FORMULARIUM: STATISTIEK
|
|
- Diana de Veen
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 FORMULARIUM: STATISTIEK VARIABELE STEEKPROEF x,x,...,x POPULATIE X Dichtheid relatieve frequetie: f j kas met kasregels P(G C ) = P(G) P(G G ) = P(G ) + P(G ) P(G G ) P(G \ G ) = P(G ) P(G ) als G G voorwaardelijke kas P(G G ) = P(G G ) P(G ) G e G oafhakelijk: P(G G ) = P(G )P(G ) wet totale kas: P(G) = P(G G )P(G ) P(G G k )P(G k ) met G i partitie regel va Bayes: P(G G ) = P(G G )P(G ) P(G ) Dichtheidshistogram: h j = fj j DISCREET f(m j ) = P(X = m j ) met f(m j ) 0 e m j S f(m j) = P(X A) = m j A f(m j) CONTINU f(x) met f(x) 0 e S f(x)dx = P(X A) = A f(x)dx kasmodelle (zie p.3-4) Cumulatieve ˆF (x) = (aatal x i x) F(x) = P(X x) verdelig i =,..., Kwatielfuctie ˆQ (p) = x (i), p ] i, ] i Q(p) = F (p)
2 Gemiddelde STEEKPROEF x,x,...,x x = x i = i= k m j f j j= POPULATIE X E(g(X)) = k j= g(m j)f(m j ) (als X discreet) E(g(X)) = g(x)f(x)dx (als X cotiu) S delta: E(g(X)) g(ex) + Var(X)g (EX) Mediaa med(x) = { x + ( oeve) x +x + ( eve) Q(0.5) Variatie s = k (x i x) Var(X) = (m j EX) f(m j ) (als X discreet) i= j= = k (m j x) f j Var(X) = (x EX) f(x)dx (als X cotiu) j= Iterkwartielafstad ˆQ (0.75) ˆQ (0.5) Q(0.75) - Q(0.5) S Var(X) = E(X ) (EX) delta: Var(g(X)) = (g (EX)) Var(X) Lieariteits- ȳ = a x + b E(aX + b) = ae(x) + b eigeschappe med(y) = a med(x) + b Med(aX + b) = amed(x) + b Q Y (p) = g(q X (p)), dus Med(Y ) = g(med(x)) als g mootoo s y = a s x Var(aX + b) = a Var(X)
3 CONTINUE KANSMODELLEN aam dichtheid f(x) S E(X) Var(X) eigeschappe N(µ,σ ) e ( x µ σ ), µ R,σ > 0 x R µ σ Z = X µ πσ σ N(0,) F X (x) = Φ x µ Exp(λ) λe λx, λ > 0 x > 0 λ ) Weibull βλ β x β e (λx)β, λ,β > 0 x > 0 Γ( + λ /β β ) (Γ + λ /β β Γ + β χ r t r F,m logormale r/ Γ( r ) x r e x/, r > 0 x > 0 r r (r+)/, + x r r > 0 x R 0 r r Γ((r+)/) Γ(r/) πr Γ( +m ) Γ( )Γ( m ) / m m/ x e ( log(x) µ πσx (m+x) +m, m, > 0 x > 0 m m σ ), µ R,σ > 0 x R e µ+ σ λ m (m+ ) (m ) (m 4) e µ+σ e σ σ Q X (p) = µ + σφ (p) IQR(X) =.34σ kwatielplot: (Φ ((i 0.5)/),x (i) ) F(x) = exp( λx) kwatielplot: ( log ) i 0.5,x(i) F(x) = e (λx)β kwatielplot: ( log( log( i 0.5 )),log(x (i)) ) r i= Z i χ r met Z i N(0,) oafh. X t r met X N(0,) e Y χ Y/r r oafh. X/ Y/m F,m met X χ e Y χ m oafh. X = e Y met Y N(µ,σ ) bivariaat ormaal f(x, y) = π det(σ) e zt Σ z x,y R EX = µ X, Var(X) = σx, X N ( µ X,σX) e Y N µy,σy ( ) µ = (µ X µ Y ),z = (x y) µ e EY = µ Y Var(Y ) = σy X Y = y N µ X + ρ σx σ Y (y µ Y ),σx ( ρ ) σ Σ = X ρσ X σ Y Cov(X,Y ) = ρσ ρσ X σ X σ Y Y opm: Γ(t) = 0 x t e x dx σ Y
