Verwachtingswaarde, Variantie en Standaarddeviatie

Maat: px
Weergave met pagina beginnen:

Download "Verwachtingswaarde, Variantie en Standaarddeviatie"

Transcriptie

1 Verwachtingswaarde, Variantie en Standaarddeviatie Wisnet-hbo Verwachtingswaarde update maart 200 De verwachtingswaarde van een kansvariabele is een soort gemiddelde waarde. Deze wordt aangeduid met E(k) of E(x) naar gelang de kansvariabele discreet is (k) of continu (x). Het is vrij eenvoudig als de kans op elke uitkomst van de variabele gelijk is of als een experiment herhaalde keren gedaan wordt. Echter als er sprake is van een kansfunctie waar gegeven is bij iedere uitkomst van de kansvariabele, de kans op die uitkomst, is het logisch dat een uitkomst zwaarder meegeteld wordt als de kans op die uitkomst groter is: Ek = > k$p k= k De verwachtingswaarde van een variabele k is gelijk aan de som van alle mogelijke uitkomsten van de variabele vermenigvuldigd met de kans op deze uitkomst van de variabele.. Zak met appels Gemiddeld gewicht van een appel is 00 gram. Verwachtingswaarde van het gewicht van een zak appels van 0 stuks is 0 00 = 000 gram:.2 Zak met appels en peren Gemiddeld gewicht van een appel is 00 gram en van een peer 20 gram. De verwachtingswaarde van het gewicht van een zak met 5 appels en 8 peren = 40 gram..3 Worp met één dobbelsteen Een dobbelsteen en de verwachtingswaarde van het aantal ogen dat je gooit in één worp

2 is 3.5. Alle mogelijkheden hebben immers evenveel kans, dus alle ogen optellen en delen door. Ek = C2C3C4C5C =3.5.4 Worp met twee dobbelstenen Wat is de verwachtingswaarde van de som van het aantal ogen dat je gooit met twee dobbelstenen? Met één dobbelsteen was de verwachtingswaarde van het aantal ogen gelijk aan 3.5 Dus voor twee dobbelstenen is de verwachtingswaarde van het aantal ogen gelijk aan = Met de Kansfunctie Hiervoor moet even wat meer werk worden. Maak de kansfunctie met alle mogelijkheden en de kans daarop. Je ziet dan dat E k = > k$p k= k k Mogelijkheden 2 Pk= k 3 2 $2= 8 k$p k= k $2 C = 2 $2 C $2= 9 $2 C $2 C = 5 $2 C $2 C $2= $2 C $2 C

3 = 5 $2 C $2= 9 $2 C $= 2 5 $2= 8 2 Ek = > k$p k= k = Totaal: Koelkasten Het aantal koelkasten dat wekelijks wordt verkocht op de afdeling "witgoed" van een winkel kan worden weergegeven door de kansvariabele k. Van deze kansvariabele is de kansfunctie weergegeven in de volgende tabel. Wat is de verwachtingswaarde van het aantal koelkasten dat per week verkocht wordt? k Pk= k k$p k= k Ek = > k$p k = k.3 Ek = > k$p k= k =.3

4 . Aantal successen Bij een spel is de kans op succes gelijk aan 0.3. Wat is het verwachte aantal successen bij 50 pogingen? Antwoord: = 5. Algemeen: Als de kans op succes gelijk is aan π, dan is de verwachtingswaarde van het aantal successen bij n pogingen gelijk aan n π. 2 Variantie De variantie is een belangrijke maat voor de spreiding van de kansverdeling; een soort algemene aanduiding van de afwijkingen tot het gemiddelde van alle afzonderlijke metingen. Daarbij kan die afwijking natuurlijk positief uitvallen maar ook negatief. Als al deze afwijkingen gemiddeld zouden worden, zou een groot deel daarvan elkaar opheffen. Daarom nemen we de afwijkingen tot het gemiddelde van alle waarden die de kansvariabele kan hebben in het kwadraat en nemen daarvan het gemiddelde, met dien verstande dat bij elke waarde van de kansvariabele gekeken wordt of deze zwaar of minder zwaar meetelt en dat heeft te maken met de kans op die waarde van de variabele. In formulevorm is dat Var k => k KE k 2 P k = k Het wil zeggen dus dat je van elke mogelijke uitkomst k het verschil met de verwachtingswaarde moet nemen en dat in het kwadraat doen en elke keer vermenigvuldigen met de kans dat de uitkomst k voorkomt. Dat alles optellen levert de waarde van de Variantie van k. 2. Dobbelsteen Bij een spelletje dobbelen wordt 3 maal het aantal ogen dat je met één dobbelsteen gooit uitbetaald in Euro. Wat is de verwachtingswaarde en wat is de Variantie daarvan. Voor de verwachtingswaarde van het aantal ogen heb je berekend in paragraaf.3 dat dit 3.5 is. Dus het verwachte aantal Euro dat je bij een worp uitbetaald krijgt is dan = 0.5. E k =0.5 Voor de variantie ga je als volgt te werk als je bedenkt dat de mogelijke uitkomsten van uitbetaling kunnen zijn: 3,, 9, 2, 5, 8.: Elk van deze uitkomsten heeft als kans. Var k = 3 K0.5 2 $ C K0.5 2 $ C 9 K0.5 2 $ C 2 K0.5 2 $ C 5 K0.5 2 $ C 8 K0.5 2 $ = Standaarddeviatie en gemiddelde

