familie verdelingen van alle waardes van θ Binomiaal X~Bin(n,θ) π " (k)=p(x=k)= ( ) θ) 1 θ (-) μ " =nθ σ & " =nθ(1-θ) X=# successen in n pogingen
|
|
- Nora van Loon
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 . Statistische modellerig Stappepla:. Succes?. Wat geregistreerd? 3. meerdere successe per eeheid? à Aatal successe? Max. #? JA Bi θ NEE Poisso λ JA: cotiu: Poisso of Exp λ à wachttijd? Komma? JA Exp λ NEE Geo θ NEE: discreet: Bi of Geo θ Eevoudige modelle: Naam Notatie π " of φ " μ " σ " Extra DISCREET Berouillie X~Ber θ) π " )=PX=)=θ μ " =θ σ " =θ-θ) succes= mislukkig=0 π " 0)=PX=0)=-θ familie verdelige va alle waardes va θ Biomiaal X~Bi,θ) π " k)=px=k)= ) θ) θ -) μ " =θ σ " =θ-θ) X=# successe i pogige statioair e statistisch oafh. Geometr. X~Geoθ) π " k)=px=k) = θ )- θ μ " = σ 0 " = -0 X=wachttijd tot eerste succes bij 0 Bi,θ) π " k)=kas op succes op k- de momet Poisso CONTINU Uiform X~Poissoλ) X~Ua,b) Normaal X~Nμ, σ ) Expoet. T~Expoλ) π " k)=px=k)= 3 )! e- φ " = φ " = voor a x b b a 0 aders H FG e- IJK L φ O t)= λe-q voor t 0 0 voor t < 0 φ O t)=pt t)=pt<t)=- e -Q μ " =λ σ " =λ λ=gemid # successe pr eeheid μ " = ABC σ " = A-C =sijput y-as C-A μ " =μ σ " =σ eigeschap trasformatie: als X~N μ, σ e Y=a+bX, da Y~Na+bμ, b σ ) maw μ O = σ O = trasf. ook ormaalverd.) λ=gemiddeld # successe per itervaleeheid μ O =gemiddelde wachttijd tot eerste succes Meerdere variabele, multivariaat x,y) Algemee altijd): π ",V x, y = π YZ[\V x π V y = π [ZY\" y π " x idem φ ",V x, y)) bij statistisch oafhakelijk: π ",V x, y = π " x π V y idem φ ",V x, y)) Bivariaat ormaal? X,Y) ~ Nμ, μ ; σ, σ, ρ) X~Nμ, σ ) e Y~Nμ, σ ) altijd: φ x,y x, y = - e Jρ πσ σ -ρ ) x-μ σ statistisch oafhakelijk φ x,y x, y = Complexe modelle: Megselmodelle: algemee: π " = λπ " ) + λ)π " ) ormaalmodel: B y-μ σ - ρx-μ )y-μ ) σ σ - e πσ σ e - H FG H x-μ σ B y-μ σ φ " = λφ ) ) " + λ)φ " X~λ N μ, σ ) + λ N μ, σ ) 5 parameters IJKH φ " x = λ LH + λ) Opm. ka meer da twee λ hebbe. som va λ va alle deelpopulaties moet gelijk zij aa elemet ka iet i beide deelpopulaties zitte Regressiemodelle: ekelvoudig: predictor) YIX=x l ~ N β + β x l, σ 3 parameters e - H FG Y p = β + β x p + E p met E p ~ N0, σ ) φ YIX=xj y = πσ e y β 0 +β x j ) σ meervoudig: Y p = β + β x p + β x p + E p met E p ~ N0, σ ) IJK L hiërarchisch: Y p) = β + β ) x p + E p met E p) ~ N0, σ ) e β ) ~ Nμ, τ ) Opm. ekelvoudig is deelfamilie va meervoudig elemete: Y variabele, X predictor, E foute, β regr.costate, basisiveau, β regr.gewicht, ivloed, idexe
2 . Keuze va statistieke Keuze va schatters: θ Aalogiemethode x voor μ " wat μ " = x p π " x p e x = x p p " x p ; s " voor σ " wat σ " = x μ " π " x p e s " = x x p " x p r "V voor ρ "V wat ρ "V = G I e r G I G "V = } I } I } ~}Q Kleiste kwadratemethode voor optimale lieaire voorspellig y p = b + b x p de gekwadrateerde stadaardfout va estimatie s V." = y ~}Q p y p miimaal make s y s y β 0 = b 0 = y-b x = y-r xy x β s = b = r xy x s x Maximum Likelihoodmethode de waarde va de parameter met grootste aaemelijkheid die waarde va λ waarva de L het grootst vb. de waarde va λ Poisso) à LX=a I λ= b) etc. Multivariaat idem: L X = a e X = b I λ = c iid: L X = a I λ = c LX = b I λ = c) Keuze va toetsstatistieke: Globale houdbaarheid: Goodess-of-fit va model: ABSOLUTE