c P( X 1249 of X 1751 µ = 1500 en σ = 100) = 1 P(1249 X 1751)

Vergelijkbare documenten
Hoofdstuk 3 Toetsen uitwerkingen

Hoofdstuk 6 Hypothesen toetsen

15.1 Beslissen op grond van een steekproef [1]

11.0 Voorkennis. Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k)

Lesbrief hypothesetoetsen

Uitwerkingen voortoets/oefentoets E3 maart/april 2009 MLN

Samenvatting Wiskunde A

Hoofdstuk 5 - Hypothese toetsen

Toetsen van Hypothesen. Het vaststellen van de hypothese

Hoofdstuk 3 Statistiek: het toetsen

Beslissen op grond van een steekproef Hoofdstuk 15

Hoofdstuk 9 De Normale Verdeling. Kern 1 Normale verdelingen. Netwerk, 4 Havo A, uitwerkingen Hoofdstuk 9, De Normale Verdeling Elleke van der Most

Hoofdstuk 2 De normale verdeling. Kern 1 Normale verdelingen. 1 a

Noordhoff Uitgevers bv

Hoofdstuk 5 - De binomiale verdeling

wordt niet verworpen, dus het gemiddelde wijkt niet significant af van 400 wordt niet verworpen, dus het beïnvloedt de levensduur niet significant

Hoofdstuk 6 Twee populaties: parametrische toetsen

Kansrekening en Statistiek

Uitleg significantieniveau en toetsen van hypothesen

wordt niet verworpen, dus het beïnvloedt de levensduur niet significant

Hoofdstuk 5 Een populatie: parametrische toetsen

Hoofdstuk 3 Verdelingen

Statistiek voor A.I. College 12. Dinsdag 23 Oktober

Noordhoff Uitgevers bv

15.1 Beslissen op grond van een steekproef

Statistiek voor A.I. College 14. Dinsdag 30 Oktober

Hoofdstuk 4 Hypothese toetsen

Hoofdstuk 8 - De normale verdeling

Wiskunde D Online uitwerking 4 VWO blok 5 les 3

Data analyse Inleiding statistiek

Hoofdstuk 4 Normale verdelingen

Vandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses

= Oplossingen. 1 Beschrijvende statistiek (blz. 31) x = 5,08 m ; s = 0,56 m. x = 25,66 jaar ; s = 5,46 jaar

Kansrekening en Statistiek

Hiermee rekenen we de testwaarde van t uit: n. 10 ( x ) ,16

HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN

Kansrekening en Statistiek

9.0 Voorkennis. Bij samengestelde kansexperimenten maak je gebruik van de productregel.

Tentamen Wiskunde A. Het gebruik van een mobiele telefoon of andere telecommunicatieapparatuur tijdens het tentamen

Stochastiek 2. Inleiding in de Mathematische Statistiek 1 / 17

4.1 Eigenschappen van de normale verdeling [1]

Verklarende Statistiek: Toetsen. Zat ik nou in dat kritische gebied of niet?

Kansrekening en Statistiek

ICT - De hypergeometrische verdeling

Sheets K&S voor INF HC 10: Hoofdstuk 12

Kansrekening en Statistiek

Keuzemenu - De standaardnormale verdeling

Kansrekening en Statistiek

EXAMENTOETS TWEEDE PERIODE 5HAVO MLN/SNO

Toetsen van hypothesen

Noordhoff Uitgevers bv

Kansrekening en Statistiek

Les 1: Waarschijnlijkheidrekening

o Geef bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN. Als je alleen een antwoord geeft worden er GEEN PUNTEN toegekend!

bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst 9 de normale verdeling (niet in [PW])

werkcollege 6 - D&P10: Hypothesis testing using a single sample

Figuur 1: Voorbeelden van 95%-betrouwbaarheidsmarges van gemeten percentages.

wiskunde A vwo 2016-II

Wiskunde D Online uitwerking 4 VWO blok 6 les 2

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies

Kansrekening en Statistiek

Antwoorden bij 4 - De normale verdeling vwo A/C (aug 2012)

14.1 Kansberekeningen [1]

Statistiek = leuk + zinvol

Paragraaf 9.1 : De Verwachtingswaarde

UITWERKINGEN VOOR HET VWO NETWERK B13

Statistiek voor A.I. College 10. Donderdag 18 Oktober

De normale verdeling. Les 3 De Z-waarde (Deze les sluit aan bij de paragraaf 10 van Binomiale en normale verdelingen van de Wageningse Methode)

Populatie: De gehele groep elementen waarover informatie wordt gewenst.