5 3. Gemiddelde μ Het gemiddelde is in feite de verwachtingswaarde. Zie daarvoor bovenstaande voorbeelden. 3.2 Standaarddeviatie σ In bovenstaande voorbeelden hebben we de Variantie van een kansverdeling gedefinieerd. Het is de gemiddelde kwadratische afwijking van elke mogelijke uitkomts tot de verwachtingswaarde. We hebben deze afwijking in het kwadraat genomen omdat anders positieve en negatieve afwijkingen elkaar voor een deel kunnen opheffen. De Standaarddeviatie is nu per definitie de wortel uit deze Variantie en deze Standaarddeviatie is een maat hoe groot de afwijkingen zijn ten opzichte van het gemiddelde van een kansverdeling. Standaarddeviatie = Variantie σ = Var

Toetsen van Hypothesen. Het vaststellen van de hypothese

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

Nadere informatie

Paragraaf 9.1 : De Verwachtingswaarde

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

Nadere informatie

Medische Statistiek Kansrekening

Medische Statistiek Kansrekening Medische Statistiek Kansrekening Medisch statistiek- kansrekening Hoorcollege 1 Uitkomstenruimte vaststellen Ook wel S of E. Bij dobbelsteen: E= {1,2,3,4,5,6} Een eindige uitkomstenreeks Bij het gooien

Nadere informatie

Kansrekening en Statistiek

Kansrekening en Statistiek Kansrekening en Statistiek College 7 Dinsdag 11 Oktober 1 / 33 2 Statistiek Vandaag: Populatie en steekproef Maten Standaardscores Normale verdeling Stochast en populatie Experimenten herhalen 2 / 33 3

Nadere informatie

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

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

Nadere informatie

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

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

Nadere informatie

Paragraaf 9.1 : De Verwachtingswaarde

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

Nadere informatie

Data analyse Inleiding statistiek

Data analyse Inleiding statistiek Data analyse Inleiding statistiek 1 Doel Beheersen van elementaire statistische technieken Toepassen van deze technieken op aardwetenschappelijke data 2 1 Leerstof Boek: : Introductory Statistics, door

Nadere informatie

Cursus 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. 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 informatie

werkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions

werkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions cursus 4 mei 2012 werkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions Huiswerk P&D, opgaven Chapter 6: 9, 19, 25, 33 P&D, opgaven Appendix A: 1, 9 doen

Nadere informatie

Antwoorden Kans en Stat H4 Discrete verdelingen 1 = 7 = Opg. 3a. aantal kans. P(aantal=10) = aantal kans.

