Constructie van schatters bij het lokaliseren van QTL s
|
|
- Willem van der Zee
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 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, Wiskude e Iformatica Uiversiteit va Amsterdam
2 Samevattig I de geetica worde QTL s gelokaliseerd door te oderzoeke of ze dichtbij markergee ligge. Om hier ee uitspraak over te kue doe, wordt gezocht aar ee verbad tusse geetische overeekomst op het markerge e overeekomst i feotypes. De overeekomst i feotypes ka worde gemete met ee correlatiecoëfficiët gegeve door ρx = ρ + γx 1, waarbij x {0, 1, 2} de mate va overeekomst op het markerge geeft. Als de waarde va γ ogelijk is aa 0, heeft de geetische overeekomst ivloed op de afhakelijkheid tusse feotypes. I deze bachelorscriptie geve we ee costructie voor efficiëte schatters va ρ e γ, die gebaseerd zij op alle waaremige. Gegeves Titel: Costructie va schatters bij het lokalisere va QTL s Auteur: Suzae Siekers, Suzae.Siekers@studet.uva.l, Begeleider: prof.dr. C.A.J. Klaasse Tweede beoordelaar: dr. A.J. va Es Eiddatum: 29 jui 2009 Korteweg-de Vries Istituut voor Wiskude Uiversiteit va Amsterdam Sciece Park 904, 1098 XH Amsterdam
3 Ihoudsopgave Ileidig 3 1 Model 6 2 Kleiste kwadrate schatters 8 3 Odergreze 12 4 Efficiëte schatters 18 Populaire samevattig 22 Bibliografie 24 2
4 Ileidig: QTL e IBD Ee locus voor ee kwatitatief kemerk, i het Egels quatitative trait locus QTL, is ee plaats op het chromosoom waar ee ge is gelege dat ivloed heeft op de feotypische variatie i ee kemerk dat cotiu varieert, zoals legte of gewicht. Om te kue bepale waar op het chromosoom zich ee specifieke QTL bevidt, wordt gebruik gemaakt va zogeaamde markergee. Dit zij gee waarva we de precieze plek op het chromosoom kee. I dit geval gaat het om markergee waarva de verschillede geotypes kue worde herked aa ee zichtbaar feotype dat iet ka worde verward met het kwatitatieve kemerk. Os doel is oderzoeke of ee QTL dichtbij ee gegeve markerge ligt. Als dit het geval is, zulle bij crossig-overs markerge e QTL iet sel va elkaar gescheide worde. Dit heeft tot gevolg dat verschillede markergeotypes e QTL s same worde overgeërfd e dus zulle de verschillede markergeotypes samegaa met verschillede gemiddelde kwatitatieve kemerke. Als ee markerge echter iets te make heeft met de QTL s die ivloed hebbe op de betreffede eigeschap, zal elk geotype dezelfde gemiddelde waarde va het kwatitieve kemerk vertoe. Stel u dat we beschikke over data over twee-eiige tweelige. We wille graag ee verbad vide tusse mate va overeekomst i markergeotype e overeekomst i het kwatitatieve kemerk dat wordt beïvloed door de QTL waarva we vermoede dat hij dichtbij het markerge ligt. De mate va overeekomst op ee ge mete we met de IBD-status, waarbij de letters IBD staa voor idetity by descet. Twee gee worde idetical by descet geoemd als ze allebei ee kopie zij va hetzelfde ouderlijke ge. De IBD-status eemt waarde aa i {0, 1, 2} e ka allee worde bepaald als de geotypes va beide ouders e broertjes e/of zusjes beked zij e als de ouders same over vier verschillede allele beschikke. We kee de waarde 0, 1 of 2 toe waeer 0, 1 of 2 gee respectievelijk ee kopie zij va hetzelfde ouderlijke ge. I figuur 1 wordt duidelijk hoe de IBD-status wordt bepaald. 3
5 a/b c/d a/b c/d a/b c/d a/c b/d a/c a/d a/c a/c IBD = 0 25% IBD = 1 50% Figuur 1: IBD-status i drie gevalle IBD = 2 25% Stel dat de ouders same over vier verschillede allele beschikke. worde de kase op de verschillede IBD scores gegeve door Da P IBD = 0 = = 1 4, 1 P IBD = 1 = = 1 2 2, 2 P IBD = 2 = = De IBD-status va ee tweelig is ee stochast die we aageve met X i, waarbij i {1,..., }. Voor dezelfde tweelig geve we de waarde va het kwatitatieve kemerk aa met Y i = Y i1, Y i2. De iformatie over ee X tweelig vatte we same i éé vector = T X, Y Y 1, Y 2, zodat we stochastische vectore,..., X1 X krijge. Y 1 Y We wille graag mete hoe sterk de stochaste Y i1 e Y i2 va elkaar afhakelijk zij. I eerste istatie eme we aa dat de voorwaardelijke verdelig va Y i gegeve X i = x gelijk is aa de bivariaat ormale verdelig met gemiddelde 0 e variatie 1 e ee correlatiecoëfficiët gelijk aa ρx = ρ + γx 1, x {0, 1, 2}. 4 We zij geïteresseerd i de waarde va ρ e γ. Als γ 0 is, beïvloedt de IBD-status de correlatie. 4
6 I de komede hoofdstukke oderzoeke we hoe we ρ e γ het beste kue schatte. Omdat de tweelige uit ee willekeurige steekproef afkomstig zij, moge we aaeme dat ze oderlig oafhakelijk e idetiek verdeeld zij. We zulle bij het schatte va ρ e γ da ook altijd aaeme X1 X dat de waaremige,..., oderlig oafhakelijk e idetiek verdeeld zij. Y 1 Y 5
7 Hoofdstuk 1 Model Os doel is om ρ e γ optimaal te schatte. I dit hoofdstuk oderzoeke we of er meest aaemelijke schatters bestaa. Als ee meest aaemelijke schatter bestaat, da geldt oder regulariteitsvoorwaarde dat deze efficiët is. Defiitie 1.1. Laat θ R zij e I 1 θ de Cramér-Rao odergres voor ee schatter va θ. We oeme ee schatter ˆθ va θ asymptotisch efficiët als voor alle θ R e elke rij θ N met θ = θ + O 1/2 geldt D ˆθ θ N 0, I 1 θ oder P θ. Ee efficiëte schatter haalt dus asymptotisch de Cramér-Rao odergres. We probere eerst expliciete uitdrukkige voor de meest aaemelijke schatters te bepale. Stel dat de waaremige gegeve hu IBD-status bivariaat stadaardormaal verdeeld zij met correlatiecoëfficiët gelijk aa ρx = ρ + γx 1, waarbij x {0, 1, 2}. De dichtheid va Y gegeve X = x is da gelijk aa φ x y 1, y 2 = 1 2π 1 ρx 2 exp De scorefucties worde gegeve door l ρ X, Y 1, Y 2 ; ρ, γ = ρ log φ X, Y 1, Y 2 ; ρ, γ { 1 2 } 1 ρx 2 y1 2 2ρxy 1 y 2 + y = ρ + γx 1 1 ρ + γx Y 1 + Y ρ + γx 1 2 Y 1 Y ρ + γx
