De onbekende waarde van / in de statistiek Pedro Tytgat
|
|
- Gijs Meijer
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 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 een Master in de Statistiek bestaat aan verschillende Vlaamse universiteiten. Op secundair niveau onderwijzen wij dus een niet onbelangrijke inleiding op een inleiding Onze bijdrage is echter verre van onbelangrijk of onbetekenend. Dit heeft twee redenen. Om te beginnen is statistiek dat uitzonderlijke vak dat de meeste van onze leerlingen nog zullen ontmoeten in hun hogere studies. De kwantiteit en kwaliteit van onze bijdrage heeft hier dus verregaande repercussies. Maar vooral is onze rol belangrijk omwille van de ruime aandacht die wij aan het didactische (kunnen) spenderen. Indien wij de basisconcepten goed kunnen aanbrengen, zullen vele van onze leerlingen jarenlang op die basisvorming kunnen terugvallen. Het is meestal niet het onderdeel beschrijvende statistiek dat ons kopzorgen baart. Deze materie aanbrengen lukt vrij goed. Maar de verklarende statistiek (soms ook inductieve of inferentiële statistiek genoemd) is ons minder vertrouwd. Het basisconcept steekproevenverdeling (ook wel steekproefverdeling genoemd of sampling distribution in het Engels) is pas met het laatste leerplan ingevoerd. Het is voor ons allen wat zoeken naar bruikbare didactische werkvormen om dat concept goed aan te brengen. De afgeleide belangrijke begrippen betrouwbaarheidsintervallen en significantietesten zijn gebaseerd op die steekproevenverdeling, zodat een gemiste start met dit begrip voor blijvende verwarring en onbegrip kan zorgen later, d.i. in het secundair maar ook in het hoger onderwijs. Deze workshop doet een voorstel om dit cruciale begrip uit de statistiek aan te brengen. Er zijn verschillende variaties mogelijk, o.a. afhankelijk van jouw klas en de computersoftware die op jouw school beschikbaar is. 1
2 Basisconcepten en valkuilen in de lessen statistiek 1 Basisconcepten en valkuilen in de lessen statistiek Tijdens een navorming kregen we als cursisten de onderstaande tekst ( 1 ) met als opdracht de vier vraagjes onderaan te beantwoorden. De monotillatie van Traxoline Het is zeer belangrijk dat je leert over traxoline. Traxoline is een nieuw soort zionter. Het wordt gemonotilleerd in Ceristanië. Om traxoline te kwaselen moeten de Ceristaniërs grote hoeveelheden fevon gristeren en die daarna bracteren. Traxoline zou wel eens één van onze beste snezlaus van de toekomst kunnen worden. Toets 1. Wat is traxoline? a. Een chemisch bijproduct van verbranding b. Een benzineadditief c. Een nieuw soort zionter 2. Waar wordt traxoline gemonotilleerd? a. Albanië b. West-Indië c. Ceristanië d. Frankrijk 3. Hoe wordt traxoline gekwaseld? 4. Waarom is het belangrijk dat je leert over Traxoline? Hoewel niemand door had waarover het ging, hadden we allemaal 20 op 20! Deze humoristische tekst illustreert een valkuil waar we allemaal kunnen in trappen: het opbouwen en testen van de leerstof op een manier die geen fundamentele kennis en inzicht vereist of garandeert. Zeker in onze lessen statistiek is dit van belang. Het is niet omdat leerlingen betrouwbaarheidsintervallen kunnen berekenen, dat ze inzicht hebben in wat variabiliteit en steekproevenverdelingen zijn. Het is niet omdat ze een histogram kunnen tekenen, dat ze inzicht hebben in de verschillende soorten verdelingen die in de statistiek optreden. Het is niet omdat ze een P-waarde kunnen berekenen, dat ze inzicht hebben in wat significantie betekent. Na elke les en elke toets moeten we ons dus afvragen: Heb ik nu gepolst naar de monotillatie van Traxoline?. Het aanleren van een goed begrip van het concept steekproevenverdeling verkleint de kans dat we in die valkuil trappen. 2 1 Afkomstig uit Clickers in the Classroom van Douglas Duncan. De monotillatie zou van Judie Lanier zijn.
