Van beschrijvende naar verklarende statistiek
|
|
- Brecht van den Berg
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Hoofdstuk 5 Van beschrjvende naar verklarende statstek We hebben gezen n de beschrjvende statstek hoe we data grafsch kunnen voorstellen en samenvatten door centrum- en spredngsmaten als we beschkken over de data van een volledge populate. Inden we echter enkel beschkken over steekproefdata, wat meestal het geval s, dan wensen we net alleen deze beschrjvng van de data. We wensen nu ook utspraken te doen over de volledge, voor ons onbekende, populate. Deze statstsche beslutvormng omtrent de populate wordt bestudeerd n de verklarende statstek. In dergeljke utspraken speelt het kansbegrp een belangrjke rol. Het begrp stochastsche veranderljke staat centraal n de verklarende statstek. 5. Gemddelde en varante m.b.v. relateve frequente Om het verband te begrjpen tussen de beschrjvende en de verklarende statstek s het belangrjk de formules voor het rekenkundg gemddelde en de standaardafwjkng van de data te schrjven n functe van de relateve frequente van de verschllende data. Als voorbeeld beschouwen we de volgende data bestaande ut n = 0 numereke gegevens : x Hernner je dat we voor het (rekenkundg) gemddelde de notate µ gebruken voor het populategemddelde en x voor een steekproefgemddelde. Voor de bovenstaande ljst, als steekproef, vnden we 0 x = x = 4. 0 = 75
2 Inden we van de bovenstaande data een frequentetabel construeren, noteren we de verschllende meetresultaten, van klen naar groot, samen met hun frequente en de relateve frequente. Voor de bovenstaande data geeft dt, met x ( =,..., m) de m verschllende data, de volgende tabel : x f f / n (n = ) 0 We verkrjgen, op bass van deze tabel, voor het rekenkundg gemddelde : x m f. x f m = = = x met m n n = n en n het totale aantal gegevens. Ut de laatste formule volgt dat we het rekenkundg gemddelde kunnen nterpreteren als het gewogen gemddelde van de verschllende getallen x, waarbj elke x vermengvuldgd wordt met het gewcht f / n. Dt gewcht s de relateve frequente van x. De som van de relateve frequentes s steeds. De frequenteverdelng of relateve frequenteverdelng wordt aanschouweljk voorgesteld n onderstaande grafek of staafdagram: f / n x x We kunnen x mechansch als volgt nterpreteren : Plaats een gewchtsloze staaf op de x -as en massa s f / n n de punten x. Nu s x het zwaartepunt van de massaverdelng. De staaf s n evenwcht nden we hem ondersteunen ter hoogte van x. 76
3 Voor de populatevarante σ en de steekproefvarante s van n getallen geldt : populatevarante steekproefvarante zonder frequentetabel met frequentetabel = N = σ s = = ( x ) µ f ( ) x µ n N = M = σ ( x ) x f ( ) x x n s = m = N n We plaatsen de data n de ljsten L en L van de TI-83, n de vorm van de frequentetabel, en berekenen vervolgens de kengetallen. Reken manueel na dat s = 74/9 = Stochastsche veranderljken De utkomsten van een experment hoeven geen getallen te zjn. Vaak zjn het zelfs net de utkomsten de ons nteresseren maar bepaalde getallen geassoceerd met de utkomsten. Als voorbeeld beschouwen we het experment dat bestaat ut het twee keer opwerpen van een muntstuk. De mogeljke utkomsten zjn KK, KM, MK, MM. We zjn echter alleen beneuwd naar het aantal keer kop. We stellen het aantal keer kop voor door X. We kunnen net op voorhand zeggen welke waarde X zal aannemen bj de start van het experment. Dt hangt af van het toeval. We noemen X een toevalsveranderljke of stochastsche veranderljke of kortweg stochast. Stochasten noteren we steeds met hoofdletters. 77
4 Pas na utvoeren van het experment weten we hoeveel keer kop er tevoorschjn s gekomen. De stochast X heeft een concrete waarde aangenomen. Deze waarde noteren we met de bjbehorende klene letter x. Inden we het experment nog eens herhalen, kunnen we een andere x krjgen. Dt ondersched tussen hoofdletters voor stochasten en klene letters voor de concrete aangenomen waarden na het utvoeren van het experment s zeer belangrjk n de verklarende statstek. Zo spreken we over de kans P( X = x ), d.w.z. de kans dat X de waarde x aanneemt. De stochast X s volledg gekenmerkt door de verschllende waarden de X kan aannemen en de bjbehorende kans dat dt gebeurt. Dergeljke tabel noemen we de kansverdelng van X : x 0 P ( X = x ) 4 4 Heronder vnd je een grafsche voorstellng van de kansverdelng : Merk op dat P( X = ) = P ({KM, MK}). In dt voorbeeld s X een dscrete stochast. Dt s een stochast waarvan je de verschllende waarden de kunnen aangenomen worden, kan ordenen als een rj. Bovenden kan een dscrete stochast onendg veel waarden aannemen. PX ( = x) x Een stochast s egenljk een functe van de utkomstenverzamelng van het experment naar. In het vorge voorbeeld assoceert X met de utkomsten KK, KM, MK, MM als beelden respecteveljk de getallen,,, 0. De verzamelng van al de beelden levert ons een neuwe utkomstenverzamelng { 0,,} waarn we geïnteresseerd zjn. De kansen op de utkomsten 0,, worden gegeven door de kansverdelng van X. 5.3 Verwachtngswaarde De verwachtngswaarde of het gemddelde van een dscrete stochast X wordt gedefneerd door : E( X) = x P( X = x). We sommeren over alle waarden de de stochast aanneemt. Steeds geldt : PX ( = x ) =. 78
5 Voor ons vorg voorbeeld vnden we : Wat s de betekens van E( X )? E( X ) = =. 4 4 Herhaal het experment werp twee keer een muntstuk heel vaak en noteer telkens het aantal keer kop. Het gemddelde van al de getallen s geljk aan het gewogen gemddelde van de getallen 0, en met als gewchten hun relateve frequentes. Op de lange duur zullen de relateve frequentes evolueren naar de kansen PX ( = 0), PX ( = ), PX ( = ). Op de lange duur benadert het gemddelde van de getallen bjgevolg E( X ). We noteren het gemddelde van een stochast met µ ; E( X ) = µ. De Grekse letter µ hebben we vroeger ook reeds gebrukt als notate voor het gemddelde van een populate van getallen. E( X ) = µ s nderdaad te beschouwen als het gemddelde van de populate van alle getallen x de we verkrjgen door het experment heel vaak ut te voeren. De kracht van de smulate van een experment met het rekentoestel bestaat hern dat we de frequenteverdelng van de verkregen data snel kunnen genereren. Dt geeft, nden we de smulate van het experment maar vaak genoeg utvoeren, meteen ook de relateve frequenteverdelng van de data als goede benaderng van de kansverdelng van de stochast. Dt s soms de enge maner van werken om de kansverdelng van een stochast te achterhalen, nden de kansberekenng te moeljk wordt. We smuleren het experment werp twee keer een muntstuk 00 keer en noteren telkens het aantal keer kop. We coderen kop met en munt met 0. De resultaten plaatsen we n ljst L. Defneer de WINDOW- en MODE-nstellngen zoals heronder om een staafdagram te tekenen en bereken het gemddelde van L. 79