Kengetal Antwoord Nee Nee Ja Nee Ja Ja Nee Toetsgrootheid 1,152 1,113 2,048 1,295 1,152 1,113 0,607

Statistiek voor A.I.

Blok 2 - Vaardigheden

Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1

statviewtoetsen 18/12/ Statview toets, 2K WE, 30 mei Fitness-campagne Dominantie bij muizen... 4

De 'echte' toets lijkt hierop, alleen is de vormgeving anders. De uitwerkingen vind je voor de toetsweek terug op

Eindexamen wiskunde A 1-2 vwo I

13.1 Kansberekeningen [1]

Noordhoff Uitgevers bv

Eindexamen wiskunde B1 havo 2000-II

Correctievoorschrift VWO

wiskunde A vwo 2017-II

Eindexamen wiskunde A1-2 vwo 2007-I

Statistiek in de alfa en gamma studies. Aansluiting wiskunde VWO-WO 16 april 2018

Tentamen Wiskunde A CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE. Datum: 19 december Aantal opgaven: 6

Hoofdstuk 2 Functies en de GRM. Kern 1 Functies met de GRM. Netwerk Havo B uitwerkingen Hoofdstuk 2, Functies en de GRM 1. 1 a. b Na ongeveer 6 dagen.

Boek 2 hoofdstuk 8 De normale verdeling.

Uitwerkingen Mei Eindexamen VWO Wiskunde A. Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek

Tentamen Wiskunde A. Het gebruik van een mobiele telefoon of andere telecommunicatieapparatuur tijdens het tentamen

HOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN

Les 2: Toetsen van één gemiddelde

Correctievoorschrift VWO

Tentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u

Hoofdstuk 6 Examenaanpak. Kern 1 Modelleren

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, uur.

Correctievoorschrift HAVO. Wiskunde B1. Hoger Algemeen Voortgezet Onderwijs. Tijdvak CV23 Begin

Paragraaf 9.1 : De Verwachtingswaarde

Werken met de grafische rekenmachine

4. In een fabriek worden tankjes met 5 liter ruitensproeivloeistsof gevuld. Slechts 2,5% van de tankjes mag minder dan 5,00 liter vloeistof bevaben.

Transcriptie:

Uitwerkingen Wiskunde A Netwerk VWO 6 Hoofdstuk 5 Toetsen www.uitwerkingensite.nl Hoofdstuk 5 Toetsen Kern Het principe van een toets a Nee, de waarneming,% wijkt erg sterk af van de verwachte,5%. Ja,,6% wijkt slechts weinig af van de verwachte,5% c Wanneer je,5% verwacht, is,% niet sterk afwijkend, maar toch ook niet ijna hetzelfde als,5%. Het is lastig om te zeggen waar de grens ligt tussen sterk afwijkend en weinig afwijkend. a H : µ = 5 en H : µ 5 X = het aantal uren zon in een jaar a P( X, of X,8 µ =,5 en σ =,) = P(, X,8) normalcdf(.,.8,.5,.) =,6 De erekende kans is groter dan,5 dus H wordt niet verworpen. De conclusie is dat de geloosde olie,5% evat. a P( X of X 67 µ = 5 en σ = ) = P( X 67) normalcdf(, 67, 5, ) =,89 De erekende kans is groter dan het significantieniveau van 5%, dus kan H niet worden verworpen. c P( X 9 of X 75 µ = 5 en σ = ) = P(9 X 75) normalcdf(9, 75, 5, ) =, <,5. In dit geval wordt H wel verworpen, en zou de conclusie zijn dat het aantal uren zon in een jaar wel is veranderd. d Je kunt een kleiner significantie niveau nemen, of een conclusie aseren op het gemiddelde van een aantal jaren in plaats van op één enkele meting. 5 a P( X 77 of X 87 µ = 8 en σ = 5) = P(77 X 87) normalcdf(77, 87, 8, 5) =, >,5. H wordt niet verworpen. P( X 7 of X 888 µ = 8 en σ = 5) = P(7 X 888) normalcdf(7, 888, 8, 5) =,78 >,5. H wordt niet verworpen. c We zoeken de grenswaarde die hoort ij p =,5 en de grenswaarde die hoort ij p =,975. Met invnorm(.5) vind je z =,96 en met invnorm(.975) vind je z =,96. g = µ + z σ, en zo vind je dan g = 8 ±,96 5 = 8 ± 98. De meteoroloog zal concluderen dat het neerslagpatroon veranderd is ij minder dan 7 mm neerslag en ij meer dan 898 mm neerslag. 6 a Die kans is 5%, gelijk aan het significantieniveau. De kans wordt dan ook groter dat er wel iets is veranderd en hij desondanks de conclusie trekt dat er niets is veranderd. c Je kunt je conclusie aseren op meerdere metingen.