3 2 Onbekende waarde: proportie 2.1 Klasexperiment: hoeveel procent rode bonen? Een eenvoudig experiment, dat niet te lang duurt, bestaat erin leerlingen zelf een onbekende proportie te laten schatten. Dit kan door groepjes van bijv. een leerling of vier een doosje te geven met een mengeling van witte en rode bonen, waarbij zij de proporties niet kennen, maar jij wel. Zorg ervoor dat het percentage rode bonen in alle doosjes dezelfde is, zodat de groepjes hun resultaten later kunnen combineren. Vraag elk groepje om lukraak bijv. 10 of 20 bonen uit het doosje te nemen, de rode te tellen en op basis daarvan een schatting te maken van het percentage rode bonen in het doosje. Je kunt hier de begrippen populatie en steekproef aanbrengen, evenals het belang van het aselect kiezen van de bonen. De verschillen tussen de groepjes zullen normaalgezien groot zijn, sommige groepjes zullen een percentage vinden dat sterk afwijkt van het werkelijke percentage. Eventuele protesten i.v.m. een te kleine steekproef zijn uiteraard welkom. Deze kunnen immers voor elke steekproef geuit worden ( Kun je op basis van een steekproef van amper 2000 van de 10 miljoen Belgen betrouwbare besluiten trekken over de steun aan het Kyoto protocol? Het antwoord is trouwens: ja.). Vervolgens laat je elk groepje nog een vijf- tot tiental keren zo n aselecte trekking uitvoeren, telkens hetzelfde aantal bonen, waarbij ze elke keer de proportie rode bonen noteren. De resultaten van alle groepjes kunnen nu grafisch voorgesteld worden om een idee te krijgen van de afwijkingen die kunnen optreden tussen de verschillende steekproefresultaten. Dit kan aan de hand van een klaargemaakt rekenblad, waarbij de relatieve frequenties van elk percentage meteen worden omgezet in een staafdiagram. Of het kan op het bord, bijv. door met Post-itbriefjes de staafjes van het staafdiagram te laten toenemen. Deze herhaalde metingen geven vooral een idee over de variabiliteit van de resultaten: percentages tussen de 10% en 80% blijken hierboven mogelijk, al zijn die uiterste waarden minder waarschijnlijk. Mogelijk komt de vraag of het niet interessanter is alle resultaten te combineren tot één grote steekproef. Met de gegevens hierboven zou dit neerkomen op een grote steekproef van 300 bonen, waarin in totaal 109 rode bonen zaten, of dus 36% ( 2 ). Los van het probleem van het trekken met of zonder teruglegging, kun je hier ofwel meteen verklappen dat grotere steekproeven inderdaad betrouwbaarder resultaten opleveren, zoals we intuïtief aanvoelen, ofwel kun je stellen dat je ook dit zou moeten onderzoeken, door vele steekproeven van 300 bonen te nemen en via een staafdiagram na te gaan of je nog steeds resultaten vindt gaande van ongeveer 10% tot 80%. 2 De gegevens zijn afkomstig van een simulatie met 37% rode bonen. 3
4 Dit laatste antwoord kan trouwens een perfecte overgang vormen tot het tweede deel van de les, waarin je het bonenexperiment nu via een computersimulatie nabootst voor grotere steekproeven. 2.2 Besluiten bij het klasexperiment Deze eerste kennismaking met het gebruik van steekproeven laat toe enkele belangrijke besluiten te formuleren. De populatieproportie p is onbekend en ook onkenbaar (om praktische redenen). Enkel via een steekproef kun je proberen een idee te krijgen van de grootte van die onbekende waarde p. De steekproefproportie ˆp is onderhevig aan variabiliteit: verschillende steekproeven leveren verschillende schattingen op. Die variabiliteit kun je grafisch zichtbaar maken door heel veel steekproeven van dezelfde grootte te nemen en de gevonden schattingen in een staafdiagram of histogram weer te geven. De gevonden steekproefresultaten vormen de steekproevenverdeling. De betrouwbaarheid van één schatting ˆp hangt nauw samen met de variabiliteit: hoe groter die laatste is, hoe minder betrouwbaar een willekeurige schatting. Het is belangrijk dat leerlingen begrijpen dat je in de praktijk altijd maar de mogelijkheid (tijd, geld, middelen) hebt om één steekproef te nemen. Geen enkele statisticus zal meerdere kleine steekproeven nemen om daar een grafische voorstelling van te maken. Eén steekproefresultaat is dus altijd te beschouwen als één bolletje uit een hypothetische steekproevenverdeling. Je kunt als statisticus nooit weten of jouw bolletje dicht bij de gezochte populatieproportie p ligt of niet. Het herhaaldelijk nemen van steekproeven is een didactisch hulpmiddel om de variabiliteit van steekproefresultaten in beeld te brengen. Variëren de gesimuleerde resultaten van 10% tot 70%, dan weet je dat één enkel resultaat eigenlijk onbetrouwbaar is: die schatting kan heel dicht bij de gezochte populatiewaarde liggen, maar er ook heel sterk van afwijken. Het kiezen van 10 bonen blijkt dus een onbetrouwbare procedure te zijn om de werkelijke populatieproportie rode bonen te schatten. Om de fundamentele onmogelijkheid om p te kennen te laten aanvoelen, zou ik ook bij het bonenexperiment niet verklappen wat het werkelijke percentage rode bonen in het potje is. Of toch niet in die les. 4
