Antwoorden bij Inleiding in de Statistiek
|
|
- Guus van der Heijden
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Atwoorde bij Ileidig i de Statistiek Hoofdstuk. model: bi(, p), p [0, ], schattig: /.2 (i) i bloeddrukveraderig i e persoo i treatmet groep, Y j bloeddrukveraderig j e persoo i cotrolegroep, model:,...,, Y,..., Y m o.o., i N(µ, σ 2 ), Y i N(µ 2, σ 2 2 ) (ii) schattig: x y m.3 (i) model: Hypergeometrisch(N, r, ) met N max(r, ) (ii) schattig: r (iii) model: bi(, r N ) met N max(r, ), schattig: r.4 (i) model: Negatief biomiaal(3, p) met p (0, ] (ii) schattig: (i) ij is aatal klate i week i op dagdeel j met j mogelijkhede. Model: j Poisso(θ ij ) o.o. met θ ij > 0 (ii) schattig: 0 0 i= x ij met j correspodered met maadagmiddag.8 te groot.9 iet goed, schattig is te klei Hoofdstuk (i) ja (ii) als Y F a,b da b = var(y ) e a = EY var(y ) 2.4 (i) F (x) = x+3 5 3<x<2 + x 2 (ii) F (α) = 3 + 5α 2.5 (i) F (x) = x2 θ 2 0<x<θ + x θ (ii) F (α) = θ α 2.6 y = 2 + 4x 2.7 y = 2 + 2x/ / 2
2 Hoofdstuk c = (i) c = (ii) c 2 p( p) + p 2 (c ) 2 (iii) c = (iv) c 3.4 (i) ee p p+p, iet bruikbaar (ii) vele mogelijkhede, bijv. 2 / 3.5 (ii) ( m i= i + j= Y j)/(m + ) 3.6 (i) p M = 2 3 p e p V = 4 p 3p, MSE(p, ( + Y )/00) = 00 p (ii) MSE(p, Z/00) = (iii) ( + Y )/00 is beter. 3.9 (i) i= xa i (ii) i= xa i 3.0 (i) θ θ+ 3. /Y (ii) ˆθ = 3.2 (i) () (ii) ee i= log( i) p 00 p2 00, e θ θ+ = ˆθ ˆθ+ θ (iii) MSE(θ; () ) = 2 ( )( 2) 3.4 ( [, Y, m m+ 2 i= ( i ) 2 + j= (Y j Y ) 2]) 3.6 () 3.7 (i) hypergeom(n,r,) (ii) r x (afrode aar iteger aar beede) 3.8 (i) bi(, F (x)) (ii) ja 2
3 (iii) 3.20 (i) 2 (ii) 2 (iii) F (x)( F (x)) ˆp = i= i = i beide gevalle 3.22 (i) ˆp = 3.23 ˆp = i= i = (i) zuiver is bijvoorbeeld 3.25 (i) 3 2 (iii) ( 3 2 ) 2 2 (iv) zuiver is bijvoorbeeld (i) 2 (ii) () 3.27 (i) (ˆσ, ˆτ) = ( (), () ) (ii) (ˆσ, ˆτ) = ( 3.28 (i) max( (), () ) (ii) (i) θ , + (ii) de steekproefmediaa: med(,..., ) (iii) 3.33 (i) (ii) i= log i ) (iii) op basis va Γ( +, i= log i) a posteriori dichtheid: + i= log i 3.34 (ii) op basis va Γ( + r, λ + i= +r i ) a posteriori dichtheid: 3.35 Bèta(α + r, β + x r) λ+ i= i 3
4 ( 2) M ( 2) () ( ) M () ( ) 3.37 (i) op basis va Γ( +, λ + ) a posteriori dichtheid: + λ+ (ii) op basis va Γ( + α, λ + ) a posteriori dichtheid: +α λ op basis va Γ(α +, λ + i= 2 i ) a posteriori dichtheid: α+ λ+ i= 2 i 3.39 op basis va ee ormale a posteriori dichtheid: τ 2 i= i τ (i) Bèta(α + i= i, + β i= i) (ii) α+ i= i α+β+ Hoofdstuk 4 Nummerig eerste druk e (α+ i= i)(+β i= i) (α+β+)(α+β++) 4.,..., N(µ, σ 2 ), H 0 : µ = 25 versus H : µ 25. (Ee adere mogelijke hypothese is: H 0 : µ 25 versus H : µ < 25.) 4.3 (i) bi( j, p j ) met j de grootte va de steekproef oder joges, p j de fractie joges die wiskude kiest, Y bi( m, p m ) met m de grootte va de steekproef oder meisjes, p m de fractie meisjes die wiskude kiest. H 0 : p j p m versus H : p j > p m. 4.4 Y N(α + βx + γx 2, σ 2 ). H 0 : β = 0 versus H : β (i) H 0 : µ 200 versus H : µ > 200 (a): H 0 iet verwerpe, (b): H 0 verwerpe (ii) H 0 : µ 220 versus H : µ > 220 (a): H 0 iet verwerpe, (b): H 0 verwerpe 4.7,..., 00 N(µ, ), H 0 : µ 50 versus H : µ < 50. H 0 wordt verworpe. 4.8 (i) K = {x : 0 σ.64} = {x : 0.66} (ii) ee, H 0 iet verwerpe (iii) π(0.5; K) = 0.34 (iv) (i) H 0 verwerpe (ii) (i) bi(25, p), p [0, ], H 0 : p 0.6 versus H : p < 0.6, T =, K = {7,..., 25} (ii)