Antwoorden Kans en Stat H4 Discrete verdelingen 1 = 7 = Opg. 3a. aantal kans. P(aantal=10) = aantal kans. Antwoorden Kans en Stat H Discrete verdelingen Opg. a c d f b aantal 7 7 P(aantal) e aantal ` P(aantal) 7 0 0 7 0 0 7 7 g 0 (nul) h i aantal 0 7 7 7 0 Opg. a Alle mogelijkheden J of M, J of M, J of M,

Nadere informatie

Antwoorden Kans en Stat H3 Discrete verdelingen

Antwoorden Kans en Stat H3 Discrete verdelingen Antwoorden Kans en Stat H Discrete verdelingen Opg. a b c d e f g h i 9 9 8 7 8 aantal 9 0 kans 8 8 8 P(aantal0) 8 9 8 0 7 7 0 aantal 9 0 kans 7 0 0 0 7 P(aantal0) 0 0 0 0 (nul) 7 7 7 7 aantal 9 0 kans

Nadere informatie

Faculteit, Binomium van Newton en Driehoek van Pascal

Faculteit, Binomium van Newton en Driehoek van Pascal Faculteit, Binomium van Newton en Driehoek van Pascal 1 Faculteit Definitie van de faculteit Wisnet-hbo update aug. 2007 (spreek uit k-faculteit) is: k Dit geldt voor elk geheel getal k groter dan 0 en

Nadere informatie

Statistiek voor A.I. College 6. Donderdag 27 September

Statistiek voor A.I. College 6. Donderdag 27 September Statistiek voor A.I. College 6 Donderdag 27 September 1 / 1 2 Deductieve statistiek Kansrekening 2 / 1 Vraag: Afghanistan In het leger wordt uit een groep van 6 vrouwelijke en 14 mannelijke soldaten een

Nadere informatie

Inleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek

Inleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een klein kapitaaltje

Nadere informatie

Les 2 / 3: Meetschalen en Parameters

Les 2 / 3: Meetschalen en Parameters Les 2 / 3: Meetschalen en Parameters I Theorie: A. Algemeen : V is de verzameling van alle mogelijke uitkomsten van een toevallig experiment. Een veranderlijke of stochastiek is een afbeelding G die aan

Nadere informatie

Hoofdstuk 5: Steekproevendistributies

Hoofdstuk 5: Steekproevendistributies Hoofdstuk 5: Steekproevendistributies Inleiding Statistische gevolgtrekkingen worden gebruikt om conclusies over een populatie of proces te trekken op basis van data. Deze data wordt samengevat door middel

Nadere informatie

Statistiek I Samenvatting. Prof. dr. Carette

Statistiek I Samenvatting. Prof. dr. Carette Statistiek I Samenvatting Prof. dr. Carette Opleiding: bachelor of science in de Handelswetenschappen Academiejaar 2016 2017 Inhoudsopgave Hoofdstuk 1: Statistiek, gegevens en statistisch denken... 3 De

Nadere informatie

Inleiding Applicatie Software - Statgraphics

Inleiding Applicatie Software - Statgraphics Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek /k 1/35 OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een

Nadere informatie

Vandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen

Vandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen Vandaag Onderzoeksmethoden: Statistiek 2 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Theoretische kansverdelingen

Nadere informatie

HOOFDSTUK I - INLEIDENDE BEGRIPPEN

HOOFDSTUK I - INLEIDENDE BEGRIPPEN HOOFDSTUK I - INLEIDENDE BEGRIPPEN 1.2 Kansveranderlijken en verdelingen 1 Veranderlijken Beschouw een toevallig experiment met uitkomstenverzameling V (eindig of oneindig), de verzameling van alle gebeurtenissen

Nadere informatie

6.1 Kwadraten [1] HERHALING: Volgorde bij berekeningen:

6.1 Kwadraten [1] HERHALING: Volgorde bij berekeningen: 6.1 Kwadraten [1] HERHALING: Volgorde bij berekeningen: 1) Haakjes wegwerken 2) Vermenigvuldigen en delen van links naar rechts 3) Optellen en aftrekken van links naar rechts Schrijf ALLE stappen ONDER

Nadere informatie

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

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

Nadere informatie

Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening

Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Inleveren: 12 januari 2011, VOOR het college Afspraken Serie 1 mag gemaakt en ingeleverd worden in tweetallen. Schrijf duidelijk je naam, e-mail

Nadere informatie

11.1 Kansberekeningen [1]

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

Nadere informatie

2 Spreidingsvoortplanting

2 Spreidingsvoortplanting Spreidingsvoortplanting Spreidingsvoortplanting In het vorige hoofdstuk hebben we ons beiggehouden met eenvoudige analyses achteraf van meetgegeven. Naast analyse achteraf van data is het ook belangrijk

Nadere informatie

13.1 Kansberekeningen [1]

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

Nadere informatie

Sterrenkunde Praktikum 1 Fouten en fitten

Sterrenkunde Praktikum 1 Fouten en fitten Sterrenkunde Praktikum 1 Fouten en fitten Paul van der Werf 12 februari 2008 1 Inleiding In de sterrenkunde werken we vaak met zwakke signalen, of met grote hoeveelheden metingen van verschillende nauwkeurigheid.