5 2.3 Computersimulatie van de schatting van een proportie Er zijn verschillende programma s die goede simulaties mogelijk maken. In het algemeen is Fathom vrij bekend om zijn simulatiemogelijkheden (maar ook voor de talrijke toepassingen binnen de beschrijvende statistiek). Wanneer het gaat over het schatten van proporties, heeft VU-Statistiek een knappe module: Steekproeven. De onbekende waarde p wordt als geheime proportie blauw ingegeven. Hieronder is de simulatie zo ingesteld dat 23% van de vierkantjes lichtblauw zijn. Voor het instellen van de populatiegrootte geldt dat ze best minstens 10 keer groter is dan de steekproef. Het is verdedigbaar om de populatie zo groot mogelijk te kiezen. Dit zorgt er voor dat de kans op een blauw vierkantje bij elke trekking (nagenoeg) even groot blijft. Werk je met trekkingen met teruglegging, dan komt dit neer op een oneindige populatie en een constante kans op een blauw blokje ( 3 ). Een eerste simulatie Kies een steekproefgrootte van bijv. 300 en stel het aantal simulaties in op bijv Bekijken we dit als leerkracht, met de begrippen uit de kansrekening, dan is de steekproevenverdeling bij een eindige populatie een hypergeometrische verdeling. Bij een oneindige populatie heb je een binomiale verdeling. Beide zijn goed te benaderen door een normale verdeling. Belangrijk bij simulaties is echter dat die verdelingen niet gekend moeten zijn. Alle redeneringen kunnen perfect uitgevoerd worden op basis van de simulatieresultaten. Ik zie de statistiek daarom meestel vóór de kansrekening in mijn klassen. 5
6 Van de 300 gekozen elementen waren er 70 lichtblauw, wat overeenkomt met een eerste steekproefproportie ˆp 1 = 0,233. Dit resultaat wordt rechtsonder grafisch voorgesteld. Na vijftig simulaties ( pˆ1, pˆ ˆ ˆ 2, p3,..., p 50) krijg je de onderstaande resultaten. Na 1000 simulaties wordt de steekproevenverdeling rechtsonder goed zichtbaar. 6
7 Het tabblad Resultaten geeft een duidelijker beeld van die verdeling. Het zwarte driehoekje onderaan geeft het gemiddelde van alle gesimuleerde steekproefproporties p ˆ i (i = 1, 2, 3,, 1000) weer. Bij een steekproefgrootte van 300 blijken de steekproefresultaten tussen de 17 en 32% (ongeveer) te schommelen, met het gros van de resultaten tussen de 19 en 28%. Invloed van de steekproefgrootte Bij steekproeven van 2000 elementen is de variabiliteit al een stuk kleiner. 7
8 De meeste resultaten liggen nu tussen de 21,5% en 24,5%. Hoewel de variabiliteit van de steekproefproporties p ˆi verschillend is voor n = 300 en n = 2000, is het gemiddelde van alle steekproefproporties in beide situaties bijna precies gelijk aan de ongekende populatieproportie p. Dit laatste is essentieel! Enkel dankzij dit gegeven kunnen we stellen dat de meeste steekproefproporties p ˆ i een betrouwbare schatting zijn van de ongekende populatieproportie p. Sterker nog, dankzij de steekproevenverdeling kunnen we stellen dat bij n = 2000 elke steekproefproportie waarschijnlijk niet meer dan 1,5% afwijkt van de gezochte p. Invloed van de populatiegrootte Uit een laatste reeks simulaties blijkt dat de populatiegrootte verrassend genoeg geen invloed heeft op de betrouwbaarheid van een steekproef ( 4 ). In de vier afbeeldingen hieronder is de steekproevenverdeling niet noemenswaardig verschillend bij de verschillende populatiegroottes. N = N = N = N = Een steekproef van 2000 personen is even betrouwbaar in een populatie van als personen! Voorwaarde is wél dat de steekproef volledig aselect genomen wordt. 4 Eigenlijk is er een minieme invloed, die echter nauwelijks nog waarneembaar is van zodra de populatie zo n 5 à 10 keer groter is dan de steekproef. 8
9 2.4 Besluiten bij het schatten van een proportie Uit de simulaties hierboven kunnen we het volgende besluiten. Neem je herhaaldelijk aselecte steekproeven van grootte n uit een populatie van grootte N waarin een proportie p een bepaald kenmerk heeft, dan zullen de steekproefproporties p ˆi onderhevig zijn aan een zekere variabiliteit. De steekproevenverdeling beschrijft de gevonden steekproefproporties. Twee kenmerken van die verdeling zijn daarbij interessant: het gemiddelde en de standaardafwijking. Het gemiddelde van alle p ˆ i blijkt, ongeacht de steekproefgrootte n, nagenoeg samen te vallen met de gezocht populatieproportie p. De gevolgde procedure wordt daarom onvertekend genoemd. De standaardafwijking geeft een idee van de variabiliteit van de resultaten rond het gemiddelde. Ze neemt af bij toenemende steekproefgrootte n. Ze blijkt onafhankelijk te zijn van de populatiegrootte N. 2.5 Van hieruit Na deze besluiten zijn twee werkwijzen mogelijk. 1. Men kan de experimentele steekproevenverdeling aanwenden bij enkele typische statistische toepassingen, zoals het berekenen van betrouwbaarheidsintervallen bij een individuele steekproefproportie p ˆ i of het uitvoeren van significantietesten. Formules zijn daarbij niet nodig; het volstaat over software te beschikken die kan tellen welke steekproefresultaten binnen welke grenzen liggen. Strikt genomen volstaat een eenvoudig grafisch rekentoestel hiervoor, al is de snelheid daarvan meestal een belemmering. Software als VU-Statistiek, Fathom of zelfs Excel zijn uiteraard veel sneller. 2. Men kan ook eerst een wiskundig luik inlassen, waarbij wordt gezocht naar een wiskundige beschrijving van de steekproefverdeling. Deze blijkt goed benaderd te kunnen worden door de normale verdeling. Betrouwbaarheidsintervallen en significantietesten kunnen dan d.m.v. berekeningen op de normale verdeling uitgevoerd worden. Methode 1 biedt het voordeel dat je langer met de concepten bezig bent, terwijl je bij methode 2 sneller overschakelt naar berekeningen waarbij het begrijpen van wat een steekproevenverdeling precies betekent, minder belangrijk is (risico op De monotillatie van traxoline ). Vanuit didactisch standpunt valt dus veel te zeggen voor methode 1. Wanneer de basisinzichten goed verworven zijn, is de overstap naar een wiskundig model aan de orde. Wanneer nodig kan een leerling echter terugvallen op de basisredeneringen en begrippen. 9
