+ ( 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.
|
|
- Christiana van den Pol
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 STATISTIEK OPLOSSINGEN OEFENZITTINGEN 5 en 6 c D. Keppens (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. E[M 1 ] = E[ 1 4 X X X 3] = 1 4 µ µ µ = µ analoog voor E[M 2 ] en E[M 3 ] (b) Zij X = 1 3 (X 1 + X 2 + X 3 ) het rekenkundig gemiddelde van de drie waarnemingen. Dan rekent men na dat E[X] = µ. Om aan te tonen dat deze schatter efficiënter is dan de voorgaande, berekenen we de variantie op de schattingen. Uit de algemene variantiewet volgt V ar[m 1 ] = ( 1 4 )2 σ 2 X 1 + ( 1 2 )2 σ 2 X 2 + ( 1 4 )2 σ 2 X 3 +2( 1 4 ) (1 2 ) ρ 12σ X1 σ X2 +2( 1 4 ) (1 4 ) ρ 13σ X1 σ X3 +2( 1 2 ) (1 4 ) ρ 23σ X2 σ X3 waarin σ 2 X 1 = σ 2 X 2 = σ 2 X 3 = σ 2 en de korrelatiekoëfficiënten gegeven zijn. Men bekomt V ar[m 1 ] = σ2 Op analoge wijze vindt men V ar[m 2 ] = σ2 en V ar[m 3 ] = σ2 terwijl V ar[x] = σ2 Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter. 5 2 De konstante C volgt uit de normeringsvoorwaarde : C + 0 x e x ϑ dx = 1 wat na berekening van de integraal (partiële integratie) oplevert : C = 1 ϑ 2 De waarschijnlijkheidsfunktie L is gegeven door L(x 1, x 2,..., x n ; ϑ) = 1 ϑ x 2 1 e x 1 1 ϑ ϑ x 2 2 e x 2 1 ϑ... ϑ x 2 n e xn ϑ = 1 ϑ x 2n 1 x 2... x n e 1 ϑ (x 1+x x n ) Overgang op logaritmen geeft : ln L = 2n ln ϑ + n ln x i 1 ϑ i=1 n i=1 x i 1
2 De gevraagde schatting is de oplossing van de vergelijking d ln L d ϑ = 0 of dus 2n 1 ϑ + 1 n x ϑ 2 i = 0 waaruit we bekomen : ϑ = n i=1 x i 2n = x 2 i=1 5 3 (a) We hebben hier te maken met een intervalschatting voor de verwachtingswaarde van een veranderlijke met ongekende variantie. Omdat we te maken hebben met een grote steekproef mogen we onderstellen dat de veranderlijke bij benadering normaal verdeeld is. In de theorie hebben we gezien dat het schattingsinterval dan (zie opmerking p.4 10)gegeven wordt door [X λ p S n, X + λ p S n ] Hier is p = 2 (want 98 % betrouwbaarheidsinterval) zodat λ 2 = 2, 326 (uit tabel), n = 400, X = 507, 3 en S = 8, 2 Dit geeft het interval [506, 508] (b) Als de breedte van het interval 1 cc moet bedragen, dan moet S n = 0, 5. Met S = 8, 2 en λ p = λ 2 = 2, 33 bekomen we dan λ p n = (2 2, 33 8, 2) 2 = 1460 Opmerking : men kan ook met de t verdeling werken en als schattingsinterval [X t p S S n 1, X + t p n 1 ] nemen. Dit geeft lichtelijk andere waarden voor de oplossing. 5 4 (a) We hebben hier te maken met een intervalschatting voor de verwachtingswaarde van een normaal verdeelde veranderlijke met gekende variantie. In de theorie hebben we gezien dat het schattingsinterval dan gegeven wordt door [X λ p σ n, X + λ p σ n ] Hier is p = 5 (want 95 % betrouwbaarheidsinterval) zodat λ 5 = 1, 96 (uit tabel), n = 25, X = 20, 142 en σ = 100 gram = 0, 1 kg! Dit geeft het interval [20, 1028, 20, 1812] (b) Als de breedte van het interval 20 gram moet bedragen, dan moet σ λ p n = 10. Met σ = 100 gram en λ p = λ 5 = 1, 96 bekomen we dan n = (10 1, 96) 2 = 384, 16. Dus n moet minstens 385 bedragen. 2
3 5 5 (a) We hebben hier te maken met een puntschatting voor de variantie van een normaal verdeelde veranderlijke. Omdat we te maken hebben met een kleine steekproef gebruiken we als schatter de verbeterde steekproefvariantie. n Dus ŝ 2 i=1 = (x i µ) 2 n 1 Met µ geschat door het steekproefgemiddelde x = = 500 en n = 10 Men bekomt ŝ 2 = = 35, 11 (b) We hebben hier te maken met een intervalschatting voor de verwachtingswaarde van een normaal verdeelde veranderlijke met ongekende variantie. Omdat de steekproefomvang klein is, moeten we werken met de t verdeling. In de theorie hebben we gezien dat het schattingsinterval dan S gegeven wordt door [X t p S n 1, X + t p n 1 ] Hier is n = 10, p = 5 (want 95 % betrouwbaarheidsinterval) zodat t 5 [9] = 2, 26 (uit tabel), X = 500 en S = = 5, 62 (we gebruiken hier S en niet de verbeterde steekproefstandaardafwijking Ŝ) Dit geeft het interval [496, 504] 5 6 We hebben hier te maken met een intervalschatting voor de verwachtingswaarde van een normaal verdeelde veranderlijke met ongekende variantie. Omdat de steekproefomvang eerder klein is, moeten we werken met de t verdeling. In de theorie hebben we gezien dat het schattingsinterval dan gegeven S wordt door [X t p S n 1, X + t p n 1 ] Hier is n = 20, p = 1 (want 99 % betrouwbaarheidsinterval) zodat t 1 [19] = 2, 86 (uit tabel), X = 1832 en S = 497 Dit geeft het interval [1506, 2158] Een schattingsinterval voor σ is gegeven door (zie theorie) : [ ns2 χ 2, ns2 p χ 2 ] 2 1 p 2 Hier is p = 5 en n = 20 zodat χ 2 0,025[19] = 32, 85 en χ 2 0,975[19] = 8, 91 (zie tabel) en S 2 = (497) 2 3
4 Dit geeft het interval : [150386, ] voor σ 2 waaruit dan het interval [388, 745] volgt voor σ 5 7 We formuleren als nulhypothese : H 0 : µ = 150 tegenover de alternatieve hypothese H 1 : µ > 150 We hebben hier te maken met een (eenzijdige) test voor het gemiddelde met gekende variantie. Eigenlijk is de steekproef iets te klein (n = 25 voldoet niet aan n > 30, maar het scheelt niet echt veel en sommige auteurs nemen trouwens n > 20 als voorwaarde) zodat we toch mogen werken met de z test. Als toetsingsgrootheid T nemen we dan T = X µ 0 σ. n Als de nulhypothese waar is, dan heeft deze veranderlijke een standaard normale verdeling ). Bij een drempelwaarde α = 0, 01 in een rechtseenzijdige test, moeten we gebruik maken van λ 2 De waarde daarvan halen we uit tabel 2 : λ 2 = 2, 33 Het verwerpingsgebied is dan ]λ 2, + [=]2.33, + [ De waargenomen waarde van de toestsingsgrootheid is = 5 en 25 deze ligt in het verwerpingsgebied zodat we de nulhypothese moeten verwerpen. 5 8 We formuleren als nulhypothese : H 0 : µ = 10 tegenover de alternatieve hypothese H 1 : µ > 10 We hebben hier te maken met een (eenzijdige) test voor het gemiddelde met gekende variantie. De steekproef is echter klein, maar dat is geen probleem omdat gegeven is dat de veranderlijke normaal verdeeld is, zodat we toch kunnen werken met de z test. Als toetsingsgrootheid T nemen we dus T = X µ 0 σ. n Als de nulhypothese waar is, dan heeft deze veranderlijke een standaard normale verdeling. Bij een drempelwaarde α = 0, 05 in een rechtseenzijdige test, moeten we gebruik maken van λ 10. Deze halen we uit tabel 2 : λ 10 = 1, 64 Het verwerpingsgebied is dan ]λ 10, + [=]1.64, + [ 4
5 De waargenomen waarde van de toetsingsgrootheid is gelijk aan 10,7 10 0,9 9 = 2, 33 en deze ligt in het verwerpingsgebied zodat we de nulhypothese moeten verwerpen. 5 9 We formuleren als nulhypothese : H 0 : µ = 300 tegenover de alternatieve hypothese H 1 : µ 300 We hebben hier te maken met een tweezijdige test voor het gemiddelde met gekende variantie. De veranderlijke is normaal verdeeld zodat de grootte van de steekproefomvang niet relevant is. We kunnen dus werken met de z test. Als toetsingsgrootheid T nemen we dan T = X µ 0 σ. n Als de nulhypothese waar is, dan heeft deze veranderlijke een standaard normale verdeling. Bij een drempelwaarde α = 0, 05 in een tweezijdige test, moeten we gebruik maken van λ 5 = 1, 96 (uit tabel). Het verwerpingsgebied bestaat uit twee intervallen en is dan : ], 1, 96[ ]1, 96, + [ De waargenomen waarde van T is gelijk aan = 2, 67 en deze 25 waarde ligt in het linkerdeel van dit verwerpingsgebied zodat we de nulhypothese moeten verwerpen We formuleren als nulhypothese : H 0 : µ 200 tegenover de alternatieve hypothese H 1 : µ > 200 We hebben hier een (eenzijdige) test voor het gemiddelde waarbij de variantie niet gekend is (en de steekproefomvang is klein) zodat we best werken met de t test. Als toetsingsgrootheid T nemen we dan T = n 1 X µ 0 S µ 0 = 200 en n = 10 waarin Als de nulhypothese waar is, dan is T t verdeeld met 10 1 = 9 vrijheidsgraden. Bij een drempelwaarde α = 0, 05 in een eenzijdige test, moeten we gebruik maken van t 10 [9] = 1, 833 (uit tabel met procentwaarden van de t verdeling). 5