6 De smulate leverde 4 keer 0, 9 keer en 39 keer als aantal keer kop. Het gemddelde aantal s = Dt s een goede benaderng of schattng van de theoretsche waarde E( X ). Ook de relateve frequentes 0., 0.595, 0.95 geven reeds een ruw dee van de theoretsche kansverdelng 0.5, 0.5, 0.5 van de stochast X. Klasopgave Combneer de smulates van alle studenten. Wat verwacht je van de relateve frequenteverdelng? Met de stochast X = aantal keer kop bj twee keer werpen van een muntstuk kunnen we neuwe stochasten defnëren. Stel bjvoorbeeld dat men jou n het casno het volgende kansspel voorstelt. Je werpt twee keer een muntstuk en telt het aantal keer kop. Tel herbj op en kwadrateer. Dt s het bedrag dat je krjgt n Euro. Als nzet moet je echter 5 Euro betalen per spel. Ga je dt spel een ganse avond spelen, n de veronderstellng dat je rjk genoeg bent om steeds je nzet te betalen? We smuleren dt met behulp van de ljst L van voorgaande smulate. De bedragen de we ontvangen komen terecht n ljst L = (L + ). Vlug even narekenen wat we verlezen of wnnen na 00 keer spelen. De resultaten zjn onhelspellend. Bj de eerste smulate verles je 3 Euro. Een tweede en derde smulate zjn snel utgevoerd dankzj het koppelen van de formule n ljst L. Ook her verlezen we respecteveljk 74 en 3 Euro na telkens 00 keer spelen. Dt spel s af te raden. Ook zonder smulate kun je de gemddelde wnst per spel na lang spelen berekenen. De stochast Y = ( X + ) 5 s de wnst per spel. Deze neemt de waarden 4, en 4 aan met respecteveljke kansen,,
7 Het gemddelde van Y s EY ( ) = 4 + ( ) + 4 = Dt s de gemddelde wnst na lang spelen. Op de lange duur verles je gemddeld 0.5 Euro per spel. Na 00 keer spelen mag je een verles verwachten n de buurt van 00 Euro. Als we de dre smulates combneren, hebben we = 38 Euro verles na 600 keer spelen. Dt s aardg dcht bj de theoretsche voorspellng van = 300. Voor een eerljk spel moet de gemddelde wnst per spel nul zjn en dt s her net het geval. Voor een dscrete stochast X met waarden x kan men bewjzen dat de verwachtngswaarde van een stochast Y = g( X ) gegeven wordt door : E( g( X)) = g( x ) P( X = x ) 5.4 Varante Een belangrjke llustrate van de laatste formule s de varante van X : ( ) µ Var( X ) = E ( X µ ) met µ = E( X ) of Var( X ) = ( x ) P( X = x ) Voor X = aantal keer kop bj twee keer werpen van een muntstuk geldt : 4 4 Var( X ) = (0 ) + ( ) + ( ) =. We noteren de varante van X met σ : Var( X ) = σ. De standaardafwjkng, σ, s de posteve verkantswortel van de varante. In ons voorbeeld geldt : σ = 0.5 = De steekproefvarante van de getallen de we verkrjgen bj het heel vaak herhalen van het experment, s = m = ( ) f x x n (), benadert het best Var( X ). 8
8 Je zou n () eerder n verwachten als noemer als je de formule Var( X ) = ( x µ ) P( X = x) bekjkt en daar we op de lange duur bekomen dat f PX ( = x ). Maar vergeet net dat we n de teller van () als benaderng voor n µ = E( X ) het steekproefgemddelde x gebruken. In paragraaf 5.8 zen we waarom s de beste schattng s van Var( X ) = σ. Het gemddelde en de standaardafwjkng (of de varante) zjn de belangrjkste kenmerken van een dscrete of contnue (ze verder) stochast. Om het gemddelde en de standaardafwjkng van een dscrete stochast te berekenen met het rekentoestel volstaat het een populate van getallen n te voeren waarvan de relateve frequenteverdelng samenvalt met de kansverdelng van de stochast. Voor X = aantal keer kop bj twee keer werpen van een muntstuk kan dt als volgt : L,L L,L3 We kunnen ook de relateve frequentes nvoeren n L, ze onderaan. Maar dan gebeurt er ets met Sx, kan je dat verklaren? Waarom bljft σx wel just? L,L 5.5 Lukrake trekkng ut een populate Beschouw als populate de schoenmaten van n = 30 volwassen mannen (ze ook 4.4) met onderstaande frequentetabel: x f Het populategemddelde s µ = 4., de populatestandaardafwjkng s σ =.89. 8
9 Schrjf de 30 schoenmaten op een kaartje en leg de kaarten n een doos. Vraag aan emand, de de nhoud van de doos net kent, om lukraak een getal te trekken ut deze populate. We noemen dt getal X. Dt s een stochast daar we net op voorhand kunnen zeggen welk getal er zal gekozen worden. Elke kaart heeft dezelfde kans om getrokken te worden. De kansverdelng van X valt samen met de relateve frequenteverdelng van de populate : x f P( X x ) n = = Bjgevolg zjn E( X ) en Var( X ) respecteveljk geljk aan het gemddelde µ en de varante σ van de gegeven populate. Voor een lukrake trekkng X ut een populate van getallen geldt steeds : E( X ) = populategemddelde µ, Var( X )= populatevarante σ. Dt s een belangrjke vaststellng. We noemen X ook een populatestochast. 5.6 Afhankeljke en onafhankeljke stochasten Bj draaen van de heronder afgebeelde raderen van fortun komen we terecht n één van de ver kwadranten. Stel X het butenste en Y het bnnenste getal
10 Voor het rechtse rad geldt : E( X ) = = 5 en EY ( ) = = 5. De verwachtngswaarden van X + Y en X Y zjn n dt geval : E( X + Y) = = 30 = E( X) + E( Y) E( X Y) = E(0) = 0 E( X) E( Y) Reken na dat Var( X + Y ) Var( X ) + Var( Y ). Voor het lnkse rad, met dezelfde betekens van X en Y, geldt : E( X ) = = 5 en EY ( ) = = 7 E( X + Y) = = 3 = E( X) + E( Y) E( X Y) = = 75 = E( X) E( Y) Reken na dat n dt geval geldt dat Var( X + Y ) = Var( X ) + Var( Y ). Voor het lnkse rad zegt men dat de stochasten X en Y onafhankeljk zjn. D.w.z. dat nformate over de ene stochast geen extra nformate geeft over de andere stochast. Zo geldt voor het hele lnkse rad dat de gebeurtenssen Y = 4 en Y = 0 als kans / hebben. Zegt men je dat de gebeurtens X = 0 s opgetreden, hebben Y = 4 en Y = 0 (bekjk enkel het tweede en verde kwadrant) nog steeds kans /. Bj het rechtse rad zjn X en Y afhankeljk. De gebeurtens Y = 0 heeft kans /. Maar als je weet dat X = 0 s opgetreden, heeft Y = 0 kans. 5.7 Egenschappen van de operatoren E en Var Stel X, Y stochasten bj eenzelfde experment en a een reëel getal. Er geldt : EX ( + Y) = EX ( ) + EY ( ) Ea ( X) = aex ( ) de operator E s lnear. E( X Y) = E( X) E( Y) Var( X + Y ) = Var( X ) + Var( Y ) als X en Y onafhankeljk zjn. 84