Kern De z-toets 7 a Bijvooreeld,%. Dit volgt uit de wortel-n-wet voor gemiddelden. σ ( X ),, ( X ) = = = =, n 8 a P( X, of X,8 µ =, 5 en σ =,) = P(, X,8) normalcdf(.,.8,.5,.) =,7 De erekende kans is kleiner dan,, dus wordt zelfs ij α =, wordt H verworpen. 9 a P( X of X 58 µ = 5 en σ = ) = P( X 58) normalcdf(, 58, 5, 5) =,96 >,5, dus H kan niet worden verworpen. We zoeken de grenswaarde die hoort ij p =,5 en de grenswaarde die hoort ij p =,975. Met invnorm(.5) vind je z =,96 en met invnorm(.975) vind je z =,96. g = µ + z σ, en zo vind je dan g = 5 ±,96 5 = 5 ± 98. De meteoroloog zal concluderen dat er sprake is van een klimaatsverandering ij een gemiddeld aantal zonuren van minder dan uur of meer dan 598 uur. c We zoeken de grenswaarde die hoort ij p =,5 en de grenswaarde die hoort ij p =,995. Met invnorm(.5) vind je z =,58 en met invnorm(.995) vind je z =,58. g = µ + z σ, en zo vind je dan g = 5 ±,58 5 = 5 ± 9. De meteoroloog zal concluderen dat er sprake is van een klimaatsverandering ij een gemiddeld aantal zonuren van minder dan 7 uur of meer dan 69 uur. Kern Tweezijdig of éénzijdig? a Het toetsmodel moet passen ij de theorie, je mag het niet aanpassen aan de toevallige meetwaarden. Het gemiddelde van de 9 waarnemingen is,%., P( X, µ =,5 en σ = ) normalcdf(-9999,.,.5,,667) =,6 <, 9 a Draadlengte S is normaal verdeeld. De verwachtingswaarde van S is E( S) = n E( X ) = = meter en de standaardafwijking is ( S) = n σ ( X ) = = meter. P( S 9 µ = en σ = ) = normalcdf( 9999, 9,, ) =,668 >,5. De oer zal geen klacht indienen omdat een afwijking van 6 meter onder het gemiddelde niet significant is. c Je zou ook kunnen kijken naar het gemiddelde aantal meters op de vier rollen. De consumentenorganisatie denkt dat er misschien minder dan,5% vet in de melk zit. Dat geeft het volgende toetsmodel. H : µ =,5 tegen H : µ <,5 Er is een steekproef genomen van pakken, dus geldt E( X ) = E( X ) =,5 en σ ( X ), σ ( X ) = = =,5 n P( X,89 µ =,5 en σ =,5) = normalcdf( 9999,.89,.5,.5) =,7 <,. H kan hier worden verworpen, de melk evat geen,5% vet meer.

a Voor elk exemplaar geldt dat het óf deugdelijk is, óf ondeugdelijk. Bovendien geldt dat voor elk exemplaar de kans dat het ondeugdelijk is ongeveer gelijk is. De steekproef is klein ten opzichte van de totale productie. E( A) = n p =, 9 =,9 σ ( A) = n p ( p) =, 9,9,95 E( A) = E( A) =,9 ( A),95 σ ( A) = =, n 8 c We zoeken de grenswaarde die hoort ij p =,5 en de grenswaarde die hoort ij p =,995. Met invnorm(.5) vind je z = -,58 en met invnorm(.995) vind je z =,58. g = µ + z σ, en zo vind je dan g =,9 ±,58, =,9 ±,85. De productie zal worden ijgesteld als het gemiddelde lager is dan,75 of hoger dan,75. Kern De inomiale toets a Y = inompdf(8,.5,x). In TABLE vind je de kansen. P( X 5 n = 8 en p = ) = P( X ) inomcdf(8,.5, ) =,7 De erekende kans is kleiner dan,5 dus de erfelijkheidstheorie mag worden verworpen. 5 a De steekproef is te klein. Meerdere nestjes ekijken. 6 a De voorzitter wordt niet geloofd als er een laag percentage kiezers is, niet als er een hoog percentage is. Daarom is het een eenzijdige toets, waarij de alternatieve hypothese H aangeeft dat de voorzitter niet moet worden geloofd. X is het aantal kiezers dat achter de regeringspartij staat. c P( X 5 n = en p =, ) = inomcdf(,., 5) =,795 >,. H kan niet worden verworpen dus de oppositie heeft geen reden om te twijfelen aan de ewering van de voorzitter van de regeringspartij. 7 a Als hij gokt en steeds moet kiezen tussen twee opties, is de kans dat hij goed gokt gelijk aan,5. Als hij een kenner is, mag je een hogere kans verwachten. We toetsen het model H : p =,5 tegen H : p >,5 met X = het aantal goed gekozen jaren. P( X 8 n = en p =,5) = P( X 7) inomcdf(,.5, 7) =,57 >,5. We kunnen H niet verwerpen. Er is dus niet voldoende aanleiding om de wijnkenner te geloven. Stel dat hij k glazen krijgt voorgezet. Dan moet hij volgens de tekst tenminste k keer het goede antwoord geven ij een significantieniveau van 5%. Dat etekent dat P( X k n = k en p =, 5) = P( X k ) inomcdf(k,.5, k ) <,5. Als je in de GRM invoert Y = inomcdf(x,.5, X ) dan vind je via TABLE dat de eerste waarde van X waarvoor geldt dat de genoemde kans kleiner is dan,5 is X = 8. Dat etekent dat de man tenminste 8 glazen krijgt voorgezet. 8 a De verdeling is niet symmetrisch rond het gemiddelde, je kunt dus niet de tweezijdige overschrijdingskans erekenen. P( X 5 n = 8 en p = ) = P( X ) inomcdf(8,.5, ) =,7 >,5. Er is niet voldoende aanleiding om H te verwerpen.

