Schatting voor het aantal tanks: is statistiek beter dan de geheime dienst?
|
|
- Simona de Meyer
- 8 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Schatting voor het aantal tanks: is statistiek beter dan de geheime dienst? dr. H.P. Lopuhaä UHD Statistiek Opleiding Technische Wiskunde Faculteit Informatietechnologie & Systemen Technische Universiteit Delft TU Delft Opleiding Technische Wiskunde
2 Inhoud Introductie
3 Inhoud Introductie Mogelijke schattingsmethoden
4 Inhoud Introductie Mogelijke schattingsmethoden Onderzoeken en vergelijken van de verschillende methoden
5 Inhoud Introductie Mogelijke schattingsmethoden Onderzoeken en vergelijken van de verschillende methoden Wat heeft dit met Wiskunde te maken?
6 Inhoud Introductie Mogelijke schattingsmethoden Onderzoeken en vergelijken van de verschillende methoden Wat heeft dit met Wiskunde te maken? Resultaten voor de 2e wereldoorlog TU Delft Opleiding Technische Wiskunde
7 Introductie Begin 1943: Economic Warfare Division van de Amerikaanse ambassade in Londen begint een samenwerking het Britse Ministry of Economic Warfare waarbij men merktekens en serienummers analyseert op buitgemaakt Duits oorlogsmateriaal
8 Introductie Begin 1943: Economic Warfare Division van de Amerikaanse ambassade in Londen begint een samenwerking het Britse Ministry of Economic Warfare waarbij men merktekens en serienummers analyseert op buitgemaakt Duits oorlogsmateriaal Doel: beter inzicht te verkijgen in de Duitse oorlogsproductie (hoeveel, wanneer en waar) en oorlogsterkte
9 Introductie Begin 1943: Economic Warfare Division van de Amerikaanse ambassade in Londen begint een samenwerking het Britse Ministry of Economic Warfare waarbij men merktekens en serienummers analyseert op buitgemaakt Duits oorlogsmateriaal Doel: beter inzicht te verkijgen in de Duitse oorlogsproductie (hoeveel, wanneer en waar) en oorlogsterkte Eerst banden van trucks, auto s en vliegtuigen Later tanks, trucks, kanonnen, raketten TU Delft Opleiding Technische Wiskunde
10 Banden n serienummers werden gedecodeerd en vertaald naar een steekproef van n getallen uit 1, 2,..., N De onbekende N interpreteren we als het totaal aantal banden
11 Banden n serienummers werden gedecodeerd en vertaald naar een steekproef van n getallen uit 1, 2,..., N De onbekende N interpreteren we als het totaal aantal banden Doel: schat N op basis van de n buitgemaakte serienummers TU Delft Opleiding Technische Wiskunde
12 Statistisch model de gedecodeerde serienummers X 1, X 2,..., X n vatten we op als trekkingen zonder teruglegging uit 1, 2,..., N
13 Statistisch model de gedecodeerde serienummers X 1, X 2,..., X n vatten we op als trekkingen zonder teruglegging uit 1, 2,..., N elk getal uit 1, 2,..., N heeft evenveel kans om getrokken te worden
14 Statistisch model de gedecodeerde serienummers X 1, X 2,..., X n vatten we op als trekkingen zonder teruglegging uit 1, 2,..., N elk getal uit 1, 2,..., N heeft evenveel kans om getrokken te worden het resultaat van een bepaalde trekking heeft geen invloed op het resultaat van andere trekkingen TU Delft Opleiding Technische Wiskunde
15 Mogelijke schattingsmethoden
16 Mogelijke schattingsmethoden 1. Methode gebaseerd op het gemiddelde van de steekproef
17 Mogelijke schattingsmethoden 1. Methode gebaseerd op het gemiddelde van de steekproef 2. Methode gebaseerd op het maximum van de steekproef
18 Mogelijke schattingsmethoden 1. Methode gebaseerd op het gemiddelde van de steekproef 2. Methode gebaseerd op het maximum van de steekproef 3. Methode gebaseerd op onderlinge tussenafstanden in de steekproef TU Delft Opleiding Technische Wiskunde
19 1. Schatter gebaseerd op het gemiddelde Merk op dat voor het gemiddelde van alle getallen geldt N N = 1 2N(N + 1) N = N + 1 2
20 1. Schatter gebaseerd op het gemiddelde Merk op dat voor het gemiddelde van alle getallen geldt N N = 1 2N(N + 1) N = N Dit suggereert voor het gemiddelde van de getallen in de steekproef, dat X n = X 1 + X X n n N + 1 2
21 1. Schatter gebaseerd op het gemiddelde Merk op dat voor het gemiddelde van alle getallen geldt N N = 1 2N(N + 1) N = N Dit suggereert voor het gemiddelde van de getallen in de steekproef, dat Neem als schatter voor N X n = X 1 + X X n n N T 1 = 2 X n 1 TU Delft Opleiding Technische Wiskunde
22 2. Schatter gebaseerd op het maximum Merk op dat voor M n = maximum van X 1, X 2,..., X n geldt M n n n + 1 N
23 2. Schatter gebaseerd op het maximum Merk op dat voor M n = maximum van X 1, X 2,..., X n geldt M n n n + 1 N zodat n + 1 n M n N
24 2. Schatter gebaseerd op het maximum Merk op dat voor M n = maximum van X 1, X 2,..., X n geldt M n n n + 1 N zodat n + 1 n M n N Merk echter ook op dat voor alle getallen (n = N) geldt N + 1 N M N = N + 1 N N = N + 1
25 2. Schatter gebaseerd op het maximum Merk op dat voor M n = maximum van X 1, X 2,..., X n geldt M n n n + 1 N zodat n + 1 n M n N Merk echter ook op dat voor alle getallen (n = N) geldt Dus neem als schatter N + 1 N M N = N + 1 N N = N + 1 T 2 = n + 1 n M n 1 TU Delft Opleiding Technische Wiskunde