11 Bovenden geldt : E( a) = aen Var( a ) = 0 Var( X + a) = Var( X ) en Var a X a Var X ( ) = ( ) Deze egenschappen zjn geldg voor dscrete en contnue (ze verder) stochasten. 5.8 Het begrp steekproef n de verklarende statstek In de volgende tabel beschouwen we als populate de lengte (n cm) van 00 knderen van 0 jaar We bepalen de statstsche kengetallen en een hstogram. Stel X een lukraak gekozen getal ut deze populate. Daar de kansverdelng van X samenvalt met de relateve frequenteverdelng van de gegeven populate geldt dat E( X ) = populategemddelde µ en Var( X )= populatevarante σ. 85
12 In plaats van de dscrete voorstellng te geven van de (relateve)frequentes van de 34 verschllende data bedt een hstogram een beter beeld. Bepaal een frequentetabel met het programma FREQTAB (ze opdracht 9 - paragraaf 4.8), met als resultaat het plaatje hernaast. We kezen n keer lukraak een getal, dat we telkens terugleggen, ut de populate. Dt geeft een rj van onafhankeljke stochasten X, X,, X n met dezelfde (kans)verdelng als X. Zo een rj noemen we een steekproef van grootte n ut een populate met populatestochast X. Utgaande van een steekproef berekent men vaak het steekproefgemddelde X : X = X + X + X n n Dt s een stochast. Pas na het utvoeren van een steekproef krjgen we één x+ x + xn concrete getalwaarde x =, afhankeljk van het toeval. Als we nog n een steekproef utvoeren, krjgen we wellcht een andere getalwaarde x. Als je dat heel vaak doet, zal de (relateve) frequenteverdelng van de zo verkregen gemddelden langzaam maar zeker evolueren naar de kansverdelng van de stochast X. De exacte kansverdelng van X s de relateve frequenteverdelng van de populate van de gemddelden van alle geordende n-tallen de we kunnen vormen met elementen ut de gegeven populate. We genereren enkele steekproeven van grootte 4 ut de populate van de 00 lengtes de we n een ljst plaatsten. We berekenen telkens het steekproefgemddelde en de steekproefstandaardafwjkng. We zen dat er veel varate s n de resultaten. Theoretsch vnden we voor een steekproef van grootte n ut een populate met populatestochast X : X+ X + + Xn E( X) = E = ( E( X ) + + E( Xn )) = n E( X) = E( X) = µ n n n 86
13 De verwachtngswaarde van het steekproefgemddelde X s steeds geljk aan het populategemddelde µ. Daarom noemt men X een onvertekende schatter van µ. De concrete verkregen waarde x na het utvoeren van een steekproef noemen we een schattng van µ. Zo verkregen we bj de bovenstaande steekproeven als schattngen ( x ) voor µ = achtereenvolgens 35.5, 36.75, 9,. Deze schattngen schommelen om en bj Ec Xh = µ. In het hoofdstuk over betrouwbaarhedsntervallen gaan we deper n op de kwaltet van zo een schattng. De steekproefvarante S s per defnte : stochast. Men kan bewjzen dat ES n ( X ) X = S =. Dt s ook een n VarX ( ) σ, m.a.w. dat S een c h = = onvertekende schatter s van de populatevarante σ. Voor deze egenschap s het noodzakeljk dat n de defnte van steekproefvarante gedeeld wordt door n. Dt s de reden waarom we s als schattng gebruken voor σ en bjgevolg schatten we σ met s. Bj bovenstaande steekproeven vonden we als schattngen (s ) van σ = 7.7 achtereenvolgens de volgende steekproefstandaardafwjkngen : 5.06, 4.03, 6.6. We kunnen aantonen dat voor de varante van het steekproefgemddelde X geldt : ( ) Var X Var( X ) σ = = of n n σ σ = n X X Dt s de populatevarante gedeeld door de steekproefgrootte. Dt s een belangrjk resultaat. De varante van het steekproefgemddelde wordt klener naarmate de steekproefomvang n toeneemt. M.a.w. hoe groter de steekproef, hoe mnder varate er zal zjn n de verkregen steekproefgemddelden x en hoe beter we µ kunnen schatten. Ook Var S σ c h wordt klener naarmate n groter wordt zodat we met s ook beter kunnen schatten. De steekproefgrootte heeft alvast nvloed op de kwaltet van een schattng. 87
14 We llustreren dat we betere schattngen krjgen door enkele steekproeven te genereren van grootte 0 (telkens steekproeven met terugleggen). Er s nderdaad mnder varate n de resultaten en je krjgt betere schattngen voor µ en σ. Tenslotte genereren we 00 steekproeven van grootte ver ut onze populate van 00 getallen de zch n ljst L bevnden. De steekproefgemddelden komen n L. Je zet bjvoorbeeld dat de zesde steekproef als gemddelde 38.5 heeft. We vergeljken het hstogram van de gegeven populate n L en dat van de 00 steekproefgemddelden n L. Voor bede grafeken s Xmn=0, Xmax=60 en Xscl=4. We merken op dat er een klenere spredng s n de gemddelden, zoals verwacht. In ons voorbeeld vonden we als gemddelde. Dt s een schattng van 4 µ = , het gemddelde van de 00 mogeljke steekproefgemddelden van steekproeven van grootte ver ut onze populate met 00 getallen! In de smulate was de steekproefstandaardafwjkng van de 00 steekproefgemddelden geljk aan σ X σ X 7.7 Dt s een schattng van de theoretsche σ X = = = =
15 5.9 Steekproeven met en zonder terugleggen In voorgaande paragraaf beschouwden we steekproeven met terugleggen. Een getrokken getal werd telkens teruggelegd vooraleer een neuw getal werd getrokken. Dt garandeert dat elke X van de steekproef dezelfde verdelng heeft als de populatestochast X. Bj steekproeven zonder terugleggen zjn de Her geldt wel nog dat E( X ) = µ. X 's echter net onafhankeljk. Deze ntuïtef effcëntere maner van werken resulteert dan ook n een klenere σ X N n standaardafwjkng van X : σ =, met N de populategrootte en n X n N de steekproefgrootte. De formule voor σ wordt dus ngewkkelder. X Voor grote N, waarbj n gevoelg klener s dan N, wordt de reductefactor ongeveer. N n N σ X In dt geval kunnen we de eenvoudge formule σ = bljven gebruken. X n 89