4
5 DISCRETE KANSMODELLEN aam dichtheid f(k) S E(X) Var(X) eigeschappe Beroulli f() ( = ) p, f(0) = p k = 0, p p( p) Biomiaal p k k ( p) k k = 0,..., p p( p) som va oafhakelijke Beroulli λ λk Poisso e k! k = 0,,,... λ λ limiet va biomiaal p = λ 0 e geometrisch ( p) k p p k =,,3... p p aatal herhalige tot ste succes k egatief biomiaal p r r ( p) k r r( p) r( p) k = r,r +,r +,... p p aatal herhalige tot rde succes r N r k k hypergeometrisch k = 0,..., cfr biomiaal, maar eidige populatie N N r N r(n r)(n ) N (N ) verbade tusse meerdere VARIABELEN STEEKPROEF POPULATIE KWALITATIEVE kruistabel op basis va relatieve frequeties op basis va kase: dichtheid: f(m x,m y ) = P(X = m x,y = m y ) met f(m x,m y ) 0 e f(mx,my) = m x S X P((X,Y ) A) = m y S Y f(m x,m y ) (m x,m y) A margiaal: f X (m x ) = P(X = m x,y = m y ) m y S Y voorwaardelijk: f X Y (m x m y ) = f(mx,my) f Y (m y) E(g(X,Y )) = m x m y g(m x,m y )f(m x,m y ) oafhakelijkheid χ =som over alle celle va P(X = m x Y = m y ) = P(X = m x ) (geobserveerde waarde - verwachte waarde) P(X = m verwachte waarde x,y = m y ) = P(X = m x )P(Y = m y ) verwachte waarde = rijsom kolomsom
6 METRISCHE dim dichtheid dim histogram: dichtheid f(x,y) met f(x,y) 0 e S f(x,y)dxdy = P ((X,Y ) A) = A f(x,y)dxdy margiaal: f X (x) = S y f(x,y)dy voorwaardelijk: f(x y) = f(x,y) f Y (y) E(g(X,Y )) = S g(x,y)f(x,y)dxdy kasmodelle: bivariaat ormale verdelig fuctieverbad scatterplot covariatie cov(x,y) = (x i x)(y i ȳ) Cov(X,Y ) = E i= correlatie r = r(x,y) = cov(x,y) s x s y ρ(x,y ) = lieariteits- u = a + b x e v = a + b y (a,b,a,b R) eigeschappe cov(u,v) = a a cov(x,y) r(u,v) = r(x,y) ( ) (X E(X))(Y E(Y )) Cov(X,Y ) = E(XY ) E(X)E(Y ) Var(aX + by + c) = a Var(X) + b Var(Y ) + abcov(x,y ) Cov(X,Y ) Var (X) Var (Y ) oafhakelijkheid r 0 f(x,y) = f X (x)f Y (y) E(g(X)h(Y )) = E(g(X))E(h(Y )) ρ = 0 INFERENTIE: steekproef populatie Cetrale limietstellig: Als X,...,X oafhakelijke, idetiek verdeelde variabele met E(X) = µ e eidige variatie σ, da X N µ, σ Gevolg: Y B(,p) Y N (p,p( p)) ˆP ( = Y/ N cotiuïteitscorrectie: P(Y a) Φ p, p( p) ) a 0.5 p e P(Y b) Φ p( p) b+0.5 p p( p)