5 (iii) 0.27 (iv) 0.2 (iv) ee, H 0 iet verwerpe bij beide waarde va α (i) T =, K = {20,..., 25} (ii) π(0.6; K) = 0.034, π(0.7; K) = 0.9, π(0.8; K) = 0.60, π(0.9; K) = 0.98 met ormale beaderig (iii) met ormale beaderig 4.3 (i) e = 59, K = {59, 60,..., 00} (ii) gelijk 4.4 (i) bi(, p) met = 250 (ii) H 0 : p vs H : p < (iii) K = {0,, 2, 3} (iii) 0.3 (iii) meer waaremige α (i) bi(, p) met = 000, H 0 : p 0.9 vs H : p > (i) T = i= W i bi(, p), tweezijdige biomiale toets (ii) T = Z 0 S Z, tweezijdige t-toets met K T = (, ξ α0 /2] [ξ α0 /2, ) (iv) dat ka zoder foute, omdat de tweede toets ee hoger oderscheided vermoge heeft da de eerste, als de ormaliteitsaaame correct is. log T = () met K T = (, ] 4.27 MSE(σ 2 ; T c ) = σ 4 ( 2c2 + (c )2 ), miimaal voor c = χ 2 k e Y χ2 l da + Y χ 2 k+l 4.29 T = S2 S 2 Y, K T = [F m, ; α0, ) 4.30 (i) T = S2, K 2SY 2 T = [0, F 24,5;0.0 ] = [0, 0.346]. H 0 iet verwerpe (ii)
6 4.34 T = S, K T = (, t 4,0.05 ] = (, 2.3], H 0 iet verwerpe (i), N(µ, σ 2 ) i.i.d. H 0 : µ = 3585 versus H : µ De toets: T = S, K T = (, t 9,0.025 ] [t 9,0.975, ) = (, 2.09] [2.09, ), H 0 iet verwerpe. (ii) p 2 ( ) = 0.73 > 0.05 op basis va de ormale tabel. Coclusie: iet verwerpe Y 4.36 T = S, K T = (, t 50,0.025 ] [t 50,0.975, ) = (, 2.0] [2.0, ),,Y H 0 verwerpe, B is beter T = 0 Z 0 S Z, K T = (, t 9,0.05 ] = (,.83], H 0 iet verwerpe methode (2) Y 4.39 (i) T = S, K T = (, t 0,0.05 ] [t 0,0.95, ) = (,.8] [.8, ),,Y H 0 iet verwerpe (ii) T = 6 Z 0 S Z, K T = (, t 5,0.05 ] [t 5,0.95, ) = (, 2.02] [2.02, ), H 0 verwerpe, B gaat lager mee (i) T = 2 50 S, K T = (, t,0.05 ] = (,.80], H 0 verwerpe (ii) tweesteekproeve t-toets met T = H 0 iet verwerpe Y S, K T = (, t 20,0.05 ] = (,.72],,Y (i) H 0 : µ 0 versus H : µ > 0. De toets: T = 0 0 σ, K T = [ξ 0.95, ) = [.64, ), H 0 iet verwerpe. (ii) Gepaarde t-toets, T = 20 Z 0 S Z, K T = (, t 9,0.005 ] [t 9,0.995, ) = (, 2.86] [2.86, ), H 0 verwerpe, p-waarde tusse = 0.0 e = / (i) λ = als () 0 e λ = exp( () ) als () > 0 (ii) 2 log λ = 2 max( (), 0). Als θ < 0: limietverdelig is gedegeereerd i 0. Als θ = 0: limiet verdelig is exp(/2). Als θ > 0: verdeligsfuctie covergeert aar 0 voor eidige x (i) λ = als θ 0 () e λ = als θ 0 < (). (ii) λ = θ 0 / () als θ 0 () e λ = als θ 0 < () (i) λ = ( θ0 ) i= i exp( + θ0 ) 6
7 (ii) χ 2 ( 4.50 (i) λ = ) θ exp( ( 0 i= 2 i i= 2 i (ii) K = {(,..., ) : 2 log λ χ 2, α 0 } Hoofdstuk 5 5. [7.42, 9.80] θ 0 ) i= 2 i ) 5.2 [7.32, 9.90] 5.3 (i) µ ν = Y ± σ m + ξ α/2 (ii) µ ν = Y ± S m + t m+ 2, α/2 5.4 pivot T = ( )S2 σ 2 χ 2, iterval [ ( )S2, ( )S2 χ 2 ] χ, α/2 2,α/2 5.5 [0.27,0.46] 5.6 pivot T = S2 Y /τ 2 S 2 /σ2 F,m, iterval [ S2 S 2 Y F,m ;α/2, S2 S 2 Y F,m ; α/2 ] 5.7 (i) pivot T = [ i= λ Γ,;α/2 i Gamma(, ), iterval i=, Γ,; α/2 i i= i (ii) λ = ± ξ α/2 5.8 (i) exact iterval op basis va toets: [0.40,.44] (ii) beadered iterval: ± 0 ξ α/2 = [0.33,.27] 5.9 (ii) [ 2 i= 2 i 5. (i) p 2 ( p) (ii) 3 (iii) p = ± 3 ξ α/2 (iv) [0.30, 0.50] 5.2 (i) p( p) (ii) ( ) (iii) p = ± (iv) [0.23, 0.4] χ 2 2,α/2, 2 χ 2 i= 2 2, α/2 ] i ( ) ξ α/2 7 ]
8 5.3 (i) 2 (ii) i θ = 2, θ 2 iˆθ = 2 2 (iii) î θ = 2 2 (iv) θ = 2 ± 2 2 ξ α/2 5.4 (i) ˆλ = 2 (ii) λ = 2 ± 2 2 ξ α/2 5.5 (i) exact iterval op basis va toets: [0.5, 0.87] (ii) beadered iterval: ± ( ) ξ α/2 = [0.54, 0.9] 5.6 (i) ˆθ ( ) 2 = 2 e λ = 2 θ 0 exp( 2 + θo i= i) (ii) {θ : 2 log log(θ) + 2 θ i= i 2 χ2, α } 5.7 (i) ˆθ = i= i = ( (ii) λ = (iii) {θ : log ) θ 0 exp( + θ0 i= i ) ( θ ) + θ i= i 2 χ2, α } 5.8 ˆθ = ( i= i) i= 2 i, λ = {θ : log θ 2θ 2 i= ( i θ) 2 + log ˆθ (i) pivot ( i µ) 2 i= (ii) pivot ( i ) 2 i= 5.20 (i) bija-pivot ˆθ exp( 2ˆθ 2 i= ( i ˆθ) 2 ) θ 0 exp( 2θ 0 2 i= ( i θ 0 ) 2 ), met bti: 2ˆθ 2 i= ( i ˆθ) 2 2 χ2, α } [ χ 2 σ 2 50, bti: i= ( i µ) 2 ], χ 2 i= ( i µ) 2 = [3.36, 7.42] 50,0.975 χ 2 50,0.025 [ χ 2 σ 2 49, bti: i= ( i ) 2 ] i=, ( i ) 2 = [3.35, 7.45] 200 Y 725 (p p 2 ) ˆp ( ˆp ) + ˆp 2 ( ˆp 2 ) χ 2 49,0.975 χ 2 49,0.025 ˆp N(0, ), bti: ˆp ˆp 2 ± ( ˆp ) ˆp 2( ˆp 2 ) 725 ξ (ii) gerealiseerd iterval: [-0.0,0.42], H 0 iet verwerpe, wat 0 [ 0.0, 0.42] Hoofdstuk 6 6. V = i= i 6.2 V = i= i 6.3 V = i= log i 8
