Hoofdstuk 4 Hypothese toetsen

Maat: px
Weergave met pagina beginnen:

Download "Hoofdstuk 4 Hypothese toetsen"

Transcriptie

1 a b Hoofdstuk 4 Hypothese toetsen 4. Werken met steekproeven bladzijde 84 (a) de onderzoeker ondervraagt alleen mannen (b) hij ondervraagt slechts mensen die een winkelwagen hebben gepakt (c) hij doet zijn onderzoek maar bij één filiaal van de keten. Neem bijvoorbeeld eerst een aselecte steekproef van 5 filialen en ga bij elk van de filialen bij één van de kassa s staan en ondervraag steeds een klant en dan weer negen niet, enzovoort, totdat je er hebt ondervraagd. a De populatie bestaat uit alle leden van de partij. De steekproefgrootte is 4. b Je moet maar aannemen dat de steekproef representatief is omdat deze aselect is getrokken. c 748 van de 4 leden in de steekproef hebben te kennen gegeven tevreden te zijn over het nieuwe partijprogramma en misschien zijn er onder non-respondenten ook nog een aantal. In ieder geval is dat meer dan de helft van de steekproef. Het is wel waarschijnlijk dat ook voor de populatie geldt dat de meerderheid tevreden is, maar zeker is dat niet. d Je kunt heel weinig zeggen over de tevredenheid of waardering van alle Nederlanders omdat de steekproef niet aselect uit de populatie van alle Nederlanders is getrokken en dus niet representatief zal zijn. 3a b c d bladzijde 85 Juist de mensen die zich hebben overgegeven aan overmatig alcoholgebruik zullen vaak s ochtends niet opendoen. Misschien kan het onderzoek beter of ook worden gedaan in winkels, bij glasbakken en in cafés. Het rookgedrag van deze jongeren kan per regio verschillen. Beter is het om meerdere scholen en dan in verschillende regio s erbij te betrekken. Er zijn andere vakanties mogelijk dan die waarbij je per vliegtuig afreist. Een onderzoek bij reisbureaus betrekt er al meer vakanties bij. Nog beter is het misschien om vakantiegedrag bij allerlei vakantiebestemmingen te onderzoeken of gewoon op aselect gekozen adressen de bewoners een vragenlijst voor te houden. Bezoekers van een groot warenhuis zijn waarschijnlijk niet representatief voor de hele Nederlandse bevolking, bovendien zijn ze tijdens hun bezoek aan dat warenhuis niet in hun eigen woonomgeving. Bij aselect gekozen adressen aanbellen en de mensen bevragen in hun eigen woonomgeving is waarschijnlijk een stuk zinniger. 4 P(3% van de steekproef is roker) = P( R = ) = binompdf ( ;, 3; ), 9 5a P(twee zessen) = P( Z = ) = binompdf ( ; ; ), 9 b Het aantal zessen Z is nu Bin( 4; ) verdeeld. De verwachting van het aantal zessen is E(Z) = n p = 4 = 4 c P( Z < 5) = P( Z 4) = binomcdf ( 4; ; 4), 94 d Z is nu Bin( 3; ) verdeeld. P( Z 5) = P( Z 4) = binomcdf ( 3; ; 4),

2 Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen a Het aantal meisjes X is nu Bin( 8; ) verdeeld. b P(meer jongens dan meisjes) = P( X 39) = binomcdf ( 8; ; 39), 4555 c P( X > ) = P( X ) = binomcdf ( 8; ; ), 4. Waar of niet waar? bladzijde 8 4 7a X is Bin( ; p) -verdeeld; in het geval de autofabrikant gelijk heeft is daarbij p =, 3 b E( X) = n p = p; in het geval de autofabrikant gelijk heeft is E( X) = p = 3 c In beide gevallen zou de bewering van de autofabrikant waar kunnen zijn. In ieder geval is er weinig aanleiding om aan de juistheid van die bewering te twijfelen. d In dit geval is er iets meer aanleiding om aan de juistheid van die bewering van de autofabrikant te twijfelen, dat de bewering onjuist zou zijn is hier een nogal boude uitspraak. 8a Dat klopt. Als de bewering juist is de kans op die gebeurtenis weliswaar klein, maar toch groter dan nul. b Als p =, 3 is P( X 5) = binomcdf ( ;, 3; 5), 3 (als p >, 3 is P( X 5) >, 3 ) c Als p =, 3 is P( X ) = binomcdf ( ;, 3; ),, (als p >, 3 nog kleiner); er is nu een erg sterke aanwijzing dat de autofabrikant ongelijk heeft. bladzijde 87 9a X is het aantal klanten in de steekproef dat uit omliggende plaatsen komt, : p, 44 ( p is de fractie klanten die omliggende plaatsen komt), H : p <, 44 b P ( X 5) = binomcdf ( ;, 44; 5), of nog kleiner ( als p >, 44 ) H c Vele werkende mensen uit de omwonende plaatsen komen op een doordeweekse dag misschien helemaal niet en prefereren het weekend voor een bezoek aan de bouwmarkt. d Zie onderdeel c. a X is het aantal blikken in de steekproef dat gevuld is met erwten die niet meer eetbaar zijn, : p, 4 ( p is de fractie van de blikken gevuld met erwten die niet meer eetbaar zijn), H : p >, 4 b P ( X 3) = P ( X 9) = binomcdf ( ;, 4; 9), 37; voor kleinere H H aantallen dan 3 zal deze kans nog groter zijn; lijkt niet voldoende aanleiding om aan bewering van de directie te twijfelen, de groothandelaar zal de partij afnemen. c De steekproef omvat slechts % van de totale partij, bijvoorbeeld nog lang geen 4%. d Ook al zijn alle blikken in de steekproef in orde, dan nog heeft de groothandelaar geen zekerheid. Immers de overige = 9 8 blikken kunnen dan nog niet orde zijn. Natuurlijk is de kans dat precies de blikken die niet in orde zijn in de steekproef terechtkomen, erg klein, deze kans is niet nul. e P ( X 34) = P ( X 33) = binomcdf ( ;, 4; 33), 3 H H 8

3 Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen f P ( X 5) = P ( X 49) = binomcdf ( ;, 4; 49), ; het lijkt dus H H in deze situatie niet erg aannemelijk dat de directie gelijk heeft. 4.3 Toetsen op significantie bladzijde 88 a De hele populatie onderzoeken is veel te duur en maakt de mensen wellicht minder bereid te gaan stemmen (ze zijn dan al verkiezingsmoe). Verder levert een populatieonderzoek nauwelijks meer informatie dan de informatie die gehaald kan worden uit een aselecte en representatieve steekproef van kiezers. b : p =, 4; het aantal kiezers in de steekproef dat voor de oppositie zou stemmen noemen we bijvoorbeeld X. Deze stochast is Bin( ; p) verdeeld en als waar is is X Bin( ;, 4) verdeeld en E( X ) =, 4 = 4. c Als X = 398 is er weinig reden om de bewering van de oppositie in twijfel te trekken. Bij X = 3 wordt erg ongeloofwaardig. d Als waar is, is X Bin( ;, 4) verdeeld. e P ( X 398) = binomcdf ( ;, 4; 398), 43; P ( X 3) = binomcdf ( ;, 4; 3) 3 ; P ( X 37) = binomcdf ( ;, 4; 37), 8 a P ( X 384) = binomcdf ( ;, 4; 384), 585, b X 384 betekent: X X 384; op die manier is in te zien dat P ( X 38) < P ( X 384), en dus P ( X 38) <, H H H c x P ( X x),585,434,9,,38,9,83,78 x P ( X x),43,55,495,43,375,35,8 d Als X 374. e P ( X 33) = binomcdf ( ;, 4; 33), 9 <, f Bij de kans van, is het nog niet zo overtuigend dat onwaar zou zijn, bij de kans van, is het veel minder aannemelijker dat de oppositie gelijk heeft. 3 Dat hangt erg van de consequenties af van de verkeerde beslissingen. Ten onrechte handhaven kan ernstiger zijn dan ten onrechte verwerpen en andersom. 4a bladzijde 89 Deze waarde correspondeert met de minimum kwaliteitseis. 9