8 e l γ X, Y 1, Y 2 ; ρ, γ = γ log φ X, Y 1, Y 2 ; ρ, γ { ρ + γx 1 = X 1 1 ρ + γx Y 1 + Y ρ + γx 1 2 Y 1 Y ρ + γx } De meest aaemelijke schatters va ρ e γ kue we bepale door het stelsel l ρ X i, Y i1, Y i2 ; ρ, γ = 0 l 1.4 γ X i, Y i1, Y i2 ; ρ, γ = 0. op te losse, maar aalytisch kue we dat iet. Er zij wel umerieke methode om de meest aaemelijke schatters te berekee zodra we de realisaties va de X i e de Y i hebbe igevuld. We kue ook de eerste vergelijkig vereevoudige door allee de waaremige te beschouwe waarvoor geldt X i = 1 e zo ee schatter voor ρ bepale. Stel dit is het geval voor 1 waaremige die we Z 1,..., Z 1 oeme, da reduceert os probleem tot het oplosse va 1 wat eerkomt op het oplosse va ρ 1 ρ 2 + Z i 1 + Z i ρ 2 Z i 1 Z i ρ 2 = 0, ρ 3 + ρ 2 Z i1 Z i2 + ρ 1 Zi 2 1 Zi Z i1 Z i2 = Mathematica geeft drie oplossige, waarva éé reëel. Deze methode geeft gee optimale schatter. De schatter voor ρ is weliswaar efficiët bie de groep waaremige met IBD-status gelijk aa 1, maar dezelfde schatter is iet meer optimaal als we alle tweelige beschouwe. Bovedie hebbe we op deze maier og steeds gee schatter voor γ. Dit geeft aaleidig om i de komede hoofdstukke adere schatters te costruere, die wel gebaseerd zij op alle waaremige. 7
9 Hoofdstuk 2 Kleiste kwadrate schatters I dit hoofdstuk bepale we schatters voor ρ e γ door eerst de waaremige i drie groepe te verdele: ee groep bestaade uit N 0 waaremige waarvoor geldt X i = 0, ee groep met N 1 waaremige met X i = 1 e ee groep bestaade uit N 2 waaremige waarvoor geldt X i = 2. Hierbij zij N 0, N 1 e N 2 stochastische variabele. De correlatiecoëffiëte va de waaremige bie deze groepe zij da gelijk aa ρ0, ρ1 e ρ2 respectievelijk. We zulle schatters voor deze correlatiecoëffiëte e hu variaties gebruike om met de gewoge kleiste-kwadratemethode schatters voor ρ e γ te bepale. Beschouw gegeve N 0 = 0 de waaremige met IBD-status gelijk aa 0. Noem deze waaremige Z 1,0,..., Z 0,0, met Z i,0 = Z i1,0, Z i2,0. We eme eerst aa dat Z 1,0,..., Z 0,0 stochastisch oafhakelijke e idetiek verdeelde stochastische groothede zij met ee bivariaat ormale verdelig met verwachtig 0 e variatie 1, 0 1 ρ0 Z i,0 N,. 0 ρ0 1 We kue ρ0 schatte met ˆρ 0 0 := Z i 1,0Z i2,0, wat volges de Wet va de Grote Aatalle geldt Z i1,0z i2,0 EZ i1,0z i2,0 e ρ0 = covz i1,0, Z i2,0 = EZ i1,0z i2,0 EZ i1,0ez i2,0 = EZ i1,0z i2,0. Stellig 2.1. Als de steekproefomvag 0 aar oeidig gaat, gedraagt ˆρ 0 0 zich bij beaderig als ee ormaal verdeelde stochastische grootheid met gemiddelde ρ0 e variatie ρ
10 Bewijs. Als Φ de stadaard ormale verdeligsfuctie aageeft, da geldt volges de Cetrale Limietstellig lim P 1 0 Z i1,0z i2,0 ρ0 x = Φx, x R. 0 0 Var Zi1,0Z i2,0 We zie dus 0 ˆρ0 0 ρ0 D N 0, VarZ i1,0z i2,0. We bepale VarZ i1,0z i2,0. Beschouw hiertoe de stochastische variabele V := ρ0u + 1 ρ 2 0 W, met U e W twee stochastisch oafhakelijke idetiek N 0, 1 verdeelde variabele. Ook V is stadaard ormaal verdeeld. Bovedie is de covariatie va U e V gelijk aa covu, V = EUV = E ρ0u ρ 2 0 UW = ρ0, zodat U ρ0u + N 1 ρ 2 0 W 0, 0 1 ρ0. ρ0 1 Hieruit volgt dat Var Z i1,0z i2,0 = [ Var U ρ0u + 1 ρ2 0 W ] Om dit te berekee gebruike we EU 2 = VarU = 1 = E ρ0u ρ 2 0 UW E ρ0u ρ 2 0 UW 2. EU 4 is gelijk aa de vierde afgeleide va de Laplace getrasformeerde va U geëvalueerd i het put 0; dit geeft EU 4 = 3. Aagezie U e W oafhakelijk e idetiek verdeeld zij, vide we E ρ0u ρ 2 0 UW 2 = ρ 2 0EU 4 + 2ρ0 1 ρ 2 0 EU 3 EW + 1 ρ 2 0 EU 2 EW 2 = 3ρ ρ 2 0 = 2ρ
11 e E ρ0u ρ 2 0 UW 2 = ρ0eu ρ 2 0 EUEW 2 = ρ Dit geeft Var Z i1,0, Z i2,0 = ρ , zodat 0 ˆρ0 0 ρ0 D N 0, ρ Voor grote waarde va 0 is 0 ˆρ0 0 ρ0 bij beaderig gelijk aa 1 + ρ2 0 U e dus is ˆρ 0 0 voor grote waarde va 0 bij beaderig gelijk aa ρ0+ 1/ ρ2 0 U, met U ee stadaard ormaal verdeelde variabele. Hieruit volgt dat voor 0 aar oeidig ˆρ 0 0 zich bij beaderig als ee ormaal verdeelde stochastische grootheid met gemiddelde ρ0 e variatie ρ 2 0 gedraagt. Gegeve N 1 = 1 e N 2 = 2 kue we precies hetzelfde doe voor de groep bestaade uit 1 waaremige met X i = 1 e de groep bestaade uit 2 waaremige met X i = 2. Noem de waaremige bie deze groepe Z 1,1,..., Z 1,1 e Z 1,2,..., Z 2,2. We eme weer aa dat de waaremige stochastisch oafhakelijke e idetiek verdeelde stochastische groothede zij met Z i,1 N 0, 0 1 ρ1 ρ1 1 e 0 1 ρ2 Z i,2 N,. 0 ρ2 1 Correlatiecoëfficiët ρ1 ka geschat worde met ˆρ 1 1 := Z i 1,1Z i2,1 e ρ2 met ˆρ 2 2 := Z i 1,2Z i2,2. Aaloog aa de situatie waari de IBD-status gelijk was aa ul, gedrage ˆρ 1 1 e ˆρ 2 2 zich als stochaste met ee N ρ1, ρ 2 1 e ee N ρ2, ρ 2 2 verdelig respectievelijk als de steekproefomvag aar oeidig gaat. Met de kleiste-kwadratemethode kue we u ee schatter ˆρ voor ρ e ee schatter ˆγ voor γ afleide. Hierbij moete we rekeig houde met het feit dat als éé va de realisaties ˆρ 0 0, ˆρ 1 1, ˆρ 2 2 va ˆρ x ee grote variatie heeft, zij mider moet wege omdat deze metig mider betrouwbaar is. Dit kue we bereike door i plaats va de som ˆρ0 0 ρ + γ 2 + ˆρ1 1 ρ 2 + ˆρ2 2 ρ γ 2,
