3.8,.2,, 0.12) 0,90 X = X = 0,12 b X is het werkzame aandeel in gram per tablet. : =, H 1 : en α = 0,05. De overschrijdingskans van 3,95 is PX ( 395, ) = normalcdf ,.,, 50. 0,002. PX ( 395, ) 0,5α, dus Conclusie: het steekproefgemiddelde wijkt significant af van mg. c P(tablet helpt niet) = 1 P(3,8 < X <,2) = 1 normalcdf(3.8,.2, 3.95, 0.12) 0,12 Dus 12,% van de tabletten helpt dan niet. 3,8,2 X = 3,95 X = 0,12 18 a PX ( g) = 1 0,05 = 0,95, dus g = invnorm(0.95, 0, 1.6) 2,63. Dus bij X 2,7 wordt verworpen. 3,8 3,95,2 X = 0 X = 25 = 1,6 8 0 g 5 Hoofdstuk 15

5 b Stel dat de lengte van de steekproef n is. PX ( 0, 5) 0,05. normalcdf ,,, n = 0,05 = normalcdf ,,, x en y = 0,05. 2 De optie intersect geeft x 692,6. Dus de steekproef moet een lengte hebben van 693 of meer. X = 0 X = n 8 0 0,5 Casio 0, 5 0 P = 0,95 8 n = P((0.5 0) : (8 : x )) en y 2 = 0,95. De optie intersect geeft x 692,6. Dus de steekproef moet een lengte hebben van 693 of meer. 19 X is de lengte in cm van de Nederlandse man. : = 183, H 1 : > 183 en α = 0,01. De overschrijdingskans van 197 is 99 7 PX ( 197 ) = normalcdf 197, 10, 183, 133 0,0000. PX ( 197) α, dus Conclusie: basketballers zijn langer dan gemiddeld. 20 a X is de trekkracht in newton van een kabel. : = 800, H 1 : < 800 en α = 0,05. De overschrijdingskans van 785 is PX ( 785 ) = normalcdf( 1099, 785, 800, 7) 0,016. PX ( 785) α, dus Conclusie: er is aanleiding de bewering van de fabrikant in twijfel te trekken. b Bij een grotere neemt P( X 785 ) af zodat de fabrikant eerder in het ongelijk wordt gesteld. bladzijde X is de kijktijd van de Nederlander in uren. : = 28,, H 1 : < 28, en α = 0,025. De overschrijdingskans van 27,6 is PX ( 27, 6 ) = normalcdf ,.,., 0, PX ( 27, 6 ) > α, dus H 0 Conclusie: je kunt het niet eens zijn met de uitspraak van de medewerker van De Ster. 22 a X is het gewicht in gram van een pak koffiebonen. : = 500, H 1 : < 500 en α = 0,05. PX ( g) = 0,05, dus g = invnorm 005., 500, 50 99,07. Dus het gemiddelde gewicht moet dan maximaal 99,0 gram zijn. b : = 500, H 1 : > 500 en α = 0,025. De overschrijdingskans van 501,9 is PX ( 501, 9 ) = normalcdf(501.9, 1099, 500, 0.8) 0,008. PX ( 501, 9 ) α, dus H 0 Conclusie: er is aanleiding het hoofd van de afdeling voorraad gelijk te geven. g 500 X = 500 X = 50 Het toetsen van hypothesen 55

6 c : = 500, H 1 : 500 en α = 0,05. De overschrijdingskans van 502,8 is PX ( 502, 8 ) = normalcdf(502.8, 10 99, 500, 0.8) 0,001. PX ( 502, 8) 0,5α, dus Conclusie: het steekproefresultaat wijkt significant af van 500 gram Binomiale toetsen bladzijde a X is een discrete toevalsvariabele, want X kan alleen gehele waarden aannemen. b Je let alleen op de gebeurtenissen succes (de persoon vindt de frisdrank van Mol de lekkerste) en mislukking. Verder is bij elk kansexperiment de kans op succes dezelfde, namelijk p = 0,0. c Nee, want X = 8 is meer dan het verwachte aantal van 0 dat hoort bij p = 0,0. d De concurrent krijgt dan gelijk, want X = 28 ligt ver onder het verwachte aantal van 0 als p = 0,0. bladzijde a X = het aantal personen dat in één keer voor het rijexamen slaagt. : p = 0,35 en H 1 : p > 0,35. De overschrijdingskans van 19 is P(X 19) = 1 P(X 18) = 1 binomcdf(0, 0.35, 18) 0,070. b P(X 19) > α, dus Conclusie: er is aanleiding de bewering van de rijschoolhouder in twijfel te trekken. bladzijde X = het aantal mannen dat aan kleurenblindheid lijdt. : p = 0,08, H 1 : p > 0,08 en α = 0,05. De overschrijdingskans van 22 is P(X 22) = 1 P(X 21) = 1 binomcdf(200, 0.08, 21) 0,080. P(X 22) > α, dus verwerp niet. Conclusie: er is geen aanleiding om mevrouw Bouman gelijk te geven. 26 X = het aantal personen dat een vorm van allergie heeft. : p = 0,30, H 1 : p < 0,30 en α = 0,025. De overschrijdingskans van 112 is P(X 112) = binomcdf(7, 0.30, 112) 0,001. P(X 112) α, dus Conclusie: er is voldoende aanleiding de Amerikaanse onderzoekers gelijk te geven. bladzijde X = het aantal personen dat zich stoort aan reclameblokken tijdens een film. : p = 0,70, H 1 : p < 0,70 en α = 0,025. De overschrijdingskans van 320 is P(X 320) = binomcdf(500, 0.70, 320) 0,0023. P(X 320) α, dus Conclusie: er is voldoende reden aanwezig om de mening van de recensent in twijfel te trekken. 28 X = het aantal keer zes ogen bij het gooien met een dobbelsteen. : p = 1, H : p < 1 en α = 0, De overschrijdingskans van 8 is P(X 8) = binomcdf(80, 1, 8) 0, P(X 8) > α, dus Conclusie: er is niet voldoende aanleiding om het met Mirjam eens te zijn. 29 X = het aantal keer op rood bij het draaien van de schijf. : p = 1, H : p > 1 en α = 0,01. 1 De overschrijdingskans van 52 is P(X 52) = 1 P(X 51) = 1 binomcdf(160, 1, 51) 0,020. P(X 52) > α, dus Er is niet voldoende reden om Simon gelijk te geven. bladzijde X = het aantal patiënten waarbij het middel een positieve uitwerking had. : p = 0,80, H 1 : p < 0,80 en α = 0, Hoofdstuk 15

7 Verwerp als X g. P(X g) 0,05, ofwel binomcdf(500, 0.80, g) 0,05. Casio = binomcdf(500, 0.80, x). Proberen geeft Uit de tabel volgt P(X 38) 0,03 x = 38 geeft y 1 0,03 P(X 385) 0,053. x = 385 geeft y 1 0,053. Verwerp als X 38. Verwerp als X 38. Conclusie: het kleinste aantal patiënten waarbij je de bewering van de fabrikant niet verwerpt is a X = het aantal sets waarbij de speler die begint met serveren de set wint. : p = 0,55, H 1 : p < 0,55 en α = 0,05. Verwerp als X g. P(X g) 0,05, ofwel binomcdf(500, 0.55, g) 0,05. Casio = binomcdf(500, 0.55, x). Proberen geeft Uit de tabel volgt P(X 256) 0,08 x = 256 geeft y 1 0,08 P(X 257) 0,0581. x = 257 geeft y 1 0,0581. Verwerp als X 256. Verwerp als X 256. Conclusie: het aantal sets waarbij de speler die begint met serveren wint, is hoogstens 256. b 22 < 256, dus verwerp. Conclusie: Jacco heeft gelijk. c X = het aantal games dat gewonnen wordt door de serveerder. : p = 0,815, H 1 : p > 0,815 en α = 0,025. Verwerp als X g. P(X g) 0,025 1 P(X g 1) 0,025 Casio = 1 binomcdf(300, 0.815, x). P(X g 1) 0,975 Uit de tabel volgt Proberen geeft x = 256 geeft y 1 0,9658 P(X 256) 0,9658 x = 257 geeft y 1 0,9763. P(X 257) 0,9763. g 1 = 257, dus g = 258. g 1 = 257, dus g = 258. Verwerp als X 258. Verwerp als X 258. Conclusie: de serveerder moet minstens 258 van die games winnen om Jacco gelijk te geven. bladzijde a Een onzuiver geldstuk kan teveel maar ook te weinig keer kop geven. b X = het aantal keer kop bij het gooien met een geldstuk. : p 0,5 en α = 0,05. De overschrijdingskans van 59 is P(X 59) = 1 P(X 58) = 1 binomcdf(100, 0.5, 58) 0,0. P(X 59) > 0,5α, dus Conclusie: het geldstuk is zuiver. 33 X = het aantal keer zes ogen bij het gooien met een dobbelsteen. : p = 1, H : p 1 en α = 0, De overschrijdingskans van 12 is P(X 12) = binomcdf(150, 1, 12) 0, P(X 12) 0,5α, dus Conclusie: de dobbelsteen is niet zuiver. bladzijde Verwerp als X of X. P(X ) 0,05 P(X ) 0,05 binomcdf(50, 0.3, ) 0,05 1 P(X 1) 0,05 1 binomcdf(50, 0.3, 1) 0,05 Je krijgt Je krijgt binomcdf(50, 0.3, 9) 0,002 1 binomcdf(50, 0.3, 19) 0,088 binomcdf(50, 0.3, 10) 0, binomcdf(50, 0.3, 20) 0,078. Dus = 9. 1 = 20, dus = 21. Conclusie: de nulhypothese wordt verworpen bij steekproefresultaten van 9 of minder en van 21 of meer. Het toetsen van hypothesen 57