Nadere informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

Toetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling

Toetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling Toetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling Moore, McCabe & Craig: 3.3 Toward Statistical Inference From Probability to Inference 5.1 Sampling Distributions for

Nadere informatie

bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst 6 statistiek/gegevensverwerking los materiaal, niet uit boek [PW]

bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst 6 statistiek/gegevensverwerking los materiaal, niet uit boek [PW] bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst statistiek/gegevensverwerking los materiaal, niet uit boek [PW] procenten percentage: bv: van de 0 kinderen hadden er 7: hoeveel procent

Nadere informatie

Inhoud. 1 Inleiding tot de beschrijvende statistiek Maatstaven voor ligging en spreiding Kansrekening 99

Inhoud. 1 Inleiding tot de beschrijvende statistiek Maatstaven voor ligging en spreiding Kansrekening 99 Inhoud 1 Inleiding tot de beschrijvende statistiek 13 1.1 Een eerste verkenning 14 1.2 Frequentieverdelingen 22 1.3 Grafische voorstellingen 30 1.4 Diverse diagrammen 35 1.5 Stamdiagram, histogram en frequentiepolygoon

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2, Vrijdag 23 januari 25, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven dienen

Nadere informatie

Ondernemen = Kiezen = Spelen. Lezing op het Nationaal T&U Congres 9 oktober Tom Verhoeff. Faculteit Wiskunde & Informatica

Ondernemen = Kiezen = Spelen. Lezing op het Nationaal T&U Congres 9 oktober Tom Verhoeff. Faculteit Wiskunde & Informatica Ondernemen = Kiezen = Spelen Lezing op het Nationaal T&U Congres 9 oktober 2008 Tom Verhoeff Faculteit Wiskunde & Informatica c 2008, T. Verhoeff @ TUE.NL /6 Ondernemen = Kiezen = Spelen Eerste spel: Cijfers

Nadere informatie

Antwoorden bij 4 - De normale verdeling vwo A/C (aug 2012)

Antwoorden bij 4 - De normale verdeling vwo A/C (aug 2012) Antwoorden bij - De normale verdeling vwo A/C (aug 0) Opg. a Aflezen bij de 5,3 o C grafiek:,3% en bij de,9 o C grafiek: 33,3% b Het tweede percentage is 33,3 /,3 = 5, maal zo groot. c Bij de 5,3 o C grafiek

Nadere informatie

14.1 Kansberekeningen [1]

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

Nadere informatie

Voorbeeld 1: kansverdeling discrete stochast discrete kansverdeling

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

Nadere informatie

Wiskunde D Online uitwerking 4 VWO blok 6 les 2

Wiskunde D Online uitwerking 4 VWO blok 6 les 2 Paragraaf 8 De klokvorm Opgave 1 a De top van de grafiek van de PvdA ligt bij 30 %. Dus voor de PvdA wordt 30% voorspeld. b De grafiek loopt van ongeveer 27 tot 33, dus het percentage ligt met grote waarschijnlijkheid

Nadere informatie

VOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 4. Het steekproefgemiddelde. Werktekst voor de leerling. Prof. dr. Herman Callaert

VOOR 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 informatie

3.1 Het herhalen van kansexperimenten [1]

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

Nadere informatie

Vectorruimten met inproduct

Vectorruimten met inproduct Hoofdstuk 3 Vectorruimten met inproduct 3. Inleiding In R 2 en R 3 hebben we behalve de optelling en scalairvermenigvuldiging nog meer structuur ; bij een vector kun je spreken over zijn lengte en bij

Nadere informatie

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

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

Nadere informatie

Uitwerking Tentamen Inleiding Kansrekening 11 juni 2015, uur Docent: Prof. dr. F. den Hollander

Uitwerking Tentamen Inleiding Kansrekening 11 juni 2015, uur Docent: Prof. dr. F. den Hollander Uitwerking Tentamen Inleiding Kansrekening juni 25,. 3. uur Docent: Prof. dr. F. den Hollander () [6] Zij F een gebeurtenissenruimte. Laat zien dat voor elke B F de verzameling G {A B : A F} opnieuw een