10 Algemeen 3 Algemeen Om te weten te komen of een steekproefprocedure deugdelijk is, moet je je de vraag stellen: Wat zou er gebeuren mocht ik deze procedure heel vaak herhalen? Een simulatie is het middel bij uitstek om deze herhaling te realiseren. De gevolgde procedure is bruikbaar wanneer de bijbehorende steekproevenverdeling voldoet aan het volgende essentiële kenmerk: het gemiddelde van de steekproefresultaten moet overeenkomen met de gezochte populatiewaarde 5. In dat geval is de steekproefprocedure onvertekend. Om een bepaald populatiekenmerk te schatten kunnen er verschillende onvertekende procedures bestaan. De betrouwbaarheid van een onvertekende procedure is hoger naarmate de variabiliteit (bijv. uitgedrukt d.m.v. de standaardafwijking) van de gevonden steekproefresultaten afneemt. Via simulaties kan onderzocht worden welke parameters de variabiliteit kunnen verminderen. De steekproevenverdeling is het basisconcept dat gebruikt wordt in talloze statistische toepassingen en berekeningen, zoals het bepalen van betrouwbaarheidsintervallen of het uitvoeren van hypothesetesten. Het bovenstaande overzicht is ook bruikbaar voor het schatten van gemiddeldes i.p.v. proporties, het schatten van de coëfficiënten van een regressierechte, de afwijking t.o.v. een gegeven kansverdeling, Hoe dit concreet gebeurt, vind je in verschillende handboeken voor het secundair en hoger onderwijs. 4 Onbekende waarde: aantal Duitse tanks Teneinde een mogelijke invasie op het continent voor te bereiden, hadden de Geallieerden tijdens WOII nood aan een betrouwbare schatting van het aantal nieuwe tanks dat per maand door de Duitsers geproduceerd kon worden. Verschillende Duitse tanks waren al door de geallieerden veroverd. Daaruit bleek dat ze allen een serienummer hadden; men vermoedde dat de Duitsers de tanks gewoon hadden genummerd in volgorde van productie. Op basis van een steekproef van veroverde tanks wilde men nu een schatting maken van het totale aantal tanks op een bepaald ogenblik. Britse wiskundigen werden ingeschakeld en kwamen snel met een voorstel. Geallieerde spionnen kwamen met een andere, veel hogere schatting die niet gebaseerd was op die steekproef maar op waarnemingen op het terrein. Uiteindelijk bleken de wiskundigen veel dichter bij de waarheid te zitten. Een reden was dat de Duitsers geregeld hun tanks herschilderden om de geallieerden te 10 5 In kanstheoretische bewoordingen: de verwachtingswaarde van de gebruikte toevalsvariabele moet gelijk zijn aan de populatiewaarde.
11 Onbekende waarde: aantal Duitse tanks misleiden en ze te laten geloven dat ze veel meer tanks hadden dan er in werkelijkheid waren. En dit bleek te lukken. (Zie ook Opdracht Indien de tanks opeenvolgend genummerd zijn, kunnen we ze associëren met de opeenvolgende natuurlijke getallen 1, 2, 3,, N. Je beschikt over een lukrake trekking van zeven nummers x1, x2,..., x 7 uit deze rij. 1. Bedenk een (of meerdere) schatters die hier gebruikt zouden kunnen worden om N te bepalen. Je mag daarbij alle begrippen uit de kansrekening en de beschrijvende statistiek gebruiken die je maar wil, inclusief de kenmerken en eigenschappen van de kansverdelingen die je kent ( 6 ). Er zijn meerdere goede antwoorden. 2. Ondertussen kom ik langs met een doosje met een onbekend aantal opeenvolgende natuurlijke getallen. Daaruit moet je er zeven trekken. Op die zeven getallen pas je je methode(s) toe. 3. We verzamelen alle methodes en onderzoeken hun deugdelijkheid. 6 In de klas kan deze activiteit enkel uitgevoerd worden nadat leerlingen de nodige begrippen uit de beschrijvende statistiek hebben herhaald of gezien (zie verder). 11
Betrouwbaarheid van een steekproefresultaat m.b.t. de hele populatie
Betrouwbaarheid van een steekproefresultaat m.b.t. de hele populatie Verschillende steekproeven uit eenzelfde populatie leveren verschillende (steekproef) resultaten op. Dit onvermijdelijke verschijnsel
Nadere informatieKansverdelingen Inductieve statistiek met Geogebra 4.2
Kansverdelingen Inductieve statistiek met Geogebra 4.2 Brecht Dekeyser Pedic 20 november 2013 Gent 1 Inhoud Nieuw in Geogebra 4.2 Kansverdelingen: Berekeningen en grafische voorstellingen Manueel in rekenblad
Nadere informatieToetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling
Toetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling Moore, McCabe & Craig: 3.3 Toward Statistical Inference From Probability to Inference 5.1 Sampling Distributions for
Nadere 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 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 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 informatieSchatting voor het aantal tanks: is statistiek beter dan de geheime dienst?
