Cursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
|
|
- Hugo Adam
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
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 Covariantie en Correlatie Steekproefgemiddelde Hfdstk 4: 1 / 59 Hfdstk 4: Inleiding 2 / 59 1 De discrete stochastische variabele X met verdeling: x f x PX x Verwachting gemiddelde: Tel elke mogelijke uitkomst mee met als gewicht de kans op die uitkomst: EX Voor een eindige discrete stochast X met kansmassafunctie f is de verwachting gelijk aan: Definitie Verwachting van discrete stochast De verwachting Engels: expectation van een discrete stochast X met kansmassafunctie f is gedefinieerd als EX x x f x, mits deze reeks absoluut convergent is, d.w.z. x f x <. x Als deze reeks niet absoluut convergent is, dan is de verwachting van X niet gedefinieerd. EX x x f x De verwachting wordt soms ook wel gemiddelde Engels: mean genoemd. Hfdstk 4: Inleiding 3 / 59 Hfdstk 4: Verwachting Definitie 4 / 59
2 1 Vervolg Neem gx X 2 en bepaal EgX EX 2. De verdeling van Y X 2 is dan De verwachting van x x PX x y 1 4 PY y EX 2 EY Dit kan ook rechtstreeks uit de tabel van X: Definitie Als X een discrete stochast is met kansmassafunctie f, dan is de verwachting van gx gedefinieerd als E gx x gx f x, mits deze reeks absoluut convergent is, d.w.z. gx f x <. x Als deze reeks niet absoluut convergent is, dan is de verwachting van gx niet gedefinieerd. EX Hfdstk 4: Verwachting Definitie 5 / 59 Hfdstk 4: Verwachting Definitie 6 / 59 Neem een stochast X met kansmassafunctie f k gegeven door { 1 p p f k k, als k, 1, 2,...,, anders voor zekere p < 1. We kunnen berekenen dat E X p 1 p en ook bijvoorbeeld: E 2 X 21 p 2 p Definitie Verwachting van continue stochast Als X een continue stochast is met kansdichtheidsfunctie f, dan is de verwachting van X gedefinieerd als EX x f x dx mits deze integraal absoluut convergent is, d.w.z. x f x dx <. Als deze integraal niet absoluut convergent is, dan is de verwachting van gx niet gedefinieerd. Hfdstk 4: Verwachting Definitie 7 / 59 Hfdstk 4: Verwachting Definitie 8 / 59
3 Definitie Als X een continue stochast is met kansdichtheidsfunctie f, dan is de verwachting van gx gedefinieerd als E gx gx f x dx mits deze integraal absoluut convergent is, d.w.z. gx f x dx <. Als deze integraal niet absoluut convergent is, dan is de verwachting van gx niet gedefinieerd. 2 We hebben een continue stochastische variabele X met kansdichtheidsfunctie { 2x, if x 1, f x, anders. Vraag: Wat is de verwachting van X? Vraag: Wat is de verwachting van X? Hfdstk 4: Verwachting Definitie 9 / 59 Hfdstk 4: Verwachting Definitie 1 / 59 3 We hebben een continue stochast X met kansdichtheidsfunctie f x gelijk aan f x { c e x, als x,, anders. Vraag: Wat is de waarde van c? Als we c weten, dan kunnen we berekenen: E X x c e x dx 1 Als X, Y een continue stochastische vector is met simultane kansdichtheidsfunctie f, dan kunnen we ook de verwachting definiëren van gx, Y voor elke functie g : R 2 R: mits E gx, Y gx, y f x, y dx dy, gx, y f x, y dx dy < Iets soortgelijks kunnen we ook definiëren voor discrete stochastische vectoren, of voor gemengd discreet en continue stochastische vectoren. Hfdstk 4: Verwachting Definitie 11 / 59 Hfdstk 4: Verwachting Definitie 12 / 59
4 Neem een stochastische vector X, Y met kansdichtheidsfunctie { 1, als x 1, y 1, f x, y, anders. De verwachting van X 2 + Y 2 is EX 2 + Y 2 Vraag: bestaat EX, Y? 1 1 x 2 + y 2 f x, y dx dy x 2 + y 2 dx dy 2 3. Speciale gevallen Als X, Y een continue stochastische vector is met kansdichtheidsfunctie f x, y, dan is EX x f X x dx, waarbij f X x de marginale verdeling is van X. Bewijs EX x f x, y dx dy x f x, y dy dx x f X x dx Hfdstk 4: Verwachting Definitie 13 / 59 Hfdstk 4: Verwachting Definitie 14 / 59 Rekenregels Stochast X met kansmassafunctie:,3 Voor alle stochasten X en Y, waarvoor EX en EY bestaan, en voor alle a, b R geldt Ea X + b a EX + b EX + Y EX + EY,25,2,15,1,5, Vraag: Hoe groot is EX, EX + 2, E2X? Hfdstk 4: Verwachting Rekenregels 15 / 59 Hfdstk 4: Verwachting Rekenregels 16 / 59