9 6.5 V = ( i= i, i= 2 i ) 6.6 V = ( i= i, () ) 6. ja ( ) ( ) 6.5 V = ( i= i, i= 2 i ) is voldoede e volledig, UMVZ voor σ2 is 2 S (i) () (ii) () () 6.9 (i) V = ( (), i= i) (ii) 6.20 (i) ja i= ( i µ) (ii) V (,..., ) = ( i= log i, i= log( i)) (iii) i= log i 6.2 Y 6.24 (i) V = ( (), i= i) 6.25 (ii) ee (iii) α = mτ 2 σ 2 +mτ 2 (iv) UMVZ voor µ is da m i= i+ j= Y j m Var θ (T ) θ is scherp (i) x 2 (ii) i= x2 i (iii) Var θ (T ) i= x2 i (iv) ja 6.29 (i) Var θ (T ) λ (i) Var λ (T ) kλ 2 9
10 6.32 (i) T = i= e i met K T = [0, Γ,;α0 ] (ii) T = i= e i met K T = [0, Γ,;α0 ] 6.33 (i) ψ(x) = x() (ii) ψ(x) = 2 <x () x () > 6.34 (i) ψ(x) = x() > x() 2 (ii) ψ(x) = x() > x() 2 Hoofdstuk 7 7. (studieduur is resposvariabele Y ) (i) Y = α + βx + e, ˆα = 09, ˆβ = 5.6. (ii) ˆα + ˆβx 7.6 met Z = i= z i. ˆβ = ( ) x() >2 als zo groot is dat 0.05 > 4 ˆα = i= x iy i z i x 2 i i= z i i= Y i z i ˆσ 2 = i= j= i= j= ˆβ i= x i z i, Z x i Y j z i z j Z x i x j z i z j Z (Y i ˆα ˆβx i ) voldoede is de vector ( i= Y i, i= Y 2 i, i= Y ix i ) i= 7.8 (i) Y i = βx i + e i met x i = l i e β = 2π g. z i (ii) ˆβ = i= Y ix i i= x2 i (iii) var( ˆβ) = (iv) groot σ2 i= x2 i 7.0 Additief: Y ijkl = µ + α i + β j + γ k + e ijkl evetueel aagevuld met iteracties 7. (i) P(Y = (, 2, 3 ) = (x, x 2, x 3 )) = met +e (β 0 +β x +β 2 x 2 +β 3 x 3 ) de { { 0 ma bloeddruk, 2 = vrouw, 0 geotype (A, A 2 ) of (A 2, A 2 ) 3 =. geotype (A, A ) 0
11 (ii) zoals i (i), maar met 3 gelijk aa het aatal A 2 allele 7.3 λ(t) = λ 0 (t)e β 0+β x +β 2 x 2 +β 3 x 3 +β 4 x 4 { { met de leeftijd, 2 het gewicht, 3 = 0 ma vrouw, 0 mechaisch 4 = biologisch. Appedix A A. E 2 = θ + θ 2 A.2 Voor Poisso(θ)-verdeeld geldt E ( ( )( 2) ) = θ 3, wat gelijk is aa als θ =. A.3 e A.4 Als, Y exp(θ) da heeft Z = max(, Y ) dichtheid 2θe θz ( e θz ) voor z > 0 e EZ = 2 θ 2θ. Als θ = da EZ = 3 2. A.6 (i) P( + Y 2) = Φ ( 3 ) = 0.78 (ii) ξ = + 3Φ (0.95) = A.7 Als Z = 2 + Y 2 da P (Z z) = e z/2. A.8 (iii) e x2 y voor y > x 2 (iv) E(Y = x) = x 2 + (v) EY = 3 2 A.0 EY = +, var Y = +2 + ( ) 2 + A. E = µ, var = σ2, E( ) 2 = σ2 + µ2, cov( i, ) = 0 A.3 P( 30) (icl. cotiuïteitscorrectie) A.4 P( 4.5) (excl. cotiuïteitscorrectie)
Hoofdstuk 9 : Steekproefstatistieken. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent.
Hoofdstuk 9 : Steekproefstatistieke Marix Va Daele MarixVaDaele@UGetbe Vakgroep Toegepaste Wiskude e Iformatica Uiversiteit Get Steekproefstatistieke p 1/20 Schattige Waeer uit ee steekproef de waarde
Nadere informatieOpgeloste Oefeningen Hoofdstuk 5: Wet van de grote aantallen en Centrale limietstelling
Opgeloste Oefeige Hoofdstuk 5: Wet va de grote aatalle e Cetrale limietstellig 5.. Ee toevalsveraderlijke X is oisso-verdeeld met parameter λ = 00. Bepaal ee odergres voor de waarschijlijkheid (75 X 5).
Nadere informatie2de bach TEW. Statistiek 2. Van Driessen. uickprinter Koningstraat Antwerpen ,00
de bach TEW Statistiek Va Driesse Q www.quickpriter.be uickpriter Koigstraat 3 000 Atwerpe 46 5,00 Nieuw!!! Olie samevattige kope via www.quickpritershop.be Hoofdstuk : Het schatte va populatieparameters.