12 de uitdrukkig w 0 ˆρ0 0 ρ + γ 2 + w1 ˆρ1 1 ρ 2 + w2 ˆρ2 2 ρ γ te miimalisere. Hierbij zij de w x gewichte, met w x = Var ˆρ x x 1 voor x {0, 1, 2}. Door 2.5 aar ρ te differetiëre e gelijk te stelle aa ul, vide we ee uitdrukkig voor ρ die va γ afhakelijk is. Dezelfde vergelijkig differetiëre aar γ levert ee uitdrukkig voor γ die va ρ afhakelijk is. Dit stelsel va twee vergelijkige i twee obekede oplosse geeft da e ˆρ = 2w 0w 2 ˆρ0 0 + ˆρ w 1 w 0 + w 2 ˆρ 1 1 w 1 w 2 + w 0 w 1 + 4w ˆγ = w 1 w 0 w 2 ˆρ w 0 + w 1 w 2 ˆρ 2 2 w 0 w 1 + 2w 2 ˆρ 0 0 w 1 w 2 + w 0 w 1 + 4w De gewichte i deze uitdrukkige zij iet beked e moete daarom op hu beurt geschat worde. Dit doe we door w x = x ρ 2 x te schatte met x ˆρ 2 x x voor x {0, 1, 2}. Opmerkig. De schatters ˆρ 0 0, ˆρ 1 1, ˆρ 2 2 zij iet efficiët 1. I het geval va waaremige zou voor ee efficiëte schatter ˆθ x va ρx amelijk gelde x ˆθx ρx D N 0, I 1 ρx. Hierbij is I 1 ρx gelijk aa de Cramér-Rao odergres voor de variatie va de schatter ˆθ x. Deze is gelijk aa 1 ρ 2 x 2 / 1 + ρ 2 x, wat kleier is da oze 1 + ρ 2 x zie Bickel, Klaasse, Ritov e Weller 1993, pagia 38. I Hoofdstuk 3 vervage we ˆρ 0 0, ˆρ 1 1 e ˆρ 2 2 door optimale schatters. Vervolges gaa we a of de schatters voor ρ e γ die we zo verkrijge de Cramér-Rao odergres hale. 1 Zie Defiitie
13 Hoofdstuk 3 Odergreze I het vorige hoofdstuk vode we door middel va gewoge regressie ee schatter ˆρ voor ρ e ee schatter ˆγ voor γ afhakelijk va de schatters ˆρ 0 0, ˆρ 1 1, e ˆρ 2 2. Hierbij ame we aa dat de waaremige variatie gelijk aa 1 hadde. Vaaf u gaa we er vauit dat deze variaties obeked zij, maar wel gelijk voor alle waaremige: 0 σ 2 ρxσ Y i X i = x N, 2 0 ρxσ 2 σ 2 waarbij x {0, 1, 2} gelijk is aa de IBD-status va de waaremig. Verder vervage we de origiele drie schatters door de optimale schatters ρ x x = 1 x x Z i 1,xZ i2,x 1 x x Z2 i 1,x 1 x x Z2 i 2,x, x {0, 1, 2}, 3.1 welke de odergres 1 ρ 2 x 2 hale, zie Klaasse e Weller 1997, pagia 60. I dit geval geldt dus x ρx x ρx Oze kleiste kwadrate schatters worde e D N 0, 1 ρ 2 x 2. ρ = 2w 0w 2 ρ0 0 + ρ w 1 w 0 + w 2 ρ 1 1, 3.2 w 1 w 2 + w 0 w 1 + 4w 2 γ = w 1 w 0 w 2 ρ w 0 + w 1 w 2 ρ 2 2 w 0 w 1 + 2w 2 ρ 0 0 w 1 w 2 + w 0 w 1 + 4w
14 met gewichte gegeve door w x = Var ρ x x 1. I het vervolg va dit hoofdstuk zal blijke dat beide schatters 3.2 e 3.3 iet de Cramér-Rao odergres hale. Ze blijke echter wel -cosistet 1 te zij. Dakzij deze eigeschap kue we de Newto-Raphso methode toepasse om schatters te costruere die wel efficiët zij. We zulle u eerst de Cramér-Rao odergreze voor de variatie va ee schatter voor ρ e de variatie va ee schatter voor γ berekee e daara de variaties va ρ e γ hiermee vergelijke. Om de Cramér-Rao odergreze te bepale, moet eerst de Fisher iformatie matrix bereked worde. Omdat we aaeme dat alle variaties gelijk zij, is dit ee matrix. De scorefucties berekee we door partiële afgeleide aar ρ, γ e σ 2 te eme va de simultae dichtheid va de waaremige. Noem de vector die bestaat uit deze waaremige Z. Laat φ x de margiale dichtheid zij va éé waaremig Y i gecoditioeerd op de IBD-status; da is deze gelijk aa { 1 φ x y 1, y 2 = 2π 1 ρx 2 σ exp } 1 ρx 2 y 2 σ 2 1 2ρxy 1 y 2 + y Omdat we aaeme dat de waaremige oderlig oafhakelijk zij, kue we de scorefuctie va ρ vervolges berekee met { l ρ Z; ρ, γ, σ 2 = N0 } ρ log N 1 N 2 φ 0 Z i,0 φ 1 Z j,1 φ 2 Z k, De scorefucties va γ e σ 2 worde verkrege door te differetiëre aar γ e σ 2 respectievelijk. De Fisher iformatie matrix is gelijk aa de verwachtig va de matrix lρ, l γ, l T σ 2 lρ, l γ, l σ 2. De etries va deze matrix zij afhakelijk va de waarde va N 0, N 1 e N 2. We wille dus graag iets zegge over de verdelig va de waaremige over de drie verschillede groepe. Hiertoe schrijve we N x = 1 [X i =x]. Met de kase op de verschillede IBD scores die we i de ileidig bereked hebbe, zie we i dat E1 [Xi =0] = 1/4, E1 [Xi =1] = 1/2 e E1 [Xi =2] = 1/4. De Wet va de Grote Aatalle geeft da 1 Zie Defiitie 3.2 N 0 P 1 4, N 1 j=1 P 1 2, N 2 k=1 P
15 Laat u I 0, I 1 e I 2 de iformatie matrices va de drie afzoderlijke groepe zij e beschouw de gemiddelde iformatie over alle waaremige. Dit is ee stochast 1 N 0 I 0 + N 1 I 1 + N 2 I 2 e uit 3.6 volgt N 0 I 0 + N 1 I 1 + N 2 I 2 P I I I We zie dat gemiddelde iformatie over alle waaremige covergeert aar de Fisher iformatie matrix va alle waaremige. We kue da de iverse va de Fisher iformatie matrix berekee e op de diagoaal va de zo verkrege matrix de odergreze voor de variaties va ρ e γ afleze. Deze berekeig uitvoere, geeft I 1 ρ = 2ρ2 1 2[ γ 6 3γ ρ 4 6ρ 2 + 2ρ ρ ] [ γ 6 + γ 4 + γ γ 2 4ρ 2 + 4ρ 6 4ρ ] 3.8 e I 1 γ = 2[γ8 ρ γ 6 3ρ γ 4 3ρ ρ ρ ] [ γ 6 + γ 4 + γ γ 2 4ρ 2 + 4ρ 6 4ρ ] + 4γ 2 ρ ρ ρ [ ]. 3.9 γ 6 + γ 4 + γ γ 2 4ρ 2 + 4ρ 6 4ρ Late we u de variaties va ρ e γ berekee. Omdat de schatter ρ ee lieaire combiatie va de optimale schatters is, zal de verdelig va ρ ρ covergere aar ee ormale verdelig met verwachtig gelijk aa ul e variatie gelijk aa 4λ 2 1 ρ γ µ 2 1 ρ ν 2 1 ρ + γ 2 2. Hierbij worde λ, µ e ν bepaald door de coëfficiëte λ, µ e ν va ρ 0 0, ρ 1 1 e ρ 2 2 i uitdrukkig 3.2. We vide: Merk op dat λ + µ + ν = 1. 2 Var ρ 1 1 λ = Var ρ Var ρ Var ρ Var ρ Var ρ 2 2 µ = Var ρ Var ρ Var ρ ν = λ Stellig 3.1. Er geldt ρ ρ D N 0, τ 2, 14