4 Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen b In het algemeen is X Bin( 5, p) -verdeeld en is E( X) = 5 p en dus wijzen kleine waarden van X in de richting van H. De overschrijdingskans wordt dus hier P ( X 35) = binomcdf ( 5;, 9; 35), 7. Als H p=, 9 waar is, dan is de verwachting E( X) = 5p 45. Met 35 goede artikelen zit je daar flink onder en de overschrijdingskans is erg klein en ook daarin zit een sterke aanwijzing dat niet houdbaar is. c P ( X 44) = binomcdf ( 5;, 9; 44), 3839 en er is niet veel aanleiding om H p=, 9 te verwerpen. d P ( X 4) = binomcdf ( 5;, 9; 4), 579 >, 5 en er is nog steeds onvoldoende aanleiding om p=, 9 te verwerpen en het productieproces bij te stellen. e Je wilt dan de kans op het ten onrechte verwerpen van klein houden. 5 Het lijkt er misschien op dat Daniëlle en Merel eigenlijk dezelfde conclusie trekken. Toch is de formulering in de conclusie van Daniëlle iets beter omdat bij het toetsen op significantie alleen de kans op het ten onrechte verwerpen van in de gaten wordt gehouden en op de andere fout die je kunt maken in het geheel niet wordt gelet. 4.4 Binomiaal toetsen bladzijde 9 a : p munt =, H : p munt > b P ( X 89) = P ( X 88) = binomcdf ( 3; ; 88), 4 H H c Bij α =, 5 wordt verworpen omdat de overschrijdingskans kleiner is dan α. 7a X is Bin( 5, p) -verdeeld, waarbij p de fractie zakjes is met een te laag gewicht. b Hoogstens 4% komt overeen met : p, 4. De kans op te onrechte verwerpen van deze wil je controleren. c Deze H komt precies overeen met de ontkenning van en H alle gevallen waarbij erover moet worden nagedacht welke maatregelen moeten worden genomen. d P ( X ) = P ( X 5) = binomcdf ( 5;, 4; 5), 44 H H e Deze kans is groter dan,, X = is bij dit niveau dus niet significant en wordt niet verworpen. bladzijde 9 8 Bij X = 7 is de overschrijdingskans: P ( X 7) = P ( X ) = binomcdf ( 3;, 3; 5), 998 <, en dus is H H X = 7 hier significant evenals dat bij grotere aantallen te lichte zakken het geval is. 9a Er is alleen sprake van een zekere mate van aannemelijkheid dat er verband is tussen bloedgroep en maagkwaal en verder is ook nog niet duidelijk van welke aard dit verband dan zou zijn. 7

5 Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen b : p =, 44, H : p >, 44, waarbij p A A A de fractie onder de lijders van de maagziekte die bloedgroep A heeft. Grote waarden van toetsingsgrootheid X wijzen in de richting van H dus moet je de rechter overschrijdingskans bij X = nemen: P ( X ) = P ( X 9) = binomcdf ( 38;, 44; 9), 7 <, 4 dus H H wordt verworpen. c Het is een methodologische doodzonde om de met bepaalde data te bepalen welke hypothesen je tegenover elkaar zet en daarna met dezelfde data ook nog eens de toets uit te voeren. Anders gezegd: De toetsingsfase moet onafhankelijk zijn van de fase waarin de hypothesevorming plaatsvindt. a Uit de tekst valt op te maken dat je moet nemen: H : p =, 5 H : p >, 5, waarbij p voor voor voor de fractie volwassenen is die voor een autovrije binnenstad is. Als toetsingsgrootheid wordt X genomen, dit is het aantal voorstanders in de steekproef. b Grote waarden van toetsingsgrootheid X wijzen in de richting van H dus moet je de rechter overschrijdingskans bij X = 4 nemen: P ( X 4) = P ( X 45) = binomcdf ( ;, 5; 45), 859. X = 4 is niet signicant bij alle zinnige significatieniveaus, iets dat je ook kunt vermoeden n.a.v. het percentage H H voorstanders in de steekproef (4%), dat in het geheel niet in de richting van H wijst. c De actiegroep heeft dezelfde hypothesen tegenover elkaar staan. De overschrijdingskans moet weer aan de rechterkant van de verdeling worden genomen: P ( X 9) = P ( X 8) = binomcdf ( 4;, 5; 8) <, 5, dus is H H X = 9 significant bij dit niveau en heeft de actiegroep alle reden om te beweren dat niet waar zal zijn. 4.5 Tweezijdig binomiaal toetsen bladzijde 9 a Als p (dus als H onwaar, dus H waar) dan kan zowel p > gelden als p <. En zowel (extreem) kleine als (extreem) kleine waarden van de binomiaal verdeelde toetsingsgrootheid wijzen in deze situatie is de richting van (een tak van) H. b H : p c X = 8 wijst in de richting van p < en dus neem je je als overschrijdingskans P H ( X 8). Je krijgt dan P X ( 8) = binomcdf ( 5; ; 8), 35. Verder H wijst X = 3 wijst in de richting van p > en je neemt hier als overschrijdingskans P H ( X 3). Je krijgt dan P X ( 3) = binomcdf ( 5; ; 3), 35. Dezelfde H uitkomst dus, iets wat ook valt te verklaren uit de symmetrie van de kansverdeling. d Je hanteert nu een significantieniveau van,38 bladzijde 93 a Je moet dus nu overschrijdingskansen vergelijken met α =, 5. Bekijk linker overschrijdingskansen. Je vindt dan P H ( X 4), 44 en P H ( X 4),. Je verwerpt H dus als X = 4 en ook bij nog lagere waarden. Bekijk vervolgens rechter overschrijdingskansen. Je vindt P H ( X 58), en P H ( X 59), 44. De grote waarden van X die tot verwerpen van aanleiding geven zijn X = 59 en nog grotere waarden. 7