Nadere informatieTentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u
Technische Universiteit Delft Mekelweg 4 Faculteit Elektrotechniek, Wiskunde en Informatica 2628 CD Delft Tentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u Formulebladen, rekenmachines,
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 17
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 17 Statistische toetsen 2 / 17 Toetsen - algemeen - 1 Setting: observatie X in X, model {P θ : θ Θ}. Gegeven partitie Θ = Θ 0 Θ 1, met Θ 0 Θ 1
Nadere informatieHOOFDSTUK III. SCHATTEN VAN PARAMETERS Schatters en Betrouwbaarheidsintervallen. Theorie Statistiek Les 6
HOOFDSTUK III SCHATTEN VAN PARAMETERS Schatters e Betrouwbaarheidsitervalle 3. HET GEMIDDELDE VAN EEN NV Steekproef uit ee ormaal verdeelde populatie De kasveraderlijke X, X, X 3,..., X zij N(µ, σ) verdeeld
Nadere informatieWenS eerste kans Permutatiecode 0
Aatekeige op de vrageblade zij NIET TOEGELATEN. Je mag gebruik make va schrijfgerief e ee eevoudige rekemachie; alle adere materiaal blijft achteri. Leg je studetekaart duidelijk zichtbaar op je bak. Klap
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 18
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 18 t-toetsen 2 / 18 Steekproefgemiddelde en -variantie van normale observaties Stelling. Laat X 1,..., X n o.o. zijn en N(µ, σ 2 )-verdeeld. Dan:
Nadere informatieHelp! Statistiek! Overzicht. Voorbeeld: bloeddruk. Interpretatie van het 95%-BI. Interpretatie van 95%-BI (2) Meest voorkomende vorm van het BI
Help! Statistiek! Overzicht Doel: Iformere over statistiek i kliisch oderzoek. Tijd: Derde woesdag i de maad, -3 uur 8 maart: Betrouwbaarheidsitervalle 5 april: Herhaald mete met twee mate 0 mei: Statistiek
Nadere informatieStatistiek = leuk + zinvol
Statistiek = leuk + zivol Doel 1: Doel : Doel 3: zie titel ee statistisch oderzoek kue beoordele ee statistisch oderzoek kue opzette ee probleem vertale i stadaardmethode gegeves verzamele, verwerke via
Nadere informatieOpgave 1 Zij θ R, n 1 en X 1, X 2,..., X n onafhankelijk, identiek verdeelde stochasten met kansdichtheidsfunctie. f θ (x) =
Opgave 1 Zij θ R, 1 e X 1, X 2,..., X oafhakelijk, idetiek verdeelde stochaste met kasdichtheidsfuctie { 1 als x (θ 2, θ + 2) f θ (x) = als x (θ 2, θ + 2). a pt) Bepaal E(X 1 ) e V ar(x 1 ). ANTWOORD:
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 17
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 17 Betrouwbaarheidsgebieden 2 / 17 Idee Een schatter T voor een parameter θ geeft één punt in de parameterruimte Θ. I.h.a. zal T θ onder P θ,
Nadere informatieG0N34a Statistiek: Examen 7 juni 2010 (review)
G0N34a Statistiek: Exame 7 jui 00 review Vraag Beoordeel de volgede uitsprake. Als ee uitspraak iet juist is of ovolledig, leg da uit waarom e verbeter de uitspraak.. Bij het teste va hypotheses is de
Nadere informatieFORMULARIUM: STATISTIEK
FORMULARIUM: STATISTIEK VARIABELE STEEKPROEF x,x,...,x POPULATIE X Dichtheid relatieve frequetie: f j kas met kasregels P(G C ) = P(G) P(G G ) = P(G ) + P(G ) P(G G ) P(G \ G ) = P(G ) P(G ) als G G voorwaardelijke
Nadere informatieSheets K&S voor INF HC 10: Hoofdstuk 12
Sheets K&S voor INF HC 1: Hoofdstuk 12 Statistiek Deel 1: Schatten (hfdst. 1) Deel 2: Betrouwbaarheidsintervallen (11) Deel 3: Toetsen van hypothesen (12) Betrouwbaarheidsintervallen (H11) en toetsen (H12)
Nadere informatieLes 7-8: Parameter- en Vergelijkingstoetsen
Les 7-8: Parameter- e Vergelijkigstoetse I Theorie : A. Algemee :. Hypothese formulere. H 0 : ul-hypothese H : alteratieve hypothese. teekproef eme. x e zij te berekee uit de steekproefresultate. 3. Toetsgrootheid
Nadere informatieDeze week: Schatten. Statistiek voor Informatica Hoofdstuk 6: Schatten. Voorbeeld Medicijnentest. Statistische inferentie
Deze week: Schatten Statistiek voor Informatica Hoofdstuk 6: Schatten Cursusjaar 2009 Peter de Waal Departement Informatica Statistische inferentie A Priori en posteriori verdelingen Geconjugeerde a priori
Nadere informatieVrije Universiteit 28 mei Gebruik van een (niet-grafische) rekenmachine is toegestaan.
Afdeling Wiskunde Volledig tentamen Statistics Deeltentamen 2 Statistics Vrije Universiteit 28 mei 2015 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen: opgaven 1,2,3,4. Cijfer=
Nadere informatieEindexamen wiskunde A1 vwo 2008-II
Eidexame wiskude A vwo 008-II Beoordeligsmodel Cotrole bij ieuwbouw maximumscore 4 I 00 ware er (ogeveer) 7 000 ieuwbouwwoige I 004 ware er (ogeveer) 4 800 ieuwbouwwoige De toeame is 7000 4800 00% (: de
Nadere informatieHoofdstuk 4: Aanvullende Begrippen (Extra Oefeningen)
Hoofdstuk 4: Aavullede Begrippe (Extra Oefeige) 9. Veroderstel dat X e Y ormaal verdeeld zij met resp. gemiddelde waarde µ X e µ Y e met dezelfde variatie 2. Wat is da de distributie va X Y? Bepaal de
Nadere informatieWenS eerste kans Permutatiecode 0
WeS eerste kas 203 204 Permutatiecode 0 Aatekeige op de vrageblade zij NIET TOEGELATEN. Je mag gebruik make va schrijfgerief e ee eevoudige rekemachie; alle adere materiaal blijft achteri. Gee GSM s toegelate:
Nadere informatieNaam Formule R-code Extra Populatieparameters toetsen
Naam Formule R-code Extra Populatieparameters toetse Obekede verwachtig µ e populatievariatie Oafhakelijke verwachtige µ1 e µ e populatievariaties die iet gelijk zij aa elkaar Afhakelijke verwachtige µ1
Nadere informatieDeeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013
Afdeling Wiskunde Volledig tentamen Algemene Statistiek Deeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen:
Nadere informatieWISKUNDE 5 PERIODEN DEEL B
EUROPEES BACCALAUREAAT 2012 WISKUNDE 5 PERIODEN DATUM : 11 jui 2012, ochted DUUR VAN HET EXAMEN: 3 uur (180 miute) TOEGESTANE HULPMIDDELEN : Exame met techologisch hulpmiddel 1/6 NL VRAAG B1 ANALYSE Blz.