goodess of fit à Chi-kwadraat berekee Cat. X) O observed freq. = ) E verwachte freq. π " π x vauit model) va laatste + categorie: som va voorgaade) va modelle tov elkaar: RELATIEVE goodess of fit va twee geeste modelle M 0 e M X = O i E i E i Hoe kleier X hoe beter. à likelihoodratio vb.: M 0 : X~N 0, σ " e M : X~N μ ", σ " M 0 : Y p = β Ž + E p e M : Y p = β Ž + β x p + β x p + E p Specifieke hypothese toetse: TB: toetse of bepaalde waarde overeestemt met. X, ζ Y, T Y p. X Y, ζ Y-[, T Y-[ p. S Y, I p.3 r "V met Fz r "V e Fz - p.4 3. Bepale va de steekproeveverdelig va statistieke steekproeveverdelig: π O of φ O va ee statistiek:. verw. waarde ve verdelig zuiverheid). Stadaarddeviatie ve verdelig stadaardfout) 3. Voll. verdelig Methode: Eumeratief: alle mog.steekproeve opschrijve +: π O of φ O v statistiek T bep Voorw. e N klei) Simulatie: Deductief: Exact: ZTW, MTL of ZTL met N E X = μ x σ X = σ X met VESTAC of RAND-fuctie ) M obekede parameters via likeli. + likelihood va de geg. ) M obekede parameters via likeli. + likelihood va de geg. 3) LR=»!!) 4) -llr) L ¼H L ¼ )» H X: steekproefgemiddelde va steekproef ) Da: ZTL Da: Als X ~N μ σ X = σ x E X = μ x, σ x da x σ X = σ x N X~Nμ x, σ x ) ζ X ~N0, ) N Normale verdelig altijd ) Beadered: als X,X,.. iid ~N μ ", σ Y da X~N μ x, σ X e ζ X ~N0, ) hoe meer, hoe meer stad.ormaal voor grote waarde va : X μ X ~N 0, σ X e steekproefgemiddelde va grote steekproeve ) asympt.nverdeeld) X ~Nμ, σ X ) CENTRALE LIMIETSTELLING als X,X,.. iid ~Ber θ da geldt asympt.) X ~N θ, θ-θ) Pearso ~χ i: categorieë k: # obek. Param. E 5 da lim φ = φ χ df\i--k) M M lim φ - ) = lim φ-ª «H = φ r±\²) agaa of waarde bereked met - llr) verdacht is dus: P-lLR) ) volges ~χ TBp.4
3 4. Parameterschattig Putschattig: zo goed mogelijk de waarde va de parameter ZUIVER? θ is zuiver als E θ = θ e GGF = 0 GGF E θ-θ zo klei mogelijk UMVUE Eigeschap: E θ-θ = σ θ + E θ -θ met θ-θ = θ-e θ + E θ -θ uiform miimale variatie, afwijkig tusse θ e θ altijd beter da elke adere θ E θ-θ E θ * -θ hoe meer aar oeidig, hoe juister, dus fout wordt kleier. G hoe groter, hoe kleier σ Y maar a.s.a. lim σ 0  = 0 e lim EÄθÅ Æ = θ Itervalschattig: gebied waarva verwacht dat parameter eri ligt à betrouwbaarheidsiterval Tmi e Tlmax bepale zodat θ bie de iterval valt, mt ee BI T Çp, T ÇA" α: betrouwbaarheidscoëfficiet) P T mi θ T max = α Stappe: werke met pivotale groothede TB) ) pivotale grootheid truc Fzρ).. e.. omzette + daara Fz - Fz - ÐFzr)Ñ = r, FzÐFz - a)ñ = a, Fz - ÐFzρ)Ñ = ρ ) greze volges verdelig: α e -α e TB. 5. Hypothesetoetsig 3) uitwerke BI Stappe ) H O e H formulere ) T kieze TB p.5-6 3) steekproeveverdelig bepale TB p.5-6 4) T bepale voor D obs 5) p-waarde bepale Soortevoorbeelde Ekelvoudig ~Nμ ", σ " ) H Ó : μ = 0 H : μ, <, > 0 σ " geked T= Y Õ-Ö L ) Éé vs. Tweezijdig ~χ r±\- H Ó : σ " = 5 H : σ " 5 T= I G ) ~Bi, θ) H Ó : θ = 0.5 H : θ 0.5 Chi-kwadraat berekee X ~χ r±\- Samegesteld ~Nμ ", σ " ) H Ó : μ = 0 H : μ, <, > 0 σ " NIET geked T= Y Õ-Ö Ü Û ~t r±\- S Y va ) D ŽC} ) ~Nμ ", σ " ) ~Nμ V, σ V ) H Ó : μ Y = μ [ H : μ Y μ [ σ Y-[ geked vs Niet?TB p.6 ~Berθ ) ~Berθ ) Chi-kwadraat berekee X ~χ r±\- ~Nμ ", σ " )~Nμ V, σ V ) H Ó : σ Y σ [ H : σ Y > σ [ T= G Þ ~F Þ G r±.. TB p.6 als σ Y = σ [ da G Þ G = M : Y p = β Ž + E p M : Y p = β Ž + β x p + β x p + E p TBp.4 eestaart: p=pt ) of PT ) va H ) tweestaart: TD ŽC} )<Me: L kleist: p=*pt TD ŽC} )) TD ŽC} )>Me: R kleist: p=*pt TD ŽC} )) 6) p-waarde vergelijke met α à p α? 7) p < α: tegeevidetie sigificat: H Ó verwerpe p > α: tegeevidetie iet sigificat: H Ó aavaarde Beslissigsfoute H Ó is waar, maar verworpe: Type àkas = α H Ó is vals, maar aavaardt: Type àgreswaarde uit eerdere berekeig e da kas erva, MAAR i ware model T: llr) = l» ~χ» H) r±\- e da geobserveerde T i