16 waarbij τ 2 := 2ρ2 1 2[ γ 4 + γ 2 6ρ ρ 2 1 2] γ 4 + γ 2 6ρ ρ Bewijs. We kue schrijve ρ ρ = λ ρn0 0 ρ γ + µ ρn1 1 ρ + ν ρn2 2 ρ + γ 3.13 = /N 0 λ N0 ρn0 0 ρ γ + /N 1 µ N1 ρn1 1 ρ + /N 2 ν N2 ρn2 2 ρ + γ. Er geldt bovedie voor elke rij j x j N met j x j x ρ j x ρx D N 0, 1 ρ 2 x 2. x Hieruit volgt dat ook Nx ρnx x ρx Verder volgt met 3.6 λ λ := µ µ := ν ν := D N 0, 1 ρ 2 x ρ ρ γ ρ + γ ρ ρ + γ ρ γ ρ γ ρ + γ ρ ρ ρ γ ρ + γ ρ Late u U, V, W N 0, 1 stochastisch oafhakelijk zij, da geve 3.14, 3.6 e de stellig va Slutsky L := /N 0 λ N0 ρn0 0 ρ γ D L := 4λ 1 ρ γ 2 U e M := /N 1 µ N1 ρn1 1 ρ N := /N 2 ν N2 ρn2 2 ρ+γ D M := 2µ 1 ρ 2 V D N := 4ν 1 ρ + γ 2 W. We late u zie dat de karakteristieke fuctie va L + M + N covergeert aar de karakteristieke fuctie va L + M + N. Omdat L, M e N stochastisch oafhakelijk zij, geldt ϕ L+M +N t := E e itl+m+n = E e itl E e itm E e itn
17 e dus ϕ L+M +N t E e itl E e itm E e itn = E e itl+m+n = ϕ L+M+N t. Aagezie ρ ρ = L + M + N, volgt hieruit D ρ ρ N 0, 4λ 2 1 ρ γ µ 2 1 ρ ν 2 1 ρ+γ 2 2. Als we de waarde va λ, µ e ν ivulle, zie we ρ ρ D N 0, τ 2. Uit deze stellig volgt dat voor ee grote steekproefomvag de variatie va ρ bij beaderig gelijk zal zij aa 2ρ 2 1 2[ γ 4 + γ 2 6ρ ρ 2 1 2] [γ 4 + γ 2 6ρ ρ ] Ook γ is ee lieaire combiatie va de optimale schatters. De coëfficiëte λ, µ e ν va ρ 0 0, ρ 1 1 e ρ 2 2 i uitdrukkig 3.3 worde gegeve door λ 2 Var ρ Var ρ 2 2 = Var ρ Var ρ Var ρ µ Var ρ Var ρ 2 2 = Var ρ Var ρ Var ρ ν Var ρ Var ρ 1 1 = Var ρ Var ρ Var ρ I dit geval hebbe we λ + µ + ν = 0. Precies dezelfde redeerig als hierbove toepasse voor γ i plaats va ρ levert da dat voor grote steekproefomvag de variatie va γ bij beaderig gelijk zal zij aa 2 [ γ 8 4γ 6 ρ γ 4 7ρ 4 + 2ρ γ 2 ρ 2 3ρ ρ 2 1 4]. [γ 4 + γ 2 6ρ ρ ] 3.23 I Figuur 3.1 zie we dat de variaties va ρ e γ groter zij da de bijbehorede Cramér-Rao odergreze, dus deze schatters zij iet optimaal. Omdat ρx 1 zij we geïteresseerd i het gebied waar ρ + γ 1. We zie dat de variaties va de schatters dichtbij de odergres ligge op het grootste deel va dit gebied, maar dat het dichtbij de rade misgaat. Beide schatters zij echter wel -cosistet. 16
18 Figuur 3.1: Variatie gedeeld door odergres voor ρ liks e γ Defiitie 3.2. Laat θ R. Ee schatter θ va θ oeme we -cosistet i het put θ als er voor alle ε > 0 ee M N bestaat zodat Aagezie volges Stellig 3.1 lim sup P θ θ θ > M < ε. ρ ρ D N 0, τ 2, geldt voor alle M N P ρ ρ > M P τ U > M [ = 2 1 Φ M ]. τ Hierbij geeft U weer ee stadaard ormaal verdeelde stochast aa e Φ de stadaardormale verdeligsfuctie. Voor grote M kue we de rechterkat va -cosistet het gelijkteke dus willekeurig klei krijge. Hiermee zie we i dat ρ is e op dezelfde maier kue we dit izie voor γ. I het volgede hoofdstuk zal duidelijk worde dat het mogelijk is om efficiëte schatters voor ρ e γ te costruere met behulp va deze -cosistete schatters. 17
19 Hoofdstuk 4 Efficiëte schatters We zulle u efficiëte schatters voor ρ e γ costruere door éé iteratie va de Newto-Raphso methode toe te passe op de -cosistete schatters ρ e γ. We vatte de waaremige weer op als oderlig oafhakelijk e idetiek verdeelde stochastische vectore X1 Y 1,..., X Met de Newto-Raphso methode wordt het ulput va de fuctie θ 1 l X i, Y i1, Y i2 ; θ 4.1 beaderd. I dit geval is θ = ρ, γ, σ 2 ee 3-dimesioale vector, zodat bovestaade fuctie ee vectorveld op R 3 is. We passe de Newto-Raphso methode toe op θ = ρ, γ, σ. 2 Als schatter σ 2 va σ 2 eme we de meest aaemelijke schatter. Deze verkrijge door de vergelijkig [ 0 = N0 ] σ log N 1 N 2 φ 2 0 Z i,0 φ 1 Z j,1 φ 2 Z k,2 j=1 k=1 Y. N 0 [ = σ 2 + Z2 i 1,0 + Z 2 ] i 2,0 2ρ γz i1,0z i2,0 2 1 ρ γ 2 N 1 [ + σ 2 + Z2 j 1,1 + Z 2 ] j 2,1 2ρZ j1,1z j2,1 2 1 ρ 2 j=1 N 2 [ + σ 2 + Z2 k 1,2 + Z2 k 2,2 2ρ + γz ] k 1,2Z k2,2 2 1 ρ + γ 2 k=1 4.2 op te losse. Aagezie ρ e γ iet va σ 2 afhage, kue we deze schatters i 4.2 ivulle voor ρ e γ om ee expliciete uitdrukkig voor σ 2 18
20 te krijge. Eé iteratie va de Newto-Raphso methode toepasse geeft da de waarde θ 1 l X i, Y i1, Y i2 ; θ [ 1 l Xi, Y i1, Y i2 ; θ ] 1. Omdat θ θ é aagezie met de Wet va de Grote Aatalle volgt 1 l Xi, Y i1, Y i2 ; θ Eθ [ l X1, Y 11, Y 12 ; θ ] = Iθ, ligt het voor de had om ee schatter θ := θ + 1 I 1 θ l X i, Y i1, Y i2 ; θ 4.3 te defiiëre. Deze schatter is da ee 3-dimesioale vector met als coördiate schatters voor ρ, γ e σ 2 respectievelijk. Defiitie 4.1. Laat X ee stochast met waarde i ee meetbare ruimte X, A e P = {P θ : θ Θ}, Θ R k, ee regulier parametrisch model. De efficiëte ivloedsfuctie l ; θ is gedefiieerd als l x; θ = l x; P θ θ, P = I 1 θ l x; θ, x X. We kue dus ook schrijve θ := θ + 1 l X i, Y i1, Y i2 ; θ. 4.4 De efficiëte schatters voor ρ e γ die we gaa costruere zulle lijke op de eerste twee coördiate va de zojuist gedefiieerde schatter θ. Om efficiëte schatters te verkrijge, verdele we de waaremige echter eerst i twee groepe. Dit resulteert i lokaal efficiëte schatters. Defiitie 4.2. Laat P = {P θ : θ Θ}, Θ R k, ee regulier parametrisch model e zij ε > 0. Ee schatter ˆθ = t X 1,..., X va θ met t : X R k meetbaar heet lokaal efficiët als voor alle θ R k e elke rij θ N met θ = θ + O 1/2 geldt lim P θ ˆθ {θ l X i ; θ } > ε = 0.