6 Het verwerpingsgebied is dan ]1, 833, + [ De waargenomen waarde van de toetsingsgrootheid T is gelijk aan = 4, 74 (nadat uit de steekproefgegevens werd berekend : x = 300 en s 2 = 4000 en deze ligt in het verwerpingsgebied zodat we de nulhypothese moeten verwerpen We formuleren als nulhypothese : H 0 : σ 2 4 tegenover de alternatieve hypothese H 1 : σ 2 > 4 We hebben hier een (eenzijdige) test waarbij een vooropgezette variantie moet worden getest aan de hand van een waargenomen variantie (χ 2 test). Als toetsingsgrootheid T nemen we dan T = ns2 n = 10 σ 2 0 waarin σ 2 0 = 4 en Als de nulhypothese waar is, dan is T χ 2 verdeeld met 10 1 = 9 vrijheidsgraden. Bij een drempelwaarde α = 0, 05 in een eenzijdige test, moeten we gebruik maken van χ 2 5[9] = 16, 92 (uit tabel met procentwaarden van de χ 2 verdeling, in die tabel wordt χ 2 [5] voorgesteld als g 0,95 ). Het verwerpingsgebied is dan ]16, 92, + [ De waargenomen waarde van de toetsingsgrootheid T is gelijk aan = (nadat uit de steekproefgegevens werd berekend : s 2 = 69 en deze ligt in het verwerpingsgebied zodat we de nulhypothese moeten verwerpen We hebben hier te maken met een verschiltoets voor het gemiddelde bij gegeven varianties. Omdat de steekproeven voldoende groot zijn (omvang 50) hoeft men niet te weten of de kansverdeling van de examenresultaten normaal is. We formuleren als nulhypothese : H 0 : µ X = µ Y tegenover de alternatieve hypothese H 1 : µ X µ Y (tweezijdige test) Als toetsingsgrootheid T nemen we dan het verschil X Y σ 2 X n1 + σ2 Y n2 Als de nulhypothese waar is, dan is T standaard normaal verdeeld. Bij een drempelwaarde α = 0, 05 in een tweezijdige test, moeten we gebruik maken van λ 5 = 1, 96 (uit tabel). 6
7 Het verwerpingsgebied is dan ], 1, 96[ ]1, 96, + [ De waargenomen waarde van de toetsingsgrootheid T is gelijk aan ,5 = 3, 77 en deze ligt in het rechterdeel van het verwerpingsgebied zodat we de nulhypothese moeten verwerpen We hebben hier te maken met een verschiltoets voor het gemiddelde bij gelijke, maar onbekende varianties. We formuleren als nulhypothese : H 0 : µ X = µ Y tegenover de alternatieve hypothese H 1 : µ X µ Y (tweezijdige test) Als toetsingsgrootheid T nemen we dan X Y n1 n 2 waarin S P n 1 + n 2 n 1 = 6 en n 2 = 5 en SP 2 = n 1SX 2 + n 2SY 2 (de pooled variance). n 1 + n 2 2 Als de nulhypothese waar is, dan is T t verdeeld met n 1 + n 2 2 = 9 vrijheidsgraden Bij een drempelwaarde α = 0, 05 in een tweezijdige test, moeten we gebruik maken van t 5 [9] = 2, 26 (uit tabel). Het verwerpingsgebied is dan ], 2, 26[ ]2, 26, + [ Met de steekproefgegevens vindt men dat x = 25, y = 20, s 2 X = 22, 7 en s 2 Y = 46 waaruit s2 P = 6 22,7= = 40, 7. De waargenomen waarde van de toetsingsgrootheid T is dan gelijk aan = 1, 29 en deze ligt niet in het verwerpingsgebied zodat 40, we de nulhypothese mogen aanvaarden. Er is dus geen signifikant verschil tussen de gemiddelde leveringstijden van beide leveranciers In het eerste deel van de oefening hebben we te maken met een verschiltoets voor de variantie (F test). We formuleren als nulhypothese : H 0 : σx 2 = σ2 Y tegenover de alternatieve hypothese H 1 : σx 2 σ2 Y (tweezijdige test) Als toetsingsgrootheid T nemen we dan n 1(n 2 1)SX 2 n 2 (n 1 1)SY 2 n 2 = 5. waarin n 1 = Als de nulhypothese waar is, dan is T F verdeeld met (n 1 1, n 2 1) = (4, 4) vrijheidsgraden. 7