6 Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen b Je moet dus nu overschrijdingskansen vergelijken met α =, 5. Voor linker overschrijdingskansen geldt P H ( X 3), 33 en P H ( X 37),. Je verwerpt dus als X = 3 en ook bij nog lagere waarden. Bekijk vervolgens rechter overschrijdingskansen. Je vindt P H ( X 3), en P H ( X 4), 33. De grote waarden van X die bij α =, tot verwerpen van aanleiding geven zijn X = 4 en nog grotere waarden. 3a H : p = H : p waarin p PC 3 PC 3 PC de fractie gezinnen met een PC; toetsingsgrootheid X is het aantal gezinnen in de steekproef met een PC. Als waar dan is E( X ) =, dus is X = aan de hoge kant. We moeten dus nu een rechter overschrijdingskans nemen. P X ( ) = binomcdf ( 5; ; ), 9 > α =, 5 H 3 en X = is niet significant. b De steekproef is nogal klein en een klas niet representatief. De kans dat een kleine afwijking ten opzichte van p PC = op deze manier wordt ontdekt is tamelijk klein. 3 c De steekproef is te klein. 4a Zowel bij te veel als te weinig van stof B is er een probleem. Er is dus sprake van een tweezijdig toetsingsprobleem. b Er moet veel meer B zijn, dus dit is duidelijk fout. c % van (43+4) = 57 is ongeveer 3 korrels van stof A. d Toetsingsgrootheid is hier X, het aantal korrels van stof A in de steekproef van 57 korrels. Uitgaande van is X = 43 de hoge kant, dus moeten we een rechteroverschrijdingskans nemen. Dit is dan P X ( 43) = binomcdf ( 57;, ; 4), 58 < α =, 5 dus X = 43 is inderdaad significant bij deze α. H e Nu is in de steekproef het percentage korrels van stof A gelijk aan 7 % 3, 4%, dus lager dan je uitgaande van H ( 7 + ) zou verwachten. In dit geval moeten we dus een linker overschrijdingskans nemen. Dit is P X ( 7) = binomcdf ( 7;, ; 7), 353 > α =, 5. X = 7 is dus niet significant bij deze α. H f P ( X g) <, 5 Binomcdf ( ;, ; g) <, 5. Dit invoeren als Y in de rekenmachine. Met table vind je g = 5. Op dezelfde wijze geeft P ( X g) <, 5 Binomcdf ( ;, ; g ) <, 5 g = 34. Dus A 33 en 87 B De toets voor het gemiddelde bladzijde 94 5a Er staat niet of een testscore groter dan 8 beter of slechter is. Dus moet hier tweezijdig worden getoetst. b Een testscore van 9 wijst in de richting van µ > 8 en dus moet je hier een rechteroverschrijdingskans nemen. P ( X 9) = P ( X* 89, 5) = normalcdf ( 89, 5; ^ 99; 8; 4), 34 >, 5 = α H H en dus de testscore van 9 hier niet significant. 7

7 a Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen c Dan wordt H : µ > 8 en moet er eenzijdig worden getoetst. De overschrijdingskans is nog steeds P H ( X 9), 34. Nu moet deze kans worden vergeleken met α =, 5 in plaats van met α =, 5 en is X = 9 in deze toetsingssituatie dus wel significant. b bladzijde 95 Het effect van het toelaten van de wandelaars is hoogstens dat het aantal nesten per m wat naar beneden zal gaan. De alternatieve hypothese zal dus luiden: H : µ < 4, 3 en er zal eenzijdig moeten worden getoetst. Negen nesten op een stuk terrein van m wijst in de richting van H en de overschrijdingskans ligt aan de linkerkant van de kansverdeling. Je krijgt P ( X 9) = P ( X 9, 5) = normalcdf ( ^ 99; 9, 5; 4, 3; 4), 9 > α =, en H H X = 9 is dus niet significant. 7a Het gemiddelde G is Norm( µ ; ) = Norm( µ ; ) -verdeeld. 4 b H : µ 4, H : µ < 4 zijn de hypothesen die tegenover elkaar staan, het gemiddelde G is de toetsingsgrootheid. c Kleine waarden van G wijzen in de richting van H en de overschrijdingskans is dus P ( X, ) = normalcdf ( ^ 99;, ; 4; ), 4 < α =, en G =, is H dus significant en er zal moeten worden gecorrigeerd. 8a P( G > 75 N( 74; ) =, 3 5 b P ( G < 75, ) = normalcdf ( ^ 99; 75; 7;, ) =, 3. c Nu is G N( µ ; ) n -verdeeld. P ( G > 75, ) = normalcdf ( 75; ^ 99; 74; ) <,. Voer nu in je GR in H n Y = normalcdf( 75; ^ 99; 74; ). Via TABLE vind je dat deze grootheid voor X het eerst <, is als n = 95 : P ( G > 75, ), 997. H In dat geval is ook de kans op de andere fout gelijk aan P ( G < 75, ) = normalcdf ( ^ 99; 75; 7; ) =, Toetsen met VU Statistiek bladzijde 9 9a H : p <, 4; de toets is immers linkszijdig. b Dat is in dit geval het aantal jongens onder de 7 borelingen. c Het rode gedeelte geeft de overschrijdingskans aan. d In alle gevallen X = x met x wordt verworpen. De grootte van de overschrijdingskansen en de conclusie die je bij verschillende X = x moet trekken kun je steeds onder de figuur aflezen. 73

8 Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen e Nu is de alternatieve hypothese H : p >, 4 en wordt H verworpen in alle gevallen X = x met x 37. f De alternatieve hypothese is nu H : p, 4. g Nu wordt verworpen in alle gevallen X = x met x 9 of x 38. 3a Bij de linkszijdige toets ( H : p <, 3 ) wordt H verworpen in alle gevallen X = x met x 5. Bij de rechtszijdige toets ( H : p >, 3 ) wordt H verworpen in alle gevallen X = x met x 3 b Zowel bij de linkszijdige als de rechtszijdige toets omvat het kritieke gebied precies die waarden die leiden tot verwerping van. Het verband tussen kritieke gebied en α is dat P ( X in kritieke gebied) α en zo dicht mogelijk daar tegen aan. H c Bij X = x met x 4 of x 33 bladzijde 97 3a Je weet niet of er met de dobbelsteen teveel of juist te weing zes gegooid wordt b Het kritieke gebied is X X 3. c wordt verworpen. d n e f g h H : p = verwerpen vanaf k = Het is niet een perfect lineair verband, maar de eerste 4 punten worden redelijk beschreven door de vergelijking k =, n + 5 Voor n < krijg je waarde van k achtereenvolgens:, -, 3, 3, 4, 4, 4, 5, 5 niet erg bruikbaar. Omdat daarin meer informatie zit. Hieronder is via de ononderbroken grafiek k uitgezet tegen n. De gestippelde grafiek n brengt het verloop van de k -waarden beeld voor de linker overschrijdingskansen Je ziet dat als de steekproefgrootte ntoeneemt ook dicht bij liggende waarden van k n kunnen leiden tot verwerpen van H : p =. Je kunt dus betrouwbaarder uitspraken doen over het al dan niet waar zijn van. 3a Als X = 5 dan wordt verworpen. b Klik op Uitgewerkte conclusie en je vindt dat het kritieke gebied ; 7, 4 is en dus is X = 7, 4 de grootste waarde die nog aanleiding geeft om de nulhypothese te verwerpen. Omdat X alleen gehele waarden aanneemt moet het antwoord dus luiden X = 7. c Als n 8 wordt is X = 5 bij deze α niet meer significant. 74

