De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Klasse indeling Uit een onderzoek zijn de volgend gewichten in grammen van eieren uit de biologische veeteelt gevonden 53342844195738342217 26576432263314453143.

Verwante presentaties


Presentatie over: "Klasse indeling Uit een onderzoek zijn de volgend gewichten in grammen van eieren uit de biologische veeteelt gevonden 53342844195738342217 26576432263314453143."— Transcript van de presentatie:

1 Klasse indeling Uit een onderzoek zijn de volgend gewichten in grammen van eieren uit de biologische veeteelt gevonden Deze gegevens zetten we eerst in een tabel met een klasse indeling.

2 Klasse indeling Een klasse indeling kan je maken aan de hand van de volgende richtlijnen. 1.Tel het aantal waarnemingen. 2.Tel het aantal cijfers waar dit getal uit bestaat. 3.Vermenigvuldig dit aantal met 3 en met 5. Dit is het aantal klassen dat je mag gebruiken. 4.Kijk wat de laagste waarneming en rond deze af naar beneden. 5.Bepaal de hoogste waarneming en rond deze af naar boven. 6.Probeer een mooie klassegrens verdeling te maken en afgerond afgerond klasse’s van 5 breed ?!?

3 Klasse indeling M.b.v. een klassenindeling kun je de centrummaten van deze verdeling bepalen. Eiergewichten uit de biologische veeteelt Gewichtfrequentiemf*m 10-<157 -<209 -< < < < <459 -<508 -<557 -<605 -<654 -<

4 Histogram aantal Gewicht in gr

5 Klasse indeling Modale klasse bepalen. Modale klasse is de klasse met de hoogste frequentie Eiergewichten uit de biologische veeteelt Gewichtfrequentiemf*m 10-<157 -<209 -< < < < <459 -<508 -<557 -<605 -<654 -< Modale klasse is : 25 - < 30 gr Modus = 27,5 gr

6 Klasse indeling Gemiddelde berekening Eiergewichten uit de biologische veeteelt Gewichtfrequentiemf*m 10-<15712,5 15-<20917,5 20-<251022,5 25-<301927,5 30-<351632,5 35-<401437,5 40-<45942,5 45-<50847,5 50-<55752,5 55-<60557,5 60-<65462,5 65-<70267,5 110 Bereken m de klassenmiddens.

7 Klasse indeling Gemiddelde en modus berekening Eiergewichten uit de biologische veeteelt Gewichtfrequentiemf*m 10-<15712,587,5 15-<20917,5157,5 20-<251022, <301927,5522,5 30-<351632, <401437, <45942,5382,5 45-<50847, <55752,5367,5 55-<60557,5287,5 60-<65462, <70267, Deel de som van f*m door de som van f.

8 Gecumuleerde gewichtsverdeling Nr van de mediaan: (110+1) / 2 Nr. med.= 55/56 rekenkundig (55,5) grensaantalrelatief -<100 -<157 -<2016 -<2526 -<3045 -<3561 -<4075 -<4584 -<5092 -<5599 -< < <70110 Mediaan berekening 30+((55,5-45)/(61-45))*(35-30) = 33,28 gr

9 Gecumuleerde gewichtsverdeling Nr van de mediaan: (110+1) / 2 Nr. med.= 55/56 rekenkundig (55,5) grensaantalrelatief -<100 -<157 -<2016 -<2526 -<3045 -<3561 -<4075 -<4584 -<5092 -<5599 -< < <70110 Mediaan bepaling grafisch (absoluut). Mediaan = 34 gr.

10 Gecumuleerde gewichtsverdeling Nr. med.= 50 % grens grensaantalrelatief -<1000,0 -<1576,4 -<201614,5 -<252623,6 -<304540,9 -<356155,5 -<407568,2 -<458476,4 -<509283,6 -<559990,0 -< ,5 -< ,2 -< ,0 Mediaan bepaling grafisch uit de relatieve verdeling. Mediaan = 34 gr.

11 Gecumuleerde gewichtsverdeling Mediaan= tweede kwartiel = 50 % grens Eerste kwartiel = 25 % grens Derde kwartiel = 75 % grens grensaantalrelatief -<1000,0 -<1576,4 -<201614,5 -<252623,6 -<304540,9 -<356155,5 -<407568,2 -<458476,4 -<509283,6 -<559990,0 -< ,5 -< ,2 -< ,0 Tekenen van de Boxplot. Boxplot

12 De normale verdeling neem je bij een klassenindeling van een zeer grote populatie de klassenbreedte steeds kleiner, dan zal de frequentiepolygoon steeds meer gaan lijken op een vloeiende kromme krijg je een klokvormige kromme, dan is er sprake van een normale verdeling de kromme heet de normaalkromme de top ligt boven het gemiddelde μ de breedte van de kromme hangt af van de standaardafwijking σ μ 8.1

13 Vuistregels bij de normale verdeling bij een normale verdeling ligt 68% van de waarnemingsgetallen minder dan σ van het gemiddelde af 95% van de waarnemingsgetallen minder dan 2σ van het gemiddelde af 8.1