7 Schatte va parameters parameter schatter verdelig BI µ bij N(µ,σ ) X σ bij N(µ,σ ) S ( )S /σ χ mediaa proportie p Med(X) ˆP X µ σ/ N(0,) σ geked: [ x z α/ σ/, x + z α/ σ/ ] X µ S/ t σ ogeked: [ x t,α/ s/ ; x + t,α/ s/ ]. ˆP p N(0,) p( p) ˆP B(,p) [ ( )S χ,α/ ] ( )S, χ, α/ [ ] x(k),x ( k+) met k zoals i Tabel [ ] ˆp( ˆp) ˆp( ˆp) ˆp z α ; ˆp + z α Tabel : Betrouwbaarheidsiterval mediaa k k k > 50 k [ +.96 ]
8 Hypotheseteste H 0 Voorwaarde Teststatistiek oder H 0 µ = µ 0 + ormaliteit Z = X µ 0 σ/ N(0,) σ geked Med=c σ ogeked + ormaliteit gee ormaliteit T = X µ 0 S/ t A:aatal observaties c B(,0.5) p = p 0 beadered: Z = ˆP p 0 p 0 ( p 0 ) exact: ˆP B(,p 0 ) ogepaard µ = µ σ = σ ormaliteit ogepaard σ σ ormaliteit ogepaard gee ormaliteit gepaard ormaliteit gepaard gee ormaliteit T = T = X Ȳ S p + X Ȳ N(0,) t + met Sp = ( )S +( )S + S + S t r met r = Wilcoxo: W ( + +) ( + +)/ s + s (s / ) + (s / ) N(0,) met W: som va de rage va groep + H Vaderwaerde: ( ) t i= (Φ ((i 0.5)/( + ))) H met H = ν i= Φ ((r i 0.5)/( + )) Defiieer V = X Y e test H 0 : µ V = 0 Defiieer V = X Y e doe mediaa test
9 H 0 Voorwaarde Teststatistiek oder H 0 σ = σ ormaliteit F = S/S F, opm: P-waarde= P(F, > f) als f > Q (0.5) F, P(F, < f) als f Q (0.5) F, p = p Z = ρ = 0 oafhakelijkheid ormaliteit ormaliteit ˆP ˆP p ( p ) + p ( p ) Beadered: Z = R R t N(0,) ˆP ˆP ˆp ( ˆp ) + ˆp ( ˆp ) N(0,) χ χ m met m=(rije-)(kolomme-) correlatiecoëfficiët va ormale kwatielplot zie Tabel Tabel : ormaliteitstest α = 0.0 α =
10 Regressie model schatters Y i = a + bx i + ǫ i, i =,,...,, met ǫ i N(0,σ ) oderlig oafhakelijk ˆb = i= (yi ȳ)(xi x) i= (xi x) â = ȳ ˆb x s = i= r i = cov(x,y) s x = r sy s x residu s r i = y i (â + ˆbx i ) ANOVA tabel SST = SSM + SSE i= (y i ȳ) = i= (ŷ i ȳ) + i= (y i ŷ i ) R = SSM SST F = SSM / SSE als b = 0, da is F F,. iferetie schatters  a s.e.(â) t met s.e.(â) = s + ˆB b s.e.( ˆB) t met s.e.( ˆB) = s Cov(Â, ˆB) = xσ ( )s x x ( )s x ( )s x iferetie voorspellig gemiddelde respos bij x 0 [ â + ˆbx 0 ± t,α/ s idividuele respos bij x 0 [â + ˆbx 0 ± t,α/ s + (x0 x) ( )s x ] + + (x0 x) ( )s x ]
G0N34a 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 informatie2de bach TEW. Statistiek 2. Van Driessen. uickprinter Koningstraat Antwerpen ,00
de bach TEW Statistiek Va Driesse Q www.quickpriter.be uickpriter Koigstraat 3 000 Atwerpe 46 5,00 Nieuw!!! Olie samevattige kope via www.quickpritershop.be Hoofdstuk : Het schatte va populatieparameters.
Nadere informatieHoofdstuk 9 : Steekproefstatistieken. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent.