9 4.8 Gemengde opdrachten bladzijde 98 Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen 33a H : p =, H : p, waarbij p de kans is op een zes en X is het aantal zessen dat verschijnt bij keer werpen. Het gaat hier dus om een tweezijdige toets. b X = is een aantal dat minder is dan verwacht kan worden als waar is. De overschrijdingskans is dus P X ( ) = binomcdf ( ; ; ), 47 > α =, 5 en H wordt niet verworpen. c X = is een aantal dat meer is dan verwacht kan worden als waar is. De overschrijdingskans is nu P X ( ) = binomcdf ( ; ; 9), 97 > α =, 5 H en wordt ook hier niet verworpen. 34a Uitgaande van een symmetrische verdeling ligt 5% voor en 5% na het gemiddelde. b Omdat het idee is dat alcoholgebruik eventueel verandering van rijgedrag veroorzaakt, in welke zin wordt niet gezegd. Dus H : p =, H : p, waarbij p de kans is dat een proefpersoon gemiddeld sneller rijdt dan 8,3 km/uur. De toetsingsgrootheid is X, het aantal proefpersonen dat gemiddeld harder rijdt dan 8,3 km/uur. Onder is E( X ) = 5, dus is X = 4 aan de lage kant en is de overschrijdingskans P X ( 4) = binomcdf (,, 4), 4 > α =, 5 en H H wordt niet verworpen. c H : µ = 8, 3 H : µ > 8, 3 en α =, 5. P( µ > 83, ) = normalcdf ( 83, ; ^ 99; 8, 3; 3, 8) =, 4 > α. wordt niet verworpen. 35a T = T + T T. De tijd die de huisarts nodig heeft voor een patiënt is onafhankelijk van de tijd die hij voor een andere patiënt nodig heeft, en dus is σ( T) = σ ( T ) + σ ( T ) σ ( T ) = 3, 98 b H : µ =, H : µ >. De overschrijdingskans is T T P ( T 54) = normalcdf ( 54; ^ 99; ; 3, 98), 47 < α =, 5 en dus wordt H verworpen en is het tijd om de veronderstelde tijd van minuten per patiënt te verhogen. bladzijde 99 b 3a Het totaal aantal bijzienden is % van 5 = 4. Het aantal bijzienden onder de onderzochten met een IQ 8 is 7, 3% van = 4 = 7 en dus het percentage onderzochten met een IQ 8 onder de bijzienden is 7 % =, 9%. 4 Voor een aselect getrokken proefpersoon zou gelden P( IQ 8) = normalcdf ( 7, 5; ^ 99; ; ), 48 en dus is de verwachting n p = 5 P( IQ 8) 5, 48 = 4, dit is dus 3 meer dan is geobserveerd. c H : p =, ; H : p >,, waarbij p de fractie van de populatie is dat bijziend is. Als toetsingsgrootheid kan worden genomen B, het aantal bijzienden onder de onderzochten met hoog IQ. Zoals berekend is bij onderdeel a, is B = 7. Grote waarden van B wijzen in de richting van H, dus is de overschrijdingskans P B ( 7) = binomcdf ( ;, ; ), < α =,. Het antwoord op H de vraag is luidt dus bevestigend. 75

10 Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen Test jezelf bladzijde T- Veel mensen die op maandag werken zullen niet worden bereikt evenals mensen die geen telefoon hebben of een geheim telefoonnummer. T-a X is Bin( ; p) -verdeeld, waarbij p de fractie klanten is dat liefhebber is van witbrood. 4 4 b H : p =, H : p < 5 5 c Er is dan zeker geen gebrek aan bruinbrood. 4 d Onder de veronderstelling van is P( X ) = binomcdf (,, ), T-3a H : p,, H : p >,, waarbij p de fractie door de fabrikant geleverde producten dat ondeugdelijk is. b De consument krijgt dan gelijk. c Het aantal ondeugdelijke exemplaren is Bin( ;, ) verdeeld onder. Dus is overschrijdingskans P( X 8) = binomcdf (,,, 7), 57 d Welk significantieniveau er ook wordt gebruikt, X = 8 zal niet leiden tot verwerping van. e Als X = 9 is de overschrijdingskans P( X 9) = binomcdf (,,, 8), 43, Zowel bij α =, 5 als bij α =, leidt nog niet tot verwerping van. bladzijde 3 T-4a H : p =,, H : p >,, waarbij p de fractie afgekeurde golfballen is b Als A het aantal afgekeurde ballen is uit de steekproef van 4, dan is A Bin( 4;, ) -verdeeld onder. Verder wijzen grote waarden van A in de richting van H. Hier is A = 3. De overschrijdingskans is dan P ( X 3) = binomcdf ( 4;, ; ), < α =, 5 en er is voldoende reden om te verwerpen en actie te ondernemen. c Nu is A = 8 en de overschrijdingskans is P ( A 8) = binomcdf ( 4;, ; 7), 3 > α =, 5 en er is geen reden om actie te ondernemen. T-5a H : p =, H : p, waarbij p de fractie is van de Nederlandse bevolking dat in mei jarig is. b Je moet hier tweezijdig toetsen. Laat M, het aantal mensen in de steekproef zijn dat in mei jarig is, de toetsingsgrootheid zijn. M = is meer dan onder te verwachten en dus is de overschrijdingskans P ( M ) = binomcdf ( 8; ; ), 78 > α =, 5 en er is onvoldoende reden om aan de nulhypothese te twijfelen. c M = is minder dan onder te verwachten en dus is de overschrijdingskans P ( M ) = binomcdf ( 8; ; ), 3 < α =, 5 en nu is er is wel voldoende reden om aan de nulhypothese te twijfelen. 7 5

11 d Moderne Wiskunde Uitwerkingen bij vwo D deel 3 Hoofdstuk 4 Hypothese toetsen De linker overschrijdingskansen krijg je door in je GR in te voeren Y = binomcdf( 4; ; X). Met TABLE vind je dan De rechter overschrijdingskansen krijg je door in je GR in te voeren Y = binomcdf( 4; ; X ). Met TABLE vind je dan Aan de nulhypothese wordt niet getwijfeld als de overschrijdingskans groter is dan α =, 5. Dat geldt dus voor 7 M 7. T-a H : µ = 8, ; H : µ > 8, waarbij µ de gemiddelde lichaamslengte is van de 8 jarige dienstplichtige soldaten uit 977. De toetsingsgrootheid is X, de gemiddelde lichaamslengte van de dienstplichtigen in de aselecte steekproef. Onder, is X Norm( 8, ; 7 ) = Norm( 8, ;, 8) verdeeld. b Grote waarden van X wijzen in de richting van H en dus de overschrijdingskans bij X = 8, is gelijk aan P H ( X 8, ) = normalcdf ( 8, ; ^ 99; 8, ;, 8), 84 >, 4 = α en dus luidt het antwoord op de vraag ontkennend., c Onder is X nu Norm( 8, ; 7 ) n verdeeld. Voer nu in je GR voor de overschrijdingskans bij X = 8, in Y , = normalcdf(, ; ^ ;, ; ). Met TABLE vind je X Bij α =, 4 is het resultaat X = 8, dus pas significant als n. 77

Hoofdstuk 6 Hypothesen toetsen

Hoofdstuk 6 Hypothesen toetsen Hoofdstuk 6 Hypothesen toetsen ladzijde 144 1a X is aantal autokopers die merk A aanschaffen. X is Bin(100; 0,30) verdeeld. 0,30 3 100 = 30, naar verwachting zullen dus 30 autokopers merk A aanschaffen.

Nadere informatie

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

11.0 Voorkennis. Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k) 11.0 Voorkennis Let op: Cumulatieve binomiale verdeling: P(X k) = binomcdf(n,p,k) Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k) Voorbeeld 1: Binomiaal kanseperiment

Nadere informatie

Hoofdstuk 3 Statistiek: het toetsen

Hoofdstuk 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 informatie

15.1 Beslissen op grond van een steekproef [1]

15.1 Beslissen op grond van een steekproef [1] 15.1 Beslissen op grond van een steekproef [1] Voorbeeld 1: Een vulmachine vult flessen met een inhoud van X ml. X is normaal verdeeld met μ = 400 en σ = 4 Er wordt een steekproef genomen van 40 flessen.

Nadere informatie

Hoofdstuk 6 Twee populaties: parametrische toetsen

Hoofdstuk 6 Twee populaties: parametrische toetsen Hoofdstuk 6 Twee populaties: parametrische toetsen 6.1 De t-toets voor het verschil tussen twee gemiddelden: In veel onderzoekssituaties zijn we vooral in de verschillen tussen twee populaties geïnteresseerd.