26 3. Schatter gebaseerd op tussenafstanden Definieer de tussenafstand D i als het aantal ontbrekende nummers tussen het i-de en het (i + 1)-de steekproefnummer in volgorde naar grootte
27 3. Schatter gebaseerd op tussenafstanden Definieer de tussenafstand D i als het aantal ontbrekende nummers tussen het i-de en het (i + 1)-de steekproefnummer in volgorde naar grootte Merk op dat het aantal ontbrekende nummers tussen het maximum en N ongeveer gelijk is aan de gemiddelde tussenafstand: N M n D D n 1 n 1
28 3. Schatter gebaseerd op tussenafstanden Definieer de tussenafstand D i als het aantal ontbrekende nummers tussen het i-de en het (i + 1)-de steekproefnummer in volgorde naar grootte Merk op dat het aantal ontbrekende nummers tussen het maximum en N ongeveer gelijk is aan de gemiddelde tussenafstand: Dus neem als schatter N M n D D n 1 n 1 T 3 = M n + D D n 1 n 1 TU Delft Opleiding Technische Wiskunde
29 Mogelijke schattingsmethoden 1. methode gebaseerd op het gemiddelde: T 1 = 2 X n 1
30 Mogelijke schattingsmethoden 1. methode gebaseerd op het gemiddelde: 2. methode gebaseerd op het maximum T 1 = 2 X n 1 T 2 = n + 1 n M n 1
31 Mogelijke schattingsmethoden 1. methode gebaseerd op het gemiddelde: 2. methode gebaseerd op het maximum 3. methode gebaseerd op tussenafstanden T 1 = 2 X n 1 T 2 = n + 1 n M n 1 T 3 = M n + D D n 1 n 1 TU Delft Opleiding Technische Wiskunde
32 Onderzoeken van de drie methoden Wordt schatting beter als n toeneemt?
33 Onderzoeken van de drie methoden Wordt schatting beter als n toeneemt? Hoe snel komt schatting dichter bij N?
34 Onderzoeken van de drie methoden Wordt schatting beter als n toeneemt? Hoe snel komt schatting dichter bij N? In hoeverre speelt de getrokken steekproef een rol?
35 Onderzoeken van de drie methoden Wordt schatting beter als n toeneemt? Hoe snel komt schatting dichter bij N? In hoeverre speelt de getrokken steekproef een rol? Neem als voorbeeld N = Trek zonder teruglegging n getallen uit 1, 2,...,
36 Onderzoeken van de drie methoden Wordt schatting beter als n toeneemt? Hoe snel komt schatting dichter bij N? In hoeverre speelt de getrokken steekproef een rol? Neem als voorbeeld N = Trek zonder teruglegging n getallen uit 1, 2,..., Gedrag bij toenemende steekproefomvang n Plot de waarde van de schatter als functie van n TU Delft Opleiding Technische Wiskunde
37 Gedrag bij herhaalde steekproeven van vaste omvang Is de schatting gemiddeld genomen in de buurt van N?
38 Gedrag bij herhaalde steekproeven van vaste omvang Is de schatting gemiddeld genomen in de buurt van N? Neem als voorbeeld N = en n = 500
39 Gedrag bij herhaalde steekproeven van vaste omvang Is de schatting gemiddeld genomen in de buurt van N? Neem als voorbeeld N = en n = Trek zonder teruglegging 500 getallen uit 1, 2,...,
40 Gedrag bij herhaalde steekproeven van vaste omvang Is de schatting gemiddeld genomen in de buurt van N? Neem als voorbeeld N = en n = Trek zonder teruglegging 500 getallen uit 1, 2,..., Bereken de schatter
41 Gedrag bij herhaalde steekproeven van vaste omvang Is de schatting gemiddeld genomen in de buurt van N? Neem als voorbeeld N = en n = Trek zonder teruglegging 500 getallen uit 1, 2,..., Bereken de schatter 3. Herhaal stap 1 en 2 een groot aantal malen, zeg 1000 keer
42 Gedrag bij herhaalde steekproeven van vaste omvang Is de schatting gemiddeld genomen in de buurt van N? Neem als voorbeeld N = en n = Trek zonder teruglegging 500 getallen uit 1, 2,..., Bereken de schatter 3. Herhaal stap 1 en 2 een groot aantal malen, zeg 1000 keer Plot een histogram van de 1000 herhaalde schattingen TU Delft Opleiding Technische Wiskunde
43 Onderling vergelijken van de drie methodes Hoe erg verschilt de mate van spreiding?
44 Onderling vergelijken van de drie methodes Hoe erg verschilt de mate van spreiding? Neem als voorbeeld N = en n = 500
45 Onderling vergelijken van de drie methodes Hoe erg verschilt de mate van spreiding? Neem als voorbeeld N = en n = Trek zonder teruglegging 500 getallen uit 1, 2,...,
46 Onderling vergelijken van de drie methodes Hoe erg verschilt de mate van spreiding? Neem als voorbeeld N = en n = Trek zonder teruglegging 500 getallen uit 1, 2,..., Bereken alledrie de schatters
47 Onderling vergelijken van de drie methodes Hoe erg verschilt de mate van spreiding? Neem als voorbeeld N = en n = Trek zonder teruglegging 500 getallen uit 1, 2,..., Bereken alledrie de schatters 3. Herhaal stap 1 en 2 een groot aantal malen, zeg 1000 keer Vergelijk de drie histogrammen van de 1000 schattingen TU Delft Opleiding Technische Wiskunde
48 Wat heeft dit met wiskunde te maken? 1. T ligt gemiddeld genomen dicht bij N wordt wiskundig geformaliseerd door het begrip zuiverheid van een schatter T. Stel dat T een schatter is met mogelijke waarden w 1, w 2,....