16 5.0 Opdrachten c h µ.. Stel X een stochast met E( X ) = µ. Toon aan dat Var( X ) = E X. Zeher de verdelng van het aantal nwoners bj husgeznnen n Amerka : aantal nwoners fracte van de husgeznnen Kes lukraak een husgezn en stel X het aantal nwoners. De stochast X heeft een kansverdelng de gegeven wordt door de bovenstaande tabel. Bereken E( X ) en Var( X ). 3. Werp een dobbelsteen en stel X het aantal ogen. Bereken E( X ) en Var( X ). Bereken tevens E ( X ). Smuleer honderd worpen met een dobbelsteen. Bereken het gemddelde en de steekproefvarante van het aantal ogen en vergeljk dt met de theoretsche waarden E( X ) en Var( X ). 4. Werp twee dobbelstenen. Stel X het aantal ogen op de eerste dobbelsteen, Y het aantal ogen op de tweede dobbelsteen en S = X + Y het totaal aantal ogen. Bereken E( S) en Var( S ) : (a) met behulp van de resultaten van opdracht 3 en (b) utgaande van de kansverdelng van S. 5. Stel X en Y onafhankeljke stochastsche veranderljken met EX ( ) =, ( ) E X = 7 en EY ( ) =, Var( Y ) = 5. Bereken : (a) E ( X 3) (b) Var( X ) (c) E(3X Y + 8) (d) Var(X 4 Y ) (e) Var( Y + X + 0) (f) Var( ax ± by ) 90
17 6. Beschouw het volgende kansspel. Werp twee dobbelstenen en tel het totaal aantal ogen. Inden dt groter s dan 7, krjg je 5 Euro. Zonet betaal je 4 Euro. Is dt een eerljk spel? Stel X de wnst per spel. Voor een eerljk spel moet EX ( ) = 0, het spel s ongunstg voor de speler nden EX ( ) < 0 en gunstg als EX ( ) > 0. Smuleer 00 spelen en bereken naden de verwachte wnst. 7. Trek twee getallen ut onderstaande vaas. Noem X het eerste getal en Y het tweede getal. 0 3 Stel M = max( XY, ) en S = X + Y. Bepaal de kansverdelng van M en S en hun gemddelde. (a) voor een trekkng met terugleggen, (b) voor een trekkng zonder terugleggen. Smuleer dt experment 00 keer, bereken het gemddelde en vergeljk met de theoretsche waarde. 8. Beschouw de 3 onderstaande vazen. Een letter wordt ut de eerste vaas getrokken. Is dt de letter a, dan trekken we een getal ut de tweede vaas. Is het de letter b, dan trekken we een getal ut de derde vaas. Noem X het getrokken getal. Teken een kansboom en bereken E( X ). a b 0 b Ut Amerka komt het spel chuck a luck met dobbelstenen. De speler mag nzetten op één van de getallen,,3,4,5,6. Vervolgens werpt hj dre dobbelstenen. Komt zjn getal, of 3 keer tevoorschjn, dan krjgt hj, of 3 keer zjn nzet met daarbj zjn nzet terug. Stel X de wnst met als nzet dollar. Bereken E( X ). 9
18 0. In een bepaalde wjk valt gedurende een maand een aantal straatlantaarns ut. Dt aantal X heeft de volgende kansverdelng: x P X = x ( ) Een monteur gaat één keer per maand op controle n de wjk en vervangt de defecte lampen. De kosten herbj zjn 5 Euro vast plus 5 Euro per vervangen lamp. Stel K het bedrag te betalen aan de monteur. Bereken E( X ) en E( K ). 9
1. In de hoofdstad van Ivoorkust, Yamoussoukro, meet men de lengte van 100 mannen (in cm) :
. In de hoofdstad van Ivoorkust, Yamoussoukro, meet men de lengte van 00 mannen (n cm) : 68,6 56,4 66,8 85,5 77,3 0,8 77,3 97,3 75,5 69,5 7,7 70,9 90,0 79, 66,8 0,3 6,7 70,0 55,0 68,6 69,5 57,7 68,6 89,5
Nadere informatieVariantie-analyse (ANOVA)
Statstek voor Informatekunde, 2006 Les 6 Varante-analyse (ANOVA) Met de χ 2 -toetsen zjn we nagegaan of verschllende steekproeven bj dezelfde verdelng horen. Vaak komt men echter ook de vraag tegen of
Nadere informatieINLEIDING FYSISCH-EXPERIMENTELE VAARDIGHEDEN (3A560) , UUR
INLEIDING FYSISCH-EXPERIMENTELE VAARDIGHEDEN (3A560) 3--00, 4.00-6.30 UUR Dt tentamen bestaat ut opgaven. Geef noot alleen maar het antwoord op een vraag, maar laat altjd zen hoe je tot dat antwoord gekomen
Nadere informatieRegressie en correlatie
Statstek voor Informatekunde, 006 Les 7 Regresse en correlate Als we na twee kenmerken van elementen van een populate kjken, s het een voor de hand lggende vraag of we aan de hand van de waarde van het
Nadere informatieRegressie en correlatie
Statstek voor Informatekunde, 005 Les 6 Regresse en correlate Als we na twee kenmerken van elementen van een populate kjken, s het een voor de hand lggende vraag of we aan de hand van de waarde van het
Nadere informatieINLEIDING FYSISCH-EXPERIMENTELE VAARDIGHEDEN (3A560) , UUR
INLEIDING FYSISCH-EPERIMENTELE VAARDIGHEDEN (3A560) 1-1-004, 9.00-1.00 UUR Dt tentamen bestaat ut opgaven. Geef noot alleen maar het antwoord op een vraag, maar laat altjd zen hoe je tot dat antwoord gekomen
Nadere informatieTentamen van Wiskunde B voor CiT (151217) Tentamen van Statistiek voor BIT (153031) Vrijdag 27 januari 2006 van 9.00 tot uur
Kenmerk: TW6/SK/5/kp Datum: 9--6 Tentamen van Wskunde B voor CT (57) Tentamen van Statstek voor BIT (533) Vrjdag 7 januar 6 van 9. tot. uur Dt tentamen bestaat ut 9 opgaven, tabellen en formulebladen.
Nadere informatieLes 2 / 3: Meetschalen en Parameters
Les / : Meetschalen en Parameters I Theore: A. Algemeen : V s de verzamelng van alle mogeljke utkomsten van een toevallg eperment. Een veranderljke of stochastek s een afbeeldng G de aan elke utkomst w
Nadere informatieBij een invalshoek i =(15.0 ± 0.5) meet hij r =(9.5 ± 0.5). 100%-intervallen. Welke conclusie kan de onderzoeker trekken?
INLEIDING FYSISCH-EPERIMENTELE VAARDIGHEDEN (3A560) --003, 9.00-.00 UUR Dt tentamen bestaat ut 3 opgaven. Geef noot alleen maar het antwoord op een vraag, maar laat altjd zen hoe je tot dat antwoord gekomen
Nadere informatieMeten en experimenteren
Meten en expermenteren Statstsche verwerkng van gegevens Een korte nledng Ze syllabus voor detals 16 februar 2012 Catherne De Clercq Statstsche verwerkng van gegevens Kursus Toegepaste Statstek door J.
Nadere informatie1 Rekenen met complexe getallen
Rekenen met complexe getallen In dt hoofdstuk leer je rekenen met complexe getallen. Ze vormen een getallensysteem dat een utbredng s van het bekende systeem van de reële getallen. Je leert ook hoe je
Nadere informatieiv. Laat zien dat dit volgt uit de algemene rekenregel van onderdeel i.
INLEIDING FYSISCH-EXPERIMENTELE VAARDIGHEDEN (3A560) 5-11-00, 9.00-1.00 UUR Dt tentamen bestaat ut 3 opgaven. Geef noot alleen maar het antwoord op een vraag, maar laat altjd zen hoe je tot dat antwoord
Nadere informatiei i Datzelfde aggregaat in een vorig jaar 0 stellen we voor door
Bjlage 20A Groefactoren en ndces In deze bjlage gaan we deer n o enkele veelgebrukte rjs- en hoeveelhedsndces We belchten ook de kookrachtsartetswsselkoers, de toelaat om aggregaten tussen landen te vergeljken
Nadere informatieToepassing: Codes. Hoofdstuk 3
Hoofdstuk 3 Toepassng: Codes Als toepassng van vectorrumten over endge lchamen kjken we naar foutenverbeterende codes. We benutten slechts elementare kenns van vectorrumten, en van de volgende functe.