Nadere informatie

Lesbrief hypothesetoetsen

Lesbrief hypothesetoetsen Lesbrief hypothesetoetsen 00 "Je gaat het pas zien als je het door hebt" Johan Cruijff Willem van Ravenstein Inhoudsopgave Inhoudsopgave... Hoofdstuk - voorkennis... Hoofdstuk - mens erger je niet... 3

Nadere informatie

Toetsen van Hypothesen. Het vaststellen van de hypothese

Toetsen van Hypothesen. Het vaststellen van de hypothese Toetsen van Hypothesen Wisnet-hbo update maart 2008 1. en Het vaststellen van de hypothese De nulhypothese en de Alternatieve hypothese. Het gaat in deze paragraaf puur alleen om de formulering. Er wordt

Nadere informatie

Hoofdstuk 5 - Hypothese toetsen

Hoofdstuk 5 - Hypothese toetsen V-1a 98 ladzijde 114 Niet iedereen heeft dezelfde kans om in deze steekproef te komen. Het zijn klanten van de winkel. Het zijn alleen vrouwen. Het zijn klanten die allemaal op hetzelfde tijdstip oodshappen

Nadere informatie

Hoofdstuk 5 Een populatie: parametrische toetsen

Hoofdstuk 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 informatie

HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN

HOOFDSTUK 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 informatie

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

Statistiek voor A.I. College 12. Dinsdag 23 Oktober Statistiek voor A.I. College 12 Dinsdag 23 Oktober 1 / 20 2 Deductieve statistiek Orthodoxe statistiek 2 / 20 3 / 20 Jullie - onderzoek Wivine Tijd waarop je opstaat (uu:mm wordt weergeven als uumm). Histogram

Nadere informatie

Uitleg significantieniveau en toetsen van hypothesen

Uitleg significantieniveau en toetsen van hypothesen Uitleg significantieniveau en toetsen van hypothesen Het significantieniveau (meestal aangegeven met de letter α) stelt de kans voor, dat H 0 gelijk heeft, maar H 1 gelijk krijgt. Je trekt dus een foute

Nadere informatie

Hypothese toetsen. Moderne Wiskunde MW B1 deel 5, hoofdstuk S3

Hypothese toetsen. Moderne Wiskunde MW B1 deel 5, hoofdstuk S3 Hypothese toetsen Moderne Wiskunde MW B deel 5, hoofdstuk S3 Het is vaak onmogelijk om een volledige populatie te onderzoeken. Dan moet je je behelpen met een steekproef uit de populatie. Op grond van

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek DD14) op vrijdag 17 maart 006, 9.00-1.00 uur. UITWERKINGEN 1. Methoden om schatters te vinden a) De aannemelijkheidsfunctie

Nadere informatie

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

werkcollege 6 - D&P10: Hypothesis testing using a single sample cursus huiswerk opgaven Ch.9: 1, 8, 11, 12, 20, 26, 36, 37, 71 werkcollege 6 - D&P10: Hypothesis testing using a single sample Activities 9.3 en 9.4 van schatting naar toetsing vorige bijeenkomst: populatie-kenmerk

Nadere informatie

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

o Geef bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN. Als je alleen een antwoord geeft worden er GEEN PUNTEN toegekend! Examentoets 2 6VWO-A Statistiek woensdag 20 januari 2010 o Geef bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN. Als je alleen een antwoord geeft worden er GEEN PUNTEN toegekend! o Geef bij gebruik

Nadere informatie

Uitwerkingen voortoets/oefentoets E3 maart/april 2009 MLN

Uitwerkingen voortoets/oefentoets E3 maart/april 2009 MLN Uitwerkingen voortoets/oefentoets E3 maart/april 009 MLN UITZENDBUREAU a H 0 : p=0. ( op is een kans van 0% wel 0.) is de bewering van het uitzendbureau H : p 0. (Helena is het er niet mee eens en denkt

Nadere informatie

Kansrekening en Statistiek

Kansrekening en Statistiek Kansrekening en Statistiek College 10 Donderdag 20 Oktober 1 / 1 2 Statistiek Vandaag: Hypothese toetsen 2 / 1 3 / 1 Terzijde NU.nl 19 oktober 2011: Veel Facebookvrienden wijst op grotere hersenen. (http://www.nu.nl/wetenschap/2645008/veel-facebookvrienden-wijst-groterehersenen-.html)

Nadere informatie

15.1 Beslissen op grond van een steekproef

15.1 Beslissen op grond van een steekproef 05 15 Exponenten Het toetsen van en logaritmen hypothesen 15.1 Beslissen op grond van een steekproef bladzijde 8 1 a Er wordt dan te veel schuurmiddel geleverd en dit kost geld. b Dan zit er te weinig

Nadere informatie

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

Vandaag. 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 informatie

Beslissen op grond van een steekproef Hoofdstuk 15

Beslissen op grond van een steekproef Hoofdstuk 15 1 Beslissen op grond van een steekproef Hoofdstuk 15 1. a. Het gaat veel geld kosten voor de fabrikant als er te veel schuurmiddel gebruikt wordt. b. Bij een te laag gemiddelde zullen de klanten niet tevreden

Nadere informatie

Voorbeeldtentamen Statistiek voor Psychologie

Voorbeeldtentamen Statistiek voor Psychologie Voorbeeldtentamen Statistiek voor Psychologie 1) Vul de volgende uitspraak aan, zodat er een juiste bewering ontstaat: De verdeling van een variabele geeft een opsomming van de categorieën en geeft daarbij

Nadere informatie

werkcollege 7 - D&P10: Hypothesis testing using a single sample

werkcollege 7 - D&P10: Hypothesis testing using a single sample cursus 11 mei 2012 werkcollege 7 - D&P10: Hypothesis testing using a single sample huiswerk opgaven Ch.9: 1, 8, 11, 12, 20, 26, 36, 37, 71 Activities 9.3 en 9.4 experimenten zelf deelnemen als proefpersoon

Nadere informatie

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

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

Nadere informatie

Hoofdstuk 3 Toetsen uitwerkingen

Hoofdstuk 3 Toetsen uitwerkingen Kern Kansen ij een normale verdeling a normalcdf(3.7,., 3,7) =,9 normalcdf(9, 9999,, 7) =,7 c normalcdf( 9999, 3,, ) =,978 a g = invnorm(.3, 8, 7) = 77,9 g = invnorm(.873,, ) = 97,9 c P(X < g μ = 8 en

Nadere informatie

Data analyse Inleiding statistiek

Data 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 informatie

Sheets K&S voor INF HC 10: Hoofdstuk 12

Sheets 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 informatie

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

9.0 Voorkennis. Bij samengestelde kansexperimenten maak je gebruik van de productregel. 9.0 Voorkennis Bij samengestelde kansexperimenten maak je gebruik van de productregel. Productregel: Voor de gebeurtenis G 1 bij het ene kansexperiment en de gebeurtenis G 2 bij het andere kansexperiment

Nadere informatie

Toetsen van hypothesen

Toetsen van hypothesen Les 4 Toetsen van hypothesen We hebben tot nu toe enigszins algemeen naar grootheden van populaties gekeken en bediscussieerd hoe we deze grootheden uit steekproeven kunnen schatten. Vaak hebben we echter

Nadere informatie

Hoofdstuk 8 Het toetsen van nonparametrische variabelen

Hoofdstuk 8 Het toetsen van nonparametrische variabelen Hoofdstuk 8 Het toetsen van nonparametrische variabelen 8.1 Non-parametrische toetsen: deze toetsen zijn toetsen waarbij de aannamen van normaliteit en intervalniveau niet nodig zijn. De aannamen zijn