5 Bewijs Veronderstel, als voorbeeld, X en Y continu, met simultane kansdichtheid f x, y en marginale dichtheden f X x en f Y y: Ea X + b a x f x dx + a x + b f X x dx EX + Y x + y f x, y dx dy x f x, y dy dx + x f X x dx + b f x dx a EX + b y f x, y dx dy y f Y y dy EX + EY 4: Binomiale Verdeling Vaas met fractie p rode ballen en fractie 1 p blauwe ballen, Trek aselect n ballen met teruglegging. Benoem X het aantal getrokken rode ballen. We hebben in Hoofdstuk 3 gezien, dat X een binomiale verdeling Binn, p heeft. De kansmassafunctie is dus: n k p k 1 p n k, als k, 1, 2,..., n; f k, anders. Vraag: Wat is E X? Hfdstk 4: Verwachting Rekenregels 17 / 59 Hfdstk 4: Verwachting Rekenregels 18 / 59 Berekening Methode 1 Volgens de definitie van de verwachting is: E X n n n k PX k k p k 1 p n k k n k1 np k n k1 k k n! k!n k! pk 1 p n k n 1! k 1!n k! pk 1 1 p n k Neem nu l k 1 en m n 1. De uitdrukking voor E X wordt dan m m m np p l 1 p m l np PY l np l l voor een stochast Y Binm, p. l Hfdstk 4: Verwachting Rekenregels 19 / 59 Berekening Methode 2 Definieer n stochasten X 1,..., X n als volgt: 1, als de i-de bal rood is, X i, als de i-de bal blauw is. Alle X i zijn o.o. en PX i 1 p en PX i 1 p Hieruit volgt dat E X i p. Merk op dat X X X n zodat E X E X E Xn np. Hfdstk 4: Verwachting Rekenregels 2 / 59
6 Bewijs Twee variabelen Rekenregel Verwachting van product Als X 1,..., X n, onafhankelijke stochasten zijn, waarvoor alle afzonderlijke verwachtingen EX 1,..., EX n bestaan, dan geldt n E X i i1 n EX i. i1 Veronderstel dat twee o.o. stochasten X en Y een continue verdeling hebben, de simultane verdeling f is, en de afzonderlijke marginale verdelingen f X en f Y. Omdat de stochasten o.o. zijn, geldt voor alle x, y R 2 f x, y f X x f Y y Nu geldt dat E X Y gelijk is aan x y f x, y dx dy x y f X x f Y y dx dy x fx x y f Y y dx dy x f X x dx y f Y y dy EX EY Hfdstk 4: Verwachting Rekenregels 21 / 59 Hfdstk 4: Verwachting Rekenregels 22 / 59 Eigenschappen Let Op! EX + Y EX + EY geldt voor alle stochasten X en Y. EXY EXEY geldt alleen als X en Y onderling onafhankelijk zijn. Drie stochasten X 1, X 2 en X 3 zijn onderling onafhankelijk met E X i en E X 2 i 1, voor i 1, 2, 3. Vraag: Bereken: E X 2 1 X 2 4X 3 2 Als X een stochast is, en er bestaat een getal a, zodanig dat PX a 1, dan moet gelden EX a. Als geldt PX a 1 én EX a, dan moet gelden PX a 1. Bewijs Stel X is een discrete stochast met kansmassafunctie f. Uit PX a 1 volgt dan EX x x f x x f x a f x a Px a a x:x a x:x a Als EX a dan moet een gelijkheid zijn, en dit kan alleen als PX a 1. Hfdstk 4: Verwachting Rekenregels 23 / 59 Hfdstk 4: Verwachting Rekenregels 24 / 59
7 5 De volgende drie kansdichtheden geven alle hetzelfde gemiddelde fx fx fx Definitie Variantie en Standaarddeviatie Als X een stochast is met verwachting µ EX, dan is de variantie van X gedefiniëerd als VarX E [ X µ 2], mits E[X µ 2 ] <. Als niet geldt dat E[X µ 2 ] <, dan is VarX niet gedefinieerd..1.5 De standaard deviatie van X is VarX, mits VarX bestaat Met de verwachting van een stochast kunnen we dus niet uitdrukken in welke mate de verdeling is uitgesmeerd over de reële getallen. Hiertoe hebben we een nieuw begrip nodig. De variantie en de standaard deviatie van een stochast X worden vaak aangegeven als σ 2 X, respectievelijk σ X of gewoon σ 2 en σ als duidelijk is welke stochast bedoeld wordt. Hfdstk 4: Variantie Inleiding 25 / 59 Hfdstk 4: Variantie Definitie 26 / 59 1 vervolg We hadden al berekend dat µ.5. 5 vervolg We kunnen aan dit voorbeeld zien dat VarX inderdaad een maat is voor de spreiding van de kansdichtheid x PX x x µ x µ fx fx fx σ σ De waarden van VarX zijn 1, 4, en 9. We komen uitgebreid op deze soorten stochasten terug in Hoofdstuk 5. Hfdstk 4: Variantie Definitie 27 / 59 Hfdstk 4: Variantie Definitie 28 / 59