Nadere informatieEindexamen wiskunde A vwo 2010 - I
Eidexame wiskude A vwo - I Beoordeligsmodel Maratholoopsters maximumscore 3 uur, 43 miute e 3 secode is 98 secode De selheid is 495 98 (m/s) Het atwoord: 4,3 (m/s) maximumscore 3 Uit x = 5 volgt v 4,4
Nadere informatie4.2 Mean Square Error
4 Schatters 4.1 Introductie Een statistisch model bestaat uit alle kansverdelingen welke a priori mogelijk worden geacht voor de gegeven data. Gegeven een correct opgesteld model gaan we ervan uit dat
Nadere informatieBetrouwbaarheidsintervallen
tatistiek voor Iformatiekude, 005 Les 3 Betrouwbaarheidsitervalle I de vorige les hebbe we era gekeke hoe we groothede va ee populatie met behulp va steekproeve kue schatte. We hebbe daarbij gezie dat
Nadere informatieSet 3 Inleveropgaven Kansrekening (2WS20)
1 Techische Uiversiteit Eihove Faculteit Wiskue e Iformatica Set 3 Ileveropgave Kasrekeig (2WS20) 2014-2015 1. (Flesjes ie uit e ba sprige) Aa ee lopee ba wore bierflesjes gevul. Helaas gaat er zo u e
Nadere informatieDH19 Bedrijfsstatistiek MC, 2e Bach Hir, Juni 2009
Naam:... Voornaam:... DH19 Bedrijfsstatistiek MC, 2e Bach Hir, Juni 2009 Slechts één van de vier alternatieven is juist. Kruis het bolletje aan vóór het juiste antwoord. Indien je een meerkeuzevraag verkeerd
Nadere informatie1. Hebben de volgende rijen een limiet, en zo ja, bepaal die dan: (i) u n = sin(πn) (d) u n = cos(2πn) (l) u n = log n
Hoofdstuk 1 Limiet va ee rij 1.1 Basis 1. Hebbe de volgede rije ee iet, e zo ja, bepaal die da: (a) 1,, 3, 4, 5, 6, 7, 8,... (b) 1, 4, 9, 16, 5, 36, 49,... (c) 1, 8, 7, 64, 15,... (d) u = ( 1) (e) u =
Nadere informatieDeze week: Verdelingsfuncties. Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties. Bernoulli verdeling. Bernoulli verdeling.
Deze week: Verdelingsfuncties Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties Cursusjaar 29 Peter de Waal Toepassingen Kansmassafuncties / kansdichtheidsfuncties Eigenschappen Departement Informatica
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Verklarende statistiek. 6. Proporties. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Verklarede statistiek 6. Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg 1. Ee ieuwe aam voor ee gekede grootheid...2
Nadere informatieWenS eerste kans Permutatiecode 0
WenS eerste kans 2012 2013 Aantekeningen op de vragenbladen zijn NIET TOEGELATEN. Je mag gebruik maken van schrijfgerief en een eenvoudige rekenmachine; alle andere materiaal blijft achterin. Leg je studentenkaart
Nadere informatieSCHATTEN. A.W. van der Vaart en anderen
SCHATTEN A.W. van der Vaart en anderen VOORWOORD Dit diktaatje wordt gebruikt bij het vak Biostatistiek 2 voor MNW. Het is een uittreksel van het boek Algemene Statistiek geschreven door A.W. van der Vaart
Nadere informatie9. Testen van meetresultaten.
Uitwerkige hoofdstuk 9 9. Teste va meetresultate. Opgave 9. Teste va het uit de steekproef geschatte gemiddelde t.o.v. µ a x 4,5 kg e -,0 kg 5 b t ( µ x) 5 4,5, -,0 c,5 % d v 5 4 tabel: t kritisch,78.
Nadere informatieDe Approximatiestelling van Weierstraß
De Approximatiestellig va Weierstraß Korteweg-de Vries Istituut voor Wiskude Uiversiteit va Amsterdam Mastercourse 15 ovember 2005 Peter Spreij spreij@sciece.uva.l 1 Itroductie I deze mastercourse behadele
Nadere informatieDe standaardafwijking die deze verdeling bepaalt is gegeven door
RUDOLF STEINERCOLLEGE HAARLEM WISKUNDE VWO CM T311-VCM-H911 Voor elk oderdeel is aagegeve hoeveel pute kue worde behaald. Atwoorde moete altijd zij voorzie va ee berekeig, toelichtig of argumetatie. MAX:
Nadere informatieStatistiek Voor studenten Bouwkunde College 2
Statistiek Voor studete Bouwkude College Numerieke samevattige va data Dataverdelig, meetfoute, uitbijters e scatterplots Programma voor vadaag Terugblik op college Numeriek samevatte va data Normale beaderig
Nadere informatieStatistiek II (A) ( ) H1: Puntschatters. Samenvatting Statistiek II (A) 9/01/2009 Y.W.
amevattg tatste II (A) 9//9 Y.W. H: Putschatters tatste II (A) Ee schatter θˆ voor ee populateparameter θ s zuver als E ( θˆ ) θ, zoet s het ee verteede schatter. De maat va ozuverhed verteeg (bas) B(
Nadere informatieStatistiek Voor studenten Bouwkunde College 6
Statistiek Voor studete Bouwkude College 6 extrapolatie va steekproef aar populatie Programma voor vadaag Terugblik Populatie e steekproef: extrapolatiestap Represetativiteit, (o)zuiverheid Populatiepercetage
Nadere informatieχ 2 -toets voor homogeniteit χ 2 -toets voor goodness-of-fit ten slotte
toetsede statistiek week 1: kase e radom variabele week 2: de steekproeveverdelig week 3: schatte e toetse: de z-toets week 4: het toetse va gemiddelde: de t-toets week 5: het toetse va variaties: de F-toets
Nadere informatieWenS tweede kans Permutatiecode 0
Aantekeningen op de vragenbladen zijn NIET TOEGELATEN. Je mag gebruik maken van schrijfgerief en een eenvoudige rekenmachine; alle andere materiaal blijft achterin. Geen GSM s toegelaten: voor wie tijdens
Nadere informatien -wet Wisnet-hbo update mei. 2008
-wet Wiset-hbo update mei. 2008 1 Ileidig De wortel--wet komt i de praktijk erg vaak voor op twee maiere, amelijk bij het eme va steekproeve e bij het bepale va de va ee aatal trekkige uit ee verdelig.