Nadere informatie

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

Hiermee 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 informatie

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

Verklarende Statistiek: Toetsen. Zat ik nou in dat kritische gebied of niet? Verklarende Statistiek: Toetsen Zat ik nou in dat kritische gebied of niet? Toetsen, Overzicht Nulhypothese - Alternatieve hypothese (voorbeeld: toets voor p = p o in binomiale steekproef) Betrouwbaarheid

Nadere informatie

Samenvatting Wiskunde A

Samenvatting Wiskunde A Bereken: Bereken algebraisch: Bereken exact: De opgave mag berekend worden met de hand of met de GR. Geef bij GR gebruik de ingevoerde formules en gebruikte opties. Kies op een examen in dit geval voor

Nadere informatie

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

Statistiek 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 informatie

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

Figuur 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 informatie

Stochastiek 2. Inleiding in de Mathematische Statistiek 1 / 17

Stochastiek 2. Inleiding in de Mathematische Statistiek 1 / 17 Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 17 Statistische toetsen 2 / 17 Toetsen - algemeen - 1 Setting: observatie X in X, model {P θ : θ Θ}. Gegeven partitie Θ = Θ 0 Θ 1, met Θ 0 Θ 1

Nadere informatie

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

o Geef bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN. Als je alleen een antwoord geeft worden er GEEN PUNTEN toegekend! Examentoets 2 6VWO-A12 Statistiek woensdag 20 januari 2010 o Geef bij de beantwoording van de vragen ALTIJD JE BEREKENINGEN. Als je alleen een antwoord geeft worden er GEEN PUNTEN toegekend! o Geef bij

Nadere informatie

Populatie: De gehele groep elementen waarover informatie wordt gewenst.

Populatie: De gehele groep elementen waarover informatie wordt gewenst. Statistiek I Werkcollege 1 Populatie: De gehele groep elementen waarover informatie wordt gewenst. Steekproef: Gedeelte van de populatie dat feitelijk wordt onderzocht om informatie te vergaren. Eenheden:

Nadere informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

TOETSEN VAN HYPOTHESEN

TOETSEN VAN HYPOTHESEN TOETSEN VAN HYPOTHESEN 9 9.1 EEN TOETS VOOR DE POPULATIEPROPORTIE Probleem 1 Anna beweert bij hoog en bij laag dat door een dobbelsteen te schudden voor gebruik, je het resultaat in je voordeel kunt beïnvloeden.

Nadere informatie

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

wordt niet verworpen, dus het gemiddelde wijkt niet significant af van 400 wordt niet verworpen, dus het beïnvloedt de levensduur niet significant Hoofdstuk Het toetsen van hypothesen.. Beslissen op grond van een steekproef Opgave : a. hij gebruikt totaal meer schuurmiddel dan nodig is en dat kost dus extra geld b. de klanten gaan klagen als er te

Nadere informatie

Kansrekening en Statistiek

Kansrekening en Statistiek Kansrekening en Statistiek College 13 Dinsdag 26 Oktober 1 / 24 2 Statistiek Indeling: Hypothese toetsen Filosofie 2 / 24 Hypothese toetsen 3 / 24 Hypothese toetsen: toepassingen Vb. Een medicijn wordt

Nadere informatie

DEZE PAGINA NIET vóór 8.30u OMSLAAN!

DEZE PAGINA NIET vóór 8.30u OMSLAAN! STTISTIEK 1 VERSIE MT15303 1308 1 WGENINGEN UNIVERSITEIT LEERSTOELGROEP MT Tentamen Statistiek 1 (MT-15303) 5 augustus 2013, 8.30-10.30 uur EZE PGIN NIET vóór 8.30u OMSLN! STRT MET INVULLEN VN NM, REGISTRTIENUMMER,

Nadere informatie

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

De 'echte' toets lijkt hierop, alleen is de vormgeving anders. De uitwerkingen vind je voor de toetsweek terug op De 'echte' toets lijkt hierop, alleen is de vormgeving anders. De uitwerkingen vind je voor de toetsweek terug op www.molenaarnet.org. Geef je niet exacte antwoorden in 4 decimalen nauwkeurig Opgave 1

Nadere informatie

Eindexamen wiskunde A1-2 vwo 2007-I

Eindexamen wiskunde A1-2 vwo 2007-I Eindexamen wiskunde A-2 vwo 2007-I Beoordelingsmodel Restzetels maximumscore 4 5 329 + 9080 + 875 33 60 33 60 stemmen is minder dan de helft van 67 787 stemmen 0 + 5 + 5 20 20 zetels is meer dan de helft

Nadere informatie

wordt niet verworpen, dus het beïnvloedt de levensduur niet significant

wordt niet verworpen, dus het beïnvloedt de levensduur niet significant Hoofdstuk : Kansen en beslissingen. Beslissen op grond van een steekproef. Opgave : a. normalcdf,,8,), 78 b. a invnorm.,8,) 7, c. normalcdf,.,.8, ), 7 y normalcdf,.,.8, X ) kijk in de tabel voor welke

Nadere informatie

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan

Nadere informatie

Hoofdstuk 8: Het Toetsen van Hypothesen (Extra Oefeningen)

Hoofdstuk 8: Het Toetsen van Hypothesen (Extra Oefeningen) Hoofdstuk 8: Het Toetsen van Hypothesen (Extra Oefeningen) 8.16. Men wenst H 0 : p 0.2 te testen tegenover H 1 : p 0.4 voor een binomiale distributie met n 10. Bepaal α en β als de testfunctie gegeven

Nadere informatie

Kansverdelingen Inductieve statistiek met Geogebra 4.2

Kansverdelingen 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 informatie

Bijlage Bijlage 3. Statistische toetsing: werkwijze, toetsen, formules, toepassing

Bijlage Bijlage 3. Statistische toetsing: werkwijze, toetsen, formules, toepassing Bijlage 3 Statistische toetsing: werkwijze, toetsen, formules, toepassing In dit boek wordt kennis van statistiek en statistische ( hypothese)toetsing in principe bekend verondersteld. Niettemin geven

Nadere informatie

Begrippenlijst Anders Dit is onderzoek

Begrippenlijst Anders Dit is onderzoek Begrippenlijst Anders Dit is onderzoek Begrippenlijst door F. 1080 woorden 15 april 2016 9,1 2 keer beoordeeld Vak Anders Dit is onderzoek! 2.4 Steekproef Onderzoek met een kleine groep met de bedoeling

Nadere informatie

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

Tentamen 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 informatie

Toetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen

Toetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen M, M & C 7.3 Optional Topics in Comparing Distributions: F-toets 6.4 Power & Inference as a Decision 7.1 The power of the t-test 7.3 The power of the sample t- Toetsende Statistiek Week 5. De F-toets &

Nadere informatie

5 Toetsen. 5.1 Nulhypothese en Alternatieve Hypothese

5 Toetsen. 5.1 Nulhypothese en Alternatieve Hypothese 5 Toetsen Bij wetenschappelijk onderzoek, in de industrie en in het dagelijks leven is het vaak gewenst na te gaan of bepaalde vragen al dan niet bevestigend beantwoord kunnen worden. Helpt een bepaalde

Nadere informatie

Opgeloste Oefeningen Hoofdstuk 8: Het Toetsen van Hypothesen

Opgeloste Oefeningen Hoofdstuk 8: Het Toetsen van Hypothesen Opgeloste Oefeningen Hoofdstuk 8: Het Toetsen van Hypothesen 8.1. Stel dat medisch onderzoek heeft uitgewezen dat als het gemiddelde nicotinegehalte van een sigaret 25 mg of meer bedraagt, de kans op longkanker

Nadere informatie

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

Statistiek voor A.I. College 14. Dinsdag 30 Oktober Statistiek voor A.I. College 14 Dinsdag 30 Oktober 1 / 16 2 Deductieve statistiek Orthodoxe statistiek 2 / 16 Grootte steekproef Voorbeeld NU.nl 26 Oktober 2012: Helft broodjes döner kebab vol bacteriën.