8 Casio P(X ) 0,05 P(X ) 0,05 Proberen geeft 1 P(X 1) 0,05 P(X 9) 0,002 P(X 1) 0,95 P(X 10) 0,0789. Proberen geeft Dus = 9. P(X 19) 0,9152 P(X 20) 0, = 20, dus = 21. Conclusie: de nulhypothese wordt verworpen bij steekproefresultaten van 9 of minder en van 21 of meer. 35 X = het aantal dossiers waarin bouwfraude voorkomt. : p = 0,12, H 1 : p < 0,12 en α = 0,05. De overschrijdingskans van 8 is P(X 8) = binomcdf(80, 0.12, 8) 0,367. P(X 8) > α, dus Conclusie: de steekproefuitslag wijkt niet significant af van de mededeling in het ochtendblad. 36 X = het aantal mannen dat minstens één keer per twee maanden naar de kapper gaat. : p = 0,68, H 1 : p 0,68 en α = 0,10. De overschrijdingskans van 60 1 = 6 is P(X 6) = 1 P(X 5) = 1 binomcdf(60, 0.68, 5) 0,09. P(X 6) > 0,5α, dus Conclusie: er is geen aanleiding om Beerlage gelijk te geven. 37 X = het aantal Nederlanders dat het een goed idee vindt om veroordeelden van lichte delicten thuis hun straf te laten uitzitten. : p = 0,68, H 1 : p < 0,68 en α = 0,05. De overschrijdingskans van 38 is P(X 36) = binomcdf(66, 0.68, 38) 0,08. P(X 36) α, dus Conclusie: er is voldoende aanleiding om woordvoerder Wolfsen gelijk te geven. 38 a X = het aantal keer dat het balletje op sector 1 blijft liggen. : p = 0,2, H 1 : p 0,2 en α = 0,01. De overschrijdingskans van 115 is P(X 115) = 1 P(X 11) = 1 binomcdf(500, 0.2, 11) 0,05. P(X 115) > 0,5α, dus Conclusie: er is geen aanleiding te vermoeden dat de roulette niet zuiver is. b X = het aantal keer dat het balletje op de sectoren en 5 blijft liggen. : p = 0,, H 1 : p 0, en α = 0,01. Verwerp als X of X. P(X ) 0,005 P(X ) 0,005 binomcdf(600, 0., ) 0,005 1 P(X 1) 0,005 Je krijgt 1 binomcdf(600, 0., 1) 0,005 binomcdf(600, 0., 208) 0,001 Je krijgt binomcdf(600, 0., 209) 0, binomcdf(600, 0., 270) 0,0057 Dus = binomcdf(600, 0., 271) 0, = 271, dus = 272. Conclusie: bij de aantallen 209 tot en met 271 zal de zuiverheid van de roulette niet in twijfel worden getrokken. Casio P(X g 1 ) 0,005 P(X ) 0,005 Proberen geeft 1 P(X 1) 0,005 P(X 208) 0,001 P(X 1) 0,995 P(X 209) 0,0052. Proberen geeft Dus = 208. P(X 270) 0,993 P(X 271) 0, = 271, dus = 272. Conclusie: bij de aantallen 209 tot en met 271 zal de zuiverheid van de roulette niet in twijfel worden getrokken. c X = het aantal keer dat het balletje op de sectoren met een even getal blijft liggen. : p = 0,, H 1 : p < 0, en α = 0,025. De overschrijdingskans van 110 is P(X 110) = binomcdf(300, 0., 110) 0,1312. P(X 110) > α, dus Conclusie: er is niet voldoende reden om het met Erik eens te zijn. 58 Hoofdstuk 15

9 bladzijde X = aantal woningen met dubbele beglazing. : p < 0,5 en α = 0,025. De overschrijdingskans van 111 is P(X 111) = binomcdf(2375, 0.5, 111) 0,030. P(X 111) > α, dus Conclusie: er is niet voldoende reden om de veronderstelling van het ministerie te herzien. 0 X = het aantal bespaarlampen met een levensduur van meer dan 8000 uur. : p = 0,8, H 1 : p < 0,8 en α = 0,10. X = 21 in een steekproef van 30 bespaarlampen. De overschrijdingskans van 21 is P(X 21) = binomcdf(30, 0.8, 21) 0,129. P(X 21) > α, dus Conclusie: er is voldoende aanleiding om de fabrikant in het gelijk te stellen. 1 a P(tomaat wordt doorgedraaid) = P(X < 7,2) = normalcdf( 10 99, 7.2, 7.9, 0.5) 0,081 X = 7,9 X = 0,5 7,2 7,9 b X = het aantal tomaten dat na meting moet worden doorgedraaid. : p = 0,081, H 1 : p < 0,081 en α = 0,01. De overschrijdingskans van 65 is P(X 65) = binomcdf(900, 0.081, 65) 0,18. P(X 65) > α, dus Conclusie: er is niet aangetoond dat het middel S3Fb de diameter vergroot. 2 a X = het aantal baby s dat behoort tot de categorie zwaar. X is binomiaal verdeeld met n = 80 en p = normalcdf(000, 10 99, 3250, 25) = 0,038 P(X 5) = 1 P(X ) = 1 binomcdf(80, 0.038, ) 0,199 b : p = 0,0388, H 1 : p > 0,0388 en α = 0,01. De overschrijdingskans van 8 is P(X 8) = 1 P(X 7) = 1 binomcdf(58, , 7) 0,0017. P(X 8) α, dus Conclusie: de medewerkers van het consultatiebureau hebben gelijk. 15. De tekentoets bladzijde Er is niet gegeven dat de bijbehorende toevalsvariabele normaal verdeeld is. Bovendien is niet gegeven. bladzijde 112 Het teken van waarneming 15 geeft: X = het aantal plustekens in de steekproef met lengte 13, dus X = 3. : p < 0,5 α = 0,10. De overschrijdingskans van 3 is P(X 3) = binomcdf(13, 0.5, 3) 0,06. P(X 3) α, dus Conclusie: er is aanleiding de bewering van de boswachter in twijfel te trekken. 5 Het teken van waarneming 2,5 geeft: X = het aantal plustekens in de steekproef met lengte 15, dus X = 9. : p > 0,5 en α = 0,10. De overschrijdingskans van 9 is P(X 9) = 1 P(X 8) = 1 binomcdf(15, 0.5, 8) 0,30. P(X 9) > α, dus Conclusie: er kan inderdaad worden gesteld dat de wachttijd hoogstens 2,5 minuten is. Het toetsen van hypothesen 59