8 Bij een drempelwaarde α = 0, 05 in een tweezijdige test, moeten we gebruik maken van F 0,025 [4, 4] = 9, 60 (uit tabel) en F 0,975 [4, 4] = 1 F 0,025 [4, 4] = 1 9, 60 = 0, 104 (eigenschap F 1 p[m, n] = F 1 p [n,m] ). Het verwerpingsgebied is dan ], 0, 10[ ]9, 60, + [ Met de steekproefgegevens vindt men dat x = 3000, y = 1000, s 2 X = en s 2 Y = De waargenomen waarde van de toetsingsgrootheid T is dan gelijk aan = 23, 3 en deze ligt in het verwerpingsgebied zodat we de nulhypothese moeten verwerpen. Er is dus een signifikant verschil tussen de varianties van beide groepen. In het tweede deel van de oefening moeten we een verschil van gemiddelden testen (bij verschillende varianties). Als nulhypothese formuleren we : H 0 : µ X = µ Y tegenover de alternatieve hypothese H 1 : µ X µ Y (tweezijdige test) Als toetsingsgrootheid T neemt men dan X Y S 2 X n1 + S2 Y n 2 die als de nulhypothese waar is, een t verdeling bezit met bij benadering min(n 1, n 2 ) 1 vrijheidsgraden. Hier is n 1 = n 2 = 5 zodat we een t verdeling hebben met 4 vrijheidsgraden. Bij α = 0, 05 bekomt men het verwerpingsgebied ], t 5 [4][ ]t 5 [4], + [=], 2, 78[ ]2, 78, + [ De waargenomen waarde van de toetsingsgrootheid bedraagt = 2, 66 en deze ligt niet in het verwerpingsgebied Er is dus geen signifikant verschil tussen de gemiddelden van beide groepen. 8
9 5 15 We moeten gebruik maken van de χ 2 aanpassingstoets. Als nulhypothese stellen we dat het gewicht van de pruimen normaal verdeeld is. In deze veronderstelling worden de theoretische relatieve frekwenties gevonden met de formule P (a X < b) = Φ(b) Φ(a) = Ψ( b µ σ ) Ψ(a µ σ ) en daaruit heeft men dan de theoretische absolute frekwenties (door te vermenigvuldigen met 80 = som van de steekproeffrekwenties). De waarden van µ en σ worden geschat door x en s. Op deze manier bekomt men voor de theoretische frekwenties : gewichtsklasse theoretische frekwentie < 40 8 [40, 50[ 7, 2 [50, 60[ 10, 1 [60, 70[ 12, 2 [70, 80[ 12, 6 [80, 90[ 11, 1 [90, 100[ 8, , 5 De toetsingsgrootheid T is gelijk aan (W i T i ) 2 met W i de waargenomen frekwenties en T i de berekende theoretische T i i frekwenties. Deze bezit een χ 2 verdeling met k 1 m vrijheidsgraden waarin k = 8 (aantal klassen) en m = 2 (het aantal geschatte parameters om T i te kunnen berekenen). Met α = 0, 05 vindt men χ 2 [5] = 11, 1 zodat het verwerpingsgebied gelijk is aan ]11, 1 + [ De waargenomen waarde van T is (na berekening) gelijk aan 19,42 en deze ligt in het verwerpingsgebied. We mogen dus niet veronderstellen dat het gewicht van de pruimen normaal verdeeld is. 9
10 5 16 We moeten gebruik maken van de χ 2 aanpassingstoets. Als nulhypothese stellen we dat de tijdsduur negatief exponentieel verdeeld is. In deze veronderstelling worden de theoretische relatieve frekwenties gevonden met de formule P (a X < b) = b a ϕ(x) dx = [ e λx ] b a en daaruit volgen dan de theoretische absolute frekwenties door te vermenigvuldigen met 74 (som van de steekproeffrekwenties) Omdat µ = 1 λ kan λ geschat worden met 1 x waarbij x = 1, 75 (gegeven). Op deze manier bekomt men voor de theoretische absolute frekwenties : tijdsduur tussen twee storingen theoretische frekwentie minder dan 1 uur 32 tussen 1 en 2 uur 19 tussen 2 en 3 uur 10 tussen 3 en 5 uur 9 meer dan 5 uur 4 De toetsingsgrootheid T is gelijk aan (W i T i ) 2 met W i de waargenomen frekwenties en T i de berekende theoretische T i i frekwenties. Deze bezit een χ 2 verdeling met k 1 m vrijheidsgraden waarin k = 5 (aantal klassen) en m = 1 (het aantal geschatte parameters om T i te kunnen berekenen). Met α = 0, 05 vindt men χ 2 [3] = 7, 8 zodat het verwerpingsgebied gelijk is aan ]7, 8 + [ De waargenomen waarde van T is gelijk aan ligt niet in het verwerpingsgebied = 0, 7 en deze We mogen dus veronderstellen dat de tijdsduur tussen twee storingen negatief exponentieel verdeeld is. 10