Hoofdstuk 9 : Steekproefstatistieke Marix Va Daele MarixVaDaele@UGetbe Vakgroep Toegepaste Wiskude e Iformatica Uiversiteit Get Steekproefstatistieke p 1/20 Schattige Waeer uit ee steekproef de waarde
Nadere 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 informatieHoofdstuk 4: Aanvullende Begrippen (Extra Oefeningen)
Hoofdstuk 4: Aavullede Begrippe (Extra Oefeige) 9. Veroderstel dat X e Y ormaal verdeeld zij met resp. gemiddelde waarde µ X e µ Y e met dezelfde variatie 2. Wat is da de distributie va X Y? Bepaal de
Nadere informatieFormules uit de cursus Waarschijnlijkheidsrekenen en statistiek
UNIVERSITY OF GHENT Samenvatting Formules uit de cursus Waarschijnlijkheidsrekenen en statistiek Auteur: Nicolas Vanden Bossche Lesgever: Prof. Hans De Meyer Hoofdstuk 1 Het kansbegrip en elementaire kansrekening
Nadere 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 informatieVandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen
Vandaag Onderzoeksmethoden: Statistiek 2 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Theoretische kansverdelingen
Nadere 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 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 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 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 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 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 informatieSAMENVATTING HOOFDSTUK 1. Eigenschappen gebeurtenissen. uitkomsten kan hebben. A = AB A B. 3. (Regels van de Morgan)
SAMENVATTING HOOFDSTUK Toevalsexperimet: experimet, dat meerdere uitkomste ka hebbe Uitkomsteruimte: S = {uitkomste} Gebeurteis A : deelverzamelig vas : A S A e B sluite elkaar uit als A B = A,A 2,...
Nadere 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 informatieKansrekening en stochastische processen 2S610
Kansrekening en stochastische processen 2S610 Docent : Jacques Resing E-mail: j.a.c.resing@tue.nl http://www.win.tue.nl/wsk/onderwijs/2s610 1/28 Schatten van de verwachting We hebben een stochast X en
Nadere informatieHoofdstuk 2. Aanduiding 1: Aanduiding 2: Formule 1: Formule 2: s2 x = Formule 3: s x = Formule 4: X nieuw = X oud ± a betekent ook
Hoofdstuk 2 Aanduiding 1: X ij Aanduiding 2: Formule 1: Formule 2: s2 x = Formule 3: s x = Formule 4: X nieuw = X oud ± a betekent ook ± a Formule 5: X nieuw = bx oud betekent t X nieuw = X oud/b betekent
Nadere informatieTentamen Voortgezette Kansrekening (WB006C)
WB6C: Voortgezette Kansrekening Donderdag 26 januari 212 Tentamen Voortgezette Kansrekening (WB6C) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan.
Nadere informatieProject Statistiek. Online Oefeningen Statistiek
Project Statistiek Olie Oefeige Statistiek Formularium Camille Vaderhoeft MOSI August 4, 2009 Cotets I Beschrijvede statistiek 3 1 1-dimesioale verdelige 4 1.1 Idividuele gegeves x i (i = 1,..., N or )...........
Nadere informatieVoorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal. Toets Kansrekenen I. 28 maart 2014
Voorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal Toets Kansrekenen I 28 maart 2014 Naam : Richting : Lees volgende aanwijzingen alvorens aan het examen te beginnen Wie de
Nadere informatieCursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere 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 informatieFormuleblad. Hoofdstuk 1: Gemiddelde berekenen: = x 1 + x 2 + x 3 + +x n / n Of: = 1/n Σ x i
Formuleblad Hoofdstuk 1: Gemiddelde berekenen: = x 1 + x 2 + x 3 + +x n / n Of: = 1/n Σ x i Plaats van de median berekenen: Oneven aantal observaties: (n+1)/2 Even aantal observaties: gemiddelde van de
Nadere informatieMedische Statistiek Kansrekening
Medische Statistiek Kansrekening Medisch statistiek- kansrekening Hoorcollege 1 Uitkomstenruimte vaststellen Ook wel S of E. Bij dobbelsteen: E= {1,2,3,4,5,6} Een eindige uitkomstenreeks Bij het gooien