Nadere informatieINLEIDING FYSISCH-EXPERIMENTELE VAARDIGHEDEN (3A560) , UUR
INLEIDING FYSISCH-EPERIMENTELE VAARDIGHEDEN (3A560) 4-11-003, 9.00-1.00 UUR Dt tentamen bestaat ut opgaven. Geef noot alleen maar het antwoord op een vraag, maar laat altjd zen hoe je tot dat antwoord
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Exploratieve statistiek. Infoboekje. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Explorateve statstek Infoboekje Prof. dr. Herman Callaert Hans Bekaert Cecle Goethals Les Provoost Marc Vancaudenberg www.uhasselt.be/lesmateraal-statstek . Van deze boxplot
Nadere informatieGegevensverwerving en verwerking
Gegevensverwervng en verwerkng Staalname Bblotheek - aantal stalen/replcaten - grootte staal - apparatuur - beschrjvend - varante-analyse Expermentele setup Statstek - correlate - regresse - ordnate -
Nadere informatieAanbevolen literatuur
Inhoud Les 1 Beschrjvende statstek....................... 3 1.1 Representate van gegevens................. 3 1. Grafsche representate van gegevens............ 6 1.3 Typsche waarden......................
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Correlatie: exploratieve methoden. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Correlate: eplorateve methoden Werktekst voor de leerlng Prof. dr. Herman Callaert Hans Bekaert Cecle Goethals Les Provoost Marc Vancaudenberg Statstek voor het secundar onderwjs
Nadere informatieVerslag Regeltechniek 2
Verslag Regeltechnek 2 Door: Arjan Koen en Bert Schultz Studenten Werktugbouw deeltjd Cohort 2004 Inhoudsogave Inledng blz. 3 2 Oen lus eerste-orde systeem blz. 4 3 Gesloten lus P-geregeld eerste orde
Nadere informatieDe standaardafwijking
Statstek voor het secudar oderwjs De stadaardafwjkg De stadaardafwjkg Prof dr Herma Callaert Ihoudstafel Motvate Ee groter kader: leare modelle Dre dmeses, twee verklarede veraderljke Twee dmeses, éé verklarede
Nadere informatieanwb.nl/watersport, de site voor watersporters
Het s net zo gebrukeljk om voor klene jachten een sleepproef te laten utvoeren. Zo'n proef s duur en daardoor vaak net rendabel. Toch loont een sleepproef de moete. Aan de hand ervan kunnen bj voorbeeld
Nadere informatiePROEFEXAMEN SOCIALE STATISTIEK
PROEFEXAMEN SOCIALE STATISTIEK November 0 REEKS Naam:... Score /0 Voornaam:... Studerchtng:. Studentennummer:... Studerchtng (laatste) mddelbaar:. Uren wskunde per week (laatste mddelbaar):. Enkele belangrjke
Nadere informatieWaardeoverdracht. Uw opgebouwde pensioen meenemen naar uw nieuwe pensioenuitvoerder
Waardeoverdracht Uw opgebouwde pensoen meenemen naar uw neuwe pensoenutvoerder In deze brochure 3 4 5 6 Gefelcteerd! Een neuwe baan Wel of net kezen voor waardeoverdracht? Vergeljk de regelngen Hoe waardevast
Nadere informatieGemeentefonds verevent minder dan gedacht
Gemeentefonds verevent mnder dan gedacht Maarten A. Allers Drecteur COELO en unverstar hoofddocent aan de Rjksunverstet Gronngen De rjksutkerng aan gemeenten wordt verdeeld op bass van utgangspunten de
Nadere informatieVia de grafische rekenmachine krijg je o.a. de volgende statistische resultaten: . In rekenmachinetaal wordt dit 3, 3248.
Waarom steut de grafsche rekemache e/of computer op om de stadaardafwjkg te berekee? Bj het verwerke va statstsche data bereket de grafsche rekemache ee aatal cetrum- e spredgsmate zodat deze door de leerlge
Nadere informatieMEERJAREN OPBRENGSTEN VO 2013 TOELICHTING
MEERJAREN OPBRENGSTEN VO 2013 TOELICHTING Utrecht, me 2013 INHOUD 1 Algemeen 5 2 Het opbrengstenoordeel 7 3 Rendement onderbouw 8 4 Van 3e leerjaar naar dploma (rendement bovenbouw) 11 5 Gemddeld CE-cjfer
Nadere informatieMRT/RT MKT/KT. Wormwielreductoren. www.triston.nl
MRT/RT MKT/KT Wormwelreductoren www.trston.nl Het s tjd voor Trston! Natuurljk wlt u dat uw producteproces soepel verloopt. Trston helpt. Want met de wormwelreductoren van Trston kest u voor langdurge
Nadere informatieRekenen met rente en rendement
Rekenen met rente en rendement Woekerpols? Lenng met lokrente? Er wordt met de beschuldgende vnger naar banken en verzekeraars gewezen de op hun beurt weer terugwjzen naar de consument: Deze zou te weng
Nadere informatieis gelijk aan de open-klemmen spanning van het netwerk. De impedantie Z th
3 Ladngseffecten treden ten eerste op wanneer een gegeven element ut het systeem de karakterstek van een vorg element beïnvloedt of wjzgt. Op haar beurt kunnen de egenschappen van dt element gewjzgd worden
Nadere informatieInhoudstafel Regressie: exploratieve methoden
Regresse Nascholng voor leerkrachten Prof. dr. Herman Callaert Hans Bekaert Cecle Goethals Les Provoost Marc Vancaudenberg http://www.uhasselt.be/lesmateraal-statstek Inhoudstafel Regresse: explorateve
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Populatemodelle e ormaal verdeelde populates. Werktekst voor de leerlg Prof. dr. Herma Callaert Has Bekaert Cecle Goethals Les Provoost Marc Vacaudeberg . Het gemddelde va
Nadere informatieOnderzoeksmethoden en techieken I
Naam:... Voornaam:... Studejaar en -rchtng:... MEERKEUZEVRAGEN Onderzoeksmethoden en techeken I Examen september 000 KLAD: omcrkel op het opgaven formuler telkens HET BESTE antwoord, er s telkens 1 best
Nadere informatieOndersteuning en hulp bij leren
Ondersteunng en hulp bj leren g Studenten kunnen va www.hethkkendeheksje.nl (zonder n te loggen) de datasets downloaden de benodgd zjn voor het maken van de opgaven. g Docenten kunnen va de ste tentamenmateraal
Nadere informatieStochastische loadflow. Beschrijving algoritme van de stochastische loadflow.