4 Overige ogeorded georded iid: i statistisch oafhakelijk, id idetiek verdeeld zelfde π) waarde tabelleboekje: iet rekee da iterval, wel rekee da dichtste cumulatief rekee. vb. afstad tusse a e b. à Pa<x<b)?=Px<b)-Px<a) Autocorrelatie: Tϖ,ϖ,,ϖ) = r "å " åæh toets va statistische oafhakelijkheid Opl: oafhakelijke koppels x,y) e x,y), maar x e y iet oafhakelijk! Als X, X,, X id zij da is E X = E X = E X = E X eigeschap E S Y = - σ Y e S Y is GEEN zuivere schatter va σ Y Algemee rekeregels to remember a = a = a a - = A - C p\ x p = + + = A C A x p + y p = x p + y p a = a ab = a b a b = a b x = x x als x 0, x als x 0 b è ê = a a = b logaritmes: C log x = a b A = x a = a a x p = a x p p\ a = a a b = a + b ab a + b = a + b + ab a b)a + b) = a b Ekele veelgebruikte BI e α BI 90% α=0.0 mi = -,6449 max. 0,950 =,6449 BI 95% α=0.05 mi = -,9600 max. 0,975 =,9600 BI 99% α=0.0 mi = -,5758 max. 0,995 =,5758 Steekproef Populatie Gemiddelde Verwachte waarde Variatie Stadaard deviatie Z-score Voorspellig Covariatie Correlatie Trasform. Y=aX+b Z-score Somvar. freqx) px) cfreqx) Fx) x ², Pc Pc òò, D D ò, Q Q è Me " = Pc ô = D ô = Q x = x i = freqx p ) x p = p x p x p x p x)=0 Steier: x p c) = x p x) + x c s x = s " = s " = s " Z x x = x i-x x i - x) = s x " å -" å y p ~}Q = b + b x p + b x p s y.x = y i est -y i x i - x = s xy = x i-x)y i -y)= s "" = s " r xy =s ù " ùv) = Z x Z y r "" = fx) = ax + b s ±") = a s " s A"BC V = as "V x + y = x + y s "BV = s " + s V + s "V p x p x p x) b 0 = y-b x b = r xy * s y s x x i y i -xy = s xy s x s y r A"BC V = r xy r xy Zx) = 0 s ùi = Aatal successe Y i herhalige Ber): π kasmassafuctie) voor de proportie [ successe i herh. Als Y~Bi, θ) da μþ = E [ = E Y = θ = σ [ = 0-0 σ Þ < < 3 *-)? - > - > -3 < < è -? > > è a Ç a = a ÇB A ï A = aç- A C a Ç ) = a Ç a b = a b a ï = a Ç = A Kasmassa π " Dichtheid φ " φ " X = P a X x ² Me " μ X = E X = C π x x i *x i i = x - φ " x dx E X μ " = 0 E X c = E X μ " + μ " c σ x = E X-μ x σ " populatie s " steekproef S " steekproefver. σ ", s ", S " : i formule - B = x p μ " π x p = E X μ " σ " = σ " ζ x = X-μ x σ x Y ~}Q p = β + β x p + β x p σ xy = E X-μ x Y-μ y = E XY μ X μ Y σ "" = σ " id: σ "V = 0 ρ xy = σ ζx ζ y = σ xy σ x σ y ρ "" = id: ρ "V = 0 μ [ : E Y = a E X + b σ [ : σ AYBC = a σ Y σ AYBC V = aσ Y[ s "BV ü = s "ü + s Vü r "BV ü = } E X + Y = E X + E Y Iæ ý } Iæ } ý = μ "BV = μ " + μ V ρ AYBC V = ρ Y[ ρ Y[ μ û" = 0 σ û " = σ YB[ = σ Y + σ [ + σ Y[ var. Freqx,y) Rij: : p VZ"\"å y p ) kolom: p "ZV\Vå x p ) yix = x þ e xiy = y þ s VZ"\"å e s "ZV\Vå π ",V x p, y p ) φx, y) σ "BV ü = σ "ü + σ Vü rij: π [ZY\"å y p = F " å,v å kolom: π F " YZ[\Vå x p = F " å,v å å F V å μ YZ[\Vå = E XIY = y p = x p π YZ[\Vå x p σ YZ[\Vå = x p μ YZ[\Vå ) π YZ[\Vå x p = E X IY = y i E XIY = y i id: π x, y = π x π y π [ZY\"å = π V π YZ[\Vå = π "