Nadere informatiefamilie verdelingen van alle waardes van θ Binomiaal X~Bin(n,θ) π " (k)=p(x=k)= ( ) θ) 1 θ (-) μ " =nθ σ & " =nθ(1-θ) X=# successen in n pogingen
. Statistische modellerig Stappepla:. Succes?. Wat geregistreerd? 3. meerdere successe per eeheid? à Aatal successe? Max. #? JA Bi θ NEE Poisso λ JA: cotiu: Poisso of Exp λ à wachttijd? Komma? JA Exp λ
Nadere informatieHoofdstuk 5. Toevalsveranderlijken en waarschijnlijkheidsdistributies. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent
Hoofdstuk 5 Toevalsveranderlijken en waarschijnlijkheidsdistributies Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Toevalsveranderlijken en waarschijnlijkheidsdistributies
Nadere informatieSCHATTEN. A.W. van der Vaart en anderen
SCHATTEN A.W. van der Vaart en anderen VOORWOORD Dit diktaatje wordt gebruikt bij het vak Biostatistiek 2 voor MNW. Het is een uittreksel van het boek Algemene Statistiek geschreven door A.W. van der Vaart
Nadere informatieHoofdstuk 10: Regressie
Hoofdstuk 10: Regressie Inleiding In dit deel zal uitgelegd worden hoe we statistische berekeningen kunnen maken als sprake is van één kwantitatieve responsvariabele en één kwantitatieve verklarende variabele.
Nadere informatieZo geldt voor o.o. continue s.v.-en en X en Y dat de kansdichtheid van X + Y gegeven wordt door
APP.1 Appendix A.1 Erlang verdeling verdeling met parameters n en λ Voor o.o. discrete s.v.-en X en Y geldt P (X + Y = z) =P (X = x 1 en Y = z x 1 )+P(X = x en Y = z x )+... = P (X = x 1 )P (Y = z x 1
Nadere informatieKansrekening en stochastische processen 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/23 Voor een verzameling stochastische variabelen X 1,..., X n, de verwachting van W n = X 1 + + X n is
Nadere informatieWenS tweede kans Permutatiecode 0
Aantekeningen op de vragenbladen zijn NIET TOEGELATEN. Je mag gebruik maken van schrijfgerief en een eenvoudige rekenmachine; alle andere materiaal blijft achterin. Geen GSM s toegelaten: voor wie tijdens
Nadere informatieDeze week: Verdelingsfuncties. Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties. Bernoulli verdeling. Bernoulli verdeling.
Deze week: Verdelingsfuncties Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties Cursusjaar 29 Peter de Waal Toepassingen Kansmassafuncties / kansdichtheidsfuncties Eigenschappen Departement Informatica
Nadere informatieTentamen Statistische methoden MST-STM 8 april 2010, 9:00 12:00
Tentamen Statistische methoden MST-STM 8 april 2, 9: 2: Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop inleveren alstublieft.
Nadere informatieCollege 2 Enkelvoudige Lineaire Regressie
College Enkelvoudige Lineaire Regressie - Leary: Hoofdstuk 7 tot p. 170 (Advanced Correlational Strategies) - MM&C: Hoofdstuk 10 (Inference for Regression) - Aanvullende tekst 3 Jolien Pas ECO 011-01 Correlatie:
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 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2S27), dinsdag 14 juni 25, 9. - 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieLes 5: ANOVA. Elke Debrie 1 Statistiek 2 e Bachelor in de Biochemie en Biotechnologie. 28 november 2018
Les 5: ANOVA Elke Debrie 1 Statistiek 2 e Bachelor in de Biochemie en Biotechnologie 28 november 2018 1 Gebaseerd op de slides van Koen Van den Berge Testen die we tot nu toe gezien hebben: Toetsen van
Nadere informatieTesten omtrent µ (normale populatie): BI. Testen omtrent µ (normale populatie): fouten. Testen omtrent µ (normale populatie): P-waarde
Testen omtrent µ (normale populatie) Hoofdstuk VII: HYPOTHESETESTEN Voorbeeld : X: Mortaliteit N(µ, σ ) µ = 1000 of µ 1000? x = 940.35 X µ S/ n tn 1 als µ = 1000: Terminologie: X 1000 S/ 60 t59 P ( t 59,0.05
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 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 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 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 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 informatieSet 2 Inleveropgaven Kansrekening (2WS20)