Nadere informatie

Kansrekening en stochastische processen 2S610

Kansrekening 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 informatie

Je kunt al: -de centrummaten en spreidingsmaten gebruiken -een spreidingsdiagram gebruiken als grafische weergave van twee variabelen

Je kunt al: -de centrummaten en spreidingsmaten gebruiken -een spreidingsdiagram gebruiken als grafische weergave van twee variabelen Lesbrief: Correlatie en Regressie Leerlingmateriaal Je leert nu: -een correlatiecoëfficient gebruiken als maat voor het statistische verband tussen beide variabelen -een regressielijn te tekenen die een

Nadere informatie

Examen HAVO. wiskunde A. tijdvak 1 woensdag 23 mei 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.

Examen HAVO. wiskunde A. tijdvak 1 woensdag 23 mei 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage. Examen HAVO 2012 tijdvak 1 woensdag 23 mei 13.30-16.30 uur wiskunde A Bij dit examen hoort een uitwerkbijlage. Dit examen bestaat uit 22 vragen. Voor dit examen zijn maximaal 84 punten te behalen. Voor

Nadere informatie

Ontbinden in factoren. Wisnet-HBO update sept. 2008

Ontbinden in factoren. Wisnet-HBO update sept. 2008 Ontbinden in factoren 1 Voorbeeld Wisnet-HBO update sept. 2008 Je bestelt aan de bar 10 appelsap en 15 bier. Dit kun je kort weergeven met: Nu kun je hooguit 2 appelsap en 3 bier tegelijk dragen. Hoeveel

Nadere informatie

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

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

Nadere informatie

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

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

Nadere informatie

Praktische opdracht Wiskunde som van de ogen van drie dobbelstenen

Praktische opdracht Wiskunde som van de ogen van drie dobbelstenen Praktische opdracht Wiskunde som van de ogen van drie dobbelstenen Praktische-opdracht door een scholier 918 woorden 17 maart 2002 4,9 60 keer beoordeeld Vak Wiskunde Inleiding Wij hebben gekozen voor

Nadere informatie

1. De wereld van de kansmodellen.

1. 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 informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN

TECHNISCHE 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 informatie

Les 1: Waarschijnlijkheidrekening

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

Nadere informatie

de dagelijkse energiebehoefte in kilocalorieën (kcal) en G het gewicht in kg.

de dagelijkse energiebehoefte in kilocalorieën (kcal) en G het gewicht in kg. Supersize me In de film Supersize Me besluit de hoofdpersoon, Morgan Spurlock, dertig dagen lang uitsluitend fastfood te eten. Op deze manier krijgt hij elke dag 5000 kcal aan energie binnen. Eerst wordt

Nadere informatie

Voorbeeldtentamen Wiskunde A

Voorbeeldtentamen Wiskunde A CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE Datum: Najaar 2018 Tijd: 3 uur Aantal opgaven: 6 Voorbeeldtentamen Wiskunde A Lees onderstaande aanwijzingen s.v.p. goed door voordat u met het tentamen begint.

Nadere informatie

Wortels met getallen en letters. 2 Voorbeeldenen met de (vierkants)wortel (Tweedemachts wortel)

Wortels met getallen en letters. 2 Voorbeeldenen met de (vierkants)wortel (Tweedemachts wortel) 1 Inleiding Wortels met getallen en letters WISNET-HBO update sept 2009 Voorkennis voor deze les over Wortelvormen is de les over Machten. Voor de volledigheid staat aan het eind van deze les een overzicht

Nadere informatie

8. Analyseren van samenhang tussen categorische variabelen

8. Analyseren van samenhang tussen categorische variabelen 8. Analyseren van samenhang tussen categorische variabelen Er bestaat een samenhang tussen twee variabelen als de verdeling van de respons (afhankelijke) variabele verandert op het moment dat de waarde

Nadere informatie

module SC 12 Inleiding Risicotheorie donderdag 7 november uur

module SC 12 Inleiding Risicotheorie donderdag 7 november uur module SC 1 Inleiding Risicotheorie donderdag 7 november 013 13.30-16.30 uur Examen module SC 1 Inleiding Risicotheorie donderdag 7 november 013 Voordat u met de beantwoording van de vragen van dit examen