10 6 Het teken van waarneming,3 geeft: X = het aantal mintekens in de steekproef met lengte 20, dus X = 1. : p > 0,5 en α = 0,10. De overschrijdingskans van 1 is P(X 1) = 1 P(X 13) = 1 binomcdf(20, 0.5, 13) 0,058. P(X 1) α, dus Conclusie: er kan inderdaad worden gesteld dat de bus gemiddeld minder dan,3 minuten te laat is. bladzijde X = het aantal twintigjarige jongens dat zwaarder is dan 75,6 kg. : p > 0,5 en α = 0,025. De overschrijdingskans van 138 is P(X 138) = 1 P(X 137) = 1 binomcdf(250, 0.5, 137) 0,057. P(X 138) > α, dus Conclusie: er mag niet geconcludeerd worden dat het gemiddelde gewicht is toegenomen. 8 X = het aantal vrouwen waarbij de zwangerschap korter duurde dan 266 dagen, dus X = = 28. : p > 0,5 en α = 0,01. De overschrijdingskans van 28 is P(X 28) = 1 P(X 27) = 1 binomcdf(753, 0.5, 27) 0,0001. P(X 28) α, dus Conclusie: de bewering van de geneeskundige kan geaccepteerd worden. bladzijde 11 9 Het teken van na voor is X = het aantal mintekens in de steekproef van lengte 13, dus X = 11. : p > 0,5 en α = 0,05. De overschrijdingskans van 11 is P(X 11) = 1 P(X 10) = 1 binomcdf(13, 0.5, 10) 0,011. P(X 11) α, dus Conclusie: dit resultaat geeft aanleiding te veronderstellen dat het middel het aantal bladluizen vermindert. bladzijde X = het aantal wedstrijden waarvan Nederland de winnaar is. : p > 0,5 en α = 0,05. De overschrijdingskans van 55 is P(X 55) = 1 P(X 5) = 1 binomcdf(9, 0.5, 5) 0,061. P(X 55) > α, dus Conclusie: er is niet voldoende reden te veronderstellen dat Nederland bij het voetballen sterker is dan België. 51 Het teken van A B is X = het aantal plustekens in de steekproef van lengte 20, dus X = 1. : p 0,5 en α = 0,10. De overschrijdingskans van 1 is P(X 1) = 1 P(X 13) = 1 binomcdf(20, 0.5, 13) 0,058. P(X 1) > 0,5α, dus Conclusie: er is geen significant verschil in populariteit van de programma s A en B. 52 X = het aantal honden dat de voorkeur geeft aan B. : p = 0,50, H 1 : p > 0,50 en α = 0,05. De overschrijdingskans van 20 is P(X 20) = 1 P(X 19) = 1 binomcdf(30, 0.5, 19) 0,09. P(X 20) α, dus Conclusie: er is voldoende reden te veronderstellen dat door de honden merk B meer op prijs wordt gesteld dan merk A. 60 Hoofdstuk 15

11 bladzijde Het teken van thuis uit is X = het aantal plustekens in de steekproef van lengte 9, dus X = 6. : p = 0,50, H 1 : p > 0,50 en α = 0,01. De overschrijdingskans van 6 is P(X 6) = 1 P(X 5) = 1 binomcdf(9, 0.5, 5) 0,25. P(X 6) > α, dus Conclusie: er is geen aanleiding te veronderstellen dat thuisvoordeel inderdaad bestaat. 5 Het teken van AEX NIG is X = het aantal plustekens in de steekproef van lengte 11, dus X = 10. : p = 0,50, H 1 : p > 0,50 en α = 0,10. De overschrijdingskans van 10 is P(X 10) = 1 P(X 9) = 1 binomcdf(11, 0.5, 9) 0,006. P(X 10) α, dus Conclusie: er is reden om aan te nemen dat een aandeel AEX het beter doet dan een aandeel NIG. 55 a Het teken van B A is X = het aantal plustekens in de steekproef van lengte 16, dus X = 12. : p = 0,50, H 1 : p 0,50 en α = 0,05. De overschrijdingskans van 12 is P(X 12) = 1 P(X 11) = 1 binomcdf(16, 0.5, 11) 0,038. P(X 12) > 0,5α, dus Conclusie: er is geen reden om aan te nemen dat er kwaliteitsverschil bestaat tussen de beide soorten kunstmest. b X = het aantal plustekens in de steekproef van lengte 16, dus X = 12. : p = 0,50, H 1 : p > 0,50 en α = 0,05. De overschrijdingskans van 12 is P(X 12) = 1 P(X 11) = 1 binomcdf(16, 0.5, 11) 0,038. P(X 12) α, dus Conclusie: er is reden om aan te nemen dat soort B beter is dan soort A Diagnostische toets bladzijde a : = 2200, H 1 : 2200 en α = 0,10. De overschrijdingskans van 2000 is PX ( 2000 ) = normalcdf ,,, 0, PX ( 2000 ) 0,5α, dus H 0 Conclusie: er is aanleiding het gemiddelde X = 2200 in twijfel te trekken. b : = 2200, H 1 : 2200 en α = 0,05. De overschrijdingskans van 2275 is PX ( 2275 ) = normalcdf ,,, 20 0,090. PX ( 2275 ) > 0,5α, dus Conclusie: er is geen aanleiding het gemiddelde X = 2200 in twijfel te trekken. 2 a PX ( g) = 1 0,05 = 0,95, dus g = invnorm 095., 1600, ,8. Conclusie: wordt verworpen bij steekproefresultaten van 1632 en meer. b De overschrijdingskans van 1625 is PX ( 1625 ) = normalcdf ,,, 0 0,018. PX ( 1625) α, dus Conclusie: er is aanleiding om te verwerpen. X = 1600 X = g 75 Het toetsen van hypothesen 61

12 c Stel dat de lengte van de steekproef n is. PX ( 1620 ) 0,10 normalcdf ,,, n = 0,10 = normalcdf ,,, x en y = 0,10. 2 De optie intersect geeft x 23,1. Dus de steekproefomvang moet minstens 2 zijn. Casio P = 0,90 75 n = P(( ) : (75 : x )) en y 2 = 0,90. De optie intersect geeft x 23,1. Dus de steekproefomvang moet minstens 2 zijn. 3 a X is het vetgehalte in procenten van een pak volle melk. : = 3,50, H 1 : < 3,50 en α = 0,10. PX ( g) = 0,10, dus g = invnorm ,., ,93. Conclusie: het gemiddelde vetgehalte van een pak volle melk moet 3,9% of minder zijn om de controledienst in het gelijk te stellen. b : = 3,50, H 1 : > 3,50 en α = 0,025. De overschrijdingskans van 3,508 is PX ( 3, 508 ) = normalcdf , 10, 350., 30 0,01. PX ( 3, 508 ) α, dus H 0 Conclusie: er is aanleiding de gezondheidsraad gelijk te geven. c : = 3,50, H 1 : 3,50 en α = 0,05. De overschrijdingskans van 3,9 is PX ( 3, 9 ) = normalcdf ,.,., 0, PX ( 3, 9 ) > 0,5α, dus Conclusie: het steekproefresultaat wijkt niet significant af van 3,50%. g ,50 X = 1600 X = n opp = 0,10 75 X = 3,50 X = 20 opp = 0,10 0,02 bladzijde 119 X = het aantal jongeren dat lid is van een sportvereniging. : p = 0,75, H 1 : p < 0,75 en α = 0,05. De overschrijdingskans van 81 is P(X 81) = binomcdf(120, 0.75, 81) 0,039. P(X 81) α, dus Conclusie: er is reden om de bewering van sportleraar Van de Vooren in twijfel te trekken. 5 a X = het aantal keer dat de getallen 6 t/m 11 wordt aangewezen. : p = 0,3, H 1 : p 0,3 en α = 0,05. Verwerp als X g 1 of X. P(X ) 0,025 P(X ) 0,025 binomcdf(100, 0.3, ) 0,025 1 P(X 1) 0,025 1 binomcdf(100, 0.3, 1) 0,025 Je krijgt Je krijgt binomcdf(100, 0.3, 20) 0, binomcdf(100, 0.3, 38) 0,030 binomcdf(100, 0.3, 21) 0, binomcdf(100, 0.3, 39) 0,0210. Dus = = 39, dus = 0. Conclusie: bij de aantallen 21 tot en met 39 zal de zuiverheid van het rad niet in twijfel worden getrokken. 62 Hoofdstuk 15