Nadere informatie

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

Statistiek in de alfa en gamma studies. Aansluiting wiskunde VWO-WO 16 april 2018 Statistiek in de alfa en gamma studies Aansluiting wiskunde VWO-WO 16 april 2018 Wie ben ik? Marieke Westeneng Docent bij afdeling Methoden en Statistiek Faculteit Sociale Wetenschappen Universiteit Utrecht

Nadere informatie

Zin en onzin van normale benaderingen van binomiale verdelingen

Zin 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 informatie

1. Inleiding. 2. De analyses. 2.1 Afspraken over kinderopvang versus m/v-verdeling

1. Inleiding. 2. De analyses. 2.1 Afspraken over kinderopvang versus m/v-verdeling Bijlage II Aanvullende analyses 1 Inleiding In aanvulling op de kwantitatieve informatie over de diverse arbeid-en-zorg thema s, is een aantal analyses verricht Aan deze analyses lagen de volgende onderzoeksvragen

Nadere informatie

Eindexamen wiskunde A1-2 vwo 2001-II

Eindexamen wiskunde A1-2 vwo 2001-II Eindeamen wiskunde A- vwo 00-II 4 Antwoordmodel Opgave Vakkenkeuze Maimumscore 47,9% van 493 = 36 meisjes doen economie 60,% van 344 = 07 jongens doen economie Maimumscore 3 Het totaal van de percentages

Nadere informatie

3.1 Het herhalen van kansexperimenten [1]

3.1 Het herhalen van kansexperimenten [1] 3.1 Het herhalen van kansexperimenten [1] Voorbeeld: Op een schijf staan een zestal afbeeldingen in even grote vakjes: 3 keer appel, 2 keer banaan, 1 keer peer. Sandra draait zes keer aan de schijf. a)

Nadere informatie

Deeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013

Deeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013 Afdeling Wiskunde Volledig tentamen Algemene Statistiek Deeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen:

Nadere informatie

Toetsende Statistiek Week 3. Statistische Betrouwbaarheid & Significantie Toetsing

Toetsende Statistiek Week 3. Statistische Betrouwbaarheid & Significantie Toetsing Toetsende Statistiek Week 3. Statistische Betrouwbaarheid & Significantie Toetsing M, M & C, Chapter 6, Introduction to Inference 6.1 Estimating with Confidence 6.2 Tests of Significance 6.3 Use and Abuse

Nadere informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

7.1 Toets voor het gemiddelde van een normale verdeling

7.1 Toets voor het gemiddelde van een normale verdeling Hoofdstuk 7 Toetsen van hypothesen Toetsen van hypothesen is, o.a. in de medische en chemische wereld, een veel gebruikte statistische techniek. Het wordt vaak gebruikt om een gevestigde norm eventueel

Nadere informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

Hoofdstuk 10 Eenwegs- en tweewegs-variantieanalyse

Hoofdstuk 10 Eenwegs- en tweewegs-variantieanalyse Hoofdstuk 10 Eenwegs- en tweewegs-variantieanalyse 10.1 Eenwegs-variantieanalyse: Als we gegevens hebben verzameld van verschillende groepen en we willen nagaan of de populatiegemiddelden van elkaar verscihllen,

Nadere informatie

Examen Statistiek I Januari 2010 Feedback

Examen Statistiek I Januari 2010 Feedback Examen Statistiek I Januari 2010 Feedback Correcte alternatieven worden door een sterretje aangeduid. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Twee derden van de mannen

Nadere informatie

Statistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef

Statistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef Statistiek II Onderdeel toetsen binnen de cursus: 1. Eenvoudig toetsen Toetsen en schatten ivm één statistiek of steekproef Via de z-verdeling, als µ onderzocht wordt en gekend is: Via de t-verdeling,

Nadere informatie

Hoofdstuk 11: Kansverdelingen 11.1 Kansberekeningen Opgave 1: Opgave 2: Opgave 3: Opgave 4: Opgave 5:

Hoofdstuk 11: Kansverdelingen 11.1 Kansberekeningen Opgave 1: Opgave 2: Opgave 3: Opgave 4: Opgave 5: Hoofdstuk : Kansverdelingen. Kansberekeningen Opgave : kan op manieren 5 kan op! manieren 555 kan op manier 0 0 som 5) Opgave : som 5) som 5) som ) som ) c. som 0) d. som 0) som ) Opgave : som ) som )

Nadere informatie

Statistiek = leuk + zinvol

Statistiek = leuk + zinvol Statistiek = leuk + zinvol Doel 1: Doel : Doel 3: zie titel een statistisch onderzoek kunnen beoordelen een statistisch onderzoek kunnen opzetten een probleem vertalen in standaardmethoden gegevens verzamelen,

Nadere informatie

Hoofdstuk 12: Eenweg ANOVA

Hoofdstuk 12: Eenweg ANOVA Hoofdstuk 12: Eenweg ANOVA 12.1 Eenweg analyse van variantie Eenweg en tweeweg ANOVA Wanneer we verschillende populaties of behandelingen met elkaar vergelijken, dan zal er binnen de data altijd sprake

Nadere informatie

4 De normale verdeling

4 De normale verdeling bladzijde 217 35 a X = het aantal vrouwen met osteoporose. P(X = 30) = binompdf(100, 1, 30) 0,046 4 b X = het aantal mannen met osteoporose. Y = het aantal vrouwen met osteoporose. P(2 met osteoporose)

Nadere informatie

5.0 Voorkennis. Voorbeeld 1: In een vaas zitten 10 rode, 5 witte en 6 blauwe knikkers. Er worden 9 knikkers uit de vaas gepakt.

5.0 Voorkennis. Voorbeeld 1: In een vaas zitten 10 rode, 5 witte en 6 blauwe knikkers. Er worden 9 knikkers uit de vaas gepakt. 5.0 Voorkennis Voorbeeld 1: In een vaas zitten 10 rode, 5 witte en 6 blauwe knikkers. Er worden 9 knikkers uit de vaas gepakt. a) Bereken de kans op minstens 7 rode knikkers: P(minstens 7 rood) = P(7 rood)

Nadere informatie

HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES

HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan

Nadere informatie

Het werken met TI-83-programma s in de klas

Het werken met TI-83-programma s in de klas Het werken met TI-83-programma s in de klas Ton Van Amsterdam Inleiding. Met de komst van de wetenschappelijke rekenmachine verdween de behoefte aan een logaritmetafel en tafels voor goniometrische verhoudingen.

Nadere informatie

Statistiek ( ) eindtentamen

Statistiek ( ) eindtentamen Statistiek (200300427) eindtentamen studiejaar 2010-11, blok 4; Taalwetenschap, Universiteit Utrecht. woensdag 29 juni 2011, 17:15-19:00u, Educatorium, zaal Gamma. Schrijf je naam en student-nummer op

Nadere informatie

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

Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1 Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1 1 Onderwerpen van de lessenserie: De Normale Verdeling Nul- en Alternatieve-hypothese ( - en -fout) Steekproeven Statistisch toetsen Grafisch

Nadere informatie

13.1 Kansberekeningen [1]

13.1 Kansberekeningen [1] 13.1 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 informatie

G0N11a Statistiek en data-analyse: project Eerste zittijd Modeloplossing

G0N11a Statistiek en data-analyse: project Eerste zittijd Modeloplossing G0N11a Statistiek en data-analyse: project Eerste zittijd 2007-2008 Modeloplossing Opmerking vooraf: Deze modeloplossing is een heel volledig antwoord op de gestelde vragen. Om de maximumscore op een vraag

Nadere informatie

Tentamen Mathematische Statistiek (2WS05), vrijdag 29 oktober 2010, van 14.00 17.00 uur.