Nadere informatie

Formules Excel Bedrijfsstatistiek

Formules 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 informatie

Hoofdstuk 4 Kansen. 4.1 Randomheid

Hoofdstuk 4 Kansen. 4.1 Randomheid Hoofdstuk 4 Kansen 4.1 Randomheid Herhalingen en kansen Als je een munt opgooit (of zelfs als je een SRS trekt) kunnen de resultaten van tevoren voorspeld worden, omdat de uitkomsten zullen variëren wanneer

Nadere informatie

Uitwerkingen bij 1_0 Voorkennis: Centrummaten

Uitwerkingen bij 1_0 Voorkennis: Centrummaten Uitwerkingen bij 1_0 Voorkennis: Centrummaten + + + + + + = + + + + + + =! " "" ## $!! % &#' % #! %!% $ % "$ ()*+," "!!""-.$!"" -.!-!%! " $-.#" &#! / 0 & ) ))) ))))), 1 & )))) ) ))) ), $ " % "-! #-!-!""

Nadere informatie

bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst 9 de normale verdeling (niet in [PW])

bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst 9 de normale verdeling (niet in [PW]) bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst 9 de normale verdeling (niet in [PW]) vorige week: kansrekening de uitkomstvariabele was bijna altijd discreet aantal keer een vijf gooien

Nadere informatie

6.1 Kwadraten [1] HERHALING: Volgorde bij berekeningen:

6.1 Kwadraten [1] HERHALING: Volgorde bij berekeningen: 6.1 Kwadraten [1] HERHALING: Volgorde bij berekeningen: 1) Haakjes wegwerken 2) Vermenigvuldigen en delen van links naar rechts 3) Optellen en aftrekken van links naar rechts Schrijf ALLE stappen ONDER

Nadere informatie

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

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

Nadere informatie

Examen Statistiek I Feedback

Examen 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 informatie

Statistiek. Beschrijvende Statistiek Hoofdstuk 1 1.1, 1.2, 1.5, 1.6 lezen 1.3, 1.4 Les 1 Hoofdstuk 2 2.1, 2.3, 2.5 Les 2

Statistiek. Beschrijvende Statistiek Hoofdstuk 1 1.1, 1.2, 1.5, 1.6 lezen 1.3, 1.4 Les 1 Hoofdstuk 2 2.1, 2.3, 2.5 Les 2 INHOUDSOPGAVE Leswijzer...3 Beschrijvende Statistiek...3 Kansberekening...3 Inductieve statistiek, inferentiele statistiek...3 Hoofdstuk...3. Drie deelgebieden...3. Frequentieverdeling....3. Frequentieverdeling....4.5

Nadere informatie

Uitwerkingen Hst. 10 Kansverdelingen

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

Nadere informatie

Statistiek: Vorm van de verdeling 1/4/2014. dr. Brenda Casteleyn

Statistiek: Vorm van de verdeling 1/4/2014. dr. Brenda Casteleyn Statistiek: Vorm van de verdeling /4/204 . Theorie Enkel de theorie die nodig is voor de oefeningen is hierin opgenomen. Scheefheid of asymmetrie Indien de meetwaarden links van de mediaan meer spreiding

Nadere informatie

Wiskunde D Online uitwerking 4 VWO blok 5 les 3

Wiskunde D Online uitwerking 4 VWO blok 5 les 3 Paragraaf 10 De standaard normale tabel Opgave 1 a Er geldt 20,1 16,6 = 3,5 C. Dit best wel een fors verschil, maar hoeft niet direct heel erg uitzonderlijk te zijn. b Er geldt 167 150 = 17. Dat valt buiten

Nadere informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

Opgeloste Oefeningen Hoofdstuk 6: Steekproeven en empirische distributies

Opgeloste Oefeningen Hoofdstuk 6: Steekproeven en empirische distributies Opgeloste Oefeningen Hoofdstuk 6: Steekproeven en empirische distributies 6.. Uit een normaal verdeeld universum X met gemiddelde waarde µ = en standaardafwijking σ = worden 0 onafhankelijke steekproefwaarden

Nadere informatie

12 a Het maakt van x het getal x 3, dat is x x x. b y = x 3 c KWADRAAT. 13 a MIN 2 b PLUS 2 c DEEL DOOR 2 d MAAL -2