21 Als ee schatter lokaal efficiët is, da is hij ook efficiët. Dit ka me izie door de costate rij θ N te beschouwe e op te merke E θ [ l X 1 ; θ] = 0 e Var θ [ l X 1 ; θ] = Iθ. De volgede stellig geeft os ee costructie voor lokaal efficiëte schatters. Eerst merke we og op dat ρ e γ lokaal -cosistet zij. Defiitie 4.3. Laat P = {P θ : θ Θ}, Θ R k, ee regulier parametrisch model. Ee schatter θ va θ heet lokaal -cosistet als voor alle θ R k e elke rij θ N met θ = θ + O 1/2 geldt lim M lim sup P θ θ θ > M = 0. Me ka late zie dat als ee schatter -cosistet is, deze ook lokaal -cosistet is. Dit voert echter te ver voor deze bachelorscriptie. Uit het feit dat ρ e γ -cosistet zij, volgt da dat deze schatters ook lokaal -cosistet zij. Stellig 4.4. Laat P = {P θ : θ Θ} ee regulier parametrisch model e θ = t X 1,..., X ee lokaal -cosistete schatter va θ. Defiieer voor λ N Als da is de schatter θ = λ θ 1 = t λ X 1,..., X λ e θ 2 = t λ X λ+1,..., X. θ lokaal efficiët. λ lx i ; θ 2 λ / λ 0, 1, + λ θ λ i=λ +1 lx i ; θ Bewijs. Voor ee bewijs verwijze we aar Klaasse e Va Es 2006, pagia 47. Met deze stellig zie we dat ρ := λ + λ ρ λ l X i, Y i1, Y i2 ; ρ 2 ρ λ i=λ +1 l X i, Y i1, Y i2 ; ρ
22 ee efficiëte schatter is va ρ. Op dezelfde maier kue we ook ee efficiëte schatter γ voor γ costruere. Hiermee hebbe we optimale schatters voor γ e ρ gevode, die bovedie de iformatie uit alle waaremige gebruike. 21
23 Populaire samevattig Als gee dicht bij elkaar op ee chromosoom ligge, zulle ze vaak same worde overgeërfd. I de geetica wordt dit gebruikt om te oderzoeke wat de locatie va bepaalde gee op het chromosoom is. Zo locatie oeme we ee ge locus. Ee QTL is ee speciaal soort locus. Het ge dat zich op ee QTL bevidt, codeert voor ee eigeschap die cotiu varieert. Voorbeelde va zulke eigeschappe zij legte e gewicht. Stel we wille wete waar op het chromosoom ee gegeve QTL zich bevidt, da kue we gebruik make va markergee. Dit zij gee waarva we de locatie al kee. Bovedie kue we de geotypes va deze gee duidelijk herkee aa ee zichtbaar feotype e is er gee verwarrig mogelijk met het kwatitatieve kemerk waari we geïteresseerd zij. Als de QTL e ee markerge dicht bij elkaar op het chromosoom ligge, worde ze eerder same overgeërfd da waeer ze ver uit elkaar ligge. Als ze ver uit elkaar ligge zulle ze amelijk gemakkelijker worde gescheide door crossig-overs. We wille dit toepasse op data betreffede twee-eiige tweelige waarva we de IBD-status op ee markerge kee e ook de waarde va het kwatitatieve kemerk. De IBD-status va ee tweelig is ee stochast X die waarde 0, 1 of 2 aaeemt e aageeft hoe groot de overeekomst op het markerge is. IBD-status 0 beteket gee geetische overeekomst, IBD-status 2 beteket maximale geetische overeekomst e IBD-status 1 zit hier tussei. Er geldt P X = 0 = P X = 2 = 1/4 e P X = 1 = 1/2. De waarde va het kwatitatieve kemerk worde weergegeve met ee stochastische vector Y = Y 1, Y 2. Os doel is oderzoeke of ee grote geetische overeekomst samehagt met sterke afhakelijkheid tusse de waarde Y 1 e Y 2 va het kwatitatieve kemerk. I dat geval is het waarschijlijk dat de QTL waari we geïteresseerd zij dichtbij het markerge ligt. De mate va afhakelijkheid tusse Y 1 e Y 2 kue we mete met de cor- 22
24 relatiecoëfficiët ρx = ρ + γx 1, x {0, 1, 2}. Dit is ee getal tusse 1 e 1. Waarde 1 e 1 geve aa dat Y 1 e Y 2 sterk lieair afhakelijk zij e waarde 0 geeft aa dat ze iet lieair afhakelijk zij. I deze bachelorscriptie costruere we schatters voor ρ e γ. Het is vooral iteressat om iets te zegge over de waarde va γ, wat als deze ogelijk is aa ul kue we cocludere dat de geetische overeekomst ivloed heeft op de mate va afhakelijkheid tusse Y 1 e Y 2. De iformatie over de tweelige vatte we same i stochastische vectore X1 X,...,. Bij het schatte va ρ e γ doe we twee aaames: Y 1 Y 1 Y X1,..., X1,..., Y 1 X Y X Y zij stochastisch oafhakelijk; zij idetiek verdeeld met Y i X i = x N 0 1 ρx,. 0 ρx 1 We zoeke efficiëte schatters, wat ee efficiëte schatter haalt asymptotisch de Cramér-Rao odergres. Dat wil zegge dat als de steekproefomvag aar oeidig gaat, ee efficiëte schatter miimale variatie heeft. Ee meest aaemelijke schatter is efficiët e daarom probere we i het tweede hoofdstuk om meest aaemelijke schatters voor ρ e γ te bepale. Hiertoe moet ee stelsel va twee vergelijkige worde opgelost, maar aalytisch kue we dat iet. Daarom costruere we ook og schatters voor ρ e γ met behulp va de kleiste-kwadratemethode. Om schatters te costruere met behulp va de kleiste-kwadratemethode dele we de groep va tweelige eerst op i drie kleiere groepe door de tweelige te sortere op hu IBD-status. Zo krijge we ee groep waaremige met IBD-status gelijk aa 0, ee groep met IBD-status gelijk aa 1 e ee groep met IBD-status 2. Voor deze groepe zij er optimale schatters die de correlatiecoëfficiëte ρ0, ρ1 e ρ2 respectievelijk schatte. De gewoge kleiste-kwadratemethode geeft schatters ρ e γ voor ρ e γ die beide ee lieaire combiatie zij va deze drie optimale schatters. Omdat ρ e γ og steeds iet efficiët zij, passe we i het laatste hoofdstuk ee stellig toe die deze schatters gebruikt om alsog optimale schatters te verkrijge. 23
25 Bibliografie [1] Chris A.J. Klaasse ad Bert va Es, Semiparametric Statistics Lecture Notes, Korteweg-de Vries Istitute for Mathematics, Uiversity of Amsterdam, [2] Bert va Es, Chris Klaasse e Misja Nuyes, Stochastiek, Korteweg-de Vries Istituut voor Wiskude, Uiversiteit va Amsterdam, [3] Peter J. Bickel, Chris A. J. Klaasse, Ya acov Ritov ad Jo A. Weller, Efficiet ad Adaptive Estimatio for Semiparametric Models, The Johs Hopkis Uiversity Press, [4] B Basrak, C A J Klaasse, M Beekma, N G Marti ad D I Boomsma, Copulas i QTL Mappig, Behavior Geetics, 34, 2004, [5] C A J Klaasse ad J A Weller, Efficiet estimatio i the bivariate ormal copula model: ormal margis are least favourable, Beroulli, 3, 1997, [6] Athoy J. F. Griffiths, Susa R. Wessler, Richard C. Lewoti, William M. Gelbart, David T. Suzuki ad Jeffrey H. Miller, Itroductio to geetic aalysis, 8th editio, W. H. Freema ad Compay, [7] lectures/probibd-lecture.pdf 24