Tentamen Mathematische Statistiek (2WS05), vrijdag 29 oktober 2010, van 14.00 17.00 uur. Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Mathematische Statistiek (WS05), vrijdag 9 oktober 010, van 14.00 17.00 uur. Dit is een tentamen met gesloten boek. De uitwerkingen

Nadere informatie

Toetsen van hypothesen

Toetsen van hypothesen Toetsen van hypothesen 1 Het probleem 25 maart 2003 De busmaatschappij De Lijn heeft gemiddeld per dag 20000 reizigers in de stad Antwerpen. Tegenwoordig zijn er heel wat reizigers die proberen met de

Nadere informatie

15.1 Beslissen op grond van een steekproef theorie C. 15.2 Eenzijdig en tweezijdig toetsen. 15.3 Binomiale toetsen theorie A, B, C

15.1 Beslissen op grond van een steekproef theorie C. 15.2 Eenzijdig en tweezijdig toetsen. 15.3 Binomiale toetsen theorie A, B, C Wat leer je? Zorgt verbeterde hygiëne voor een toename van allergische aandoeningen? In de statistiek is een methode ontwikkeld om op zo n vraag een onderbouwd antwoord te geven aan de hand van een steekproefresultaat.

Nadere informatie

Toegepaste Statistiek, Week 6 1

Toegepaste Statistiek, Week 6 1 Toegepaste Statistiek, Week 6 1 Eén ordinale en één nominale variabele Nominale variabele met TWEE categorieën, 1 en 2 Ordinale variabele normaal verdeeld binnen iedere categorie? Variantie in beide categorieën

Nadere informatie

c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6

c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6 c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6 1. Iemand kiest geblinddoekt 4 paaseitjes uit een mand met oneindig veel paaseitjes. De helft is melkchocolade, de andere

Nadere informatie

Sheets hoorcollege 1 (over paragraaf 7.1) Uitgewerkte opgaven week 6 Antwoorden uitgewerkte opgaven week 6

Sheets hoorcollege 1 (over paragraaf 7.1) Uitgewerkte opgaven week 6 Antwoorden uitgewerkte opgaven week 6 MATERIALEN BIJ STATISTIEK (1991) JANUARI 010 Sheets hoorcollege 1 (over paragraaf 7.1) Uitgewerkte opgaven week 1 Antwoorden uitgewerkte opgaven week 1 11 15 Power-point sheets hoorcollege (over paragraaf

Nadere informatie

Voorbeeldtentamen Wiskunde A

Voorbeeldtentamen Wiskunde A CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE Datum: Najaar 2018 Tijd: 3 uur Aantal opgaven: 6 Voorbeeldtentamen Wiskunde A Lees onderstaande aanwijzingen s.v.p. goed door voordat u met het tentamen begint.

Nadere informatie

Feedback examen Statistiek II Juni 2011

Feedback examen Statistiek II Juni 2011 Feedback examen Statistiek II Juni 2011 Bij elke vraag is alternatief A correct. 1 De variabele X is Student verdeeld in een bepaalde populatie, met verwachting µ X en variantie σ 2 X. Je trekt steekproeven

Nadere informatie

11.1 Kansberekeningen [1]

11.1 Kansberekeningen [1] 11.1 Kansberekeningen [1] Kansdefinitie van Laplace: P(gebeurtenis) = Aantal gunstige uitkomsten/aantal mogelijke uitkomsten Voorbeeld 1: Wat is de kans om minstens 16 te gooien, als je met 3 dobbelstenen

Nadere informatie

Correctievoorschrift VWO. Wiskunde A (oude stijl) Voorbereidend Wetenschappelijk Onderwijs. Tijdvak CV17 Begin

Correctievoorschrift VWO. Wiskunde A (oude stijl) Voorbereidend Wetenschappelijk Onderwijs. Tijdvak CV17 Begin Wiskunde A (oude stijl) Correctievoorschrift VWO Voorbereidend Wetenschappelijk Onderwijs 20 03 Tijdvak 30000 CV7 Begin Regels voor de beoordeling Het werk van de kandidaten wordt beoordeeld met inachtneming

Nadere informatie

Antwoordmodel VWO 2002-I wiskunde A (oude stijl) Vogels die voedsel zoeken

Antwoordmodel VWO 2002-I wiskunde A (oude stijl) Vogels die voedsel zoeken Antwoordmodel VWO 00-I wiskunde A (oude stijl) Antwoorden Vogels die voedsel zoeken Maximumscore Stilstaan duurt telkens 5 seconden Tussen twee stops wordt 5 cm afgelegd De tijd tussen twee stops is 5

Nadere informatie

Eindexamen wiskunde A 1-2 vwo I

Eindexamen wiskunde A 1-2 vwo I Beoordelingsmodel Marathonloopsters maximumscore uur, 4 minuten en seconden is 98 seconden De snelheid is 495 98 (m/s) Het antwoord: 4, (m/s) maximumscore Uit x = 5 volgt v 4,04 (m/s) De tijd die een 5-jarige

Nadere informatie

Berekenen en gebruik van Cohen s d Cohen s d is een veelgebruikte manier om de effectgrootte te berekenen en wordt

Berekenen en gebruik van Cohen s d Cohen s d is een veelgebruikte manier om de effectgrootte te berekenen en wordt A. Effect & het onderscheidingsvermogen Effectgrootte (ES) De effectgrootte (effect size) vertelt ons iets over hoe relevant de relatie tussen twee variabelen is in de praktijk. Er zijn twee soorten effectgrootten:

Nadere informatie

14.1 Kansberekeningen [1]

14.1 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 informatie

Eindexamen wiskunde A1 vwo 2007-I

Eindexamen wiskunde A1 vwo 2007-I Beoordelingsmodel Restzetels maximumscore 4 5 329 + 9080 + 875 = 33 60 33 60 stemmen is minder dan de helft van 67 787 stemmen 0 + 5 + 5 = 20 20 zetels is meer dan de helft van 39 zetels 2 maximumscore

Nadere informatie

HOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN

HOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN HOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN 4. VERGELIJKINGSTOETSEN A. Vergelijken van varianties Men beschouwt twee steekproeven uit normaal verdeelde populaties: X, X,, X n ~ N(µ, σ ) Y, Y,, Y n

Nadere informatie

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

Uitwerkingen 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 informatie

Correctievoorschrift VWO

Correctievoorschrift VWO Correctievoorschrift VWO 2007 tijdvak wiskunde A,2 Het correctievoorschrift bestaat uit: Regels voor de beoordeling 2 Algemene regels 3 Vakspecifieke regels 4 Beoordelingsmodel 5 Inzenden scores Regels

Nadere informatie

Voorbeeldtentamen Wiskunde A

Voorbeeldtentamen Wiskunde A CENTRALE COMMISSIE VOORTENTAMEN WISKUNDE Datum: Najaar 2018 Tijd: 3 uur Aantal opgaven: 6 Voorbeeldtentamen Wiskunde A Lees onderstaande aanwijzingen s.v.p. goed door voordat u met het tentamen begint.

Nadere informatie