13 Casio P(X ) 0,025 P(X ) 0,025 Proberen geeft 1 P(X 1) 0,025 P(X 20) 0,0165 P(X 1) 0,975 P(X 21) 0,0288. Proberen geeft Dus = 20. P(X 38) 0,9660 P(X 39) 0, = 39, dus = 0. Conclusie: bij de aantallen 21 tot en met 39 zal de zuiverheid van het rad niet in twijfel worden getrokken. b : p = 0,3, H 1 : p 0,3 en α = 0,01. De overschrijdingskans van 70 is P(X 70) = 1 P(X 69) = 1 binomcdf(200, 0.3, 69) 0,073. P(X 70) > 0,5α, dus Conclusie: er is geen aanleiding te vermoeden dat het rad niet zuiver is. 6 a X is het gewicht in gram van een pak koffie. P(X < 1000) = normalcdf( 10 99, 1000, 1006, 5) 0,115 X = 1006 X = b X is aantal pakken koffie met een gewicht van minder dan 1000 gram. : p = 0,115, H 1 : p < 0,115 en α = 0,01. De overschrijdingskans van 18 is P(X 18) = binomcdf(250, 0.115, 18) 0,017. P(X 18) > α, dus Conclusie: er is niet aangetoond dat het gemiddelde is toegenomen. 7 X is het aantal leerlingen dat voor het CE een hoger cijfer heeft dan voor het SE in een steekproef van lengte 26. : p = 0,50, H 1 : p > 0,50 en α = 0,05. De overschrijdingskans van 17 is P(X 17) = 1 P(X 16) = 1 binomcdf(26, 0.50, 16) 0,08. P(X 17) > α, dus Conclusie: op grond van deze cijfers kan niet worden gesteld dat het schoolexamen slechter gemaakt is dan het centraal examen. Het toetsen van hypothesen 63

wordt niet verworpen, dus het gemiddelde wijkt niet significant af van 400 wordt niet verworpen, dus het beïnvloedt de levensduur niet significant

wordt niet verworpen, dus het gemiddelde wijkt niet significant af van 400 wordt niet verworpen, dus het beïnvloedt de levensduur niet significant Hoofdstuk Het toetsen van hypothesen.. Beslissen op grond van een steekproef Opgave : a. hij gebruikt totaal meer schuurmiddel dan nodig is en dat kost dus extra geld b. de klanten gaan klagen als er te

Nadere informatie

Beslissen op grond van een steekproef Hoofdstuk 15

Beslissen op grond van een steekproef Hoofdstuk 15 1 Beslissen op grond van een steekproef Hoofdstuk 15 1. a. Het gaat veel geld kosten voor de fabrikant als er te veel schuurmiddel gebruikt wordt. b. Bij een te laag gemiddelde zullen de klanten niet tevreden

Nadere informatie

wordt niet verworpen, dus het beïnvloedt de levensduur niet significant

wordt niet verworpen, dus het beïnvloedt de levensduur niet significant Hoofdstuk : Kansen en beslissingen. Beslissen op grond van een steekproef. Opgave : a. normalcdf,,8,), 78 b. a invnorm.,8,) 7, c. normalcdf,.,.8, ), 7 y normalcdf,.,.8, X ) kijk in de tabel voor welke

Nadere informatie

15.1 Beslissen op grond van een steekproef [1]

15.1 Beslissen op grond van een steekproef [1] 15.1 Beslissen op grond van een steekproef [1] Voorbeeld 1: Een vulmachine vult flessen met een inhoud van X ml. X is normaal verdeeld met μ = 400 en σ = 4 Er wordt een steekproef genomen van 40 flessen.

Nadere informatie

15.1 Beslissen op grond van een steekproef theorie C. 15.2 Eenzijdig en tweezijdig toetsen. 15.3 Binomiale toetsen theorie A, B, C

15.1 Beslissen op grond van een steekproef theorie C. 15.2 Eenzijdig en tweezijdig toetsen. 15.3 Binomiale toetsen theorie A, B, C Wat leer je? Zorgt verbeterde hygiëne voor een toename van allergische aandoeningen? In de statistiek is een methode ontwikkeld om op zo n vraag een onderbouwd antwoord te geven aan de hand van een steekproefresultaat.

Nadere informatie

11.0 Voorkennis. Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k)

11.0 Voorkennis. Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k) 11.0 Voorkennis Let op: Cumulatieve binomiale verdeling: P(X k) = binomcdf(n,p,k) Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k) Voorbeeld 1: Binomiaal kanseperiment

Nadere informatie

P ( X 26) 0,5 α H 0 wordt verworpen. Conclusie: er is aanleiding om µ = 25 in twijfel te trekken.

P ( X 26) 0,5 α H 0 wordt verworpen. Conclusie: er is aanleiding om µ = 25 in twijfel te trekken. C. von Schwartzenberg 1/10 1a 1b Meer everen dan op de facon vermed staat, kost fabrikant Heder ged. Minder everen dan op de facon vermed staat, kost fabrikant Heder kanten. a P (ten onrechte bijsteen)

Nadere informatie

Samenvatting Wiskunde A

Samenvatting Wiskunde A Bereken: Bereken algebraisch: Bereken exact: De opgave mag berekend worden met de hand of met de GR. Geef bij GR gebruik de ingevoerde formules en gebruikte opties. Kies op een examen in dit geval voor

Nadere informatie

Hoofdstuk 3 Toetsen uitwerkingen

Hoofdstuk 3 Toetsen uitwerkingen Kern Kansen ij een normale verdeling a normalcdf(3.7,., 3,7) =,9 normalcdf(9, 9999,, 7) =,7 c normalcdf( 9999, 3,, ) =,978 a g = invnorm(.3, 8, 7) = 77,9 g = invnorm(.873,, ) = 97,9 c P(X < g μ = 8 en

Nadere informatie

Lesbrief hypothesetoetsen

Lesbrief hypothesetoetsen Lesbrief hypothesetoetsen 00 "Je gaat het pas zien als je het door hebt" Johan Cruijff Willem van Ravenstein Inhoudsopgave Inhoudsopgave... Hoofdstuk - voorkennis... Hoofdstuk - mens erger je niet... 3

Nadere informatie

Hoofdstuk 6 Hypothesen toetsen

Hoofdstuk 6 Hypothesen toetsen Hoofdstuk 6 Hypothesen toetsen ladzijde 144 1a X is aantal autokopers die merk A aanschaffen. X is Bin(100; 0,30) verdeeld. 0,30 3 100 = 30, naar verwachting zullen dus 30 autokopers merk A aanschaffen.

Nadere informatie

Toetsen van Hypothesen. Het vaststellen van de hypothese

Toetsen van Hypothesen. Het vaststellen van de hypothese Toetsen van Hypothesen Wisnet-hbo update maart 2008 1. en Het vaststellen van de hypothese De nulhypothese en de Alternatieve hypothese. Het gaat in deze paragraaf puur alleen om de formulering. Er wordt

Nadere informatie

4.1 Eigenschappen van de normale verdeling [1]

4.1 Eigenschappen van de normale verdeling [1] 4.1 Eigenschappen van de normale verdeling [1] Relatief frequentiepolygoon van de lengte van mannen in 1968 1 4.1 Eigenschappen van de normale verdeling [1] In dit plaatje is een frequentiepolygoon getekend.

Nadere informatie

14.1 Kansberekeningen [1]

14.1 Kansberekeningen [1] 14.1 Kansberekeningen [1] Herhaling kansberekeningen: Somregel: Als de gebeurtenissen G 1 en G 2 geen gemeenschappelijke uitkomsten hebben geldt: P(G 1 of G 2 ) = P(G 1 ) + P(G 2 ) B.v. P(3 of 4 gooien

Nadere informatie

13.1 Kansberekeningen [1]

13.1 Kansberekeningen [1] 13.1 Kansberekeningen [1] Herhaling kansberekeningen: Somregel: Als de gebeurtenissen G 1 en G 2 geen gemeenschappelijke uitkomsten hebben geldt: P(G 1 of G 2 ) = P(G 1 ) + P(G 2 ) B.v. P(3 of 4 gooien

Nadere informatie

c P( X 1249 of X 1751 µ = 1500 en σ = 100) = 1 P(1249 X 1751)

c P( X 1249 of X 1751 µ = 1500 en σ = 100) = 1 P(1249 X 1751) Uitwerkingen Wiskunde A Netwerk VWO 6 Hoofdstuk 5 Toetsen www.uitwerkingensite.nl Hoofdstuk 5 Toetsen Kern Het principe van een toets a Nee, de waarneming,% wijkt erg sterk af van de verwachte,5%. Ja,,6%

Nadere informatie

Uitleg significantieniveau en toetsen van hypothesen

Uitleg significantieniveau en toetsen van hypothesen Uitleg significantieniveau en toetsen van hypothesen Het significantieniveau (meestal aangegeven met de letter α) stelt de kans voor, dat H 0 gelijk heeft, maar H 1 gelijk krijgt. Je trekt dus een foute

Nadere informatie

9.0 Voorkennis. Bij samengestelde kansexperimenten maak je gebruik van de productregel.

9.0 Voorkennis. Bij samengestelde kansexperimenten maak je gebruik van de productregel. 9.0 Voorkennis Bij samengestelde kansexperimenten maak je gebruik van de productregel. Productregel: Voor de gebeurtenis G 1 bij het ene kansexperiment en de gebeurtenis G 2 bij het andere kansexperiment

Nadere informatie

Uitwerkingen Mei 2012. Eindexamen HAVO Wiskunde A. Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek

Uitwerkingen Mei 2012. Eindexamen HAVO Wiskunde A. Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek Uitwerkingen Mei 2012 Eindexamen HAVO Wiskunde A Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek Supersize me Opgave 1. De formule voor de dagelijkse energiebehoefte is E b = 33,6 G. Als