Nadere informatieTentamen Mathematische Statistiek (2WS05), dinsdag 3 november 2009, van uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Mathematische Statistiek (2WS05), dinsdag 3 november 2009, van 4.00 7.00 uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatiewiskunde A pilot vwo 2017-II
wiskude A pilot vwo 07-II Gewicht va diere maximumscore 4 Het opstelle va de vergelijkige 3, 7 = a b e 50 = a 000 b 3, 7 Uit de eerste vergelijkig volgt a = 3, 7 b = De tweede vergelijkig wordt hiermee
Nadere informatieOefeningen Analyse II
ste Bachelor Igeieursweteschappe ste Bachelor Natuurkude/Wiskude Academiejaar 27-28 9 jui 28 Oefeige Aalyse II. Ee lichaam bove het xy-vlak met willekeurige hoogte wordt lags oder begresd door de cirkel
Nadere informatieStatistiek 2 voor TeMa. Statistiek 2 voor TeMa. Statistiek 2 voor TeMa. Statistiek 2 voor TeMa Inleiding. Studiemateriaal
Algemee iformatie http://www.wi.tue.l/wsk/oderwijs/s95 College e istructies College: woesdag uur - HG6.96 Istructies maadag uur 5-6 HG6.09 Auditorium oodgebouw, uit Opdrachte: opgave uit boek e dictaat
Nadere informatieKansrekening en statistiek WI2211TI / WI2105IN deel 2 2 februari 2012, uur
Kansrekening en statistiek WI22TI / WI25IN deel 2 2 februari 22, 4. 6. uur VOOR WI22TI: Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Een formuleblad is niet toegestaan.
Nadere informatie5S Simula)e spel Werkplekorganisa)e. Het 5S getallen spel
5S Simula)e spel Werkplekorganisa)e Het 5S getallen spel Je huidige werkplek Het werkblad op de volgende pagina vertegenwoordigt jouw huidige werkplek [niet spieken!!!!] Het is jouw taak om met pen de
Nadere informatieBetrouwbaarheid. Betrouwbaarheidsinterval
Betrouwbaarheid Ee simulatie beoogt éé of i.h.a. twee of meerdere sceario s te evaluere e te vergelijke, bij Mote Carlo (MC) simulatie voor ee groot aatal istelwaarde, voor éé of meerdere parameters. Hierbij
Nadere informatie2.1 De normale verdeling
Les 2 Steekproeve We zulle i deze les bekijke, hoe we gegeves va ee populatie zoals het gemiddelde e de spreidig kue schatte, zoder aar elk idividu va de populatie te kijke. Het idee hierbij is, i plaats
Nadere informatieKansrekening en statistiek wi2105in deel 2 27 januari 2010, uur
Kansrekening en statistiek wi2105in deel 2 27 januari 2010, 14.00 16.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na
Nadere informatieSAMENVATTING HOOFDSTUK 1. Eigenschappen gebeurtenissen. uitkomsten kan hebben. A = AB A B. 3. (Regels van de Morgan)
SAMENVATTING HOOFDSTUK Toevalsexperimet: experimet, dat meerdere uitkomste ka hebbe Uitkomsteruimte: S = {uitkomste} Gebeurteis A : deelverzamelig vas : A S A e B sluite elkaar uit als A B = A,A 2,...
Nadere informatieHoofdstuk 7 : Continue distributies als stochastische modellen. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent
Hoofdstuk 7 : Continue distributies als stochastische modellen Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Continue distributies als stochastische
Nadere informatieHoofdstuk 2. Aanduiding 1: Aanduiding 2: Formule 1: Formule 2: s2 x = Formule 3: s x = Formule 4: X nieuw = X oud ± a betekent ook
Hoofdstuk 2 Aanduiding 1: X ij Aanduiding 2: Formule 1: Formule 2: s2 x = Formule 3: s x = Formule 4: X nieuw = X oud ± a betekent ook ± a Formule 5: X nieuw = bx oud betekent t X nieuw = X oud/b betekent
Nadere informatieSchatters en betrouwbaarheidsintervallen
Statistiek voor Iformatiekude, 006 Les 3 Schatters e betrouwbaarheidsitervalle I de vorige les hebbe we era gekeke hoe we bijvoorbeeld het gemiddelde e de variatie va ee populatie kue schatte, door deze
Nadere informatieGemengde opgaven. 10 Mathematische statistiek. w 2,50 2,50 47,50 997, ,50. P(W = w) 0,95 0,049 0,0007 0,0002 0,0001
Gemegde opgave 0 Mathematische statistiek 9 a W = uitbetalig 2,0 w 2,0 2,0 47,0 997,0 4997,0 (W = w) 0,9 0,049 0,0007 0,0002 0,000 E(W) = 2,0 0,9 + 2,0 0,049 + 47,0 0,0007 + 997,0 0,0002 + 4997,0 0,000
Nadere informatieTesten omtrent µ (normale populatie): BI. Testen omtrent µ (normale populatie): fouten. Testen omtrent µ (normale populatie): P-waarde
Testen omtrent µ (normale populatie) Hoofdstuk VII: HYPOTHESETESTEN Voorbeeld : X: Mortaliteit N(µ, σ ) µ = 1000 of µ 1000? x = 940.35 X µ S/ n tn 1 als µ = 1000: Terminologie: X 1000 S/ 60 t59 P ( t 59,0.05
Nadere informatieSteekproeven en schatters
Statistiek voor Iformatiekude, 25 Les 2 Steekproeve e schatters We zulle i deze les bekijke, hoe we gegeves va ee populatie zo als het gemiddelde e de spreidig kue schatte, zoder aar elk idividu va de
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodelle e ormaal verdeelde steekproefgroothede 6. Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg 1.