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 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 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 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 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 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 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 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 informatie1. Symmetrische Functies
Algebra III 1 1. Symmetrische Fucties permutatios sot la metaphysique des équatios Lagrage*, 1771 I dit hoofdstuk bestudere we de ivariate va de werkig va de symmetrische groep S op polyoomrige i variabele.
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 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 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 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 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 informatiePeriodiciteit bij breuken
Periodiciteit bij breuke Keuzeodracht voor wiskude Ee verdieede odracht over eriodieke decimale getalle, riemgetalle Voorkeis: omrekee va ee breuk i ee decimale vorm Ileidig I deze odracht leer je dat
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 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 informatieElementaire speciale functies
ANALYSE 1A, Ivoerig Elemetaire Speciale Fucties p.1 Elemetaire speciale fucties 1. Differetieerbaarheid zie syll. Calculus Ia, II.1.1 of Browder, Ch. 4). Zij I ee iterval, a ee iwedig put va I e f: I R
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 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 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 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 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 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 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 informatieAnalyse 2 - SAMENVATTING
Aalyse 2 - SAMENVATTING willem va ravestei ihoudsopgave 01. Rije, eigeschappe e stellige 02. Deelrije, Cauchy, meetkudige e telescopische rij 03. Coverget of diverget? 04. Altererede rije e het wortelcriterium
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 informatieHET BELANG VAN. Vragen Tijdens de voordracht op 14 augustus 2007 hebben we de volgende vragen besproken.
HET BELANG VAN KP HART Vrage Tijdes de voordracht op augustus 007 hebbe we de volgede vrage besproke. Hoe ku je izie dat ee vierkat, bij gegeve omtrek, de rechthoek met de maximale oppervlakte is? Hoe
Nadere informatieConvergentie, divergentie en limieten van rijen
Covergetie, divergetie e limiete va rije TI-spire e rije 7N5p GGHM 22-23 Eigeschappe rekekudige rij b = begiwaarde v = verschil tusse twee opeevolgede terme recursieve formule: u = u + v met u = b directe
Nadere informatieDE ROL VAN GIS BIJ DE HEDONISCHE WAARDEBEPALING VAN VASTGOED
DE ROL VAN GIS BIJ DE HEDONISCHE WAARDEBEPALING VAN VASTGOED Prof. ir. P. Ampe, Prof. dr. ir. A. De Wulf, ig. J. De Corte. 1. Ileidig e probleemstellig. Sedert deceia gebruike schatters zowel i België
Nadere informatieDus n n (a + b) n = a n + a n 1 b + heet een binomiaalcoëfficiënt (uitspraak n boven k ). Newton vond de
CONTINUE WISKUNDE: BINOMIUM VAN NEWTON EN RECURRENTE BETREKKINGEN Het Biomium va Newto Het Biomium va Newto is ee uitdruig voor a + b), waarbij a e b willeeurige getalle zij, e ee atuurlij getal I deze
Nadere informatieFuncties, Rijen, Continuïteit en Limieten
Fucties, Rije, Cotiuïteit e Limiete Fucties, Rije, 2-0 Cotiuïteit e Limiete Fucties, Rije, Cotiuïteit e Limiete Ihoud 1. Fucties Defiitie e kemerke / bewerkige op fucties Reële fucties va éé reële veraderlijke
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 informatieWe kennen in de wiskunde de volgende getallenverzamelingen:
Masteropleidig Fiacial Plaig Kwatitatieve Methode Relevate wiskude We kee i de wiskude de volgede getalleverzamelige: De atuurlijke getalle: N = {0,,,,4, } De gehele getalle: Z = {, -,-,-,0,,,, } (egels:
Nadere informatiePolynomen groep 2. Trainingsweek, juni Complexe nulpunten. Een polynoom is van de vorm P (x) = n
Polyome groep 2 Traiigsweek, jui 2009 Complexe ulpute Ee polyoom is va de vorm P (x) = i=0 a ix i, met coëfficiëte a 0, a 1,..., a, die uit ee gegeve verzamelig kome (meestal Z of R). Als alle coëfficiëte
Nadere informatieSteekproeftrekking Onderzoekspopulatie Steekproef
Steekproeftrekkig I dit artikel worde twee begrippe beschreve die va belag zij voor het uitvoere va ee oderzoek. Het gaat om de populatie va het oderzoek e de steekproef. Voor wat betreft steekproeve lichte
Nadere informatieComplexe getallen. c(a+ib)=ca+i(cb) id(a+ib)=i(ad)+i 2 (bd)=(-bd)+i(ad) (a+ib)(c+id)=ac+i(ad)+i(bc)+i 2 (bd)= ac-bd+i(ad+bc)
. Ileidig: Complexe getalle I de wiskude stelt zich het probleem dat iet bestaat voor de reële getalle of dat de vergelijkig x + 0 gee reële ulpute heeft. Om dit euvel op te losse werd het getal i igevoerd
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 informatieUITWERKINGEN TOETS TRAININGSKAMP. Valkenswaard, 10 juni 2006