Nadere informatie

Voorbeeld 1: kansverdeling discrete stochast discrete kansverdeling

Voorbeeld 1: kansverdeling discrete stochast discrete kansverdeling 12.0 Voorkennis Voorbeeld 1: Yvette pakt vier knikkers uit een vaas waar er 20 inzitten. 9 van de knikkers zijn rood en 11 van de knikkers zijn blauw. X = het aantal rode knikkers dat Yvette pakt. Er zijn

Nadere informatie

Uitwerkingen voortoets/oefentoets E3 maart/april 2009 MLN

Uitwerkingen voortoets/oefentoets E3 maart/april 2009 MLN Uitwerkingen voortoets/oefentoets E3 maart/april 009 MLN UITZENDBUREAU a H 0 : p=0. ( op is een kans van 0% wel 0.) is de bewering van het uitzendbureau H : p 0. (Helena is het er niet mee eens en denkt

Nadere informatie

De normale verdeling. Les 3 De Z-waarde (Deze les sluit aan bij de paragraaf 10 van Binomiale en normale verdelingen van de Wageningse Methode)

De normale verdeling. Les 3 De Z-waarde (Deze les sluit aan bij de paragraaf 10 van Binomiale en normale verdelingen van de Wageningse Methode) De normale verdeling Les 3 De Z-waarde (Deze les sluit aan bij de paragraaf 10 van Binomiale en normale verdelingen van de Wageningse Methode) De grafische rekenmachine Vooraf In deze les ga je veel met

Nadere informatie

4 De normale verdeling

4 De normale verdeling bladzijde 217 35 a X = het aantal vrouwen met osteoporose. P(X = 30) = binompdf(100, 1, 30) 0,046 4 b X = het aantal mannen met osteoporose. Y = het aantal vrouwen met osteoporose. P(2 met osteoporose)

Nadere informatie

Hoofdstuk 8: De normale verdeling. 8.1 Centrum- en spreidingsmaten. Opgave 1:

Hoofdstuk 8: De normale verdeling. 8.1 Centrum- en spreidingsmaten. Opgave 1: Hoofdstuk 8: De normale verdeling 8. Centrum- en spreidingsmaten Opgave : 00000 4 4000 5 3000 a. 300 dollar 0 b. 9 van de atleten verdienen minder dan de helft van het gemiddelde. Het gemiddelde is zo

Nadere informatie

Hoofdstuk 8: Het Toetsen van Hypothesen (Extra Oefeningen)

Hoofdstuk 8: Het Toetsen van Hypothesen (Extra Oefeningen) Hoofdstuk 8: Het Toetsen van Hypothesen (Extra Oefeningen) 8.16. Men wenst H 0 : p 0.2 te testen tegenover H 1 : p 0.4 voor een binomiale distributie met n 10. Bepaal α en β als de testfunctie gegeven

Nadere informatie

11.1 Kansberekeningen [1]

11.1 Kansberekeningen [1] 11.1 Kansberekeningen [1] Kansdefinitie van Laplace: P(gebeurtenis) = Aantal gunstige uitkomsten/aantal mogelijke uitkomsten Voorbeeld 1: Wat is de kans om minstens 16 te gooien, als je met 3 dobbelstenen

Nadere informatie

Kansberekeningen Hst

Kansberekeningen Hst 1 Kansberekeningen Hst. 1 1. P(,) + P(,) + P(,) = 1 1 1 1 1 1 5 + + = 16 b. P(10) = P(,,) + P(,,) = 1 1 1 1 1 1 1 6 + = 6 c. P(min stens keer een ) =1 P(max imaal keer een ) = 1 binomcdf (1, 1,) 0,981

Nadere informatie

34% 34% 2,5% 2,5% ,5% 13,5%

34% 34% 2,5% 2,5% ,5% 13,5% C. von Schwartzenberg 1/16 1a Er is uitgegaan van de klassen: 1 < 160; 160 < 16; 16 < 170;... 18 < 190. 1b De onderzochte groep bestaat uit 1000 personen. 1c x = 17,3 (cm) en σ, 7 (cm). 1de 680 is 68%

Nadere informatie

Uitwerkingen Wiskunde A HAVO

Uitwerkingen Wiskunde A HAVO Uitwerkingen Wiskunde A HAVO Nederlands Mathematisch Instituut December 28, 2012 Supersize me Opgave 1. De formule voor de dagelijkse energiebehoefte is E b = 33,6 G. Als we dit invullen dan krijgen we

Nadere informatie

Hiermee rekenen we de testwaarde van t uit: n. 10 ( x ) ,16

Hiermee rekenen we de testwaarde van t uit: n. 10 ( x ) ,16 modulus strepen: uitkomst > 0 Hiermee rekenen we de testwaarde van t uit: n 10 ttest ( x ) 105 101 3,16 n-1 4 t test > t kritisch want 3,16 >,6, dus 105 valt buiten het BI. De cola bevat niet significant

Nadere informatie

Hoofdstuk 5 - Hypothese toetsen

Hoofdstuk 5 - Hypothese toetsen V-1a 98 ladzijde 114 Niet iedereen heeft dezelfde kans om in deze steekproef te komen. Het zijn klanten van de winkel. Het zijn alleen vrouwen. Het zijn klanten die allemaal op hetzelfde tijdstip oodshappen

Nadere informatie

Populatie: De gehele groep elementen waarover informatie wordt gewenst.

Populatie: De gehele groep elementen waarover informatie wordt gewenst. Statistiek I Werkcollege 1 Populatie: De gehele groep elementen waarover informatie wordt gewenst. Steekproef: Gedeelte van de populatie dat feitelijk wordt onderzocht om informatie te vergaren. Eenheden:

Nadere informatie

HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN

HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN Inleiding Statistische gevolgtrekkingen (statistical inference) gaan over het trekken van conclusies over een populatie op basis van steekproefdata.

Nadere informatie

Hoofdstuk 6 Twee populaties: parametrische toetsen

Hoofdstuk 6 Twee populaties: parametrische toetsen Hoofdstuk 6 Twee populaties: parametrische toetsen 6.1 De t-toets voor het verschil tussen twee gemiddelden: In veel onderzoekssituaties zijn we vooral in de verschillen tussen twee populaties geïnteresseerd.

Nadere informatie

Kansrekening en Statistiek

Kansrekening en Statistiek Kansrekening en Statistiek College 12 Donderdag 21 Oktober 1 / 38 2 Statistiek Indeling: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 38 Deductieve

Nadere informatie

Hoofdstuk 4 Hypothese toetsen

Hoofdstuk 4 Hypothese toetsen a b Hoofdstuk 4 Hypothese toetsen 4. Werken met steekproeven bladzijde 84 (a) de onderzoeker ondervraagt alleen mannen (b) hij ondervraagt slechts mensen die een winkelwagen hebben gepakt (c) hij doet

Nadere informatie

Zin en onzin van normale benaderingen van binomiale verdelingen

Zin en onzin van normale benaderingen van binomiale verdelingen Zin en onzin van normale benaderingen van binomiale verdelingen Johan Walrave, docent EHSAL 0. Inleiding Voordat het grafisch rekentoestel in onze school ingevoerd werd, was er onder de statistiekdocenten

Nadere informatie

3 Cijfers in orde. Antwoorden- boekje. Met behulp van Excel. Stedelijk. Gymnasium. Nijmegen

3 Cijfers in orde. Antwoorden- boekje. Met behulp van Excel. Stedelijk. Gymnasium. Nijmegen 1 Stedelijk Gymnasium Nijmegen 2 0 6 7 4 5 9 8 3 Cijfers in orde Met behulp van Excel L Antwoorden- boekje 2 Antwoorden Introductielessen Excel Introductieles Excel (1) Opdracht 1 Er staat een zwart blokje

Nadere informatie

c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6

c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6 c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6 1. Iemand kiest geblinddoekt 4 paaseitjes uit een mand met oneindig veel paaseitjes. De helft is melkchocolade, de andere

Nadere informatie

Empirische kansen = op ervaring gegrond; bereken je door relatieve frequenties te gebruiken. Wet van de grote aantallen.

Empirische kansen = op ervaring gegrond; bereken je door relatieve frequenties te gebruiken. Wet van de grote aantallen. Samenvatting Kansen Definitie van Laplace : P(G) = aantal _ gunstige _ uitkomsten aantal _ mogelijke _ uitkomsten Voorbeeld : Vb kans op 4 gooien met dobbelsteen: Aantal gunstige uitkomsten = 1 ( namelijk

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek DD14) op vrijdag 17 maart 006, 9.00-1.00 uur. UITWERKINGEN 1. Methoden om schatters te vinden a) De aannemelijkheidsfunctie

Nadere informatie

5.0 Voorkennis. Voorbeeld 1: In een vaas zitten 10 rode, 5 witte en 6 blauwe knikkers. Er worden 9 knikkers uit de vaas gepakt.