Stochastsche loadflow. Beschrjvng algortme van de stochastsche loadflow. 0 97 pmo 6-0-00 Phase to Phase BV Utrechtseweg 30 Postbus 00 6800 AC Arnhem T: 06 356 38 00 F: 06 356 36 36 www.phasetophase.nl
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie
Nadere informatieZwaartepunten, traagheidsmomenten en verdeelde belasting
Zwaartepunten, traagedsmomenten en verdeelde belastng Opgeloste Vraagstukken 6.1 Een dunne draad lgt n de dredmensonale rumte en bestaat ut een kwadrant AB van een crkel samen met twee recte stukken BC
Nadere informatieStatica in een notendop
Statca n een notendop Systematsche Probleem Analyse (SPA) 1. Gegevens: Lees de vraag goed door. Maak een schematsche tekenng van het probleem. 2. Gevraagd: Schrjf puntsgewjs alle dngen op waar naar gevraagd
Nadere informatieOnderzoeksmethoden en techieken I
Naam:... Voornaam:... Studejaar en -rchtng:... MEERKEUZEVRAGEN Onderzoeksmethoden en techeken I Examen september 2000 KLAD: omcrkel op het opgaven formuler telkens HET BESTE antwoord, er s telkens 1 best
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodelle e ormaal verdeelde steekproefgroothede 4. Werktekst voor de leerlg Prof. dr. Herma Callaert Has Bekaert Cecle Goethals Les Provoost Marc Vacaudeberg . Populatemodelle:
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 4. Het steekproefgemiddelde. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Kansmodellen 4. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg . Een concreet voorbeeld.... Een kansmodel
Nadere informatieDETERGENTEN IN UW DAGELIJKS LEVEN
Het etket van hushoudeljke detergenten beter begrjpen Vanaf 8 oktober 2005 zullen de etketten en verpakkngen van detergenten geledeljk aan meer nformate bevatten. WAT MOET U HIEROVER WETEN? De komende
Nadere informatiew 73 »EFSTATIŒN VOOR DE GROENTEN- EN FRUITTEELT ONDER GLAS, te NAALDWIJK. Verslag andijvierassenproef onder staand glas,
cb Bblotheek Proefstaton Naaldwjk 06 w 73»EFSTATIŒN VOOR DE GROENTEN- EN FRUITTEELT ONDER GLAS, te NAALDWIJK. Verslag andjverassenproef onder staand glas,956-957. door : W.P.van Wnden Naaldwjk,958. Proefstaton
Nadere informatie7. Behandeling van communicatie en mondmotoriek
7. Behandelng van communcate en mondmotorek 7.2. Slkstoornssen 7.2.3 Wat s de meerwaarde van enterale voedng (va PEG-sonde) ten opzcht van orale voedng bj knderen met CP met slkstoornssen wat betreft voedngstoestand,
Nadere informatieBeroepsregistratie en vooraanmelden voor beroepsregistratie. in de jeugdhulp en jeugdbescherming
Beroepsregstrate en vooraanmelden voor beroepsregstrate n de jeugdhulp en jeugdbeschermng Inhoudsopgave Werk jj n de jeugdhulp of jeugdbeschermng? Bjvoorbeeld n de ggz? Ben je socaal werker? Of begeled
Nadere informatieEH SmartView. Een slimme kijk op risico s en mogelijkheden. www.eulerhermes.nl. Monitoring van uw kredietverzekering. Euler Hermes Online Services
EH SmartVew Euler Hermes Onlne Servces Een slmme kjk op rsco s en mogeljkheden Montorng van uw kredetverzekerng www.eulerhermes.nl EH SmartVew Montor uw rsco s en maak onmddelljk gebruk van neuwe kansen
Nadere informatieIs de app een onmisbaar onderdeel van de les of het leerproces? nee. Is de leerling/student 16 jaar of ouder?
Beslsboom onderwjsapps Deze beslsboom helpt je bj het maken van de afwegng of (en onder welke voorwaarden) je een onderwjsapp kunt gebruken bnnen jouw les. START HIER het onderzoek naar je app Is de app
Nadere informatieAppendix F: Het Snelheid-Wegdiagram, trekkracht en indicatie
Appendx F: Het Snelhed-Wegdagram, trekkracht en ndcate Om te bekjken welke prestates de locomotef n eerste nstante kan leveren wordt gebruk gemaakt van de methode de wordt besproken n het Handboek der
Nadere informatielus+ De klachtencommissie en de rol van de vertrouwenspersoon ongewenste omgangsvormen
De klachtencommsse en de rol van de vertrouwenspersoon ongewenste omgangsvormen Op het moment dat emand te maken krjgt met ongewenst gedrag zjn er verschllende mogeljkheden om dat ongewenst gedrag te stoppen.
Nadere informatieC.P. van Splunter. Grote afwijkingen. Bachelorscriptie, 21 april 2010. Scriptiebegeleiders: prof.dr. F. Redig prof.dr. E.A.
C.P. van Splunter Grote afwjkngen Bachelorscrpte, 2 aprl 200 Scrptebegeleders: prof.dr. F. Redg prof.dr. E.A. Verbtsky Mathematsch Insttuut, Unverstet Leden Inhoudsopgave Inledng 3 2 Bovengrens 6 3 Ondergrens
Nadere informatieMinix 3. Andrew Tanenbaum
Mnx 3 Velg en betrouwbaar besturngssysteem Mnx 3 s een neuw open source besturngssysteem voor de pc. Het systeem s klen van opzet en heeft een neuwe, modulare opbouw waardoor het net kwetsbaar s voor veel
Nadere informatieStandaardisatiemethoden. 9 10Abby Israëls. Statistische Methoden (10003)
Standaardsatemethoden 9 10Abby Israëls Statstsche Methoden (10003) Den Haag/Heerlen, 2010 Verklarng van tekens. = gegevens ontbreken * = voorlopg cfer ** = nader voorlopg cfer x = gehem = nhl = (nden voorkomend
Nadere informatieOnderzoeksmethoden: Statistiek 2
Theoretche kanverdelngen Onderzoekmethoden: Stattek Worden bepaald door een wkundge funkte Geven theoretche ba Worden gebrukt om hypothee te teten Worden gebrukt om te modelleren Marjan van den Akker 1
Nadere informatieVOOR EEN GOED RESULTAAT IS HET ABSOLUUT NOODZAKELIJK DEZE LEGINSTRUCTRIES NAUWKEURIG TE VOLGEN.
VOOR EEN GOED RESULTAAT IS HET ABSOLUUT NOODZAKELIJK DEZE LEGINSTRUCTRIES NAUWKEURIG TE VOLGEN. - 8h -% RH www.quck-step.com www.quck-step.com Cement
Nadere informatieSamenvatting Farmaco-epidemiologie april 2011
Hoofdstuk 1 Epdemologe bestudeert de frequente van zekte. Het bestuderen van de frequente van zekte s geen doel op zch. De frequente wordt onderzocht n het kader van etologsche (oorzaak), dagnostsche,
Nadere informatieBronnen & Methoden bij Marktscan medischspecialistische zorg 2015
Bronnen & Methoden bj Marktscan medschspecalstsche zorg 2015 Hoofdstuk 2: Wachttjden voor medsch specalstsche zorg Ontwkkelng van wachttjden Voor de wachttjdanalyses s gebruk gemaakt van gegevens afkomstg
Nadere informatieMethode met ladder operatoren deel 2
Methode met ladder operatoren deel We zullen de ladder operatoren gebruken om egenschappen van de egenfunctes van de Hamlonaan te bepalen. Hermtsch geconjugeerde We defnëren de hermtsche geconjugeerde
Nadere informatieMeeneemset Herkansing Deterrninanten-3:Fysische Factoren dd
~ Meeneemset Herkansng Deterrnnanten-3:Fyssche Factoren dd. 23-07-2009... Vraag 1. Statca Roland doel aan capoera Capoera l
Nadere informatieExamen Statistiek I Feedback
Examen Statistiek I Feedback Bij elke vraag is alternatief A correct. Bij de trekking van een persoon uit een populatie beschouwt men de gebeurtenissen A (met bril), B (hooggeschoold) en C (mannelijk).