49 Wat heeft dit met wiskunde te maken? 1. T ligt gemiddeld genomen dicht bij N wordt wiskundig geformaliseerd door het begrip zuiverheid van een schatter T. Stel dat T een schatter is met mogelijke waarden w 1, w 2,.... We zeggen dat T een zuivere schatter is voor N, als voor alle N E(T ) = w 1 P (T = w 1 ) + w 2 P (T = w 2 ) + = N
50 Wat heeft dit met wiskunde te maken? 1. T ligt gemiddeld genomen dicht bij N wordt wiskundig geformaliseerd door het begrip zuiverheid van een schatter T. Stel dat T een schatter is met mogelijke waarden w 1, w 2,.... We zeggen dat T een zuivere schatter is voor N, als voor alle N E(T ) = w 1 P (T = w 1 ) + w 2 P (T = w 2 ) + = N Voor onze drie schatters geldt: E(T 1 ) = N
51 Wat heeft dit met wiskunde te maken? 1. T ligt gemiddeld genomen dicht bij N wordt wiskundig geformaliseerd door het begrip zuiverheid van een schatter T. Stel dat T een schatter is met mogelijke waarden w 1, w 2,.... We zeggen dat T een zuivere schatter is voor N, als voor alle N E(T ) = w 1 P (T = w 1 ) + w 2 P (T = w 2 ) + = N Voor onze drie schatters geldt: E(T 1 ) = N, E(T 2 ) = N
52 Wat heeft dit met wiskunde te maken? 1. T ligt gemiddeld genomen dicht bij N wordt wiskundig geformaliseerd door het begrip zuiverheid van een schatter T. Stel dat T een schatter is met mogelijke waarden w 1, w 2,.... We zeggen dat T een zuivere schatter is voor N, als voor alle N E(T ) = w 1 P (T = w 1 ) + w 2 P (T = w 2 ) + = N Voor onze drie schatters geldt: E(T 1 ) = N, E(T 2 ) = N, E(T 3 ) = N TU Delft Opleiding Technische Wiskunde
53 Wat heeft dit met wiskunde te maken? 2. De mate van spreiding van T rond N wordt wiskundig geformaliseerd door het begrip variantie van een schatter T.
54 Wat heeft dit met wiskunde te maken? 2. De mate van spreiding van T rond N wordt wiskundig geformaliseerd door het begrip variantie van een schatter T. De variantie van een schatter T is gedefinieerd als V (T ) = E(T E(T )) 2
55 Wat heeft dit met wiskunde te maken? 2. De mate van spreiding van T rond N wordt wiskundig geformaliseerd door het begrip variantie van een schatter T. De variantie van een schatter T is gedefinieerd als V (T ) = E(T E(T )) 2 Voor onze drie schatters geldt V (T 1 ) = (N n)(n + 1) 3n
56 Wat heeft dit met wiskunde te maken? 2. De mate van spreiding van T rond N wordt wiskundig geformaliseerd door het begrip variantie van een schatter T. De variantie van een schatter T is gedefinieerd als V (T ) = E(T E(T )) 2 Voor onze drie schatters geldt V (T 1 ) = V (T 2 ) = (N n)(n + 1) 3n (N n)(n + 1) (n + 2)n
57 Wat heeft dit met wiskunde te maken? 2. De mate van spreiding van T rond N wordt wiskundig geformaliseerd door het begrip variantie van een schatter T. De variantie van een schatter T is gedefinieerd als V (T ) = E(T E(T )) 2 Voor onze drie schatters geldt V (T 1 ) = V (T 2 ) = V (T 3 ) = (N n)(n + 1) 3n (N n)(n + 1) (n + 2)n (N n)(n + 1)n (n + 2)(n 1)(n + 1) TU Delft Opleiding Technische Wiskunde