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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 14 Donderdag 28 Oktober 1 / 37 2 Statistiek Indeling: Hypothese toetsen Schatten 2 / 37 Vragen 61 Amerikanen werd gevraagd hoeveel % van de tijd zij liegen. Het gevonden
Nadere informatieToetsen 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 informatieVandaag. 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 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 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 informatieToetsen 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 informatieTECHNISCHE 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 informatieOpgeloste Oefeningen Hoofdstuk 8: Het Toetsen van Hypothesen
Opgeloste Oefeningen Hoofdstuk 8: Het Toetsen van Hypothesen 8.1. Stel dat medisch onderzoek heeft uitgewezen dat als het gemiddelde nicotinegehalte van een sigaret 25 mg of meer bedraagt, de kans op longkanker
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 informatieHoofdstuk 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 11 Dinsdag 25 Oktober 1 / 27 2 Statistiek Vandaag: Hypothese toetsen Schatten 2 / 27 Schatten 3 / 27 Vragen: liegen 61 Amerikanen werd gevraagd hoeveel % van de tijd
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 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 informatieHoofdstuk 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 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 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 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 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 informatieKansrekening en statistiek wi2105in deel 2 16 april 2010, uur
Kansrekening en statistiek wi205in deel 2 6 april 200, 4.00 6.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop
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 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 informatieVerklarende 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 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 informatieStatistiek voor A.I.
Statistiek voor A.I. College 13 Donderdag 25 Oktober 1 / 28 2 Deductieve statistiek Orthodoxe statistiek 2 / 28 3 / 28 Jullie - onderzoek Tobias, Lody, Swen en Sander Links: Aantal broers/zussen van het
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 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 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 informatieWe illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten
Hoofdstuk 8 Betrouwbaarheidsintervallen In het vorige hoofdstuk lieten we zien hoe het mogelijk is om over een ongekende karakteristiek van een populatie hypothesen te formuleren. Een andere manier van
Nadere informatieHoofdstuk 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. Dan geldt P(B) = a. 1 4. d. 3 8
Tentamen Statistische methoden 4052STAMEY juli 203, 9:00 2:00 Studienummers: Vult u alstublieft op het meerkeuzevragenformulier uw Delftse studienummer in (tbv automatische verwerking); en op het open
Nadere informatieHOOFDSTUK 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 informatieStatistiek II. Sessie 1. Verzamelde vragen en feedback Deel 1
Statistiek II Sessie 1 Verzamelde vragen en feedback Deel 1 VPPK Universiteit Gent 2017-2018 Feedback Oefensessie 1 1 Staafdiagram 1. Wat is de steekproefgrootte? Op de horizontale as vinden we de respectievelijke
Nadere informatietoetsende statistiek deze week: wat hebben we al geleerd? Frank Busing, Universiteit Leiden
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling week 3: schatten en toetsen: de z-toets week 4: het toetsen van gemiddelden: de t-toets Moore, McCabe, and Craig.