1 Technische Universiteit Eindhoven Faculteit Wisunde en Informatica Set Inleveropgaven Kansreening (WS) 14-15 1. (Functies van normale verdelingen) Stel dat X een standaard normale verdeling heeft. (a)
Nadere informatieUitwerking Tentamen Inleiding Kansrekening 11 juni 2015, uur Docent: Prof. dr. F. den Hollander
Uitwerking Tentamen Inleiding Kansrekening juni 25,. 3. uur Docent: Prof. dr. F. den Hollander () [6] Zij F een gebeurtenissenruimte. Laat zien dat voor elke B F de verzameling G {A B : A F} opnieuw een
Nadere informatieWenS eerste kans Permutatiecode 0
WenS eerste kans 2012 2013 Aantekeningen op de vragenbladen zijn NIET TOEGELATEN. Je mag gebruik maken van schrijfgerief en een eenvoudige rekenmachine; alle andere materiaal blijft achterin. Leg je studentenkaart
Nadere informatieDH19 Bedrijfsstatistiek MC, 2e Bach Hir, Juni 2009
Naam:... Voornaam:... DH19 Bedrijfsstatistiek MC, 2e Bach Hir, Juni 2009 Slechts één van de vier alternatieven is juist. Kruis het bolletje aan vóór het juiste antwoord. Indien je een meerkeuzevraag verkeerd
Nadere informatieIntroductie tot de statistiek
Introductie tot de statistiek Hogeschool Gent 04/05/2010 Inhoudsopgave 1 Basisbegrippen en beschrijvende statistiek 8 1.1 Onderzoek............................ 8 1.1.1 Data........................... 8
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Uitwerking tentamen Kansrekening en Stochastische Processen S60) op vrijdag 4 januari 0, 4.00 7.00 uur.. Gegeven zijn twee stochastische
Nadere informatie9. Lineaire Regressie en Correlatie
9. Lineaire Regressie en Correlatie Lineaire verbanden In dit hoofdstuk worden methoden gepresenteerd waarmee je kwantitatieve respons variabelen (afhankelijk) en verklarende variabelen (onafhankelijk)
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 informatieHet tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.
Hertentamen Inleiding Kansrekening WI64. 9 augustus, 9:-: Het tentamen heeft 5 onderdelen. Met ieder onderdeel kan maximaal punten verdiend worden. Het tentamen is open boek. Boeken, nota s en een (eventueel
Nadere informatieSet 3 Inleveropgaven Kansrekening (2WS20) Opgaven met sterretjes zijn lastiger dan opgaven zonder sterretje.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Set 3 Inleveropgaven Kansrekening (2WS2) 23-24 Opgaven met sterretjes zijn lastiger dan opgaven zonder sterretje.. Voetbalplaatjes. Bij
Nadere 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 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 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 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 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 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 informatieOefenDeeltentamen 2 Kansrekening 2011/ Beschouw een continue stochast X met kansdichtheidsfunctie cx 4, 0 x 1 f X (x) = f(x) = 0, anders.
Universiteit Utrecht *=Universiteit-Utrecht Boedapestlaan 6 Mathematisch Instituut 3584 CD Utrecht OefenDeeltentamen Kansrekening 11/1 1. Beschouw een continue stochast X met kansdichtheidsfunctie c 4,
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 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 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 informatieTentamen Inleiding Kansrekening 11 augustus 2011, uur
Mathematisch Instituut Niels Bohrweg Universiteit Leiden 2 CA Leiden Delft Tentamen Inleiding Kansrekening augustus 20, 09.00 2.00 uur Bij dit examen is het gebruik van een evt. grafische) rekenmachine
Nadere informatieExamen Statistiek I Feedback
Examen Statistiek I Feedback Bij elke vraag is alternatief A correct. Bij de trekking van een persoon uit een populatie beschouwt men de gebeurtenissen A (met bril), B (hooggeschoold) en C (mannelijk).