58 Wat heeft dit met wiskunde te maken? 3. Bestaat er een zuivere schatter met de kleinst mogelijke variantie?
59 Wat heeft dit met wiskunde te maken? 3. Bestaat er een zuivere schatter met de kleinst mogelijke variantie? Met andere woorden, bestaat er een T die voldoet aan E(T ) = N zodanig dat V (T ) V (U) voor elke andere schatter U, die voldoet aan E(U) = N TU Delft Opleiding Technische Wiskunde
60 Wat heeft dit met wiskunde te maken? JA:
61 Wat heeft dit met wiskunde te maken? JA: Met behulp van wiskundige theorie ( ) kan worden afgeleid dat schatter T 2 = n + 1 n M n 1 een zuivere schatter is, met de kleinst mogelijke variantie onder alle zuivere schatters
62 Wat heeft dit met wiskunde te maken? JA: Met behulp van wiskundige theorie ( ) kan worden afgeleid dat schatter T 2 = n + 1 n M n 1 een zuivere schatter is, met de kleinst mogelijke variantie onder alle zuivere schatters Welke methode gebruikte men in de tweede wereldoorlog? TU Delft Opleiding Technische Wiskunde
63 Methode tijdens tweede wereldoorlog Tijdens de tweede wereldoorlog gebruikte men schatter T 3
64 Methode tijdens tweede wereldoorlog Tijdens de tweede wereldoorlog gebruikte men schatter T 3 Merk op dat T 3 = max + D D n 1 n 1
65 Methode tijdens tweede wereldoorlog Tijdens de tweede wereldoorlog gebruikte men schatter T 3 Merk op dat T 3 = max + D D n 1 n 1 max min = max + 1 n 1
66 Methode tijdens tweede wereldoorlog Tijdens de tweede wereldoorlog gebruikte men schatter T 3 Merk op dat T 3 = max + D D n 1 n 1 max min = max + 1 n 1 = n 2 n 2 1 T n 2 1 min n 1
67 Methode tijdens tweede wereldoorlog Tijdens de tweede wereldoorlog gebruikte men schatter T 3 Merk op dat T 3 = max + D D n 1 n 1 max min = max + 1 n 1 = T 2 n 2 n 2 1 T n 2 1 min n 1 TU Delft Opleiding Technische Wiskunde
68 Gemiddelde maandelijkse productie van banden tijdens periode Januari - Maart 1943 Type band schatting werkelijk Truck en auto Vliegtuig Totaal
69 Gemiddelde maandelijkse productie van banden tijdens periode Januari - Maart 1943 Type band schatting werkelijk geheime dienst Truck en auto Vliegtuig Totaal TU Delft Opleiding Technische Wiskunde
70 Productie van trucks in 1942 Type truck schatting werkelijk Lichte truck Medium truck Zware truck Totaal
71 Productie van trucks in 1942 Type truck schatting werkelijk geheime dienst Lichte truck Medium truck Zware truck Totaal TU Delft Opleiding Technische Wiskunde
72 Gemiddelde maandelijkse productie van tanks in Datum schatting werkelijk Juni Juni Augustus
73 Gemiddelde maandelijkse productie van tanks in Datum schatting werkelijk geheime dienst Juni Juni Augustus TU Delft Opleiding Technische Wiskunde
74 Jaarlijkse productie van kanonnen Type Jaar schatting werkelijk 7.5 cm. Pak cm. Kwk cm. Kwk TU Delft Opleiding Technische Wiskunde
75 Productie van V-2 raketten Periode schatting werkelijk Tot aan 15 sep sep - 29 okt okt - 24 nov nov - 15 jan jan -15 feb TU Delft Opleiding Technische Wiskunde
Het schatten van de Duitse oorlogsproductie: maximum likelihood versus de momentenmethode
Het schatten van de Duitse oorlogsproductie: maximum likelihood versus de momentenmethode Rik Lopuhaä TU Delft 30 januari, 2015 Rik Lopuhaä (TU Delft) Schatten van de Duitse oorlogsproductie 30 januari,
Nadere informatieKansrekening en statistiek wi2105in deel 2 27 januari 2010, uur
Kansrekening en statistiek wi2105in deel 2 27 januari 2010, 14.00 16.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na
Nadere informatie6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Learning the Mechanics 6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. De random variabele x wordt tweemaal waargenomen. Ga na dat, indien de waarnemingen
Nadere informatieTentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u
Technische Universiteit Delft Mekelweg 4 Faculteit Elektrotechniek, Wiskunde en Informatica 2628 CD Delft Tentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u Formulebladen, rekenmachines,
Nadere 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 informatieVrije Universiteit 28 mei Gebruik van een (niet-grafische) rekenmachine is toegestaan.
Afdeling Wiskunde Volledig tentamen Statistics Deeltentamen 2 Statistics Vrije Universiteit 28 mei 2015 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen: opgaven 1,2,3,4. Cijfer=
Nadere 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 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 informatie1BA PSYCH Statistiek 1 Oefeningenreeks 3 1
Juno KOEKELKOREN D.1.3. OEFENINGENREEKS 3 OEFENING 1 In onderstaande tabel vind je zes waarnemingen van twee variabelen (ratio meetniveau). Eén van de waarden van y is onbekend. Waarde x y 1 1 2 2 9 2
Nadere 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 11 Dinsdag 25 Oktober 1 / 27 2 Statistiek Vandaag: Hypothese toetsen Schatten 2 / 27 Schatten 3 / 27 Vragen: liegen 61 Amerikanen werd gevraagd hoeveel % van de tijd
Nadere informatieOpdracht 2. Deadline maandag 28 september 2015, 24:00 uur.
Opdracht 2. Deadline maandag 28 september 2015, 24:00 uur. Deze opdracht bestaat uit vier onderdelen; in elk onderdeel wordt gevraagd een Matlabprogramma te schrijven. De vier bijbehore bestanden stuur
Nadere informatieNederlandse samenvatting
Kort samengevat is het doel van dit proefschrift het verbeteren van de kwaliteit van officiële statistieken. Kwaliteit van statistische informatie heeft meerdere facetten. Dit werk richt zich op twee van
Nadere informatievariantie: achtergronden en berekening
variantie: achtergronden en berekening Hugo Quené opleiding Taalwetenschap Universiteit Utrecht 8 sept 1995 aangepast 8 mei 007 1 berekening variantie Als je de variantie met de hand moet uitrekenen, is
Nadere informatieTentamen Mathematische Statistiek (2WS05), vrijdag 29 oktober 2010, van 14.00 17.00 uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Mathematische Statistiek (WS05), vrijdag 9 oktober 010, van 14.00 17.00 uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieWiskunde B - Tentamen 2
Wiskunde B - Tentamen Tentamen van Wiskunde B voor CiT (57) Donderdag 4 april 005 van 900 tot 00 uur Dit tentamen bestaat uit 8 opgaven, 3 tabellen en formulebladen Vermeld ook je studentnummer op je werk
Nadere informatieHOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN
HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN Inleiding Statistische gevolgtrekkingen (statistical inference) gaan over het trekken van conclusies over een populatie op basis van steekproefdata.