5.0 Voorkennis. Voorbeeld 1: In een vaas zitten 10 rode, 5 witte en 6 blauwe knikkers. Er worden 9 knikkers uit de vaas gepakt. 5.0 Voorkennis Voorbeeld 1: In een vaas zitten 10 rode, 5 witte en 6 blauwe knikkers. Er worden 9 knikkers uit de vaas gepakt. a) Bereken de kans op minstens 7 rode knikkers: P(minstens 7 rood) = P(7 rood)

Nadere informatie

Uitwerkingen Hst. 10 Kansverdelingen

Uitwerkingen Hst. 10 Kansverdelingen Uitwerkingen Hst. 0 Kansverdelingen. Uittellen: 663 ; 636 ; 366 ; 654 (6 keer) ; 555 0 mogelijkheden met som 5.. Som geen 5 = 36 som 5 Som 5: 4, 3, 3, 4 4 mogelijkheden dus 3 mogelijkheden voor som geen

Nadere informatie

Tentamen Wiskunde A. Het gebruik van een mobiele telefoon of andere telecommunicatieapparatuur tijdens het tentamen

Tentamen Wiskunde A. Het gebruik van een mobiele telefoon of andere telecommunicatieapparatuur tijdens het tentamen CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE Tentamen Wiskunde A Datum: 16 januari 2014 Tijd: 14.00-17.00 uur Aantal opgaven: 7 Zet uw naam op alle in te leveren blaadjes. Laat bij elke opgave door middel

Nadere informatie

13,5% 13,5% De normaalkromme heeft dezelfde vorm als A (even breed en even hoog), maar ligt meer naar links.

13,5% 13,5% De normaalkromme heeft dezelfde vorm als A (even breed en even hoog), maar ligt meer naar links. G&R havo A deel C. von Schwartzenberg /8 a Er is uitgegaan van de klassen: < 60; 60 < 6; 6 < 70;... 8 < 90. b c De onderzochte groep bestaat uit 000 personen. (neem nog eens GRpracticum uit hoofdstuk 4

Nadere informatie

Antwoorden door K woorden 14 augustus keer beoordeeld. Wiskunde A. Supersize me. Opgave 1: leerstof: Formules met meer variabelen.

Antwoorden door K woorden 14 augustus keer beoordeeld. Wiskunde A. Supersize me. Opgave 1: leerstof: Formules met meer variabelen. Antwoorden door K. 1901 woorden 14 augustus 2015 1 1 keer beoordeeld Vak Wiskunde A Supersize me Opgave 1: leerstof: Formules met meer variabelen. Formule energiebehoefte = =33,6 G 5000(kcal) = dagelijkse

Nadere informatie

Statistiek voor A.I. College 12. Dinsdag 23 Oktober

Statistiek voor A.I. College 12. Dinsdag 23 Oktober Statistiek voor A.I. College 12 Dinsdag 23 Oktober 1 / 20 2 Deductieve statistiek Orthodoxe statistiek 2 / 20 3 / 20 Jullie - onderzoek Wivine Tijd waarop je opstaat (uu:mm wordt weergeven als uumm). Histogram

Nadere informatie

Noordhoff Uitgevers bv

Noordhoff Uitgevers bv bladzijde 9 a, 3 3000 = 8900 = 830, b 0, 07 000000 = 8000 = 80, c 300 700 = 6870000 = 690, 8 d 0, 000 0, 007 = 0, 00000 =, 0 6 e 6344, 78, 98 = 49604, 336 = 4960, 6 9 6 f, 0 + 4 0 = 74000000 =, 74 0 9

Nadere informatie

In de Theorie worden de begrippen toevalsvariabele, kansverdeling en verwachtingswaarde toegelicht.

In de Theorie worden de begrippen toevalsvariabele, kansverdeling en verwachtingswaarde toegelicht. Toevalsvariabelen Verkennen www.mathall.nl MAThADORE-basic HAVO/VWO /5/6 VWO wi-a Kansrekening Toevalsvariabelen Inleiding Verkennen Beantwoord de vragen bij Verkennen. Uitleg www.mathall.nl MAThADORE-basic

Nadere informatie

EXAMENTOETS TWEEDE PERIODE 5HAVO MLN/SNO

EXAMENTOETS TWEEDE PERIODE 5HAVO MLN/SNO EXAMENTOETS TWEEDE PERIODE 5HAVO wiskunde A MLN/SNO Onderwerp: Statistiek - Blok Datum: donderdag 1 januari 010 Tijd: 8.30-10.45 NB 1: Bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN aangeven.

Nadere informatie

TOETSEN VAN HYPOTHESEN

TOETSEN VAN HYPOTHESEN TOETSEN VAN HYPOTHESEN 9 9.1 EEN TOETS VOOR DE POPULATIEPROPORTIE Probleem 1 Anna beweert bij hoog en bij laag dat door een dobbelsteen te schudden voor gebruik, je het resultaat in je voordeel kunt beïnvloeden.

Nadere informatie

Toegepaste Statistiek, Week 6 1

Toegepaste Statistiek, Week 6 1 Toegepaste Statistiek, Week 6 1 Eén ordinale en één nominale variabele Nominale variabele met TWEE categorieën, 1 en 2 Ordinale variabele normaal verdeeld binnen iedere categorie? Variantie in beide categorieën

Nadere informatie

Lesbrief de normale verdeling

Lesbrief de normale verdeling Lesbrief de normale verdeling 2010 Willem van Ravenstein Inhoudsopgave Inhoudsopgave... 1 Hoofdstuk 1 de normale verdeling... 2 Hoofdstuk 2 meer over de normale verdeling... 11 Hoofdstuk 3 de n-wet...

Nadere informatie

o Geef bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN. Als je alleen een antwoord geeft worden er GEEN PUNTEN toegekend!

o Geef bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN. Als je alleen een antwoord geeft worden er GEEN PUNTEN toegekend! Examentoets 2 6VWO-A Statistiek woensdag 20 januari 2010 o Geef bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN. Als je alleen een antwoord geeft worden er GEEN PUNTEN toegekend! o Geef bij gebruik

Nadere informatie

Kansrekening en Statistiek

Kansrekening en Statistiek Kansrekening en Statistiek College 10 Donderdag 20 Oktober 1 / 1 2 Statistiek Vandaag: Hypothese toetsen 2 / 1 3 / 1 Terzijde NU.nl 19 oktober 2011: Veel Facebookvrienden wijst op grotere hersenen. (http://www.nu.nl/wetenschap/2645008/veel-facebookvrienden-wijst-groterehersenen-.html)

Nadere informatie

Statistiek = leuk + zinvol

Statistiek = leuk + zinvol Statistiek = leuk + zinvol Doel 1: Doel : Doel 3: zie titel een statistisch onderzoek kunnen beoordelen een statistisch onderzoek kunnen opzetten een probleem vertalen in standaardmethoden gegevens verzamelen,

Nadere informatie

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan

Nadere informatie

Hoofdstuk 2 De normale verdeling. Kern 1 Normale verdelingen. 1 a

Hoofdstuk 2 De normale verdeling. Kern 1 Normale verdelingen. 1 a Hoofdstuk De normale verdeling Kern Normale verdelingen a percentage 30 0 0 57 6 67 7 77 8 87 9 97 0 07 De polygoon heeft een klokvorm. b In totaal is 0, + 0,9 + 3,3 +,0 +,3 + 7,3= 50,5 procent van de

Nadere informatie

HOOFDSTUK 6: Kansrekening. 6.1 De productregel. Opgave 1: a. 3 van de 4 knikkers zijn rood. P(rood uit II. Opgave 2: a. P(twee wit

HOOFDSTUK 6: Kansrekening. 6.1 De productregel. Opgave 1: a. 3 van de 4 knikkers zijn rood. P(rood uit II. Opgave 2: a. P(twee wit HOOFDSTUK : Kansrekening. De productregel Opgave : van de knikkers zijn rood rood uit II ) d. 0, e. 0, Opgave : 0 twee wit 0, ) 0 0 ) 0 0 ) 0 0 blauw en rood 0, wit en groen 0, d. geen blauw 7 0, ) 0 0

Nadere informatie

De 'echte' toets lijkt hierop, alleen is de vormgeving anders. De uitwerkingen vind je voor de toetsweek terug op