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 9 Dinsdag 18 Oktober 1 / 1 2 Statistiek Vandaag: Centrale Limietstelling Correlatie Regressie 2 / 1 Centrale Limietstelling 3 / 1 Centrale Limietstelling St. (Centrale
Nadere 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 informatieReductietechnieken. Spenderen de stedelijke huisgezinnen meer geld voor boeken dan de landelijke huisgezinnen? Maten van centrale tendentie.
Reductietechieke Spedere de stedelijke huisgezie meer geld voor boeke da de ladelijke huisgezie? Mate va cetrale tedetie Modus Modus : de frequetste waarde Budget Fr Stad Fr Pl Budget Fr Stad Fr Pl Budget
Nadere informatieOPLOSSINGEN KANSREKENEN STATISTIEK. voor ingenieurs. Katholieke Universiteit Leuven Academiejaar
OPLOSSINGEN KANSREKENEN EN STATISTIEK voor igeieurs Katholieke Uiversiteit Leuve Academiejaar 00-0 H Beschrijvede Statistiek MKZ..4 d. De steekproefomvag is te klei om dit met zekerheid te besluite. Je
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 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 informatieLes 5: ANOVA. Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie en Biotechnologie. 19 november 2018
Les 5: ANOVA Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie en Biotechnologie 19 november 2018 Toetsen van 2 gemiddeldes Het toetsen van twee gemiddeldes met ongekende variantie H 0 : µ X =
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 18
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 18 t-toetsen 2 / 18 Steekproefgemiddelde en -variantie van normale observaties Stelling. Laat X 1,..., X n o.o. zijn en N(µ, σ 2 )-verdeeld. Dan:
Nadere informatieVU University Amsterdam 2018, juli 11.
Department of Mathematics Herexamen: Voortgezette biostatistiek VU University Amsterdam 018, juli 11. c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieHelp! Statistiek! Overzicht. Voorbeeld: bloeddruk. Interpretatie van het 95%-BI. Interpretatie van 95%-BI (2) Meest voorkomende vorm van het BI
Help! Statistiek! Overzicht Doel: Iformere over statistiek i kliisch oderzoek. Tijd: Derde woesdag i de maad, -3 uur 8 maart: Betrouwbaarheidsitervalle 5 april: Herhaald mete met twee mate 0 mei: Statistiek
Nadere informatieSchatten en simuleren
Les 5 Schatten en simuleren 5.1 Maximum likelihood schatting Tot nu toe hebben we meestal naar voorbeelden gekeken waar we van een kansverdeling zijn uitgegaan en dan voorspellingen hebben gemaakt. In
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 7 Dinsdag 11 Oktober 1 / 33 2 Statistiek Vandaag: Populatie en steekproef Maten Standaardscores Normale verdeling Stochast en populatie Experimenten herhalen 2 / 33 3
Nadere informatieStatistiek voor A.I. College 2. Donderdag 13 September 2012
Statistiek voor A.I. College 2 Donderdag 13 September 2012 1 / 42 1 Beschrijvende statistiek 2 / 42 Extrapolatie 3 / 42 Verkiezingen 2012 4 / 42 Verkiezingen 2012 5 / 42 1 Beschrijvende statistiek Vandaag:
Nadere 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 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Eindtentamen Kansrekening en Statistiek (WS), Tussentoets Kansrekening en Statistiek (WS), Vrijdag 8 april, om 9:-:. Dit is een tentamen
Nadere informatieb) Uit Bayes volgt, gebruik makend van onderdeel a) P (T V )P (V ) P (T ) = (0.09)(0.07)
Uitwerkingen tentamen 6 juli 22. We stellen T de gebeurtenis test geeft positief resultaat, F de gebeurtenis, chauffeur heeft gefraudeerd, V de gebeurtenis, chauffeur heeft vergissing gemaakt C de gebeurtenis,
Nadere 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 informatieStatistiek voor economen Uitkomsten van de oefeningen. Luc Lauwers
Statistiek voor economen Uitkomsten van de oefeningen Luc Lauwers Oktober 2011 2 Het formuleren van een antwoord op een vraagstuk is meer dan een uitkomst geven! Formuleer Uw antwoord zorgvuldig. Introduceer
Nadere informatieModerne Bayesiaanse statistiek:
Evolutionary Ecology Group Stefan Van Dongen /46 Mezelf even voorstellen Biologie UA: 988-99 Biostatistiek UHasselt: 99-993 Pre-post doc UA Lund-Zweden: 993 00 Janssen Farmaceutica 00-003 Moderne Bayesiaanse
Nadere informatieStatistiek II (A) ( ) H1: Puntschatters. Samenvatting Statistiek II (A) 9/01/2009 Y.W.