UITWERKINGEN TOETS TRAININGSKAMP Valkeswaard, 0 jui 006 Opgave. Als we ee verzamelig pute i de ruimte hebbe, moge we ee put va de verzamelig spiegele i ee ader put va de verzamelig e het beeld hierva toevoege
Nadere informatieEindexamen wiskunde A1-2 vwo 2008-II
Groepsfoto s Alle mese kippere met hu oge. Daardoor staa op groepsfoto s vaak ekele persoe met geslote oge. Sveso e Bares hebbe oderzocht hoeveel foto s je moet make va ee groep va persoe om 99% kas te
Nadere informatie2.6 De Fourierintegraal
2.6 De Fourieritegraal We vertrekke va de Fourierreeks i complexe vorm: voor g : [ π,π] C kue we schrijve met g(t) α e it, α 1 Z π g(t)e it dt. 2π π We herschrijve deze formules eerst voor ee fuctie f
Nadere informatieStochastische loadflow. Beschrijving model belasting.
Stochastische loadflow. eschrijvig model belastig. 95 pmo 5-- Phase to Phase V Utrechtseweg 3 Postbus 68 AC Arhem T: 6 356 38 F: 6 356 36 36 www.phasetophase.l 95 pmo INHOUD Ileidig...3 eschrijvig belastig...
Nadere informatieEen meetkundige constructie van de som van een meetkundige rij
Ee meetkudige costructie va de som va ee meetkudige rij [ Dick Kliges ] Iets verder da Euclides deed Er wordt door sommige og wel ees gedacht dat Euclides (hij leefde rod 300 v. Chr.) allee over meetkude
Nadere informatieToelichting bij Opbrengstgegevens VAVO 2011-2013
Toelichtig bij Opbregstgegeves VAVO 2011-2013 Ihoud Ileidig Aatal deelemers exame Kegetalle toezicht exames CE-cijfer alle vakke CE-cijfer alle vakke - tred SE-cijfer mius CE cijfer alle vakke Percetage
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 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 informatieDit geeft ee voorwaarde die slechts afhagt va de begiwaarde va de `basisoplossige' (bij (3) is die voorwaarde a b a b 0). Hoe ka me twee lieair oafhak
Lesbrief 5 Recurreties e ogelijkhede Recursief gedefiieerde rije Er zij getallerije {a } die voldoe aa ee recurrete betrekkig va de vorm a +k = f(a +k ;a +k ;:::;a ) voor = ; ;:::, waardoor de + k-de term
Nadere informatieSamenvatting. Fouriertheorie en distributies. Fourier en Schwartz. De warmtevergelijking. De exacte benadering
Samevattig Fouriertheorie e distributies De exacte beaderig Ileidig 2 De warmtevergelijkig Ja Wiegerick Korteweg - de Vries Istituut voor Wiskude Uiversiteit va Amsterdam 27 september 22 3 Oplossig door
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 informatieAppendix A: De rij van Fibonacci
ppedix : De rij va Fiboacci Het expliciete voorschrift va de rij va Fiboacci We otere het het e Fiboaccigetal met F De rij va Fiboacci wordt gegeve door: F F F F 4 F F 6 F 7 F De volgede afleidig is gebaseerd
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 informatieEquidistributie en ergodiciteit
Equidistributie e ergodiciteit Michiel Lieftik, Wouter Rieks, Mike Daas 9 december 207 Ileidig Beschouw ee situatie waari me ee grote verzamelig umerieke data tot zij beschikkig heeft Ee vraag die me zich
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 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 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 informatie1. Weten dat in het geval van compressoren rekening moet gehouden worden met thermische effecten
Hoofdstuk 4 Compressore Doelstellige 1. Wete dat i het geval va compressore rekeig moet gehoude worde met thermische effecte 2. Wete dat er ee gres is aa het verhoge va de druk va ee gas 3. Wete welke
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 informatieRijen met de TI-nspire vii
Rije met de TI-spire vii De tore va Pisa Me laat ee bal valle vaaf de tore va Pisa(63m hoog) Na elke keer stuitere haalt de bal og ee vijfde va de voorgaade hoogte. Gevraagd zij: a) De hoogte a de e keer
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 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 informatie151 Universele eigenschappen voor algebra 3; 2015/02/08
151 Uiversele eigeschappe voor algebra 3; 2015/02/08 I het dagelijks leve make we vaak gebruik va apparate, zoals bijvoorbeeld auto s e computers, zoder dat we wete hoe die precies i elkaar zitte e hoe
Nadere informatieJulian gooit 20 keer met een dobbelsteen. Bereken de kans dat hij precies 5 keer een zes gooit.
- Test Hfst D kasrekeig - Kase ofwel exact ofwel afgerod op decimale geve. ( x p) Tim gooit drie keer met ee gewoe dobbelstee. Na zij derde worp telt hij het aatal oge va de drie worpe bij elkaar op. Bereke
Nadere informatieWPP 5.2: Analyse. Oplossing onderzoeksopdrachten
WPP 5.: Aalyse oderzoeksopdrachte Oderzoeksopdracht leerboek bladzijde 0 Limiet va ee rij : defiities Beschouw de rij u :,,, 4,.... Bepaal de algemee term u. Via PC / GRT bepaal je de tabel e teke je
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 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 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 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 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 informatieWijzigingsformulier Ziektekostenverzekering
De Amersfoortse Verzekerige Stadsrig 15, postbus 42 3800 AA Amersfoort Tel. (033) 464 29 11 Fax (033) 464 29 30 Wijzigigsformulier Ziektekosteverzekerig Gegevesverwerkig Bij deze wijzigig worde persoosgegeves
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 informatieDe speler die begint mag in zijn eerste beurt niet alle stenen pakken.