12 a Het maakt van x het getal x 3, dat is x x x. b y = x 3 c KWADRAAT. 13 a MIN 2 b PLUS 2 c DEEL DOOR 2 d MAAL -2 Hoofdstuk 0 FUNCTIES 00 INTRO a 5,4 m NAP -, m NAP uur c MIN d PLUS 7 4 Tussen 46 en 69 kg 0 FUNCTIES 5 a, Tussen 0 en 0 gram, tussen 0 en 5 gram, tussen 00 en 5 gram c Bijna 50 gram d Bij één edrag aan

Nadere informatie

Hoofdstuk 3 : Numerieke beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent

Hoofdstuk 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 informatie

Samenvatting Statistiek

Samenvatting 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 informatie

Wortels met getallen. 2 Voorbeeldenen met de vierkantswortel (Tweedemachts wortel)

Wortels met getallen. 2 Voorbeeldenen met de vierkantswortel (Tweedemachts wortel) Wortels met getallen 1 Inleiding WISNET-HBO update sept 2009 Voorkennis voor deze les over Wortelvormen is de les over Machten. Voor de volledigheid staat aan het eind van deze les een overzicht van de

Nadere informatie

KANSREKENEN EN VERDELINGEN REEKS 1

KANSREKENEN EN VERDELINGEN REEKS 1 KANSREKENEN EN VERDELINGEN REEKS 1 Moeilijkere oefeningen zijn aangegeven met een gevarendriehoek Niet elke regel met R-code zal je kunnen/moeten gebruiken Versie 18/07/2019 1. Verdelingsfunctie Het aantal

Nadere informatie

Kwantitatieve methoden. Samenvatting met verwijzing naar Excel functies

Kwantitatieve methoden. Samenvatting met verwijzing naar Excel functies Kwantitatieve methoden Samenvatting met verwijzing naar Excel functies I. Inleiding Statistiek is een gebied in de wiskunde dat zich bezighoudt met het samenvatten, beschrijven en analyseren van (grote

Nadere informatie

E(A 1 ) = 1/λ. De functie G(s) wordt gedefiniëerd als. G(s) = E(e sa 1

E(A 1 ) = 1/λ. De functie G(s) wordt gedefiniëerd als. G(s) = E(e sa 1 Het G/M/1 model We gaan nu kijken naar het model waarbij niet de bedieningstijden maar de tussenaankomsttijden willekeurig verdeeld zijn, het G/M/1 model. Model: Het aankomstproces is een proces waarbij

Nadere informatie

Tentamen Inleiding Kansrekening 25 juni 2009, uur Docent: F. den Hollander

Tentamen Inleiding Kansrekening 25 juni 2009, uur Docent: F. den Hollander Universiteit Leiden Niels Bohrweg Tentamen Inleiding Kansrekening 25 juni 2009, 0.00 3.00 uur Docent: F. den Hollander Mathematisch Instituut 2333 CA Leiden Bij dit tentamen is het gebruik van een (grafische)

Nadere informatie

Hoofdstuk 5. Toevalsveranderlijken en waarschijnlijkheidsdistributies. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent

Hoofdstuk 5. Toevalsveranderlijken en waarschijnlijkheidsdistributies. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Hoofdstuk 5 Toevalsveranderlijken en waarschijnlijkheidsdistributies Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Toevalsveranderlijken en waarschijnlijkheidsdistributies

Nadere informatie

Samenvatting Wiskunde Aantal onderwerpen

Samenvatting Wiskunde Aantal onderwerpen Samenvatting Wiskunde Aantal onderwerpen Samenvatting door een scholier 2378 woorden 4 juni 2005 5,1 222 keer beoordeeld Vak Wiskunde Gelijkvormigheid Bij vergroten of verkleinen van een figuur worden

Nadere informatie

VOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 3. Populatie en steekproef. Werktekst voor de leerling. Prof. dr. Herman Callaert

VOOR 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 informatie

Kansrekening en stochastische processen 2DE18

Kansrekening 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

Een Bernoulli experiment is een experiment met slechts twee mogelijke uitkomsten, die we succes ( S ) en mislukking ( M ) noemen.