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
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 informatieVoorbeelden van gebruik van 5 VUSTAT-apps
Voorbeelden van gebruik van 5 VUSTAT-apps Piet van Blokland Begrijpen van statistiek door simulaties en visualisaties Hoe kun je deze apps gebruiken bij het statistiek onderwijs? De apps van VUSTAT zijn
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 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 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 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 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 informatieVandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses
Vandaag Onderzoeksmethoden: Statistiek 3 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Recap Centrale limietstelling
Nadere informatieZin en onzin van normale benaderingen van binomiale verdelingen
Zin en onzin van normale benaderingen van binomiale verdelingen Johan Walrave, docent EHSAL 0. Inleiding Voordat het grafisch rekentoestel in onze school ingevoerd werd, was er onder de statistiekdocenten
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 informatieHoofdstuk 5 Een populatie: parametrische toetsen
Hoofdstuk 5 Een populatie: parametrische toetsen 5.1 Gemiddelde, variantie, standaardafwijking: De variantie is als het ware de gemiddelde gekwadrateerde afwijking van het gemiddelde. Hoe groter de variantie
Nadere informatieStatistiek: Herhaling en aanvulling
Statistiek: Herhaling en aanvulling 11 mei 2009 1 Algemeen Statistiek is de wetenschap die beschrijft hoe we gegevens kunnen verzamelen, verwerken en analyseren om een beter inzicht te krijgen in de aard,
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 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 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 informatieDe verstrooide professor
Inleiding De verstrooide professor Edward Omey HU - Stormstraat 2 000 russel edward.omey@hubrussel.be In hun nota bestuderen Guido Herweyers en Ronald Rouseau (G. Herweyers en R. Rousseau, Een onverwacht
Nadere informatieSimulaties een revolutie in de didactiek van de statistiek
Simulaties een revolutie in Simulaties de didactiek van de statistiek een revolutie in de didactiek van de statistiek Carel van de Giessen NVvWL november 2015 Van Althuis German Tank problem 1? German
Nadere informatieStatistische variabelen. formuleblad
Statistische variabelen formuleblad 0. voorkennis Soorten variabelen Discreet of continu Bij kwantitatieve gegevens gaat het om meetbare gegeven, zoals temperatuur, snelheid of gewicht. Bij een discrete
Nadere informatie5.0 Voorkennis. Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram:
5.0 Voorkennis Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram: De lengte van de staven komt overeen met de hoeveelheid; De staven staan meestal los van
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 informatieExamen VWO 2015. wiskunde C. tijdvak 2 woensdag 17 juni 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.
Examen VWO 2015 tijdvak 2 woensdag 17 juni 13.30-16.30 uur wiskunde C Bij dit examen hoort een uitwerkbijlage. Dit examen bestaat uit 22 vragen. Voor dit examen zijn maximaal 79 punten te behalen. Voor
Nadere informatieTentamen Wiskunde A CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE. Datum: 19 december Aantal opgaven: 6
CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE Tentamen Wiskunde A Datum: 19 december 2018 Tijd: 13.30 16.30 uur Aantal opgaven: 6 Lees onderstaande aanwijzingen s.v.p. goed door voordat u met het tentamen begint.
Nadere informatieHiermee rekenen we de testwaarde van t uit: n. 10 ( x ) ,16
modulus strepen: uitkomst > 0 Hiermee rekenen we de testwaarde van t uit: n 10 ttest ( x ) 105 101 3,16 n-1 4 t test > t kritisch want 3,16 >,6, dus 105 valt buiten het BI. De cola bevat niet significant
Nadere informatieBeschrijvend statistiek
1 Beschrijvend statistiek 1. In een school werd het intelligentiequotiënt gemeten van de leerlingen van het zesde jaar (zie tabel). De getallen werden afgerond tot op de eenheid. De berekeningen mogen
Nadere informatieExamen Statistiek I Feedback
Examen Statistiek I Feedback Bij elke vraag is alternatief A correct. Bij de trekking van een persoon uit een populatie beschouwt men de gebeurtenissen A (met bril), B (hooggeschoold) en C (mannelijk).