De 'echte' toets lijkt hierop, alleen is de vormgeving anders. De uitwerkingen vind je voor de toetsweek terug op De 'echte' toets lijkt hierop, alleen is de vormgeving anders. De uitwerkingen vind je voor de toetsweek terug op www.molenaarnet.org. Geef je niet exacte antwoorden in 4 decimalen nauwkeurig Opgave 1

Nadere informatie

G&R vwo A/C deel 2 8 De normale verdeling C. von Schwartzenberg 1/14. 3a 1 2

G&R vwo A/C deel 2 8 De normale verdeling C. von Schwartzenberg 1/14. 3a 1 2 G&R vwo A/C deel 8 De normale verdeling C. von Schwartzenberg 1/14 1a Gemiddelde startgeld x = 1 100000 + 4 4000 + 3000 = 13100 dollar. 10 1b Het gemiddelde wordt sterk bepaald door de uitschieter van

Nadere informatie

3.1 Het herhalen van kansexperimenten [1]

3.1 Het herhalen van kansexperimenten [1] 3.1 Het herhalen van kansexperimenten [1] Voorbeeld: Op een schijf staan een zestal afbeeldingen in even grote vakjes: 3 keer appel, 2 keer banaan, 1 keer peer. Sandra draait zes keer aan de schijf. a)

Nadere informatie

Hoofdstuk 5 Een populatie: parametrische toetsen

Hoofdstuk 5 Een populatie: parametrische toetsen Hoofdstuk 5 Een populatie: parametrische toetsen 5.1 Gemiddelde, variantie, standaardafwijking: De variantie is als het ware de gemiddelde gekwadrateerde afwijking van het gemiddelde. Hoe groter de variantie

Nadere informatie

Les 1: Waarschijnlijkheidrekening

Les 1: Waarschijnlijkheidrekening Les 1: Waarschijnlijkheidrekening A Men neemt een steekproef van 1000 appelen. Deze worden ingedeeld volgens gewicht en volgens symptomen van een bepaalde schimmel: geen, mild, gematigd of ernstig. Het

Nadere informatie

Hypothese toetsen. Moderne Wiskunde MW B1 deel 5, hoofdstuk S3

Hypothese toetsen. Moderne Wiskunde MW B1 deel 5, hoofdstuk S3 Hypothese toetsen Moderne Wiskunde MW B deel 5, hoofdstuk S3 Het is vaak onmogelijk om een volledige populatie te onderzoeken. Dan moet je je behelpen met een steekproef uit de populatie. Op grond van

Nadere informatie

Paragraaf 9.1 : De Verwachtingswaarde

Paragraaf 9.1 : De Verwachtingswaarde Hoofdstuk 9 Kansverdelingen (V5 Wis A) Pagina 1 van 8 Paragraaf 9.1 : De Verwachtingswaarde Les 1 Verwachtingswaarde Definities : Verwachtingswaarde Verwachtingswaarde = { wat je verwacht } { gemiddelde

Nadere informatie

Hoofdstuk 11: Kansverdelingen 11.1 Kansberekeningen Opgave 1: Opgave 2: Opgave 3: Opgave 4: Opgave 5:

Hoofdstuk 11: Kansverdelingen 11.1 Kansberekeningen Opgave 1: Opgave 2: Opgave 3: Opgave 4: Opgave 5: Hoofdstuk : Kansverdelingen. Kansberekeningen Opgave : kan op manieren 5 kan op! manieren 555 kan op manier 0 0 som 5) Opgave : som 5) som 5) som ) som ) c. som 0) d. som 0) som ) Opgave : som ) som )

Nadere informatie

Voorbeeldtentamen Statistiek voor Psychologie

Voorbeeldtentamen Statistiek voor Psychologie Voorbeeldtentamen Statistiek voor Psychologie 1) Vul de volgende uitspraak aan, zodat er een juiste bewering ontstaat: De verdeling van een variabele geeft een opsomming van de categorieën en geeft daarbij

Nadere informatie

Statistische toetsen

Statistische toetsen Statistische toetsen Een handleiding voor elke leerling die worstelt met het toetsen van zijn gegevens bij het PWS Hanna Bodde en Annalie Koerts Karla Thie Inhoudsopgave 1. Inleiding 3 2. Criteria voor

Nadere informatie

Uitwerkingen Mei Eindexamen VWO Wiskunde A. Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek

Uitwerkingen Mei Eindexamen VWO Wiskunde A. Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek Uitwerkingen Mei 2012 Eindexamen VWO Wiskunde A Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek Schroefas Opgave 1. In de figuur trekken we een lijn tussen 2600 tpm op de linkerschaal en

Nadere informatie

Hoofdstuk 3 Statistiek: het toetsen

Hoofdstuk 3 Statistiek: het toetsen Hoofdstuk 3 Statistiek: het toetsen 3.1 Schatten: Er moet een verbinding worden gelegd tussen de steekproefgrootheden en populatieparameters, willen we op basis van de een iets kunnen zeggen over de ander.

Nadere informatie

0,269 of binompdf(8, 7, 4) 0,269.

0,269 of binompdf(8, 7, 4) 0,269. G&R vwo A deel Mathematische statistiek C. von Schwartzenberg / a P (som = 6) = P () + P () = () () P P. + = + = + = 6 6 6 b P = = + = + (som 0) P () P () () () = + = + = 6 = P P 6 6 6 6 6 6 6 6 6 6. c

Nadere informatie

Statistiek voor A.I. College 10. Donderdag 18 Oktober

Statistiek voor A.I. College 10. Donderdag 18 Oktober Statistiek voor A.I. College 10 Donderdag 18 Oktober 1 / 28 Huffington Post poll verkiezingen VS - 12 Oktober 2012 2 / 28 Gallup poll verkiezingen VS - 15 Oktober 2012 3 / 28 Jullie - onderzoek Kimberly,

Nadere informatie

Toetsen van hypothesen

Toetsen van hypothesen Les 4 Toetsen van hypothesen We hebben tot nu toe enigszins algemeen naar grootheden van populaties gekeken en bediscussieerd hoe we deze grootheden uit steekproeven kunnen schatten. Vaak hebben we echter

Nadere informatie

UITWERKINGEN VOOR HET VWO NETWERK B13

UITWERKINGEN VOOR HET VWO NETWERK B13 12 UITWERKINGEN VOOR HET VWO NETWERK B13 HOOFDSTUK 6 KERN 1 1a) Zie plaatje De polygoon heeft een klokvorm 1b) Ongeveer 50% 1c) 0,1 + 0,9 + 3,3 + 11,0 = 15,3% 2a) klokvorm 2b) geen klokvorm 2c) klokvorm

Nadere informatie

DEZE PAGINA NIET vóór 8.30u OMSLAAN!

DEZE PAGINA NIET vóór 8.30u OMSLAAN! STTISTIEK 1 VERSIE MT15303 1308 1 WGENINGEN UNIVERSITEIT LEERSTOELGROEP MT Tentamen Statistiek 1 (MT-15303) 5 augustus 2013, 8.30-10.30 uur EZE PGIN NIET vóór 8.30u OMSLN! STRT MET INVULLEN VN NM, REGISTRTIENUMMER,

Nadere informatie

Boek 2 hoofdstuk 8 De normale verdeling.

Boek 2 hoofdstuk 8 De normale verdeling. 52a. de groepen verschillen sterk in grootte b. 100 van de 5000 = 1 van de 50 dus 1 directielid, 90 winkelmedewerkers en 9 magazijnmedewerkers. Boek 2 hoofdstuk 8 De normale verdeling. 8.1 Vuistregels

Nadere informatie

Rekenboek 3 havo/vwo. Antwoorden NOORDHOFF UITGEVERS 2014 REKENBOEK 3 HAVO/VWO ANTWOORDEN 1

Rekenboek 3 havo/vwo. Antwoorden NOORDHOFF UITGEVERS 2014 REKENBOEK 3 HAVO/VWO ANTWOORDEN 1 Rekenboek havo/vwo Antwoorden NOORDHOFF UITGEVERS 04 REKENBOEK HAVO/VWO ANTWOORDEN Blok Getallen. Bewerkingen a 45 d 6 g 8 b 60 e 90 h 687 c 4 f 56 i 48 a 4 d 000 b 4 000 e 000 c 70 f 0 000 a 7 d 0 b 70

Nadere informatie

Correctievoorschrift VWO. Wiskunde A (oude stijl) Voorbereidend Wetenschappelijk Onderwijs. Tijdvak CV17 Begin

Correctievoorschrift VWO. Wiskunde A (oude stijl) Voorbereidend Wetenschappelijk Onderwijs. Tijdvak CV17 Begin Wiskunde A (oude stijl) Correctievoorschrift VWO Voorbereidend Wetenschappelijk Onderwijs 20 03 Tijdvak 30000 CV7 Begin Regels voor de beoordeling Het werk van de kandidaten wordt beoordeeld met inachtneming

Nadere informatie

6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling.