amevattg tatste II (A) 9//9 Y.W. H: Putschatters tatste II (A) Ee schatter θˆ voor ee populateparameter θ s zuver als E ( θˆ ) θ, zoet s het ee verteede schatter. De maat va ozuverhed verteeg (bas) B(
Nadere informatieα ψ n Eigenwaardevergelijkingen ψ n (i = 1, g n ) Eigenvectoren en eigenwaarden van een operator eigenket eigenvector eigenwaarde is ook eigenvector
Egewaardevergeljkge Egevectore e egewaarde va ee operator A = λ egeket egevector egewaarde α s ook egevector ( =, g ) egewaarde λ s g -voudg otaard, als er g oafhakeljke kets correspodere met dezelfde
Nadere informatieDeel I : beschrijvende statistiek
HOOFDSTUK 1 TYPISCHE FOUTEN BIJ STATISTIEK Foute gegevens Fouten in berekening kans Foute interpretatie resultaten Statistiek : de wetenschap van het leren uit data & van het meten, controleren en communiceren
Nadere informatie11. Multipele Regressie en Correlatie
11. Multipele Regressie en Correlatie Meervoudig regressie model Nu gaan we kijken naar een relatie tussen een responsvariabele en meerdere verklarende variabelen. Een bivariate regressielijn ziet er in
Nadere informatieStochastiek voor Informatici Sara van de Geer voorjaar 2000
Stochastiek voor Informatici Sara van de Geer voorjaar 2000 1 Inhoud hoofdstuk 1 t/m 3 1. Uniforme verdeling, transformaties, wet van de grote aantallen. 1.1. Discrete uniforme verdeling. 1.2. Realisaties.
Nadere informatieToegepaste Statistiek, Dag 7 1
Toegepaste Statistiek, Dag 7 1 Statistiek: Afkomstig uit het Duits: De studie van politieke feiten en cijfers. Afgeleid uit het latijn: status, staat, toestand Belangrijkste associatie: beschrijvende statistiek
Nadere informatieLes 1: Waarschijnlijkheidrekening
Medische statistiek 1 Les 1: Waarschijnlijkheidrekening I Theorie A Inleidende defenities V: de verzameling van alle mogelijke uitkomsten A,B,... : een gebeurtenis is een verzameling uitkomsten in V Q
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 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 informatieTentamen Kansrekening (NB004B)
NB4B: Kansrekening Dinsdag november 2 Tentamen Kansrekening (NB4B) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan. Vermeld op ieder blad je naam en
Nadere 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 informatieWenS oude examenvragen tot en met
WenS oude examenvragen 2008 2009 tot en met 204 205 Een toevallige steekproef (X,X 2,...,X n ) van lengte n wordt getrokken uit een normale verdeling met verwachtingswaarde µ = 0 en variantie σ 2. Welke
Nadere informatieZeldzame en extreme gebeurtenissen
24 March 215 Outline 1 Inleiding 2 Extreme gebeurtenissen 3 4 Staarten 5 Het maximum 6 Kwantielen 23 maart 215 Het Financieele Dagblad Vijf grootste rampen (verzekerd kapitaal) 1 Orkaan Katrina (25, MU$
Nadere informatieTentamen Kansrekening en statistiek wi2105in 25 juni 2007, uur
Tentamen Kansrekening en statistiek wi205in 25 juni 2007, 4.00 7.00 uur Bij dit examen is het gebruik van een (evt. grafische rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop
Nadere informatie