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Examen Neurale Netwerken (2L490), op woensdag 28 juni 2006, uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Facultet Wskunde en Informatca Examen Neurale Netwerken 2L49, op woensdag 28 jun 26, 9. - 2. uur. Alle antwoorden denen dudeljk geformuleerd en gemotveerd te worden..
Nadere informatieHoofdstuk 5: Het Miller-effect
Elektronca: Tweede kanddatuur ndustreel ngeneur 1 Hoofdstuk 5: Het Mller-effect 1: De feedback-capactet Bj elke reële versterker bestaat er een zogenaade feedback-capactet C f tussen de utgang (o) en de
Nadere informatieACCU-CHEK. Compact Plus. Gebruiksaanwijzing SYSTEEM VOOR DE BEPALING VAN BLOEDGLUCOSE
ACCU-CHEK Compact Plus SYSTEEM VOOR DE BEPALING VAN BLOEDGLUCOSE Gebruksaanwjzng Op het verpakkngsmateraal, het typeplaatje van de meter en de prkpen kunnen volgende symbolen voorkomen. De betekens hervan
Nadere informatieRegressie, correlatie en modelvorming
Hoofdstuk 9 Regresse, correlate e modelvormg 9. Leare regresse 9.. Ileded voorbeeld De pute (,3), (,) e (3,5) lgge et op éé rechte. Hoe kue we de rechte vde de het best aaslut bj de pute? Plaats de coördate
Nadere informatieDe Collegereeks Statistiek. Stel je wilt wat weten over. Complexe begrippen: construct. Homogeniteit. Verder met. Statistiek
Statstek en Bt hd Informatekunde Unverstet Utrecht Dr. H. Prüst De Collegereeks Statstek (37): Descrpteve statstek (H 1,,3) (HP) 3(38): Score & Kans verdelngen (H 4, 5) (HP) 4(39): Statstsche toetsng a.h.v.
Nadere informatieCursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere informatie1.1 Oplossingen. + 1 x ( ) Oplossing oefening 2.1. Oplossing oefening 2.2
. Oplossngen Oplossng oefenng.. De varabele geslacht s een dchotome nomnale varabele: nomnaal omdat het kenmerk ongeordend categorserend gemeten wordt en dchotoom omdat de veranderljke slechts twee nomnale
Nadere informatieOntvlechting van ICT vereist nieuwe samenwerking
Behoefte aan Archtectuur Lfecycle Management Ontvlechtng van ICT verest neuwe samenwerkng Bnnen de ICT s sprake van verzulng van zowel de systemen als het voortbrengngsproces. Dt komt doordat de ICT n
Nadere informatieHoe schrijf je een tekst die opvalt? 80. Hoe zorg je dat je tekst er goed uitziet? 85. Extra opdrachten 89
Denk eens terug aan jouw favorete boek. Na hoeveel bladzjden zat je n het verhaal? En denk nu eens terug aan een saa boek. Hoe snel wst je dat dt boek nks voor jou was? Bjzonder hè, dat je meteen enthousast
Nadere informatie1 Gedeelde differenties
Inhoudsopgave Gedeelde dfferentes Verband met de nterpolerende veelterm 2 Een explcete formule 2 3 Verband met afgeleden 3 4 Verband met de nterpolerende veelterm van Newton 4 5 Productformule (formule
Nadere informatieZo krijg je wél grip op IT-investeringen
T-servcemanagement Zo krjg je wél grp op T-nvesterngen ntegrate van applcate- en projectportfolomanagement Met één druk op de knop een overzcht genereren van alle T-projecten en bjbehorende applcates (of
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodellen en normaal verdeelde steekproefgrootheden 5. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg
Nadere informatieCats. Den Haag, ~ '' Kenmerk: DGB 2010-423
Cats Den Haag, ~ '' Kenmerk: DGB 2010-423 ] Motverng vanjhet beroepschrft n cassate (rolnummer 10/00158) tegen de utspraak van het Gerechtshof te Arnhem van 1 december 2009, nr. 08/00145, j j/ nzake SËËÊÊÊÈÈÊÈtemÈ
Nadere informatieaantallen in van de prooiresten gewicht min of meer mogelijk, doch als de gebitsmaten van een groot aantal gevangen dat de gewichtsfaktor
39 Verwerk ng van voedselgegevens bjulenen stootvogels (het gebruk van prooeenheden en/of aantallen n voedseltabellen). Onlangs s zowel n De Peper als n De Fts een artkel verschenen van de hand van F.J.
Nadere informatie3.7.3 Welke meetinstrumenten zijn geschikt voor het vastleggen van motorische vaardigheden?
3. Dagnostek 3.7. Hoe meet je verbeterng of verslechterng n het dageljks functoneren met betrekkng tot de mobltet (ztten, staan, lopen, verplaatsen) bj CP? 3.7.3 Welke meetnstrumenten zjn geschkt voor
Nadere informatieNumerieke methoden voor stelsels gewone differentiaalvergelijkingen. Prof. Dr. Marnix Van Daele
Numereke methoden voor stelsels gewone dfferentaalvergeljkngen Prof. Dr. Marnx Van Daele Deel II Lneare Meerstapsmethoden 40 Hoofdstuk 4 Lneare meerstapsmethoden 4. Defntes In paragraaf 2. hebben we de
Nadere informatieToelichting advies gemeenteraad bij aanvraag aanwijzing als lokale publieke media-instelling
B000012403 25 ĩ O Toelchtng adves gemeenteraad bj aanvraag aanwjzng als lokale publeke meda-nstellng Ì...Ï 1. Algemeen De wetgever heeft gekozen voor een s ys teem waarbj per gemeente, voor de termjn van
Nadere informatieofficiële bijdrage aan het CMMI. Jan Jaap Cannegieter
Nederlandse bjdrage aan offcële CMM CMMI-s De Nederlandse stchtng SPIder heeft s ontwkkeld voor het CMMI, verschllende routes door het CMMI voor het oplossen van bepaalde problemen of het halen van bepaalde
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 3. Populatie en steekproef. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Kansmodellen. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg . Populatie: een intuïtieve definitie.... Een
Nadere informatieMRKOMNO. káéìï=î~å~ñw. pfabufp=ud. aáöáí~~ä=ê åíöéå hçêíé=ü~åçäéáçáåö= kéçéêä~åçë
káéìï=î~å~ñw MRKOMNO pfabufp=ud aáöáí~~ä=ê åíöéå hçêíé=ü~åçäéáçáåö= kéçéêä~åçë 0123 Dt product s voorzen van het CE-keurmerk n overeenstemmng met de bepalngen van de norm 93/42 EEG van 14 jun 1993 nzake
Nadere informatiedonkerstraat samen de stad ontwerpen Masterplan Leieboorden park cafe parel
Masterplan Leeboorden Dt paneel maakt deel ut Menen. De wandelng neemt u n het plan voor gemaakt deze wandelng s te verkrjgen n het stadhus waar u ook het overzchtsplan assen van het masterplan n het groot
Nadere informatieeffectief inzetten? Bert Dingemans
archtectuur Is meten weten? Kwaltateve en kwanttateve analyse n archtectuurmodellen Kwaltateve en kwanttateve analyses kunnen de denstverlenng van de enterprsearchtect verbeteren. Toch s de nzet van deze
Nadere informatieTentamen Econometrie 1, 4 juli 2006, uur Dit tentamen duurt 2 uur! Toiletbezoek is niet toegstaan.