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 informatieDEEL 3 INDUCTIEVE STATISTIEK INLEIDING TOT DE INDUCTIEVE STATISTIEK 11.2 DE GROOTSTE AANNEMELIJKHEID - METHODE
DEEL 3 INDUCTIEVE STATISTIEK INHOUD H 10: INLEIDING TOT DE INDUCTIEVE STATISTIEK H 11: PUNTSCHATTING 11.1 ALGEMEEN 11.1.1 Definities 11.1.2 Eigenschappen 11.2 DE GROOTSTE AANNEMELIJKHEID - METHODE 11.3
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 informatieWiskunde B - Tentamen 2
Wiskunde B - Tentamen Tentamen van Wiskunde B voor CiT (57) Donderdag 4 april 005 van 900 tot 00 uur Dit tentamen bestaat uit 8 opgaven, 3 tabellen en formulebladen Vermeld ook je studentnummer op je werk
Nadere informatieHoofdstuk 12: Eenweg ANOVA
Hoofdstuk 12: Eenweg ANOVA 12.1 Eenweg analyse van variantie Eenweg en tweeweg ANOVA Wanneer we verschillende populaties of behandelingen met elkaar vergelijken, dan zal er binnen de data altijd sprake
Nadere informatieTentamen Mathematische Statistiek (2WS05), vrijdag 29 oktober 2010, van 14.00 17.00 uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Mathematische Statistiek (WS05), vrijdag 9 oktober 010, van 14.00 17.00 uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieLes 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 informatieInhoudsopgave. Deel I Schatters en toetsen 1
Inhoudsopgave Deel I Schatters en toetsen 1 1 Hetschattenvanpopulatieparameters.................. 3 1.1 Inleiding:schatterversusschatting................. 3 1.2 Hetschattenvaneengemiddelde..................
Nadere informatieHoofdstuk 3 : Numerieke beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent
Hoofdstuk 3 : Numerieke beschrijving van data Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Numerieke beschrijving van data p 1/31 Beschrijvende
Nadere informatie6.1 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 informatieToegepaste Statistiek, Week 3 1
Toegepaste Statistiek, Week 3 1 In Week 2 hebben we toetsingstheorie besproken mbt een kwantitatieve (ordinale) variabele G, en met name over zijn populatiegemiddelde E(G). Er waren twee gevallen: Er is
Nadere informatieKengetal 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 informatieHOOFDSTUK II BIJZONDERE THEORETISCHE VERDELINGEN
HOOFDSTUK II BIJZONDERE THEORETISCHE VERDELINGEN. Continue Verdelingen 1 A. De uniforme (of rechthoekige) verdeling Kansdichtheid en cumulatieve frequentiefunctie Voor x < a f(x) = 0 F(x) = 0 Voor a x
Nadere informatieExamen Kansrekening en Wiskundige Statistiek: oplossingen
Examen Kansrekening en Wiskundige Statistiek: oplossingen S. Vansteelandt Academiejaar 006-007 1. Een team van onderzoekers wil nagaan of een bepaald geneesmiddel Triptan meer effectief is dan aspirine
Nadere informatieHOOFDSTUK 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 informatieLes 7-8: Parameter- en Vergelijkingstoetsen
Les 7-8: Parameter- en Vergelijkingstoetsen I Theorie : A. Algemeen :. Hypothese formuleren. H 0 : nul-hypothese H : alternatieve hypothese 2. teekproef nemen. x en 2 zijn te berekenen uit de steekproefresultaten.
Nadere informatieWiskunde B - Tentamen 1
Wiskunde B - Tentamen Tentamen 57 Wiskunde B voor CiT vrijdag januari 5 van 9. tot. uur Dit tentamen bestaat uit 6 opgaven, formulebladen en tabellen. Vermeld ook uw studentnummer op uw werk en tentamenbriefje.
Nadere informatieStatistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef
Statistiek II Onderdeel toetsen binnen de cursus: 1. Eenvoudig toetsen Toetsen en schatten ivm één statistiek of steekproef Via de z-verdeling, als µ onderzocht wordt en gekend is: Via de t-verdeling,
Nadere informatie11.0 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamenopgaven Statistiek 2DD71: UITWERKINGEN 1. Stroopwafels a De som S van de 12 gewichten is X 1 + X 2 + + X 12. Deze is normaal
Nadere informatieSamenvatting Statistiek
Samenvatting Statistiek De hoofdstukken 1 t/m 3 gaan over kansrekening: het uitrekenen van kansen in een volledig gespecifeerd model, waarin de parameters bekend zijn en de kans op een gebeurtenis gevraagd
Nadere informatieStatistiek voor A.I. College 14. Dinsdag 30 Oktober
Statistiek voor A.I. College 14 Dinsdag 30 Oktober 1 / 16 2 Deductieve statistiek Orthodoxe statistiek 2 / 16 Grootte steekproef Voorbeeld NU.nl 26 Oktober 2012: Helft broodjes döner kebab vol bacteriën.