9 a Het aantal grijze jongen is inomiaal verdeeld met n = 7 en p =. De kansen kun je nu erekenen met inompdf(7,.75, k). Je vindt de volgende kansen: x 5 6 7 P(X = x),,,5,577,7,5,5,5 5 6 7 E( X ) = n p = 7 = 5 c X n p P( = 7 en = ) inomcdf(7,.75, ) =,76 >,5. H kan niet worden verworpen. d Dan moet gelden P( X k n = 7 en p = ) <, 5. Via de tael vind je dat de maximale waarde van k waarvoor dit geldt, is k =. e Dan moet gelden P( X k n = 7 en p = ) <,. Via de tael vind je dat de maximale waarde van k waarvoor dit geldt, is k =. a Als het kletskoek is, geldt dat de vaas mét stuiver evenveel kans heeft om te worden aan gewezen als de vaas zonder stuiver. Het toetsmodel wordt daarom: H : p > met X = het aantal keer dat een vaas mét stuiver wordt aangewezen. P( X n = 6 en p = ) = P( X ) inomcdf(6,.5, ) =,8 <,5. H kan worden verworpen ten gunste van de alternatieve hypothese. De stuiver lijkt te werken! P( X n = 7 en p = ) = P( X ) inomcdf(7,.5, ) =,77 >,5. De stuiver werkt niet. c Het is eigenlijk niet goed om op asis van toevallige waarnemingen het toetsmodel te wijzigen (datasnooping). Zou hij echter uitgaan van het toetsmodel H : p < met X = het aantal keer dat een vaas mét stuiver wordt aangewezen, dan volgt de volgende erekening. P( X n = en p = ) inomcdf(,.5, ) =, <,5. Hij zou dan concluderen dat een koperen munt een negatief effect op loemen heeft.

Kern 5 De tekentoets a Je vindt de kansen via inompdf(8,.5, X) op de GRM. De verdeling is symmetrisch. X = het aantal keren dat de grijze muis langer is dan de witte, dus een plus in de rij symolen. c Er staan plussen en minnen. P( X n = 8 en p = ) = P( X ) inomcdf(8,.5, ) =,89 >,5. De indruk van de ioloog wordt niet evestigd. We noteren een + als het tweede tijdvak hoger was, een als het tweede tijdvak lager was en een als eide tijdvakken hetzelfde resultaat opleverden. Dit levert de volgende rij symolen. + + + + + + + + + + + + X = het aantal plussen. We toetsen H : p P( X n = 7 en p = ) = P( X ) inomcdf(7,.5, ) =,77 >,5 De resultaten van het tweede tijdvak wijken niet significant af van die in het eerste tijdvak. a Is de loem zonder emesting langer, noteren we een. Is de loem mét emesting langer, noteren we een +. Maakt het geen verschil, dan noteren we een. Zo ontstaat de volgende rij symolen. + + + + + + + + + + c X = het aantal plussen. We toetsen H : p > P( X n = en p = ) = P( X 9) inomcdf(,.5, 9) =,9 >,. H kan niet worden verworpen. paar 5 6 7 8 9 verschil 5 5 5 8, P( X >,75 µ = en σ = ) = normalcdf(.75, 9999,, /()) =,7 <,. Het middel heeft een positief effect op de groei.