8 Eigenschappen en Rekenregels 1 VarX. 2 VarX dan en slechts dan als er een constante c bestaat waarvoor PX c 1. 3 Voor alle a, b R geldt VaraX + b a 2 VarX. 4 VarX EX 2 [ EX ] 2. Bewijs 1 en 2 Gebruik de eigenschap op pagina 24 Bewijs 3 Schrijf E ax + b uit. Bewijs 4 Schrijf VarX uit. Hfdstk 4: Variantie Definitie 29 / 59 Eigenschap Als X 1,..., X n onderling onafhankelijke stochastische variabelen zijn, dan geldt: VarX X n VarX VarX n. Bewijs: vb. voor n 2 Neem µ 1 E X 1 en µ2 E X 2. Er geldt: VarX 1 + X 2 E X 1 + X 2 µ 1 µ 2 2 VarX 1 + VarX 2 2E X 1 µ 1 X 2 µ 2 Aangezien X 1 en X 2 o.o. zijn, zijn ook X 1 µ 1 en X 2 µ 2 o.o.: E X 1 µ 1 X 2 µ 2 E X 1 µ 1 E X2 µ 2 Hieruit volgt: VarX 1 + X 2 VarX 1 + VarX 2 Hfdstk 4: Variantie Definitie 3 / 59 4 Binomiale verdeling Neem X en Y onafhankelijke stochasten. Vraag: Wat is VarX Y? De kansmassafunctie van de binomiale verdeling Binn, p was: { n k p k 1 p n k, als k, 1, 2,..., n; f k, anders. Wat is VarX? Berekening Neem, net als bij de berekening van EX, n onafhankelijke stochasten X 1,..., X n,. We zagen al eerder dat E X i p. Ook geldt: en dus E X 2 i p VarX i p p 2 p1 p Aangezien de X i s o.o. zijn, geldt nu: VarX VarX VarX n np1 p Hfdstk 4: Variantie Definitie 31 / 59 Hfdstk 4: Variantie Definitie 32 / 59
9 Momenten Momentengenererende functies Definitie Momenten Het k-de moment van een stochast X is gedefinieerd als de waarde van E X k. Het k-de moment bestaat dan en slechts dan als E X k <. Definitie Centrale momenten Als de verwachting van de stochast X gegeven is door µ, dan noemen we E X µ k het k-de centrale moment van X. Definitie MGF Voor een stochast X definiëren we de momenten genererende functie M.G.F. ψ als ψt E e tx, voor alle t R. Eigenschappen ψ E1 1. ψ EX. [ d ψ n n dt n E e tx ] t EX n. Hfdstk 4: Momenten en MGF Definitie 33 / 59 Hfdstk 4: Momenten en MGF Definitie 34 / 59 Eigenschappen en toepassing Eigenschap 1 Veronderstel dat X 1,..., X n o.o. stochasten zijn met m.g.f. s ψ i t E e tx, i 1,..., n. Neem Y X X n, dan geldt ψt n ψ i t. i1 Eigenschap 2: Uniciteit van MGF Als de m.g.f. s van twee stochasten X 1 en X 2 identiek zijn in een open interval rond t, dan zijn de kansverdelingen van X 1 en X 2 identiek. Eigenschap 1 Beschouw een stochast X die binomiaal verdeeld is met parameters n en p. X X X n, met X i Bernouilli verdeeld ψ i t Ee tx i pe t + 1 p ψt Ee tx pe t + 1 p n. Eigenschap 1+2 Beschouw stochast X binomiaal verdeeld met parameters n 1 en p en onafhankelijke Y binomiaal verdeeld met parameters n 2 en p, dan is X + Y binomiaal verdeeld met parameters n 1 + n 2 en p Hfdstk 4: Momenten en MGF Eigenschappen 35 / 59 Hfdstk 4: Momenten en MGF Eigenschappen 36 / 59
10 Gemiddelde en Mediaan We kunnen voor een stochast X twee grootheden berekenen die beide iets zeggen over het zwaartepunt of het middelpunt van de verdeling van die stochast. Als we even aannemen dat X continu verdeeld is, dan is de verwachting E X gedefinieerd als Stochast X met kansmassafunctie:,3,25,2 E X x f X x dx en de mediaan is gedefinieerd als die waarde m waarvoor,15,1,5, PX m 1 2 en PX m 1 2. Vraag: Hoe groot is verwachting van X? Vraag: Hoe groot is de mediaan van X? Hfdstk 4: Gemiddelde en Mediaan Inleiding 37 / 59 Hfdstk 4: Gemiddelde en Mediaan Inleiding 38 / 59 Beschouw de volgende situatie. Stochast X: lengte