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 12 Donderdag 21 Oktober 1 / 38 2 Statistiek Indeling: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 38 Deductieve
Nadere informatieStatistiek voor Natuurkunde Opgavenserie 1: Kansrekening
Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Inleveren: 12 januari 2011, VOOR het college Afspraken Serie 1 mag gemaakt en ingeleverd worden in tweetallen. Schrijf duidelijk je naam, e-mail
Nadere 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 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 informatieBeschrijvende statistiek
Duur 45 minuten Overzicht Tijdens deze lesactiviteit leer je op welke manier centrum- en spreidingsmaten je helpen bij de interpretatie van statistische gegevens. Je leert ook dat grafische voorstellingen
Nadere informatieExamenprogramma wiskunde A vwo
Examenprogramma wiskunde A vwo Het eindexamen Het eindexamen bestaat uit het centraal examen en het schoolexamen. Het examenprogramma bestaat uit de volgende domeinen: Domein A Vaardigheden Domein Bg Functies
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 informatieeen typische component van statistiek
Variabiliteit: een typische component van statistiek Prof. dr. Herman Callaert Statistiek = de wetenschap van het leren uit cijfermateriaal in aanwezigheid van variabiliteit en toeval en waarbij de context
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN
TECHNISCHE UNIVERSITEIT EINDHOVEN Tentamen Biostatistiek voor BMT (2S390) op 17-11-2003 U mag alleen gebruik maken van een onbeschreven Statistisch Compendium (dikt. nr. 2218) en van een zakrekenmachine.
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 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 informatieFeedback proefexamen Statistiek I 2009 2010
Feedback proefexamen Statistiek I 2009 2010 Het correcte antwoord wordt aangeduid door een sterretje. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Een derde van de mannen is
Nadere informatie5.0 Voorkennis. Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram:
5.0 Voorkennis Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram: De lengte van de staven komt overeen met de hoeveelheid; De staven staan meestal los van
Nadere informatie4 Domein STATISTIEK - versie 1.2
USolv-IT - Boomstructuur DOMEIN STATISTIEK - versie 1.2 - c Copyrighted 42 4 Domein STATISTIEK - versie 1.2 (Op initiatief van USolv-IT werd deze boomstructuur mede in overleg met het Universitair Centrum
Nadere informatieRekenen: Meten groep 4 en hoger. Het leren van simpele weegopdrachten.
Activiteit 7 Lichtste en zwaarste Sorteer algoritmes Samenvatting Computers worden vaak gebruikt om lijsten in een bepaalde volgorde te zetten, bijvoorbeeld namen in alfabetische volgorde, e-mails of afspraken
Nadere informatieBij het oplossen van een telprobleem zijn de volgende 2 dingen belangrijk: Is de volgorde van de gekozen dingen van belang?
4. tellen & kansen 4.1 Tellen Herkennen Je kunt een vraag over telproblemen herkennen aan signaalwoorden: - hoeveel mogelijkheden, manieren, routes, volgordes etc. zijn er?, - bereken het aantal mogelijkheden/manieren
Nadere informatieSheets K&S voor INF HC 10: Hoofdstuk 12
Sheets K&S voor INF HC 1: Hoofdstuk 12 Statistiek Deel 1: Schatten (hfdst. 1) Deel 2: Betrouwbaarheidsintervallen (11) Deel 3: Toetsen van hypothesen (12) Betrouwbaarheidsintervallen (H11) en toetsen (H12)
Nadere informatieKansrekening en Statistiek
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 informatie14.1 Kansberekeningen [1]
14.1 Kansberekeningen [1] Herhaling kansberekeningen: Somregel: Als de gebeurtenissen G 1 en G 2 geen gemeenschappelijke uitkomsten hebben geldt: P(G 1 of G 2 ) = P(G 1 ) + P(G 2 ) B.v. P(3 of 4 gooien
Nadere informatieDurft u het risico aan?
Durft u het risico aan? Hoe het uitkeringspercentage van de vernieuwde Nederlandse Lotto te schatten? Ton Dieker en Henk Tijms De Lotto is in Nederland een grote speler op de kansspelmarkt. Met onderdelen
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 informatie4.1 Eigenschappen van de normale verdeling [1]
4.1 Eigenschappen van de normale verdeling [1] Relatief frequentiepolygoon van de lengte van mannen in 1968 1 4.1 Eigenschappen van de normale verdeling [1] In dit plaatje is een frequentiepolygoon getekend.