5
2de 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 informatieHoofdstuk 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 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 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 informatieAntwoorden bij Inleiding in de Statistiek
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:,...,,
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 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 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 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 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 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 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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 16 Donderdag 4 November 1 / 25 2 Statistiek Indeling: Schatten Correlatie 2 / 25 Schatten 3 / 25 Schatters: maximum likelihood schatters Def. Zij Ω de verzameling van
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 informatieReductietechnieken. Spenderen de stedelijke huisgezinnen meer geld voor boeken dan de landelijke huisgezinnen? Maten van centrale tendentie.
Reductietechieke Spedere de stedelijke huisgezie meer geld voor boeke da de ladelijke huisgezie? Mate va cetrale tedetie Modus Modus : de frequetste waarde Budget Fr Stad Fr Pl Budget Fr Stad Fr Pl Budget
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 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 informatie! " # $ % " & ' ( ) * ( " +, " - " & " $ % ".! / 0 ( " 1! ) * 2 3 5 6 7 8 9 : 6 8 ; 7 < 7 : 6 8 = >? 7 @ > = < A B ; 7 C 9 D E C 6 F 8 7 G 6 H I 7 8 A 7 9 8 7 @ @ 6 B =? > B ; 7 > : 8 7 : C 9 J A C ; 7
Nadere informatie7.1 Recursieve formules [1]
7.1 Recursieve formules [1] Voorbeeld: 8, 12, 16, 20, 24, is ee getallerij. De getalle i de rij zij de terme. 8 is de eerste term (startwaarde, u 0 ) 12 is de tweede term (u 1 ) 24 is de vijfde term (u
Nadere informatieRijen. 6N5p
Rije 6N5p 0-03 Rije Ileidig I de wiskude werke we vaak met formules e/of fucties die elke mogelijke waarde aa kue eme. Als bijvoorbeeld f( x) = 5x + 5x 3, da ku je voor x (bija) elke waarde ivulle e ka
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 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 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 informatie1. Meetniveaus en Notatie
1. Meetiveaus e Notatie Meetiveaus Oderzoek wordt gedaa met het verzamele va iformatie over éé of meer variabele. Ee variabele wordt gemete ee va de volgede 4 meetiveaus (va laag aar hoog) : Er wordt oderscheid
Nadere informatie12 Kansrekening. 12.1 Kansruimten WIS12 1
WIS12 1 12 Kasrekeig 12.1 Kasruimte Kasmaat Ee experimet is ee hadelig of serie hadelige met ee of meer mogelijke resultate uitkomste geoemd). De uitkomsteruimte, die we steeds zulle aageve met Ω, is de
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 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 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 informatieCursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere 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 informatieopgave Opgave Bepaal de convergentiestralen van de volgende machtreeksen: (n + 1)! n! = lim n = lim (n + 1)!/(2n + 2)! n!/(2n)!