Nadere informatieOmnibusenquête 2015. deelrapport. Studentenhuisvesting
Omnibusenquête 2015 deelrapport Studentenhuisvesting Omnibusenquête 2015 deelrapport Studentenhuisvesting OMNIBUSENQUÊTE 2015 deelrapport STUDENTENHUISVESTING Zoetermeer, 9 december 2015 Gemeente Zoetermeer
Nadere informatieHoofdstuk 5: Steekproevendistributies
Hoofdstuk 5: Steekproevendistributies Inleiding Statistische gevolgtrekkingen worden gebruikt om conclusies over een populatie of proces te trekken op basis van data. Deze data wordt samengevat door middel
Nadere informatiePopulaties beschrijven met kansmodellen
Populaties beschrijven met kansmodellen Prof. dr. Herman Callaert Deze tekst probeert, met voorbeelden, inzicht te geven in de manier waarop je in de statistiek populaties bestudeert. Dat doe je met kansmodellen.
Nadere informatieHoofdstuk 13. De omvang van een steekproef bepalen
Hoofdstuk 13 De omvang van een steekproef bepalen Steekproefnauwkeurigheid Steekproefnauwkeurigheid: verwijst naar hoe dicht een steekproefgrootheid (bijvoorbeeld het gemiddelde van de antwoorden op een
Nadere informatieDEEL 3 INDUCTIEVE STATISTIEK INLEIDING TOT DE INDUCTIEVE STATISTIEK 11.2 DE GROOTSTE AANNEMELIJKHEID - METHODE
DEEL 3 INDUCTIEVE STATISTIEK INHOUD H 10: INLEIDING TOT DE INDUCTIEVE STATISTIEK H 11: PUNTSCHATTING 11.1 ALGEMEEN 11.1.1 Definities 11.1.2 Eigenschappen 11.2 DE GROOTSTE AANNEMELIJKHEID - METHODE 11.3
Nadere informatieExamen Statistiek I Feedback
Examen Statistiek I Feedback Bij elke vraag is alternatief A correct. Bij de trekking van een persoon uit een populatie beschouwt men de gebeurtenissen A (met bril), B (hooggeschoold) en C (mannelijk).
Nadere informatieLes 1 Kwaliteitsbeheersing. Les 2 Kwaliteitsgegevens. Les 3 Introductie Statistiek. Les 4 Normale verdeling. Kwaliteit
Kwaliteit Les 1 Kwaliteitsbeheersing Introductie & Begrippen Monstername Les 2 Kwaliteitsgegevens Gegevens Verzamelen Gegevens Weergeven Les 3 Introductie Statistiek Statistische begrippen Statistische
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 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 informatieEWMA Control Charts in Statistical Process Monitoring I.M. Zwetsloot
EWMA Control Charts in Statistical Process Monitoring I.M. Zwetsloot EWMA Control Charts in Statistical Process Monitoring Inez M. Zwetsloot Samenvatting EWMA Regelkaarten in Statistische Procesmonitoring
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek DD14) op vrijdag 17 maart 006, 9.00-1.00 uur. UITWERKINGEN 1. Methoden om schatters te vinden a) De aannemelijkheidsfunctie
Nadere informatieHoofdstuk 4 Kansen. 4.1 Randomheid
Hoofdstuk 4 Kansen 4.1 Randomheid Herhalingen en kansen Als je een munt opgooit (of zelfs als je een SRS trekt) kunnen de resultaten van tevoren voorspeld worden, omdat de uitkomsten zullen variëren wanneer
Nadere informatieFaculteit, Binomium van Newton en Driehoek van Pascal
Faculteit, Binomium van Newton en Driehoek van Pascal 1 Faculteit Definitie van de faculteit Wisnet-hbo update aug. 2007 (spreek uit k-faculteit) is: k Dit geldt voor elk geheel getal k groter dan 0 en
Nadere informatieHoofdstuk 12: Eenweg ANOVA
Hoofdstuk 12: Eenweg ANOVA 12.1 Eenweg analyse van variantie Eenweg en tweeweg ANOVA Wanneer we verschillende populaties of behandelingen met elkaar vergelijken, dan zal er binnen de data altijd sprake
Nadere informatie1. Statistiek gebruiken 1
Hoofdstuk 0 Inhoudsopgave 1. Statistiek gebruiken 1 2. Gegevens beschrijven 3 2.1 Verschillende soorten gegevens......................................... 3 2.2 Staafdiagrammen en histogrammen....................................