willekeurige mannelijke student UU. Kansdichtheidsfunctie onbekend, Verwachting µ en de mediaan m van X wel bekend. We willen vóór we de lengte van een willekeurig gekozen student meten de waarde van X voorspellen. We willen bovendien de fout in de voorspelling minimaliseren. Hoe meten we de fout in de voorspelling? Procedure experiment 1 Geef een voorspellingswaarde d b.v. d 1.8m. 2 Doe het experiment en kijk wat de waarde van de stochast X wordt b.v. x 1.85m. 3 Het verschil x d is de voorspellingsfout. in dit geval dus.5m Let op: X d is een stochast! Definitie M.S.E. en M.A.E Als de waarde van een stochast X voorspeld wordt door de waarde d, dan heet E X d 2 de gemiddelde kwadratische fout Eng. Mean squared error M.S.E. van de voorspelling d, en E X d heet de gemiddelde absolute fout Eng. Mean absolute error M.A.E. van de voorspelling d. We kunnen nu bewijzen dat de M.S.E. is minimaal voor d µ, de M.A.E. is minimaal voor d m. Hfdstk 4: Gemiddelde en Mediaan Voorspellingsfout 39 / 59 Hfdstk 4: Gemiddelde en Mediaan Voorspellingsfout 4 / 59
11 Neem een stochast X met de volgende kansmassafunctie: x f x M.S.E. EX 3. dus M.S.E. minimaal voor d 3. M.A.E. Van de stochast X zit 5% van de kansmassa in de punten, 1, 2 en de overige 5% in 3, 5, 7. Voor elke waarde van d in het interval 2 d 3 geldt dus PX d 1 2 en PX d 1 2 Elke d in 2 d 3 is een mediaan van de verdeling en minimaliseert de M.A.E. Een importeur heeft een voorraad van 1 kazen gekocht waarvan hij het gemiddelde gewicht wil bepalen. De leverancier heeft verteld dat de variantie in het gewicht kleiner is dan.1 kg 2. Hij zou het gemiddelde gewicht als volgt kunnen benaderen. Meet het gewicht van een aantal kazen uit de voorraad. Neem het gemiddelde van de gemeten gewichten. Intuitie: Het berekende gemiddelde zal ongeveer gelijk zijn aan de verwachting verwachting het gemiddelde gewicht van alle 1 kazen. Hfdstk 4: Gemiddelde en Mediaan Voorspellingsfout 41 / 59 Hfdstk 4: Gemiddelde en Mediaan Steekproefgemiddelde 42 / 59 Steekproefgemiddelde Algemeen We herhalen n maal o.o. een experiment met een verdeling die gemiddelde µ en variantie σ 2 heeft. Dit levert n o.o. stochasten X 1,..., X n, die alle dezelfde verdeling met gemiddelde µ en variantie σ 2. Bereken 1 n X X n. Definitie Steekproefgemiddelde We definiëren het steekproefgemiddelde X n als: X n 1 n X X n. Stelling Ongelijkheid van Chebyshev Stel X is een stochast waarvoor VarX bestaat. Voor elk getal t > geldt P X EX t VarX t 2 De ongelijkheid van Chebyshev geldt voor elke willekeurige stochast. Zo geldt bijvoorbeeld altijd P X µ X 3σ X 1 9 ongeacht de verdeling van X. Vraag: Hoe goed benadert dit steekproefgemiddelde µ? Hfdstk 4: Gemiddelde en Mediaan Steekproefgemiddelde 43 / 59 Hfdstk 4: Gemiddelde en Mediaan Ongelijkheden 44 / 59
12 Steekproefgemiddelde vervolg Er geldt voor elke stochast X E X n µ, Var X n σ 2 n. Met behulp van Chebyshev geldt voor elke t > : P X µ t VarX t 2 σ2 t 2, terwijl voor het steekproefgemiddelde X n geldt P X n µ t Var X n t 2 σ2 nt 2. Hfdstk 4: Gemiddelde en Mediaan Ongelijkheden 45 / 59 We hebben een stochast X waarvan we niet de verwachting µ weten, maar we weten wel de variantie σ 2 2. Vraag: Hoeveel steekproeven moeten we nemen, zodat het steekproefgemiddelde met kans.99 niet meer dan.1 afwijkt van het echte gemiddelde µ? We zoeken dus een waarde voor n zodat P X n µ >.1.1 We weten uit de ongelijkheid van Chebyshev dat zeker geldt: 2 P X n µ > n Een n die voldoende groot is volgt uit 2.1 n.1 ofwel n Hfdstk 4: Gemiddelde en Mediaan Ongelijkheden 46 / 59 We hebben het begrip variantie ingevoerd om kwantitatief de mate van spreiding van een verdeling uit te drukken. Vraag: Hoe drukken we uit in welke mate twee stochasten samenvallen of afhankelijk zijn? Definitie Covarantie Laat X en Y twee stochasten zijn, met E X µ X, E Y µ Y, VarX σ 2 X en VarY σ2 Y. De covariantie van X en Y engels: covariance, die genoteerd wordt als CovX, Y, is CovX, Y E X µ X Y µ Y. Als σx 2 < en σ2 Y <, dan bestaat de covariantie en is deze ook eindig. 