Nim Het spel: Op tafel ligt ee stapel stee (meer da éé). Twee spelers eme om beurte stee va de stapel. De speler die begit mag i zij eerste beurt iet alle stee pakke. De speler die aa de beurt is mag iet
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 informatieEindexamen wiskunde A vwo 2010 - I
Eidexame wiskude A vwo - I Beoordeligsmodel Maratholoopsters maximumscore 3 uur, 43 miute e 3 secode is 98 secode De selheid is 495 98 (m/s) Het atwoord: 4,3 (m/s) maximumscore 3 Uit x = 5 volgt v 4,4
Nadere informatieWerktekst 1: Een bos beheren
Werktekst : Ee bos behere Berekeige met rije op het basisscherm Op ee perceel staa 3000 kerstbome. Ee boomkweker moet beslisse hoeveel bome er jaarlijks gekapt kue worde e hoeveel ieuwe aaplat er odig
Nadere informatieEen toelichting op het belang en het berekenen van de steekproefomvang in marktonderzoek.
006 Wolters-Noordhoff bv Groige/Houte De steekproefomvag Ee toelichtig op het belag e het berekee va de steekproefomvag i marktoderzoek. Ihoud 1 Ileidig Eerst ekele defiities 3 Steekproefomvag e respose
Nadere informatieKansrekenen [B-KUL-G0W66A]
KU Leuve Kasrekee [B-KUL-G0W66A] Notities Tom Sydey Kerckhove Gestart 8 februari 2015 Gecompileerd 9 februari 2015 Docet: Prof. Tim Verdock Ihoudsopgave 1 Combiatoriek 2 1.1 Variaties..........................................
Nadere informatiefiguur 2.50 Microscoop
07-01-2005 10:20 Pagia 1 Microscoop Ileidig Ee microscoop is bedoeld om kleie voorwerpe beter te kue zie, zie figuur 2.50. De bolle les dicht bij het oog (het oculair) heeft ee grote diameter. De bolle
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 informatiex z vonden we dat de z-score aangeeft hoeveel standaardafwijkingen de waarde
PW11: Betrouwbaarhedstervalle Bj de stude va de ormale verdelg hebbe we geze dat volgede belagrjke 68-95 - 99.7 regel geldt: Ogeveer 68% va de waaremge lgt be ee afstad va Ogeveer 95% va de waaremge lgt
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 informatie1 Ileidig De vraag is of de spelers i het spel Fatasie 24 (ee variat va observatie roulette), gespeeld i casio YYY te ZZZ, ivloed kue hebbe op de kasb
Behedigheid bij Fatasie 24? R.D. Gill, C.G.M. Oudshoor 4 maart 1997 Samevattig Dit artikel is ee aagepaste versie va ee verslag wat geschreve is.a.v. ee oderzoek voor ee casio. Dit oderzoek gig over de
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 informatieVideoles Discrete dynamische modellen
Videoles Discrete dyamische modelle Discrete dyamische modelle Orietatie Algebraisch Algebraisch/ umeriek Numeriek Maak de volgede rijtjes af: Puzzele met rijtjes a. 2 4 6 8 10 - b. 1 2 4 8 16 - c. 1 2
Nadere informatieHoe los ik het op, samen met Thuisvester? Ik heb een klacht
Klachte? Hoe los ik het op, same met Thuisvester? Ik heb ee klacht Thuisvester doet haar uiterste best de beste service te verlee aa haar huurders. We vide ee goede relatie met oze klate erg belagrijk.
Nadere informatieEindexamen wiskunde B1 vwo 2007-I
Eidexame wiskude B vwo 007-I havovwo.l Podiumverlichtig Ee podium is 6 meter diep. Midde bove het podium hagt ee balk met tl-buize. De verlichtigssterkte op het podium is het kleist aa de rad, bijvoorbeeld
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 informatieDeel A. Breuken vergelijken 4 ----- 12
Deel A Breuke vergelijke - - 0 Breuke e brokke (). Kleur va elke figuur deel. Doe het zo auwkeurig mogelijk.. Kleur va elke figuur deel. Doe het telkes aders.. Kleur steeds het deel dat is aagegeve. -
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 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 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 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 informatieWijzigingsformulier Ziektekostenverzekering
De Amersfoortse Verzekerige Stadsrig 15, postbus 42 3800 AA Amersfoort Tel. (033) 464 29 11 Fax (033) 464 29 30 Gegevesverwerkig Wijzigigsformulier Ziektekosteverzekerig Bij deze wijzigig worde persoosgegeves
Nadere informatieKlassieke en Kwantummechanica (EE1P11)
Deeltetame : Kwatummechaica Woesdag 9 ovember 016, 9.00 11.00 uur; TN-TZ 4.5 TECHNISCHE UNIVERSITEIT DELFT Faculteit Elektrotechiek, Wiskude e Iformatica Oleidig Elektrotechiek Aawijzige: Er zij ogave
Nadere informatieArtikel. Regenboog. Uitgave Auteur.
Artikel Regeboog Uitgave 206- Auteur HC jy886@teleet.be De eerste overtuigede verklarig va de regeboog werd i 704 door Isaac Newto beschreve i zij boek Optics. Newto toode aa dat wit licht ee megelig is
Nadere informatie2. Limiet van een rij : convergentie of divergentie
2. Limiet va ee rij : covergetie of divergetie 2. Eigelijke of eidige limiet 2.. Voorbeeld I ee bos staa 4 bome. De diest bosbeheer zal jaarlijks 2% bome kappe e ieuwe aaplate. Zal het bos verdwije? Zal
Nadere informatieKanstheorie. 2de bachelor wiskunde Vrije Universiteit Brussel. U. Einmahl
Kastheorie 2de bachelor wiskude Vrije Uiversiteit Brussel U. Eimahl Academiejaar 208/209 Ihoudsopgave Kasruimte. Toevallige experimete..................................2 De axioma s va Kolmogorov.............................
Nadere informatieAntwoorden. Een beker water
Atwoorde 1 Ee beker water We ormere massa zodaig dat 1 volume-eeheid water, massa 1 heeft. We gebruike de formule voor het volume va ee cilider. De massa va de rad is Mr = π(1/36 + 1/6 + 4 4)36/5 = π5/36
Nadere informatie7. Betrouwbaarheidsintervallen voor proporties
VOOR HET SECUNDAIR ONDERWIJS Verklarede statistiek 7. Betrouwbaarheidsitervalle voor proporties Werktekst voor de leerlig Prof. dr. Herma Callaert Has Bekaert Cecile Goethals Lies Provoost Marc Vacaudeberg
Nadere informatie1. Gegeven is het polynoom P (z) = z 4 + 4z 3 + 6z 2 + 4z + 5 met z C.
Radboud Uiversiteit Tetame Calculus A NWI-WP5 ovember 7, 5.45 8.45 Het gebruik va ee rekemachie/gr, telefoo, boek, aatekeige e.d. is iet toegestaa. Geef precieze argumete e atwoorde. Zorg dat uw redeerige
Nadere informatieSpelen met vormen. Tim Neefjes Bryan Tong Minh
Spele met vorme Tim Neefjes Brya Tog Mih Ileidig Toe ee plei i Stockholm, Sergel s Square aa heraaleg toe was stode de architecte voor ee probleem. Het was ee rechthoekig plei e i het midde moest ee wikelcetrum
Nadere informatie