Nadere informatieStatistiek II. Sessie 5. Feedback Deel 5
Statistiek II Sessie 5 Feedback Deel 5 VPPK Universiteit Gent 2017-2018 Feedback Oefensessie 5 1 Statismex, gewicht en slaperigheid2 1. Lineair model: slaperigheid2 = β 0 + β 1 dosis + β 2 bd + ε H 0 :
Nadere informatieFiguur 1: Voorbeelden van 95%-betrouwbaarheidsmarges van gemeten percentages.
MARGES EN SIGNIFICANTIE BIJ STEEKPROEFRESULTATEN. De marges van percentages Metingen via een steekproef leveren een schatting van de werkelijkheid. Het toevalskarakter van de steekproef heeft als consequentie,
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN
TECHNISCHE UNIVERSITEIT EINDHOVEN Tentamen Biostatistiek voor BMT (2S39) op 8--25 U mag alleen gebruik maken van een onbeschreven Statistisch Compendium (dikt. nr. 228) en van een zakrekenmachine. De uitwerkingen
Nadere informatieOefenvragen bij Statistics for Business and Economics van Newbold
Oefenvragen bij Statistics for Business and Economics van Newbold Hoofdstuk 1 1. Wat is het verschil tussen populatie en sample? De populatie is de complete set van items waar de onderzoeker in geïnteresseerd
Nadere informatieVoorbeeldtentamen 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 informatieKansrekening 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 informatieStatistiek II. Sessie 3. Verzamelde vragen en feedback Deel 3
Statistiek II Sessie 3 Verzamelde vragen en feedback Deel 3 VPPK Universiteit Gent 2017-2018 Feedback Oefensessie 3 1 Statismex en bloeddruk 1. Afhankelijke variabele: Bloeddruk (van ratio-niveau) Onafhankelijke
Nadere informatieSheets hoorcollege 1 (over paragraaf 7.1) Uitgewerkte opgaven week 6 Antwoorden uitgewerkte opgaven week 6
MATERIALEN BIJ STATISTIEK (1991) JANUARI 010 Sheets hoorcollege 1 (over paragraaf 7.1) Uitgewerkte opgaven week 1 Antwoorden uitgewerkte opgaven week 1 11 15 Power-point sheets hoorcollege (over paragraaf
Nadere informatieTentamen Statistische methoden MST-STM 1 juli 2010, 9:00 12:00
Tentamen Statistische methoden MST-STM 1 juli 2010, 9:00 12:00 Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop inleveren
Nadere informatieintroductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets
toetsende statistiek week 1: kansen en random variabelen week : de steekproevenverdeling week 3: schatten en toetsen: de z-toets week : het toetsen van gemiddelden: de t-toets week 5: het toetsen van varianties:
Nadere informatieCollege 2 Enkelvoudige Lineaire Regressie
College Enkelvoudige Lineaire Regressie - Leary: Hoofdstuk 7 tot p. 170 (Advanced Correlational Strategies) - MM&C: Hoofdstuk 10 (Inference for Regression) - Aanvullende tekst 3 Jolien Pas ECO 011-01 Correlatie:
Nadere informatievariantie: achtergronden en berekening
variantie: achtergronden en berekening Hugo Quené opleiding Taalwetenschap Universiteit Utrecht 8 sept 1995 aangepast 8 mei 007 1 berekening variantie Als je de variantie met de hand moet uitrekenen, is
Nadere informatieStatistiek 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 informatieFormules Excel Bedrijfsstatistiek
Formules Excel Bedrijfsstatistiek Hoofdstuk 2 Data en hun voorstelling AANTAL.ALS vb: AANTAL.ALS(A1 :B6,H1) Telt hoeveel keer (frequentie) de waarde die in H1 zit in A1:B6 voorkomt. Vooral bedoeld voor
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 informatieKansrekening en stochastische processen 2S610
Kansrekening en stochastische processen 2S610 Docent : Jacques Resing E-mail: j.a.c.resing@tue.nl http://www.win.tue.nl/wsk/onderwijs/2s610 1/28 Schatten van de verwachting We hebben een stochast X en
Nadere informatieLes 5: ANOVA. Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie en Biotechnologie. 19 november 2018
Les 5: ANOVA Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie en Biotechnologie 19 november 2018 Toetsen van 2 gemiddeldes Het toetsen van twee gemiddeldes met ongekende variantie H 0 : µ X =
Nadere informatieToetsende Statistiek Week 3. Statistische Betrouwbaarheid & Significantie Toetsing
Toetsende Statistiek Week 3. Statistische Betrouwbaarheid & Significantie Toetsing M, M & C, Chapter 6, Introduction to Inference 6.1 Estimating with Confidence 6.2 Tests of Significance 6.3 Use and Abuse
Nadere informatieTentamen Kansrekening en Statistiek MST 14 januari 2016, uur