6 We nemen twee stochasten X en Y met simultane kansdichtheid { x + y, als x 1 en y 1, f x, y, anders. Om CovX, Y te berekenen, moeten we eerst µ X en µ Y bepalen. Daarvoor hebben we de marginale verdelingen van X en Y nodig: f X x f x, ydy [xy + 12 ] y1 y2 x + 1 y 2 1 x + ydy voor x 1. Buiten het interval [, 1] is f X x. Hfdstk 4: Covariantie Definitie 47 / 59 Hfdstk 4: Covariantie Definitie 48 / 59
13 Hieruit volgt E X 1 x f X x dx [ 1 3 x3 + 1 ] 1 4 x x x + 1 dx 2 1 x x dx Aangezien f x, y symmetrisch is in X en Y, geldt dat ook f Y y y en E Y De covariantie is nu gelijk aan CovX, Y x 7 y 7 x + ydxdy Eigenschappen Neem X en Y stochasten met σ X < en σ Y < 1 CovX, Y E XY E X E Y. 2 VarX + Y VarX + VarY + 2 CovX, Y Bewijs 1 CovX, Y E X µ X Y µ Y E XY Xµ Y Yµ X µ X µ Y Bewijs 2 VarX + Y E X + Y µ X µ Y 2 E X µ X 2 + Y µ Y 2 + 2X µ X Y µ Y Hfdstk 4: Covariantie Definitie 49 / 59 Hfdstk 4: Covariantie Eigenschappen 5 / 59 6 Herh. Het is nu eenvoudiger om CovX, Y uit te rekenen. We wisten al dat E X 7 12, E Y 7 12 We rekenen nu uit en E XY [ 1 3 x3 y x2 y 2 [ 1 6 y y3 ] y1 xyx + ydx dy y 1 3 CovX, Y ] x1 dy x y y2 dy Neem X en Y onafhankelijk, waarbij X uniform verdeeld is op [, 1] en Y uniform verdeeld op [3, 5]. Vraag: Hoe groot is CovX, Y? Hfdstk 4: Covariantie Eigenschappen 51 / 59 Hfdstk 4: Covariantie Eigenschappen 52 / 59
14 Van eigenschap 2 kunnen we ook nog een algemenere versie opschrijven: Als X 1,..., X n stochasten zijn met eindige varianties VarX i <, dan geldt: n Var X i i1 n VarX i + 2 i1 n i 1 Cov X i, X j i1 j1 Eigenschap Ongelijkheid van Schwarz Voor alle stochasten U en V geldt [ E UV ] 2 E U 2 E V 2. Als bovendien geldt dat E U 2 E V 2 <, dan geldt gelijkheid dan en slechts dan als er een getal t bestaat, waarvoor PU t V 1 of PV t U 1. Uit de Ongelijkheid van Schwarz gebruik U X µ X en V Y µ Y volgt [ CovX, Y ] 2 σ 2 X σ 2 Y. Hfdstk 4: Covariantie Eigenschappen 53 / 59 Hfdstk 4: Covariantie Eigenschappen 54 / 59 CovX, Y aanduiding voor de mate waarin X en Y gelijktijdig grote waarden aannemen. Als CovX, Y > dan betekent dit dat er waarden x voor X en y voor Y zijn, met een grote kansmassa/kansdichtheid f x, y waarvoor x > µx én y > µ Y, of x < µx én y < µ Y. Als CovX, Y < dan geldt juist dat x > µ X samengaat met y < µ Y, en x < µx samengaat met y > µ Y. De grootte van CovX, Y wordt bepaald door Samengaan van afwijkingen van µ voor X en Y, Het bereik van X, Het bereik van Y. Om de twee laatstgenoemde nadelen van de covariantie op te heffen definiëren we een genormeerde covariantie, de zogenaamde correlatie. Definitie Correlatie Laat X en Y twee stochasten zijn, met E X µ X, E Y µ Y, VarX σ 2 X < en VarY σ2 Y <. De correlatie van X en Y engels: correlation, die genoteerd wordt als ρx, Y, is ρx, Y CovX, Y σ X σ Y Hfdstk 4: Covariantie Eigenschappen 55 / 59 Hfdstk 4: Correlatie Definitie 56 / 59
15 Correlatie vervolg Aangezien CovX, Y σ X σ Y, volgt uit de definitie van correlatie dat ρx, Y CovX, Y σ X σ Y 1 ρx, Y 1. We noemen X en Y positief gecorreleerd als ρx, Y >, negatief gecorreleerd als ρx, Y <, ongecorreleerd als ρx, Y. Er geldt bovendien dat als ρ +1, dan X a Y + b voor een zekere a >, b R, als ρ 1, dan X a Y + b voor een zekere a <, b R. Hfdstk 4: Correlatie Definitie 57 / 59 6 Herh. We hadden al eerder gezien in 6 dat EX EY 7 1, en CovX, Y De varianties σx 2 en σ2 Y volgen uit de marginale verdelingen van X en Y: 1 EX 2 x 2 x + 1 [ 1 dx 2 4 x x3] x1 5 x 12 