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 3. Populatie en steekproef. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Kansmodellen. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg . Populatie: een intuïtieve definitie.... Een
Nadere 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 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 informatieInleiding statistiek
Inleiding Statistiek Pagina 1 uit 8 Inleiding statistiek 1. Inleiding In deze oefeningensessie is het de bedoeling jullie vertrouwd te maken met een aantal basisbegrippen van de statistiek, meer bepaald
Nadere informatieVoorbereidend Wetenschappelijk Onderwijs Tijdvak 1 Woensdag 25 mei totale examentijd 3 uur
wiskunde A1 Examen VWO - Compex Voorbereidend Wetenschappelijk Onderwijs Tijdvak 1 Woensdag 25 mei totale examentijd 3 uur 20 05 Vragen 1 tot en met 13 In dit deel staan de vragen waarbij de computer niet
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 12 Vrijdag 16 Oktober 1 / 38 2 Statistiek Indeling vandaag: Normale verdeling Wet van de Grote Getallen Centrale Limietstelling Deductieve statistiek Hypothese toetsen
Nadere informatieSTATISTIEK OEFENOPGAVEN
STATISTIEK OEFENOPGAVEN 1. Bereken van elke serie getallen steeds de modus, het gemiddelde, de mediaan en de spreidingsbreedte. A. 3, 3, 4, 4, 4, 5, 5, 7, 8, 10. B. 2, 3, 3, 4, 4, 5, 8, 9, 11. C. 9, 3,
Nadere informatieHoofdstuk 3 Statistiek: het toetsen
Hoofdstuk 3 Statistiek: het toetsen 3.1 Schatten: Er moet een verbinding worden gelegd tussen de steekproefgrootheden en populatieparameters, willen we op basis van de een iets kunnen zeggen over de ander.
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 15 Dinsdag 2 November 1 / 16 2 Statistiek Indeling: Filosofie Schatten Centraal Bureau voor Statistiek 2 / 16 Schatten Vb. Het aantal tenen plus vingers in jullie huishoudens:
Nadere informatieKansrekenen en statistiek. Daniël Slenders Faculteit Ingenieurswetenschappen Katholieke Universiteit Leuven
Kansrekenen en statistiek Daniël Slenders Faculteit Ingenieurswetenschappen Katholieke Universiteit Leuven Academiejaar 2010-2011 Hoofdstuk 2 Beschrijvende statistiek Meerkeuzevraag 1 Opeenvolgende metingen
Nadere informatieDEZE PAGINA NIET vóór 8.30u OMSLAAN!
STTISTIEK 1 VERSIE MT15303 1308 1 WGENINGEN UNIVERSITEIT LEERSTOELGROEP MT Tentamen Statistiek 1 (MT-15303) 5 augustus 2013, 8.30-10.30 uur EZE PGIN NIET vóór 8.30u OMSLN! STRT MET INVULLEN VN NM, REGISTRTIENUMMER,
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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 14 Donderdag 28 Oktober 1 / 37 2 Statistiek Indeling: Hypothese toetsen Schatten 2 / 37 Vragen 61 Amerikanen werd gevraagd hoeveel % van de tijd zij liegen. Het gevonden
Nadere informatieKenmerk ontheffing in de Bijstands Uitkeringen Statistiek 2009 Versie 2
Centraal Bureau voor de Statistiek Divisie sociale en regionale statistieken (SRS) Sector statistische analyse voorburg (SAV) Postbus 24500 2490 HA Den Haag Kenmerk ontheffing in de Bijstands Uitkeringen
Nadere informatieMemo. 6 januari aan Lotte Vermey cc van Vincent de Heij. onderwerp Steekproef voor het onderzoek Sociaal Vitaal Platteland 2014.
aan Lotte Vermey cc van Vincent de Heij Memo onderwerp Steekproef voor het onderzoek Sociaal Vitaal Platteland 2014. 6 januari 2015 Introductie Voor het onderzoek Sociaal Vitaal Platteland 2014, dat het
Nadere informatieDeze week: Steekproefverdelingen. Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen. Kwaliteit van schatter. Overzicht Schatten
Deze week: Steekproefverdelingen Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen Cursusjaar 29 Peter de Waal Zuivere Schatters Betrouwbaarheidsintervallen Departement Informatica Hfdstk
Nadere 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 16 Donderdag 4 November 1 / 25 2 Statistiek Indeling: Schatten Correlatie 2 / 25 Schatten 3 / 25 Schatters: maximum likelihood schatters Def. Zij Ω de verzameling van
Nadere informatieOmnibusenquête 2015. deelrapport. Ter Zake Het Ondernemershuis
Omnibusenquête 2015 deelrapport Ter Zake Het Ondernemershuis Omnibusenquête 2015 deelrapport Ter Zake Het Ondernemershuis OMNIBUSENQUÊTE 2015 deelrapport TER ZAKE HET ONDERNEMERSHUIS Zoetermeer, 15 februari
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Biostatistiek (2S390) op maandag ,
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Biostatistiek (2S390) op maandag 20-11-2000, 14.00-17.00 uur ƒbij het tentamen mag gebruik worden gemaakt van een zakrekenmachine
Nadere informatieOpgaven voor Kansrekening
Opgaven voor Kansrekening Opgave 1. Je hebt 4 verschillende wiskunde boeken, 6 psychologie boeken en 2 letterkundige boeken. Hoeveel manieren zijn er om deze twaalf boeken op een boord te plaatsen als:
Nadere informatie3de bach HI. Econometrie. Volledige samenvatting. uickprinter Koningstraat Antwerpen A 11,00