Nadere informatieCorrectievoorschrift VWO. wiskunde A1,2 (nieuwe stijl)
wiskude A, (ieuwe stijl) Correctievoorschrift VWO Voorbereided Weteschappelijk Oderwijs 0 04 Tijdvak izede scores Verwerk de scores va de alfabetisch eerste vijf kadidate per school i het programma Wolf
Nadere informatieFourierreeksen. Calculus II voor S, F, MNW. 14 november 2005
Fourierreekse Calculus II voor S, F, MNW. 14 ovember 2005 Deze tekst is gedeeltelijk gebaseerd op het Aalyse BWI I dictaat e op aatekeige va Alistair Vardy. 1 Ileidig Het is vaak belagrijk ee gegeve fuctie
Nadere informatieToegepaste 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 informatieHOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN
HOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN 4. VERGELIJKINGSTOETSEN A. Vergelijken van varianties Men beschouwt twee steekproeven uit normaal verdeelde populaties: X, X,, X n ~ N(µ, σ ) Y, Y,, Y n
Nadere informatieUitwerkingen hoofdstuk 9 9. Testen van meetresultaten. Testen van het uit de steekproef geschatte gemiddelde t.o.v. a x = 24,5 kg en n-1 = 0,9 kg n
Uitwerkige hoofdstuk 9 9. Teste a meetresultate. Opgae 9. Opgae 9. Teste a het uit de steekproef geschatte gemiddelde t.o.. a x = 4,5 kg e - = 0,9 kg b t ( x) 5 5 4,5, - 0,9 c,5 % d = = 5 = 4 tabel: t
Nadere informatiebeheersorganisme voor de controle van de betonproducten Tel. (02) Fax (02) RN 001 REGLEMENTAIRE NOTA
PROBETON Vereigig zoder wistoogmerk beheersorgaisme voor de cotrole va de betoproducte Aarlestraat 53 - B9 040 Brussel Tel. (0) 37.0.0 Fax (0) 735.3.5 e-mail : mail@probeto.be website : www.probeto.be
Nadere informatieB C D E Welke rij is noch een Rekenkundige. noch een Meetkundige Rij? A B C D E
Naam : Klas:.Datum: Ma 0 sept. 00 Rechterkat als kladblad gebruike A. 5067 De rij x, x+, x+,... is rekekudig als x gelijk is aa ) ) ) 4) 4 5) 0 6) 4 7) 8) ee getal tusse e 0 B. 57 80 De legtes a, b e c
Nadere informatieTentamen Statistische methoden MST-STM 8 april 2010, 9:00 12:00
Tentamen Statistische methoden MST-STM 8 april 2, 9: 2: Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop inleveren alstublieft.
Nadere informatieHoofdstuk 1 Rijen en webgrafieken
Hoofdstuk Rije e wegrafieke Voorkeis: Rije ladzijde V-a u 7 + v +, c De vergelijkig 7 + +, oplosse geeft, e dus 8. Ze hee eide 8 rode gelope. V- u, u met u V-a u + ( ) + + s u + u + u +... + u + + 8 +
Nadere informatieFormules uit de cursus Waarschijnlijkheidsrekenen en statistiek
UNIVERSITY OF GHENT Samenvatting Formules uit de cursus Waarschijnlijkheidsrekenen en statistiek Auteur: Nicolas Vanden Bossche Lesgever: Prof. Hans De Meyer Hoofdstuk 1 Het kansbegrip en elementaire kansrekening
Nadere informatieStatistiek. (relatieve) frequenties: histogram cumulatieve (relatieve) frequenties: cumulatief frequentiepolygoon of ogief
Samevattig statistiek Academiejaar 006-007 Statistiek 4 examevrage: - tabel aavulle met spreidigs- e cetrummate - poisso- e biomiale verdelig Deel Beschrijvede statistiek Soorte variabele Kwalitatief:
Nadere informatieTentamen Voortgezette Kansrekening (WB006C)
WB6C: Voortgezette Kansrekening Donderdag 26 januari 212 Tentamen Voortgezette Kansrekening (WB6C) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan.
Nadere informatieStatistiek Voor studenten Bouwkunde College 5
Statistiek Voor studete Bouwkude College 5 toevalsfluctuaties Programma voor vadaag Terugblik Wet va de grote aatalle Verwachtigswaarde Stadaardfout e wortel wet Normale beaderig voor kashistogramme Prof.
Nadere informatieTentamen Voortgezette biostatistiek / Biomedische wiskunde
Tentamen Voortgezette biostatistiek / Biomedische wiskunde 22 maart 2016; 08:45-10:45 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau.
Nadere informatieStatistiek Voor studenten Bouwkunde College 7
Statitiek Voor tudete Bouwkude College tochatiche modelle e toete va hypothee Programma voor vadaag Terugblik SD e voor vaamodel Model voor meetfoute Vaamodel al pecifiek tochatich model Betrouwbaarheiditerval
Nadere informatieCorrectievoorschrift VWO. Wiskunde B1,2 (nieuwe stijl)
Wiskude B, (ieuwe stijl) Correctievoorschrift VWO Voorbereided Weteschappelijk Oderwijs 0 0 Tijdvak Izede scores Uiterlijk op jui de scores va de alfabetisch eerste vijf kadidate per school op de daartoe
Nadere informatieTrigonometrische functies
Trigoometrische fucties Ileidig De meest gebruikelijke defiitie va de trigoometrische fucties cos e si berust op meetkudige cocepte (cirkel, hoek, driehoeke etc.) die buite het bestek va de aalyse valle.
Nadere informatieDeze week: Steekproefverdelingen. Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen. Kwaliteit van schatter. Overzicht Schatten
Deze week: Steekproefverdelingen Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen Cursusjaar 29 Peter de Waal Zuivere Schatters Betrouwbaarheidsintervallen Departement Informatica Hfdstk
Nadere informatiewiskunde A pilot vwo 2016-I
wiskude A pilot vwo 06-I Aalscholvers e vis maximumscore 3 De viscosumptie per dag is 30 0 0,36 + 696 0, 85 ( 788 (kg)) I de maad jui is dit 30 788 (kg) Het atwoord: 38 000 ( 38 duized) (kg) Als ee kadidaat
Nadere informatieVU University Amsterdam 2018, juli 11.