Een Bernoulli experiment is een experiment met slechts twee mogelijke uitkomsten, die we succes ( S ) en mislukking ( M ) noemen. Hoofdstuk 6 Kansverdelingen 6.1 Discrete stochasten 6.1.1 De Bernoulli verdeling Een Bernoulli experiment is een experiment met slechts twee mogelijke uitkomsten, die we succes ( S ) en mislukking ( M

Nadere informatie

Tentamen Voortgezette Kansrekening (WB006C)

Tentamen 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 informatie

n -wet Wisnet-hbo update mei. 2008

n -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 informatie

Paragraaf 7.1 : Het Vaasmodel

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

Nadere informatie

Feedback proefexamen Statistiek I 2009 2010

Feedback proefexamen Statistiek I 2009 2010 Feedback proefexamen Statistiek I 2009 2010 Het correcte antwoord wordt aangeduid door een sterretje. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Een derde van de mannen is

Nadere informatie

Combinatoriek en rekenregels

Combinatoriek en rekenregels Combinatoriek en rekenregels Les 4: Rekenregels (deze les sluit aan bij de paragraaf 8 van Hoofdstuk 1 Combinatoriek en Rekenregels van de Wageningse Methode, http://www.wageningsemethode.nl/methode/het-lesmateriaal/?s=y456v-d)

Nadere informatie

H8: Regelmaat & verandering H9: Kansverdelingen...4-7

H8: Regelmaat & verandering H9: Kansverdelingen...4-7 Oefenmateriaal V5 wiskunde C Voorbereiding op SE-toets 1 wiskunde INHOUDSOPGAVE H8: Regelmaat & verandering...1-3 H9: Kansverdelingen....4-7 Hoofdstuk 8: Regelmaat & veranderingen Rekenkundige rij Meetkundige

Nadere informatie

Statistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn

Statistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn Statistiek: Spreiding en dispersie 6/12/2013 dr. Brenda Casteleyn dr. Brenda Casteleyn www.keu6.be Page 2 1. Theorie Met spreiding willen we in één getal uitdrukken hoe verspreid de gegevens zijn: in hoeveel

Nadere informatie

1BA PSYCH Statistiek 1 Oefeningenreeks 3 1

1BA PSYCH Statistiek 1 Oefeningenreeks 3 1 Juno KOEKELKOREN D.1.3. OEFENINGENREEKS 3 OEFENING 1 In onderstaande tabel vind je zes waarnemingen van twee variabelen (ratio meetniveau). Eén van de waarden van y is onbekend. Waarde x y 1 1 2 2 9 2

Nadere informatie

Paragraaf 5.1 : Frequentieverdelingen

Paragraaf 5.1 : Frequentieverdelingen Hoofdstuk 5 Beschrijvende statistiek (V4 Wis A) Pagina 1 van 7 Paragraaf 5.1 : verdelingen Les 1 Allerlei diagrammen = { Hoe vaak iets voorkomt } Relatief = { In procenten } Absoluut = { Echte getallen

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.

+ ( 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 informatie

Tentamen Kansrekening en Statistiek (2WS04), dinsdag 17 juni 2008, van uur.

Tentamen Kansrekening en Statistiek (2WS04), dinsdag 17 juni 2008, van uur. Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2WS4, dinsdag 17 juni 28, van 9. 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen

Nadere informatie

VOOR HET SECUNDAIR ONDERWIJS

VOOR 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 informatie

De verstrooide professor

De verstrooide professor Inleiding De verstrooide professor Edward Omey HU - Stormstraat 2 000 russel edward.omey@hubrussel.be In hun nota bestuderen Guido Herweyers en Ronald Rouseau (G. Herweyers en R. Rousseau, Een onverwacht

Nadere informatie

META-kaart vwo5 wiskunde A - domein Afgeleide functies

META-kaart vwo5 wiskunde A - domein Afgeleide functies META-kaart vwo5 wiskunde A - domein Afgeleide functies Wat heb ik nodig: GR of afgeleide? Hoe ziet de grafiek eruit? Moet ik de afgeleide berekenen? Kan ik bij deze functie de afgeleide berekenen? Welke

Nadere informatie

Lesbrief hypothesetoetsen

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

Nadere informatie

Toegepaste Wiskunde 2: Het Kalman-filter

Toegepaste Wiskunde 2: Het Kalman-filter Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer

Nadere informatie