en En dus σx 2 EX 2 EX ρx, Y CovX, Y σ X σ Y 1 11 Hfdstk 4: Correlatie Definitie 58 / 59 Met de stof van Hoofdstuk 4 moet je kunnen: Begrijpen wat verwachting, variantie, steekproefgemiddelde, mediaan, momenten, momentengenererende functie, covariantie, en correlatie zijn. Deze begrippen uit kunnen rekenen, als de kansverdeling van een stochast of twee stochasten gegeven is. Het verband weten tussen M.S.E./M.A.E. en gemiddelde/mediaan. Een afschatting van een kans kunnen berekenen m.b.v. de ongelijkheid van Chebyshev. Het verband kennen tussen onafhankelijkheid en covariantie/correlatie. Hfdstk 4: Correlatie Definitie 59 / 59
Deze 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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2), Vrijdag 24 januari 24, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven
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 informatieKansrekening en statistiek wi2105in deel I 29 januari 2010, uur
Kansrekening en statistiek wi20in deel I 29 januari 200, 400 700 uur Bij dit examen is het gebruik van een (evt grafische rekenmachine toegestaan Tevens krijgt u een formuleblad uitgereikt na afloop inleveren
Nadere informatieTentamen 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 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2S27), dinsdag 14 juni 25, 9. - 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Uitwerking tentamen Kansrekening en Stochastische Processen (2S61) op woensdag 27 april 25, 14. 17. uur. 1. Gegeven zijn twee onafhankelijke
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 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/28 The delta functie Zij De eenheids impulsfunctie is: d ε (x) = { 1ε als ε 2 x ε 2 0 anders δ(x) = lim
Nadere informatieStatistiek 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 informatieMedische 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 informatieHoofdstuk 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 informatieTentamen Kansrekening en Statistiek (2WS04), woensdag 30 juni 2010, van 9.00 12.00 uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (WS4), woensdag 3 juni, van 9.. uur. Dit is een tentamen met gesloten boek. De uitwerkingen van de
Nadere informatieVoorbeeld 1. Statistiek voor Informatica Hoofdstuk 3: Stochastische Variabelen en Verdelingen. Voorbeeld 2A. Voorbeeld 1 (vervolg)
Voorbeeld Statistiek voor Informatica Hoofdstuk 3: Stochastische Variabelen en Verdelingen Cursusjaar 2009 Peter de Waal Departement Informatica In een eperiment gooien we 4 maal met een zuivere munt.
Nadere informatieDeze week: Schatten. Statistiek voor Informatica Hoofdstuk 6: Schatten. Voorbeeld Medicijnentest. Statistische inferentie
Deze week: Schatten Statistiek voor Informatica Hoofdstuk 6: Schatten Cursusjaar 2009 Peter de Waal Departement Informatica Statistische inferentie A Priori en posteriori verdelingen Geconjugeerde a priori
Nadere informatieSet 3 Inleveropgaven Kansrekening (2WS20) Opgaven met sterretjes zijn lastiger dan opgaven zonder sterretje.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Set 3 Inleveropgaven Kansrekening (2WS2) 23-24 Opgaven met sterretjes zijn lastiger dan opgaven zonder sterretje.. Voetbalplaatjes. Bij
Nadere informatieKansrekening en statistiek WI2105IN deel I 4 november 2011, uur
Kansrekening en statistiek WI05IN deel I 4 november 0, 4.00 7.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Een formuleblad wordt uitgereikt. Meerkeuzevragen Toelichting:
Nadere informatieTentamen Inleiding Kansrekening 16 juni 2017, 14:00 17:00 Docent: Prof. dr. F. den Hollander
Tentamen Inleiding Kansrekening 6 juni 7, : 7: Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan. Er zijn 8 vragen, elk met twee of drie onderdelen.