Nadere informatieExamen Kansrekening en Wiskundige Statistiek: oplossingen
Examen Kansrekening en Wiskundige Statistiek: oplossingen S. Vansteelandt Academiejaar 006-007 1. Een team van onderzoekers wil nagaan of een bepaald geneesmiddel Triptan meer effectief is dan aspirine
Nadere informatieSamenvatting Wiskunde Samenvatting en stappenplan van hfst. 7 en 8
Samenvatting Wiskunde Samenvatting en stappenplan van hfst. 7 en 8 Samenvatting door N. 1410 woorden 6 januari 2013 5,4 13 keer beoordeeld Vak Methode Wiskunde Getal en Ruimte 7.1 toenamediagrammen Interval
Nadere informatieEindexamen wiskunde A havo 2011 - I
Zuinig rijden Tijdens rijlessen leer je om in de auto bij foto 20 km per uur van de eerste naar de tweede versnelling te schakelen. Daarna ga je bij 40 km per uur naar de derde versnelling, bij 60 km per
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 informatieStochastische grafen in alledaagse modellen
Stochastische grafen in alledaagse modellen Ionica Smeets en Gerard Hooghiemstra 27 februari 2004 Stochastische grafen zijn grafen waarbij het aantal kanten bepaald wordt door kansverdelingen. Deze grafen
Nadere informatieInhoud. 1 Inleiding tot de beschrijvende statistiek Maatstaven voor ligging en spreiding Kansrekening 99
Inhoud 1 Inleiding tot de beschrijvende statistiek 13 1.1 Een eerste verkenning 14 1.2 Frequentieverdelingen 22 1.3 Grafische voorstellingen 30 1.4 Diverse diagrammen 35 1.5 Stamdiagram, histogram en frequentiepolygoon
Nadere informatieEconomie en maatschappij(a/b)
Natuur en gezondheid(a/b) Economie en maatschappij(a/b) Cultuur en maatschappij(a/c) http://profielkeuze.qompas.nl/ Economische studies Talen Recht Gedrag en maatschappij http://www.connectcollege.nl/download/decanaat/vwo%20doorstroomeisen%20universiteit.pdf
Nadere informatieWiskunnend Wiske. 5. Goochelende getallen. Wat ik ga studeren? Wiskunde natuurlijk!
Wat ik ga studeren? Wiskunde natuurlijk! Wiskunnend Wiske 5. Goochelende getallen c 2010, Standaard Uitgeverij, Antwerpen, België voor alle afbeeldingen van groot Wiske Opdracht 5 Vele goochelaars gebruiken
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 informatieDEEL II DOEN! - Praktische opdracht statistiek WA- 4HAVO
DEEL II DOEN! - Praktische opdracht statistiek WA- 4HAVO Leerlingmateriaal 1. Doel van de praktische opdracht Het doel van deze praktische opdracht is om de theorie uit je boek te verbinden met de data
Nadere informatie2 Data en datasets verwerken
Domein Statistiek en kansrekening havo A 2 Data en datasets verwerken 2 Verbanden tussen data representaties 2.4 Oefenen In opdracht van: Commissie Toekomst Wiskunde Onderwijs 2 Verbanden tussen data representaties
Nadere informatieis, dat de zijde met cijfer boven te liggen komt, evenzo als de kans voor de koningin 1 2
Hoofdstuk III Kansrekening Les 1 Combinatoriek Als we het over de kans hebben dat iets gebeurt, hebben we daar wel intuïtief een idee over, wat we hiermee bedoelen. Bijvoorbeeld zeggen we, dat bij het
Nadere informatieStatistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn
Statistiek: Spreiding en dispersie 6/12/2013 dr. Brenda Casteleyn dr. Brenda Casteleyn www.keu6.be Page 2 1. Theorie Met spreiding willen we in één getal uitdrukken hoe verspreid de gegevens zijn: in hoeveel
Nadere 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 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 informatieHAVO 4 wiskunde A. Een checklist is een opsomming van de dingen die je moet kennen en kunnen. checklist SE1 wiskunde A.pdf
HAVO 4 wiskunde A Een checklist is een opsomming van de dingen die je moet kennen en kunnen. checklist SE1 wiskunde A.pdf 1. rekenregels en verhoudingen Ik kan breuken vermenigvuldigen en delen. Ik ken
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 informatieGrafische voorstellingen
Grafische voorstellingen Onderzoek omtrent de lonen. Wat is uw huidige loon. Streep het gepaste hokje aan. q 40 000-45 000 q 45 000-50 000 q 50 000-55 000 q 55 000-60 000 q 60 000-80 000 q 80 000-100 000
Nadere informatieDocentenhandleiding Tabellen en grafieken
Docentenhandleiding Tabellen en grafieken Havo A, leerjaar 4 Dit hoofdstuk is onderdeel van het domein Formules en grafieken. Havo 4: Tabellen en grafieken Havo 4: Formules Havo 4: Lineaire verbanden Havo
Nadere informatieintroductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 5: Sampling Distributions 5.1: The
Nadere 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 informatieExamenprogramma wiskunde D vwo
Examenprogramma wiskunde D vwo Het eindexamen Het eindexamen bestaat uit het schoolexamen. Het examenprogramma bestaat uit de volgende domeinen: Domein A Vaardigheden Domein B Kansrekening en statistiek
Nadere informatieCVO PANTA RHEI - Schoonmeersstraat 26 9000 GENT 09 335 22 22. Soorten stochastische variabelen (discrete versus continue)
identificatie opleiding Marketing modulenaam Statistiek code module A12 goedkeuring door aantal lestijden 80 studiepunten datum goedkeuring structuurschema / volgtijdelijkheid link: inhoud link leerplan:
Nadere informatieSamenvatting Wiskunde A kansen
Samenvatting Wiskunde A kansen Samenvatting door een scholier 857 woorden 19 juni 2016 1 1 keer beoordeeld Vak Methode Wiskunde A Moderne wiskunde H1 Machtsboom Mogelijkheden tellen Aantal takken is gelijk
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen»
Nadere informatiefx-9860gii en fx-9860g met OS2 Hypergeometrische verdeling
Hypergeometrische verdeling Overzicht Hpd Hcd InvH Toepassingen Hypergeometric P.D. (Hpd) Wanneer sprake is van een hypergeometrische verdeling wordt vaak gespoken over 'trekken zonder terugleggen'. In
Nadere informatieInleiding tot de meettheorie
Inleiding tot de meettheorie Meten is het toekennen van cijfers aan voorwerpen. Koeien Koeien in een kudde, studenten in een auditorium, mensen met een bepaalde stoornis, leerlingen met meer dan 15 in
Nadere informatieAnnelies Droessaert en Etienne Goemaere
De meerwaarde van TI-Nspire in de 2 de graad Annelies Droessaert en Etienne Goemaere 1. INLEIDING De meeste scholen kiezen er momenteel voor om een grafisch rekentoestel in te voeren vanaf de 2 de graad.