3de bach HI Econometrie Volledige samenvatting Q www.quickprinter.be uickprinter Koningstraat 13 2000 Antwerpen 170 A 11,00 Practicum 0: Herhaling statistiek Hier vindt u een kort overzicht van enkele
Nadere informatieCombinatoriek en rekenregels
Combinatoriek en rekenregels Les 3: Het vaasmodel (deze les sluit aan bij de paragrafen 5, 6 en 7 van Hoofdstuk 1 Combinatoriek en Rekenregels van de Wageningse Methode, http://www.wageningsemethode.nl/methode/het-lesmateriaal/?s=y456v-d)
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 informatieOpgave 1 - Uitwerking
Opgave 1 - Uitwerking Om dit probleem op te lossen moeten we een zogenaamd stelsel van vergelijkingen oplossen. We zetten eerst even de tips van de begeleider onder elkaar: 1. De zak snoep weegt precies
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 informatieHoofdstuk 7: Statistische gevolgtrekkingen voor distributies
Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatie1 Appels (2,2,2p) Betrouwbaarheidsintervallen II (2,2,2,2)
RUDOLF STEINERCOLLEGE HAARLEM WISKUNDE VWO CM PROEFTOETS VWO CM Voor elk onderdeel is aangegeven hoeveel punten kunnen worden behaald. Antwoorden moeten altijd zijn voorzien van een berekening, toelichting
Nadere informatieNormale verdeling. Domein Statistiek en kansrekening havo A
Domein Statistiek en kansrekening havo A 4 Normale verdeling Inhoud 4.0 Een bijzondere verdeling 4.1 Gemiddelde en standaardafwijking 4.2 Normale verdeling 4.3 Rekenen met normale verdelingen 4.4 Steekproef
Nadere informatieS1 STATISTIEK. Tabellen & diagrammen Centrummaten & Spreiding
S1 STATISTIEK Tabellen & diagrammen Centrummaten & Spreiding TABELLEN & DIAGRAMMEN WELKE AUTO VIND JIJ HET MOOISTE? Kies 1,2,3,4 of 5 NUMMER 1 NUMMER 2 NUMMER 3 NUMMER 4 NUMMER 5 VERWERKING Tabel Cirkeldiagram
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 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 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2, Vrijdag 23 januari 25, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven dienen
Nadere informatieOpgaven voor Kansrekening
Wiskunde 1 voor kunstmatige intelligentie Opgaven voor Kansrekening Opgave 1. Een oneerlijke dobbelsteen is zo gemaakt dat 3 drie keer zo vaak valt als 4 en 2 twee keer zo vaak als 5. Verder vallen 1,
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 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 informatieAntwoorden Hoofdstuk 1 Verschillen
Antwoorden Hoofdstuk 1 Verschillen 1a. Niet sterk, want het is gebaseerd op slechts één zomer. b. Vriendinnen volgen is een vorm van groepsgedrag. Waar heeft Anneke het bericht gelezen? In een kwaliteitskrant
Nadere informatieExamen HAVO. wiskunde B1
wiskunde B1 Examen HAVO Hoger Algemeen Voortgezet Onderwijs Tijdvak 1 Vrijdag 19 mei 13.30 16.30 uur 0 06 Voor dit examen zijn maximaal 83 unten te behalen; het examen bestaat uit 3 vragen. Voor elk vraagnummer
Nadere informatieBreuk in de tijdreeks internationale ale handel in diensten0t
07 Breuk in de tijdreeks internationale ale handel in diensten0t Publicatiedatum CBS-website: 24 november 2008 Den Haag/Heerlen Verklaring van tekens. = gegevens ontbreken * = voorlopig cijfer x = geheim
Nadere informatieDonderdag 28-jan 6:30 8:27 11:54 12:54 15:34 17:23 19:20
Januari 2016 Vrijdag 1-jan 6:44 8:50 11:41 12:44 14:55 16:41 18:45 Zaterdag 2-jan 6:44 8:50 11:41 12:45 14:56 16:42 18:46 Zondag 3-jan 6:44 8:50 11:42 12:45 14:57 16:43 18:47 Maandag 4-jan 6:44 8:49 11:42
Nadere informatieHoofdstuk 12 : Regressie en correlatie. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent.
Hoofdstuk 12 : Regressie en correlatie Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Regressie en correlatie p 1/26 Regressielijn Vraag : vind het
Nadere informatieVoorbereidend Wetenschappelijk Onderwijs Tijdvak 2 Woensdag 18 juni uur
Wiskunde A (oude stijl) Examen VWO Voorbereidend Wetenschappelijk Onderwijs Tijdvak 2 Woensdag 18 juni 13.3 16.3 uur 2 3 Voor dit examen zijn maximaal 9 punten te behalen; het examen bestaat uit 2 vragen.
Nadere informatieFiguur 1: Voorbeelden van 95%-betrouwbaarheidsmarges van gemeten percentages.
MARGES EN SIGNIFICANTIE BIJ STEEKPROEFRESULTATEN. De marges van percentages Metingen via een steekproef leveren een schatting van de werkelijkheid. Het toevalskarakter van de steekproef heeft als consequentie,
Nadere 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 informatieExamen VWO. wiskunde A1
wiskunde A1 Examen VWO Voorbereidend Wetenschappelijk Onderwijs Tijdvak 1 Woensdag 25 mei 13.30 16.30 uur 20 05 Voor dit examen zijn maximaal 83 punten te behalen; het examen bestaat uit 21 vragen. Voor
Nadere informatie+ ( 1 4 )2 σ 2 X σ2. 36 σ2 terwijl V ar[x] = 11. Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter.
STATISTIEK OPLOSSINGEN OEFENZITTINGEN 5 en 6 c D. Keppens 2004 5 1 (a) Zij µ de verwachtingswaarde van X. We moeten aantonen dat E[M i ] = µ voor i = 1, 2, 3 om te kunnen spreken van zuivere schatters.