6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling. Opgaven hoofdstuk 6 I Basistechnieken 6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling. x 0 2 4 6 p(x) ¼ ¼ ¼ ¼ a. Schrijf alle mogelijke verschillende steekproeven van n =

Nadere informatie

Examen Statistiek I Januari 2010 Feedback

Examen Statistiek I Januari 2010 Feedback Examen Statistiek I Januari 2010 Feedback Correcte alternatieven worden door een sterretje aangeduid. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Twee derden van de mannen

Nadere informatie

Verklarende Statistiek: Toetsen. Zat ik nou in dat kritische gebied of niet?

Verklarende Statistiek: Toetsen. Zat ik nou in dat kritische gebied of niet? Verklarende Statistiek: Toetsen Zat ik nou in dat kritische gebied of niet? Toetsen, Overzicht Nulhypothese - Alternatieve hypothese (voorbeeld: toets voor p = p o in binomiale steekproef) Betrouwbaarheid

Nadere informatie

Examen VWO 2015. wiskunde C. tijdvak 2 woensdag 17 juni 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.

Examen VWO 2015. wiskunde C. tijdvak 2 woensdag 17 juni 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage. Examen VWO 2015 tijdvak 2 woensdag 17 juni 13.30-16.30 uur wiskunde C Bij dit examen hoort een uitwerkbijlage. Dit examen bestaat uit 22 vragen. Voor dit examen zijn maximaal 79 punten te behalen. Voor

Nadere informatie

7.1 Toets voor het gemiddelde van een normale verdeling

7.1 Toets voor het gemiddelde van een normale verdeling Hoofdstuk 7 Toetsen van hypothesen Toetsen van hypothesen is, o.a. in de medische en chemische wereld, een veel gebruikte statistische techniek. Het wordt vaak gebruikt om een gevestigde norm eventueel

Nadere informatie

Kansverdelingen Inductieve statistiek met Geogebra 4.2

Kansverdelingen Inductieve statistiek met Geogebra 4.2 Kansverdelingen Inductieve statistiek met Geogebra 4.2 Brecht Dekeyser Pedic 20 november 2013 Gent 1 Inhoud Nieuw in Geogebra 4.2 Kansverdelingen: Berekeningen en grafische voorstellingen Manueel in rekenblad

Nadere informatie

Tentamenset A. 2. Welke van de volgende beweringen is waar? c. N R N d. R Z R

Tentamenset A. 2. Welke van de volgende beweringen is waar? c. N R N d. R Z R Tentamenset A. Gegeven de volgende verzamelingen A en B. A is de verzameling van alle gehele getallen tussen de 0 en 0 die deelbaar zijn door, en B is de verzameling gehele positieve getallen deelbaar

Nadere informatie

Hoofdstuk 8 - De normale verdeling

Hoofdstuk 8 - De normale verdeling ladzijde 216 1a Staafdiagram 3 want te verwachten is dat er elke maand ongeveer evenveel mensen jarig zijn. Dat is meteen ook de reden waarom de andere drie niet voldoen. Feruari estaat uit vier weken

Nadere informatie

Kengetal Antwoord Nee Nee Ja Nee Ja Ja Nee Toetsgrootheid 1,152 1,113 2,048 1,295 1,152 1,113 0,607

Kengetal Antwoord Nee Nee Ja Nee Ja Ja Nee Toetsgrootheid 1,152 1,113 2,048 1,295 1,152 1,113 0,607 1. Om na te gaan of de gemiddelde bijdrage dezelfde is voor ziekenkas A en voor ziekenkas B heeft men op een toevallige wijze 30 personen geselecteerd waarvan 15 aangesloten zijn bij ziekenkas A en 15

Nadere informatie

Hoofdstuk 6 Examenaanpak. Kern 1 Modelleren

Hoofdstuk 6 Examenaanpak. Kern 1 Modelleren Uitwerkingen Wiskunde A Netwerk VWO 6 Hoofdstuk 6 Examenaanpak www.uitwerkingenste.nl Hoofdstuk 6 Examenaanpak Kern Modelleren a De vrouwen van 8 jaar vallen in de categorie 5 9. Hoe de verdeling binnen

Nadere informatie

Hoofdstuk 9 De Normale Verdeling. Kern 1 Normale verdelingen. Netwerk, 4 Havo A, uitwerkingen Hoofdstuk 9, De Normale Verdeling Elleke van der Most

Hoofdstuk 9 De Normale Verdeling. Kern 1 Normale verdelingen. Netwerk, 4 Havo A, uitwerkingen Hoofdstuk 9, De Normale Verdeling Elleke van der Most Hoofdstuk 9 De Normale Verdeling Kern Normale verdelingen a percentage 30 0 0 57 6 67 7 77 8 87 9 97 0 07 De polygoon heeft een klokvorm. b De gemiddelde lengte valt in de klasse 80 84 cm. Omdat 8 precies

Nadere informatie

Vandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses

Vandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses Vandaag Onderzoeksmethoden: Statistiek 3 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Recap Centrale limietstelling

Nadere informatie

Tentamen Wiskunde A. Het gebruik van een mobiele telefoon of andere telecommunicatieapparatuur tijdens het tentamen

Tentamen Wiskunde A. Het gebruik van een mobiele telefoon of andere telecommunicatieapparatuur tijdens het tentamen CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE Tentamen Wiskunde A Datum: 23 januari 2012 Tijd: 19.00-22.00 uur Aantal opgaven: 8 Zet uw naam op alle in te leveren blaadjes. Laat bij elke opgave door middel

Nadere informatie

Paragraaf 7.1 : Het Vaasmodel

Paragraaf 7.1 : Het Vaasmodel Hoofdstuk 7 Kansrekening (V4 Wis A) Pagina 1 van 8 Paragraaf 7.1 : Het Vaasmodel Les 1 : Kansen Herhalen kansen berekenen Hoe bereken je de kans als je een aantal keren achter elkaar een experiment uitvoert?

Nadere informatie

Paragraaf 9.1 : De Verwachtingswaarde

Paragraaf 9.1 : De Verwachtingswaarde Hoofdstuk 9 Kansverdelingen (V5 Wis A) Pagina 1 van 8 Paragraaf 9.1 : De Verwachtingswaarde Les 1 Verwachtingswaarde Definities : Verwachtingswaarde Verwachtingswaarde = { wat je verwacht } { gemiddelde

Nadere informatie

Kansrekening en Statistiek

Kansrekening en Statistiek Kansrekening en Statistiek College 13 Dinsdag 26 Oktober 1 / 24 2 Statistiek Indeling: Hypothese toetsen Filosofie 2 / 24 Hypothese toetsen 3 / 24 Hypothese toetsen: toepassingen Vb. Een medicijn wordt

Nadere informatie

VB: De hoeveelheid neemt nu met 12% af. Hoeveel was de oorspronkelijke hoeveelheid? = 1655 oud = 1655 nieuw = 0,88 x 1655 = 1456

VB: De hoeveelheid neemt nu met 12% af. Hoeveel was de oorspronkelijke hoeveelheid? = 1655 oud = 1655 nieuw = 0,88 x 1655 = 1456 Formules, grafieken en tabellen Procenten - altijd afronden op 1 decimaal tenzij anders vermeld VB: Een hoeveelheid neemt met 12% toe to 1456. Hoeveel was de oorspronkelijke hoeveelheid? Oud =? Nieuw =

Nadere informatie

Notatieafspraken Grafische Rekenmachine, wiskunde A

Notatieafspraken Grafische Rekenmachine, wiskunde A Notatieafspraken Grafische Rekenmachine, wiskunde A Bij deze verstrek ik jullie de afspraken voor de correcte notatie bij het gebruik van de grafische rekenmachine. Verder krijg je een woordenlijst met

Nadere informatie

Data analyse Inleiding statistiek

Data analyse Inleiding statistiek Data analyse Inleiding statistiek 1 Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen»

Nadere informatie

Tentamen Wiskunde A. Het gebruik van een mobiele telefoon of andere telecommunicatieapparatuur tijdens het tentamen

Tentamen Wiskunde A. Het gebruik van een mobiele telefoon of andere telecommunicatieapparatuur tijdens het tentamen CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE Tentamen Wiskunde A Datum: 24 juni 2013 Tijd: 19.00-22.00 uur Aantal opgaven: 7 Zet uw naam op alle in te leveren blaadjes. Laat bij elke opgave door middel van

Nadere informatie