Department of Mathematics Herexamen: Voortgezette biostatistiek VU University Amsterdam 018, juli 11. c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieSamenvatting. Inleiding Statistiek - Collegejaar
Samevattig Ileidig Statistiek - Collegejaar 2012-2013 Mathematical Statistics ad Data Aalysis, 3-rd editio. Joh A. Rice Hoofdstuk 7 paragraaf 1, 2, 3 e 5. Hoofdstuk 8 e paragraaf 1, 2 e 3 va Hoofdstuk
Nadere informatieINLEIDING FYSISCH-EXPERIMENTELE VAARDIGHEDEN (3A560) , ANTWOORDEN. en y m.b.v. y = n
INLEIDING FYICH-EXEIENTELE VAADIGHEDEN (3A56 3-1-, ANTWOODEN OGAVE 1 (a y wordt bereked mb y ³ e y mb y Uit de laatste ergelijkig ide we y i ³ x1 1 + + x ³ x1 1 + + x ³ + j6i i j xj y + j6i i j xj Omdat
Nadere informatieα ψ n Eigenwaardevergelijkingen ψ n (i = 1, g n ) Eigenvectoren en eigenwaarden van een operator eigenket eigenvector eigenwaarde is ook eigenvector
Egewaardevergeljkge Egevectore e egewaarde va ee operator A = λ egeket egevector egewaarde α s ook egevector ( =, g ) egewaarde λ s g -voudg otaard, als er g oafhakeljke kets correspodere met dezelfde
Nadere informatieCursus Theoretische Biologie. Onderdeel Statistiek
Cursus Theoretische Biologie Oderdeel Statistiek J.J.M. Bedaux Oktober 2000 1 THEORETISCHE BIOLOGIE, ONDERDEEL STATISTIEK 1 Theorie 1 Parameterschattig We begie met ee voorbeeld. I Wiskude e Modelbouw
Nadere informatieVectoranalyse voor TG
college 6 collegejaar : 8-9 college : 6 build : 2 oktober 28 slides : 38 Vandaag Minecraft globe van remi993 2 erhaalde 3 4 intro VA Drievoudige integralen Section 5.5 Definitie Een rechthoekig blok is
Nadere informatieExamen HAVO. wiskunde A. tijdvak 2 woensdag 19 juni 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.
Exame HAVO 2013 tijdvak 2 woesdag 19 jui 13.30-16.30 uur wiskude A Bij dit exame hoort ee uitwerkbijlage. Dit exame bestaat uit 21 vrage. Voor dit exame zij maximaal 80 pute te behale. Voor elk vraagummer
Nadere informatieUITWERKINGEN VOOR HET VWO NETWERK VWO B2
UITWERKINGEN VOOR HET VWO NETWERK VWO B HOOFDSTUK 9 KERN RIJEN a) Zie ook plaatje..., wat ieder mes schudt de had va twee adere. Dele door twee, wat bij de worde de pare hade dubbel geteld. b) c) d) ;
Nadere informatiePARADOXEN 9 Dr. Luc Gheysens
PARADOXEN 9 Dr Luc Gheyses LIMIETEN, AFGELEIDEN EN INTEGRALEN: ENKELE MERKWAARDIGE VERHALEN Ileidig: verhale over ifiitesimale Ee ifiitesimaal (of ifiitesimaal kleie waarde) is ee object dat mi of meer
Nadere informatieCorrectievoorschrift VWO. Wiskunde B1,2 (nieuwe stijl)
Wiskude B, (ieuwe stijl) Correctievoorschrift VWO Voorbereided Weteschappelijk Oderwijs 0 0 Tijdvak Izede scores Uiterlijk op jui de scores va de alfabetisch eerste vijf kadidate per school op de daartoe
Nadere informatieAuteur(s): F. Goudswaard, H. Oonk Titel: De kruk...waar? Jaargang: 3 Jaartal: 1985 Nummer: 3 Oorspronkelijke paginanummers:
Auteur(s):. Goudswaard, H. Ook Titel: De kruk...waar? Jaargag: 3 Jaartal: 198 Nummer: 3 Oorsprokelijke pagiaummers: 98-109 Dit artikel is oorsprokelijk verschee i Haags Tijdschrift voor ysiotherapie, va
Nadere informatien n n bedoelen we uiteraard dat n N : 0 f x divergeert naar + of.
Limiete Defiities a Limiet voor a I het hoofdstuk ratioale fucties i het begi va dit schooljaar zage we reeds dat zulke fucties soms perforatiepute hebbe De fuctiewaarde i zo put bestaat iet, maar de grafiek
Nadere informatiedata ingeven Karakteristieken Data visualiseren Betrouwbaarheidsintervallen Toetsen van hypothesen
Het verhaal va de Statistiek met de TI-84 Statistiek steekproef gegeves verwerke modellere Betrouwbaarheidsitervalle Toetse va hypothese 17 oktober 2018 kasrekeig kaswette kasverdelige Beschrijvede statistiek
Nadere informatie+ ( 1 4 )2 σ 2 X σ2. 36 σ2 terwijl V ar[x] = 11. Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter.
STATISTIEK OPLOSSINGEN OEFENZITTINGEN 5 en 6 c D. Keppens 2004 5 1 (a) Zij µ de verwachtingswaarde van X. We moeten aantonen dat E[M i ] = µ voor i = 1, 2, 3 om te kunnen spreken van zuivere schatters.
Nadere informatieConstructie van schatters bij het lokaliseren van QTL s
Costructie va schatters bij het lokalisere va QTL s Suzae Siekers 29 jui 2009 Bachelorscriptie Begeleidig: prof.dr. C.A.J. Klaasse Korteweg-de Vries Istituut voor Wiskude Faculteit der Natuurweteschappe,
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 15 Dinsdag 2 November 1 / 16 2 Statistiek Indeling: Filosofie Schatten Centraal Bureau voor Statistiek 2 / 16 Schatten Vb. Het aantal tenen plus vingers in jullie huishoudens:
Nadere informatieData 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 informatieStatistiek 2 voor TeMa Associaties tussen kwalitatieve variabelen. Statistiek 2 voor TeMa Associaties tussen kwalitatieve variabelen
Statistiek voor TeMa Associatiemate Is er ee verbad (associatie) tusse variabele? atwoord: -value -toets Ka ee evetuele afhakelijkheid i ee steekroef ook daadelijk worde gedetecteerd? atwoord: oderscheidigsvermoge
Nadere informatieHoofdstuk 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 informatie3de bach HI. Econometrie. Volledige samenvatting. uickprinter Koningstraat Antwerpen A 11,00
3de bach HI Econometrie Volledige samenvatting Q www.quickprinter.be uickprinter Koningstraat 13 2000 Antwerpen 170 A 11,00 Practicum 0: Herhaling statistiek Hier vindt u een kort overzicht van enkele
Nadere informatiePROEFEXAMEN SOCIALE STATISTIEK November 2009 REEKS 1
PROEFEXAMEN SOCIALE STATISTIEK November 009 REEKS Score /5. ( pute) Beatwoord volgede vraag aa de had va oderstaade SPSSoutput: Omcirkel de juiste waarde voor A e voor B als je weet dat deze verdelig bereked
Nadere informatie