Nadere informatieTentamen Inleiding Kansrekening 9 juni 2016, 10:00 13:00 Docent: Prof. dr. F. den Hollander
Tentamen Inleiding Kansrekening 9 juni 6, : 3: Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan. Er zijn 8 vragen, elk met onderdelen. Elk onderdeel
Nadere informatieUitwerking 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 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 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 informatieGezamenlijke kansverdeling van twee stochasten
Gezamenlijke kansverdeling van twee stochasten Voorbeeld: V = de windsnelheid H = hoogte van het waterniveau in een rivier/zee De combinatie (V, H) is van belang voor een overstroming en niet zozeer V
Nadere informatieTentamen Kansrekening (NB004B)
NB4B: Kansrekening Dinsdag november 2 Tentamen Kansrekening (NB4B) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan. Vermeld op ieder blad je naam en
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 informatieTentamen Inleiding Kansrekening wi juni 2010, uur
Technische Universiteit Delft Mekelweg Faculteit Electrotechniek, Wiskunde en Informatica 8 CD Delft Tentamen Inleiding Kansrekening wi juni, 9.. uur Bij dit examen is het gebruik van een (evt. grafische
Nadere informatieSet 2 Inleveropgaven Kansrekening (2WS20)
1 Technische Universiteit Eindhoven Faculteit Wisunde en Informatica Set Inleveropgaven Kansreening (WS) 14-15 1. (Functies van normale verdelingen) Stel dat X een standaard normale verdeling heeft. (a)
Nadere informatieTentamen 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 informatieOefenDeeltentamen 2 Kansrekening 2011/ Beschouw een continue stochast X met kansdichtheidsfunctie cx 4, 0 x 1 f X (x) = f(x) = 0, anders.
Universiteit Utrecht *=Universiteit-Utrecht Boedapestlaan 6 Mathematisch Instituut 3584 CD Utrecht OefenDeeltentamen Kansrekening 11/1 1. Beschouw een continue stochast X met kansdichtheidsfunctie c 4,
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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 12 Donderdag 21 Oktober 1 / 38 2 Statistiek Indeling: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 38 Deductieve
Nadere informatieStatistiek 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= P(B) = 2P(C), P(A B) = 1 2 en P(A C) = 2 5. d. 31
Tentamen Statistische methoden 45STAMEY april, 9: : Studienummers: Vult u alstublieft op het MC formulier uw Delftse studienummer in; en op het open vragen formulier graag beide, naar volgend voorbeeld:
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 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 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 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 Inleiding Kansrekening 12 augustus 2010, 10.00 13.00 uur Docent: F. den Hollander
Universiteit Leiden Niels Bohrweg Mathematisch Instituut 333 CA Leiden Tentamen Inleiding Kansrekening augustus,. 3. uur Docent: F. den Hollander Bij dit tentamen is het gebruik van een (grafische) rekenmachine
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 informatieb) Uit Bayes volgt, gebruik makend van onderdeel a) P (T V )P (V ) P (T ) = (0.09)(0.07)
Uitwerkingen tentamen 6 juli 22. We stellen T de gebeurtenis test geeft positief resultaat, F de gebeurtenis, chauffeur heeft gefraudeerd, V de gebeurtenis, chauffeur heeft vergissing gemaakt C de gebeurtenis,
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 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 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 informatieRadboud Universiteit Nijmegen Heyendaalse weg 135
Radboud Universiteit Nijmegen Heyendaalse weg 35 Faculteit FNWI 6525 AJ Nijmegen Examen NWI-NB00B Inleiding Kansrekening 2 juni 206 Schrijf boven elk vel je naam, studentnummer en studierichting (W, N
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 informatiewerkcollege 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 3 Dinsdag 21 September 1 / 21 1 Kansrekening Indeling: Uniforme verdelingen Cumulatieve distributiefuncties 2 / 21 Vragen: lengte Een lineaal wordt op een willekeurig
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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 9 Dinsdag 18 Oktober 1 / 1 2 Statistiek Vandaag: Centrale Limietstelling Correlatie Regressie 2 / 1 Centrale Limietstelling 3 / 1 Centrale Limietstelling St. (Centrale
Nadere informatieStatistiek voor A.I. College 10. Dinsdag 16 Oktober
Statistiek voor A.I. College 10 Dinsdag 16 Oktober 1 / 30 Jullie - onderzoek Geert-Jan, Joris, Brechje Horizontaal: lengte Verticaal: lengte tussen topjes middelvingers met gestrekte armen. DIII 170 175
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 informatieOpgaves Hoofdstuk 3: Toevalsveranderlijken en Distributiefuncties
Opgaves Hoofdstuk 3: Toevalsveranderlijken en Distributiefuncties Discrete Distributiefuncties 3. Er zijn 3 studenten aan het begin van de dag aanwezig bij een symposium. De kans dat een student volhoudt
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 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 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 informatieToetsende 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 informatie13.1 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 informatie14.1 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 informatieHertentamen Inleiding Kansrekening 5 juli 2017, 14:00 17:00 Docent: Prof. dr. F. den Hollander
Hertentamen Inleiding Kansrekening 5 juli 07, 4:00 7:00 Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan, wel het gebruik van rekenmachine. Er
Nadere informatieTentamen Functies en Reeksen