Tentamen Kansrekening en Statistiek MST 14 januari 2016, 14.00 17.00 uur Het tentamen bestaat uit 15 meerkeuzevragen 2 open vragen. Een formuleblad wordt uitgedeeld. Normering: 0.4 punt per MC antwoord
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 informatie15.1 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 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 informatieKansrekenen en statistiek. Daniël Slenders Faculteit Ingenieurswetenschappen Katholieke Universiteit Leuven
Kansrekenen en statistiek Daniël Slenders Faculteit Ingenieurswetenschappen Katholieke Universiteit Leuven Academiejaar 2010-2011 Hoofdstuk 2 Beschrijvende statistiek Meerkeuzevraag 1 Opeenvolgende metingen
Nadere informatieZo geldt voor o.o. continue s.v.-en en X en Y dat de kansdichtheid van X + Y gegeven wordt door
APP.1 Appendix A.1 Erlang verdeling verdeling met parameters n en λ Voor o.o. discrete s.v.-en X en Y geldt P (X + Y = z) =P (X = x 1 en Y = z x 1 )+P(X = x en Y = z x )+... = P (X = x 1 )P (Y = z x 1
Nadere informatieSchatten en simuleren
Les 5 Schatten en simuleren 5.1 Maximum likelihood schatting Tot nu toe hebben we meestal naar voorbeelden gekeken waar we van een kansverdeling zijn uitgegaan en dan voorspellingen hebben gemaakt. In
Nadere informatie7.1 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamenopgaven Statistiek (2DD71) op xx-xx-xxxx, xx.00-xx.00 uur.
VOORAF: Hieronder staat een aantal opgaven over de stof. Veel meer dan op het tentamen zelf gevraagd zullen worden. Op het tentamen zullen in totaal 20 onderdelen gevraagd worden. TECHNISCHE UNIVERSITEIT
Nadere informatieHiermee 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 informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 3 oktober 006 Deel I Toevallige veranderlijken Steekproef Beschrijving van gegevens Histogram Gemiddelde en standaarddeviatie
Nadere informatieHOOFDSTUK VI NIET-PARAMETRISCHE (VERDELINGSVRIJE) STATISTIEK
HOOFDSTUK VI NIET-PARAMETRISCHE (VERDELINGSVRIJE) STATISTIEK 1 1. INLEIDING Parametrische statistiek: Normale Verdeling Niet-parametrische statistiek: Verdelingsvrij Keuze tussen de twee benaderingen I.
Nadere informatieLes 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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 12 Vrijdag 16 Oktober 1 / 38 2 Statistiek Indeling vandaag: Normale verdeling Wet van de Grote Getallen Centrale Limietstelling Deductieve statistiek Hypothese toetsen
Nadere informatieLes 2: Toetsen van één gemiddelde
Les 2: Toetsen van één gemiddelde Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie & Biotechnologie 22 oktober 2018 Het statistisch testen van één gemiddelde is een veel voorkomende toepassing
Nadere informatieSchriftelijk examen statistiek, data-analyse en informatica. Maandag 29 mei 1995
Schriftelijk examen statistiek, data-analyse en informatica Maandag 29 mei 1995 Tweede jaar kandidaat arts + Tweede jaar kandidaat in de biomedische wetenschappen Naam: Voornaam: Vraa Kengetal g Blad 1
Nadere informatiePopulatie: 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 informatieStatistiek 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 informatieKansrekening 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 informatie4.1 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 informatieSOCIALE STATISTIEK (deel 2)
SOCIALE STATISTIEK (deel 2) D. Vanpaemel KU Leuven D. Vanpaemel (KU Leuven) SOCIALE STATISTIEK (deel 2) 1 / 57 Hoofdstuk 5: Schatters en hun verdeling 5.1 Steekproefgemiddelde als toevalsvariabele D. Vanpaemel
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 informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere informatie10. De simultane kansverdeling van twee stochasten X en Y is gegeven door de volgende (onvolledige) tabel: X / /4 1. d. 0 e.
Tentamen Statistische methoden MST-STM 1 april 2011, 9:00 12:00 Studienummers: Vult u alstublieft op het MC formulier uw Delftse studienummer in; en op het open vragen formulier graag beide, naar volgend
Nadere informatieKansrekening en stochastische processen 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/23 Voor een verzameling stochastische variabelen X 1,..., X n, de verwachting van W n = X 1 + + X n is
Nadere informatie