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 6 oktober 009 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt
Nadere informatieEindexamen wiskunde A 1-2 vwo I
Marathonloopsters De Olympische hardloopwedstrijd met de grootste lengte is de marathon: ruim 4 kilometer, om precies te zijn 4 195 meter. De marathon wordt zowel door mannen als door vrouwen gelopen.
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 informatieInhoud. Woord vooraf 13. Hoofdstuk 1. Inductieve statistiek in onderzoek 17. Hoofdstuk 2. Kansverdelingen en kansberekening 28
Inhoud Woord vooraf 13 Hoofdstuk 1. Inductieve statistiek in onderzoek 17 1.1 Wat is de bedoeling van statistiek? 18 1.2 De empirische cyclus 19 1.3 Het probleem van de inductieve statistiek 20 1.4 Statistische
Nadere informatieOplossingen hoofdstuk 7
Oplossingen hoofdstuk 7 1. X is normaal verdeeld met µ=5 en =2. Tussen welke grenzen liggen P Z z 0, 3 z 0, 52 P Z z 0, 7 z 0,52. a) 30, 70 De ondergrens is x30 5z30 2 50,52 2 3,96 De bovengrens isx 70
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 informatieWerkblad 1 Normale dichtheidsfunctie als benadering voor een klokvormig histogram
Werkblad 1 Normale dichtheidsfunctie als benadering voor een klokvormig histogram Probeer zeker de opdrachten 1, 4 en 6 te maken. 1. In de tabel hieronder vind je gegevens over de borstomtrek van 5732
Nadere informatieUitwerkingen Mei Eindexamen VWO Wiskunde A. Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek
Uitwerkingen Mei 2012 Eindexamen VWO Wiskunde A Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek Schroefas Opgave 1. In de figuur trekken we een lijn tussen 2600 tpm op de linkerschaal en
Nadere informatieOefenvragen bij Statistics for Business and Economics van Newbold
Oefenvragen bij Statistics for Business and Economics van Newbold Hoofdstuk 1 1. Wat is het verschil tussen populatie en sample? De populatie is de complete set van items waar de onderzoeker in geïnteresseerd
Nadere 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 informatieOp exploratie in de statistiek
Op exploratie in de statistiek nieuw en boeiend Prof. dr. Herman Callaert Centrum voor Statistiek Universiteit Hasselt Dag van de wiskunde, 18 nov 2006, Eekhoutcentrum, Kortrijk. Statistiek is de wetenschap
Nadere informatieStatistiek voor A.I. College 5. Dinsdag 25 September 2012
Statistiek voor A.I. College 5 Dinsdag 25 September 2012 1 / 34 2 Deductieve statistiek Kansrekening 2 / 34 Percentages 3 / 34 Vragen: blikkie Kinderen worden slanker als ze anderhalf jaar lang limonade
Nadere informatiebegin van document Eindtermen havo wiskunde A (CE) gekoppeld aan delen en hoofdstukken uit Moderne wiskunde 9e editie
begin van document Eindtermen havo wiskunde A (CE) gekoppeld aan delen en hoofdstukken uit Moderne wiskunde 9e editie Domein Subdomein in CE moet in SE A A1: Informatievaardigheden X X Vaardigheden A2:
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 informatieOpen en Gepersonaliseerd Statistiekonderwijs (OGS) Deliverable 1.1 Requirements
Open en Gepersonaliseerd Statistiekonderwijs (OGS) Deliverable 1.1 Requirements Sietske Tacoma, Susanne Tak, Henk Hietbrink en Wouter van Joolingen Inleiding Het doel van dit project is om een aantal vrij
Nadere informatie