Nadere 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 informatieOmnibusenquête deelrapport. Zoetermeer FM
Omnibusenquête 2015 deelrapport Zoetermeer FM Omnibusenquête 2015 deelrapport Zoetermeer FM OMNIBUSENQUÊTE 2015 deelrapport ZOETERMEER FM Zoetermeer, 18 december 2015 Gemeente Zoetermeer Afdeling Juridische
Nadere informatiePermutaties Combinaties Binomiaalcoëfficiënt Variaties. Combinatoriek. W. Oele. 27 januari 2014. W. Oele Combinatoriek
27 januari 2014 Deze les Inleiding combinatoriek: de faculteit permutaties combinaties variaties de binomiaalcoëfficiënt De faculteit Eenvoudige recursieve definitie: 0! = 1 n! = n(n 1)! Voorbeelden: 5!
Nadere informatieEindexamen wiskunde A1 vwo 2003-II
Startende ondernemingen In Nederland starten elk jaar ongeveer 5 bedrijven. Sommige van deze startende bedrijven verdwijnen weer snel, andere overleven langere tijd. De Kamers van Koophandel houden de
Nadere informatieTentamen Inleiding Intelligente Data Analyse Datum: Tijd: , BBL 420 Dit is geen open boek tentamen.
Tentamen Inleiding Intelligente Data Analyse Datum: 19-12-2002 Tijd: 9.00-12.00, BBL 420 Dit is geen open boek tentamen. Algemene aanwijzingen 1. U mag ten hoogste één A4 met aantekeningen raadplegen.
Nadere informatieStatistiek in de alfa en gamma studies. Aansluiting wiskunde VWO-WO 16 april 2018
Statistiek in de alfa en gamma studies Aansluiting wiskunde VWO-WO 16 april 2018 Wie ben ik? Marieke Westeneng Docent bij afdeling Methoden en Statistiek Faculteit Sociale Wetenschappen Universiteit Utrecht
Nadere informatiewerkcollege 6 - D&P9: Estimation Using a Single Sample
cursus 9 mei 2012 werkcollege 6 - D&P9: Estimation Using a Single Sample van frequentie naar dichtheid we bepalen frequenties van meetwaarden plot in histogram delen door totaal aantal meetwaarden > fracties
Nadere informatie3.1 Procenten [1] In 1994 zijn er 3070 groentewinkels in Nederland. In 2004 zijn dit er nog 1625.
3.1 Procenten [1] In 1994 zijn er 3070 groentewinkels in Nederland. In 2004 zijn dit er nog 1625. Absolute verandering = Aantal 2004 Aantal 1994 = 1625 3070 = -1445 Relatieve verandering = Nieuw Oud Aantal
Nadere informatieWe illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten
Hoofdstuk 8 Betrouwbaarheidsintervallen In het vorige hoofdstuk lieten we zien hoe het mogelijk is om over een ongekende karakteristiek van een populatie hypothesen te formuleren. Een andere manier van
Nadere informatieFoutenbronnen bij statistisch onderzoek. 9 10Jelke Bethlehem. Statistische Methoden (10004)
Foutenbronnen bij statistisch onderzoek 9 10Jelke Bethlehem Statistische Methoden (10004) Den Haag/Heerlen, 2010 Verklaring van tekens. = gegevens ontbreken * = voorlopig cijfer ** = nader voorlopig cijfer
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 informatieINLEIDING FUNCTIES 1. COÖRDINATEN
INLEIDING FUNCTIES 1. COÖRDINATEN...1 2. FUNCTIES...2 3. ARGUMENT EN BEELD...3 4. HET FUNCTIEVOORSCHRIFT...4 5. DE FUNCTIEWAARDETABEL...5 6. DE GRAFIEK...6 7. FUNCTIES HERKENNEN...7 8. OPLOSSINGEN...9
Nadere informatieKlantonderzoek: statistiek!
Klantonderzoek: statistiek! Statistiek bij klantonderzoek Om de resultaten van klantonderzoek juist te interpreteren is het belangrijk de juiste analyses uit te voeren. Vaak worden de mogelijkheden van
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamenopgaven Statistiek (2DD71) op xx-xx-xxxx, xx.00-xx.00 uur.
VOORAF: Hieronder staat een aantal opgaven over de stof. Veel meer dan op het tentamen zelf gevraagd zullen worden. Op het tentamen zullen in totaal 20 onderdelen gevraagd worden. TECHNISCHE UNIVERSITEIT
Nadere informatieReflecties bij de invoering van TI-Nspire CAS op de Europese Scholen L.A.A. Blomme
Reflecties bij de invoering van TI-Nspire CAS op de Europese Scholen L.A.A. Blomme In 2010 is op de Europese Scholen het nieuwe wiskunde programma gestart. Een van de grote innovaties betreft het invoeren
Nadere informatieCombinatoriek en rekenregels
Combinatoriek en rekenregels Les 3: Het vaasmodel (deze les sluit aan bij de paragrafen 5, 6 en 7 van Hoofdstuk 1 Combinatoriek en Rekenregels van de Wageningse Methode, http://www.wageningsemethode.nl/methode/het-lesmateriaal/?s=y456v-d)
Nadere informatieStatistiek: Stam-bladdiagram en boxplot 6/12/2013. dr. Brenda Casteleyn
Statistiek: Stam-bladdiagram en boxplot 6/12/2013 dr. Brenda Casteleyn dr. Brenda Casteleyn www.keu6.be Page 2 1. Theorie Stam-bladdiagram en boxplot zijn methoden om visueel een verdeling voor te stellen.
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 informatieDe onbekende waarde van / in de statistiek Pedro Tytgat
De onbekende waarde van / in de statistiek Pedro Tytgat Met boeken statistiek alleen kan men een hele bibliotheek vullen. Het domein is zo uitgebreid en de maatschappelijke relevantie zo groot dat er inmiddels
Nadere informatie