Tentamen Functies en Reeksen 6 november 204, 3:30 6:30 uur Schrijf op ieder vel je naam en bovendien op het eerste vel je studentnummer, de naam van je practicumleider (Arjen Baarsma, KaYin Leung, Roy
Nadere informatieWiskundige Analyse II
Hoofdstuk 1 Wiskundige Analyse II Vraag 1.1 Het volume van een omwentelingslichaam beschreven door een homogeen, projecteerbaar gebied D dat de omwentelingsas niet snijdt, is gelijk aan het product van
Nadere informatieKanstheorie, -rekenen en bekende verdelingen
Kanstheorie, -rekenen en bekende verdelingen 1 Rekenregels kansrekenen Kans van de zekere gebeurtenis: P () = P (U) = 1 Kans van de onmogelijke gebeurtenis: P (;) = 0 Complementregel: P (A c ) = 1 P (A)
Nadere informatieintroductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 5: Sampling Distributions 5.1: The
Nadere informatieTentamen Kansrekening en statistiek wi2105in 25 juni 2007, uur
Tentamen Kansrekening en statistiek wi205in 25 juni 2007, 4.00 7.00 uur Bij dit examen is het gebruik van een (evt. grafische rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop
Nadere informatieInleiding 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 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 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 informatieUitwerkingenOefenQuiz Kansrekening 2009
Universiteit Utrecht *Universiteit-Utrecht Boedapestlaan 6 Mathematisch Instituut 3584 CD Utrecht UitwerkingOefQuiz Kansreking 29 1. James Bond zoekt e brief in één van de drie ladkast in het voormalige
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 informatieWiskundige Analyse II
Hoofdstuk Wiskundige Analyse II Vraag. Het volume van een omwentelingslichaam beschreven door een homogeen, projecteerbaar gebied D dat de omwentelingsas niet snijdt, is gelijk aan het product van de baan
Nadere informatieInleiding 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 informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodellen en normaal verdeelde steekproefgrootheden 5. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg
Nadere informatieVoorbeeld 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 informatieVOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 4. Het steekproefgemiddelde. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Kansmodellen 4. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg . Een concreet voorbeeld.... Een kansmodel
Nadere informatieHet tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.
Hertentamen Inleiding Kansrekening WI64. 9 augustus, 9:-: Het tentamen heeft 5 onderdelen. Met ieder onderdeel kan maximaal punten verdiend worden. Het tentamen is open boek. Boeken, nota s en een (eventueel
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1/19
Stochastiek 2 Inleiding in de Mathematische Statistiek 1/19 Herhaling H.1 2/19 Mathematische Statistiek We beschouwen de beschikbare data als realisatie(s) van een stochastische grootheid X.(Vaak een vector
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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Eindtentamen Kansrekening en Statistiek (WS), Tussentoets Kansrekening en Statistiek (WS), Vrijdag 8 april, om 9:-:. Dit is een tentamen
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 informatieMETA-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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 2 Donderdag 15 September 1 / 42 1 Kansrekening Vandaag: Vragen Eigenschappen van kansen Oneindige discrete uitkomstenruimtes Continue uitkomstenruimtes Continue stochasten
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 informatieData 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 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 informatieToegepaste 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 informatiemodule 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 informatie1. De wereld van de kansmodellen.
STATISTIEK 3 DE GRAAD.. De wereld van de kansmodellen... Kansmodellen X kansmodel Discreet model Continu model Kansverdeling Vaas Staafdiagram Dichtheidsfunctie f(x) GraJiek van f Definitie: Een kansmodel
Nadere 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 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 informatieV.4 Eigenschappen van continue functies
V.4 Eigenschappen van continue functies We bestuderen een paar belangrijke stellingen over continue functies. Maxima en minima De stelling over continue functies die we in deze paragraaf bewijzen zegt
Nadere informatieSchrijf boven elk vel je naam, studentnummer en studierichting (W, N of I). Het is toegestaan een (grafische) rekenmachine te gebruiken.
Radboud Universiteit Nijmegen Heyendaalse weg 135 Faculteit FNWI 655 AJ Nijmegen Examen NWI-NBB Inleiding Kansrekening 1 januari 1 Schrijf boven elk vel je naam, studentnummer en studierichting W, N of
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 5. Dinsdag 25 September 2012
Statistiek voor A.I. College 5 Dinsdag 25 September 2012 1 / 34 2 Deductieve statistiek Kansrekening 2 / 34 Percentages 3 / 34 Vragen: blikkie Kinderen worden slanker als ze anderhalf jaar lang limonade
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 1/39 Een stochastisch proces (stochastic proces) X (t) bestaat
Nadere informatieTentamen Inleiding Kansrekening 11 augustus 2011, uur
Mathematisch Instituut Niels Bohrweg Universiteit Leiden 2 CA Leiden Delft Tentamen Inleiding Kansrekening augustus 20, 09.00 2.00 uur Bij dit examen is het gebruik van een evt. grafische) rekenmachine
Nadere informatieStatistiek voor A.I. College 4. Donderdag 20 September 2012
Statistiek voor A.I. College 4 Donderdag 20 September 2012 1 / 30 2 Deductieve statistiek Kansrekening 2 / 30 Cycle 3 / 30 Context 4 / 30 2 Deductieve statistiek Vandaag: Eigenschappen kansen Oneindige
Nadere informatie