Tentamen Econometre 1, 4 jul 006, 14.00-16.00 uur Dt tentamen duurt uur! Toletbezoek s net toegstaan. De utslag komt uterljk na 15 werkdagen op Blackboard. Desgewenst kunt u daarna uw werk nzen bj de docent.
Nadere informatieDigital Image Processing
Dgtal Image Processng 3 November 006 Dr. r. Aleksandra Pzurca Prof. Dr. Ir. Wlfred Phlps Aleksandra.Pzurca @teln.ugent.be Tel: 09/64.3415 UNIVERSITEIT GENT Telecommuncate en Informateverwerkng Spatale
Nadere informatieVaker een trein, da s pas fijn!?
Vaker een tren, da s pas fjn!? Hoogfrequent spoorvervoer beschouwd vanut de rezger Janneke Tax DHV janneke.tax@dhv.nl Elske Olthof 4Infra elske.olthof@4infra.nl Bjdrage aan het Colloquum Vervoersplanologsch
Nadere informatie6. Behandeling van kinderen met spastische cerebrale parese gericht op verbetering van handvaardigheid
6. Behandelng van knderen met spastsche cerebrale parese gercht op verbeterng van handvaardghed 6.1.Wat s de meerwaarde van oefentherape bj de behandelng van knderen met spastsche CP op vaardghedsnveau
Nadere informatieZelf statistiek oefenen
Photo by rawpxel o Usplash Oefeg baat kust Atwoorde bj de oefevrage. Lteratuur Schremer, M.G. (017). Statstek voor de beroepspraktjk. Statstek lere leze, daara begrjpe e berekee met SPSS. Voor hbo e wo.
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN
TECHNISCHE UNIVERSITEIT EINDHOVEN Facultet Technsche Natuurkunde Tentamen Optca 3NA7 Dnsdag 16 augustus 211 van 14. tot 17. uur Dt tentamen bestaat ut 4 vraagstukken met n totaal 1 deelopgaven en 2 pagna
Nadere informatiePARADOXEN 4 Dr. Luc Gheysens
PARADOXEN 4 Dr Luc Gheysens DE COMPLEXE WERELD VAN DE COMPLEXE GETALLEN Hstorsche nota Omstreeks 500 werden n Italë wedstrjden georganseerd voor het oplossen van derdegraadsvergeljkngen Nccolo Fontana
Nadere informatie~~i~il' 1025 VS Amsterdam. Geacht bestuur,
/ - Mr. W. Nass Vrjstraat 2a Postbus 420 5600 AK Endhoven Tel 040-2445701 Fax 040-2456438 Advocatenkantoor Mr. W. Nass Het bestuur van de BOA. e-mal Neuwe Purrnerweg 12 na~kanooma.n 1025 VS Amsterdam nternet
Nadere informatieALCOHOLKENNIS DOORGESPEELD
Al cohol kenn s door gespeel d Eval uat eal cohol voor l cht ng doorpeer sopf est val s ALCOHOLKENNIS DOORGESPEELD Evaluate alcoholvoorlchtng door peers op festvals December 2005 INTRAVAL Gronngen-Rotterdam
Nadere informatieEen levensloopregeling voor software
Een levensloopregelng voor Neuwe benaderng - en nformatebevelgng De gebruker van een nformatesysteem streeft naar contnuïtet. De ongestoorde werkng van s hervoor essenteel. Maar wat weet de gebruker van
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN
TECHNISCHE UNIVERSITEIT EINDHOVEN Facultet Technsche Natuurkunde Tentamen Optca 3NA7 Dnsdag 14 augustus 212 van 14. tot 17. uur Dt tentamen bestaat ut 4 vraagstukken met n totaal 12 deelopgaven en 1 pagna
Nadere informatieCentraal Bureau voor de Statistiek Keten Economische Statistieken
Aan: Gemeenten en gemeenschappeljke regelngen Van: Bureau Kredo Onderwerp: Iv3 plausbltetstoetsen vana 1e kwartaal 2010 Datum: 23 maart 2010 Aanledng Gemeenten en gemeenschappeljke regelngen. Het CBS toetst
Nadere informatiedag 34-einde: 23 uur licht, 1 uur donker Pluimvee nr. 31 1
Provncale Denst voor Land- en Tunbouw Mededelng nr. 120 Plumvee nr. 31 Lchtschema's bj vleeskukens ng. K. De Baere r. J. Zoons Op het Proefbedrjf voor de Veehouderj van de Provncale Denst voor Land en
Nadere informatieSpanningsverdeling onder een kade volgens elastische berekening. d-7 I 053. *v**wwun>ns CENTRUM VOOR ONDERZOEK WAT ER KE R I N GEN
. \ Spannngsverdelng onder een kade volgens elastsche berekenng. d7 053 *v**wwun>ns CENTRM VR NDERZEK WAT ER KE R N GEN ! [. Spannngsverdelng onder een kade volgens elastsche berekenng l! / C 71,053 CENTRM
Nadere informatie1. De wereld van de kansmodellen.
STATISTIEK 3 DE GRAAD.. De wereld van de kansmodellen... Kansmodellen X kansmodel Discreet model Continu model Kansverdeling Vaas Staafdiagram Dichtheidsfunctie f(x) GraJiek van f Definitie: Een kansmodel
Nadere informatieLucia de B. Gonny Hauwert 12 september 2007
Luca de B Gonny Hauwert 12 september 2007 1 Inhoudsopgave 1 Inledng 2 2 Berekenngen voor de rechtszaak 3 2.1 Opmerkngen over deze methode 5 3 Statstsche toetsen 6 3.1 Besprekng van de toetsen 7 3.2 Vergeljkngen
Nadere informatiewww.dtco.nl DLK Pro De all-round uitlee s apparatuur voor onderweg Maatwerk voor verschillende toepassingen
www.dtco.nl DLK Pro De all-round utlee s apparatuur voor onderweg Maatwerk voor verschllende toepassngen Gewoon brljant, brljant eenvoudg DLK Pro s de productfamle van VDO, de neuwe standaards stelt voor
Nadere informatieDe Waarde van Toekomstige Kasstromen
De Waarde van Toekomstge Kasstromen De kosten van onderpandmnmalserng Jeroen Kerkhof, VAR Strateges BVBA Introducte Voor de fnancële crss hadden fnancële ngeneurs op bass van een aantal redeljke assumptes
Nadere informatieZelf statistiek oefenen
Photo by rawpxel o Usplash Oefeg baat kust u zelf aa de slag. De vrage staa door elkaar. Er zj multplechocevrage e ope vrage. I de toekomst kome er vrage bj. Het s ee greep va de mogeljke vrage de je kut
Nadere informatie