opgave 7 7 Bepaal de covergetiestrale va de volgede machtreekse: a!z ; b! (! z ; c 3 z! ; d z! a Zij a!, da lim ( +!! ( +, dus R 0 b Zij a!, da (! lim ( +!/( +!!/(! ( + 0, dus R c Zij a 3, da! lim 3 +
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 informatie1. Recursievergelijkingen van de 1 e orde
Recursievergelijkige va de e orde Rekekudige rije Het voorschrift va ee rekekudige rij ka gegeve wordt met de volgede recursievergelijkig: u = u + b Idie we deze vergelijkig i de vorm u = u u = b otere
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 informatieOngelijkheden. IMO trainingsweekend 2013
Ogelijkhede IMO traiigsweeked 0 Deze tekst probeert de basis aa te brege voor het bewijze va ogelijkhede op de IMO. Het is de bedoelig om te bewijze dat ee bepaalde grootheid (ee uitdrukkig met ee aatal
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 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 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 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 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 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 informatieUitwerkingen toets 11 juni 2011
Uitwerkige toets 11 jui 2011 Opgave 1. Laat 2 e k 1 gehele getalle zij. I ee lad zij stede e tusse elk paar stede is ee busverbidig i twee richtige. Laat A e B twee verschillede stede zij. Bewijs dat het
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 informatieVoorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal. Toets Kansrekenen I. 28 maart 2014
Voorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal Toets Kansrekenen I 28 maart 2014 Naam : Richting : Lees volgende aanwijzingen alvorens aan het examen te beginnen Wie de
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 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 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 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 informatiePraktische opdracht: Complexe getallen en de Julia-verzameling
Praktische opdracht: Complexe getalle e de Julia-verzamelig Auteur: Wiebe K. Goodijk, Zerike College Hare Beodigde Voorkeis: 1 = i Het complexe vlak. Notatie: z = a + bi of z = r(cosϕ + i si ϕ) Regel va
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 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 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 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 informatieHoofdstuk 12 : Regressie en correlatie. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent.
Hoofdstuk 12 : Regressie en correlatie Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Regressie en correlatie p 1/26 Regressielijn Vraag : vind het
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 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 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 informatieKansrekening 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 informatieVandaag. 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 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 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 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Tentamen Inleiding Experimentele Fysica (3NA10 of 3AA10) Tentamen OGO Fysisch Experimenteren voor minor AP (3MN10)
TECHISCHE UIVERSITEIT EIDHOVE Tetame Ileidig Experimetele Fysica (3A10 of 3AA10) Tetame OGO Fysisch Experimetere voor mior AP (3M10) d.d. 0 jauari 010 va 9:00 1:00 uur Vul de presetiekaart i blokletters
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 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 informatieKanstheorie. 2de bachelor wiskunde Vrije Universiteit Brussel. U. Einmahl
Kastheorie 2de bachelor wiskude Vrije Uiversiteit Brussel U. Eimahl Academiejaar 2011/2012 Ihoudsopgave 1 Kasruimte 1 1.1 Toevallige experimete................................. 1 1.2 De axioma s va Kolmogorov.............................
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 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 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 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 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 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 informatieExamen VWO. wiskunde B1. tijdvak 1 woensdag 16 mei 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.
Exame VW 007 tijdvak woesdag 6 mei.0-6.0 uur wiskude B Bij dit exame hoort ee uitwerkbijlage. Dit exame bestaat uit 0 vrage. Voor dit exame zij maximaal 8 pute te behale. Voor elk vraagummer staat hoeveel
Nadere informatieStatistiek voor A.I. College 2. Donderdag 13 September 2012
Statistiek voor A.I. College 2 Donderdag 13 September 2012 1 / 42 1 Beschrijvende statistiek 2 / 42 Extrapolatie 3 / 42 Verkiezingen 2012 4 / 42 Verkiezingen 2012 5 / 42 1 Beschrijvende statistiek Vandaag:
Nadere informatie11. Multipele Regressie en Correlatie
11. Multipele Regressie en Correlatie Meervoudig regressie model Nu gaan we kijken naar een relatie tussen een responsvariabele en meerdere verklarende variabelen. Een bivariate regressielijn ziet er in
Nadere informatieTECHNISCHE 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 informatieOpgaven OPGAVE 1 1... OPGAVE 2. = x ( 5 stappen ). a. Itereer met F( x ) = en als startwaarden 1 en 100. 100...
Opgave OPGAVE 1 a. Itereer met F( ) = e als startwaarde 1 e 1. 16 1............... 16 1............... b. Stel de bae grafisch voor i ee tijdgrafiek. c. Formuleer het gedrag va deze bae. (belagrijk is
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 6 oktober 009 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt
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 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 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 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 informatie