14 Vuistregel 1 lengte freqfreq μμ - σμ + σ σσ buigpunt tussen {μ - σ,μ + σ} ligt 68% van alle data 16% 8.1

15 Vuistregel 2 lengte freqfreq μ μ - 2σμ + 2σ 2σ2σ2σ2σ tussen {μ - 2σ,μ + 2σ} ligt 95% van alle data 2,5% 8.1

16 azwaarder dan 2,7 kg 2,5% btussen 1,5 en 2,4 kg 13,5% + 68% = 81,5% 0,815 × 200 = 163 konijnen clichter dan 1,8 kg 2,5% + 13,5% = 16% 0,16 × 200 = 32 konijnen dde 5 zwaarste konijnen 5/200 × 100% = 2,5% ze hebben een gewicht van meer dan 2,7 kg opgave 5 gewicht in kg freqfreq 2,11,82,4 0,3 2,7 34% 13,5% 0,3 13,5% 1,5 2,5% 13,5% 34% 2,5% 13,5%

17 Toepassing van de vuistregels bij een groep mannen, waarvan de lengte normaal verdeeld is met μ = 178 cm en σ = 8 cm hoort de verdeling hiernaast de percentages volgen uit de vuistregels bij de normale verdeling tussen 162 en 178 cm hoort 47,5% van de mannen 2,5% van de mannen is korter dan 162 cm. 8.1

18 8.2

19

20

21 Oppervlakten berekenen met de GR 8.2

22

23 opgave 18 8,79,8 agroter dan 9,8 cm. opp = normalcdf(9.8,10 99,8.7,1.6) ≈ 0,246 dus 24,6% bkleiner dan 5,1 cm opp = normalcdf(-10 99,5.1,8.7,1.6) ≈ 0,012 dus 1,2% cligt tussen 9,1 cm en 12,3 cm opp = normalcdf(9.1,12.3,8.7,1.6) ≈ 0,389 dus 38,9% 5,19,1 12,3

24 Grenzen berekenen met de GR de oppervlakte links van a is gelijk aan 0,56 je kunt de bijbehorende grens met de GR berekenen we gebruiken hierbij de notatie a = invNorm(0.56,18,3) de oppervlakte links van a -18 het gemiddelde μ -3 de standaardafwijking σ is de oppervlakte onder de normaalkromme links van a bekend, dan is a = invNorm(opp links,μ,σ) 8.2

25

26 Grenzen berekenen bij symmetrische gebieden 8.2

27 Het berekenen van μ en σ 8.2

28 opgave – 0,62 = 0,38 opp links van 2080 is 0,38/2 = 0,19 normalcdf(-10 99,2080,2200,σ) = 0,19 voer in y 1 = normalcdf(-10 99,2080,2200,σ) en y 2 = 0,19 optie intersect x ≈ 136,69 dus σ ≈ 140 μ = 2200 σ = ? opp = 0,62 opp = 0,19

29 Percentages en kansen bij de normale verdeling bij opgaven over de normale verdeling heb je te maken met de 5 getallen in het figuur van deze getallen zijn er 4 gegeven en moet je het 5 e berekenen je gebruikt het volgende werkschema werkschema : opgaven over de normale verdeling 1schets een normaalkromme en verwerk hierin μ,σ,l,r en opp. 2kleur het gebied dat bij de vraag hoort 3bereken met de GR het ontbrekende getal 4beantwoord de gestelde vraag 8.3

30

31

32 opgave 36a 36,250 μ = 36,2 σ = 12,7 opp = normalcdf(50,10 99,36.2,12.7) opp ≈ 0,139 aantal = 0,139 × 50 ≈ 70

33 opgave 36b 36,28 μ = 36,2 σ = 12,7 opp = normalcdf(-10 99,8,36.2,12.7) opp ≈ 0,013 de kans is 0,013

34 opgave 39a 28 μ = 28 σ = 0,6 opp = normalcdf(30,10 99,28,0.6) opp ≈ 0,0004 dus 0,04% heeft een diameter van meer dan 30 mm. 30

35 opgave 39b 28 μ = 28 σ = 0,6 opp = 2. normalcdf(-10 99,26.5,28,0.6) opp ≈ 0,012 dus 0,12% is niet bruikbaar 29,5 26,5

36 opgave 39c 28 μ = 28 σ = 0,35 opp = 2. normalcdf(-10 99,26.5,28,0.35) opp ≈ 0,00002 dus 0,002% is nu niet bruikbaar 29,5 26,5

37 opgave 39d 28 μ = 28 σ = 0,35 opp = 0,2 5 klassen, elke klasse bevat 20% alleen moeren uit de middelste 3 klassen a = invNorm(0.2,28,0.35) a ≈ 27,705 b = invNorm(0.8,28,0.35) b ≈ 28,295 de diameter ligt tussen 27,705 mm en 28,295 mm. b a

38 Gemiddelde en standaardafwijking berekenen bij het berekenen van een onbekende μ of σ kun je de optie intersect gebruiken TI 8.3

39 opgave 44a 1005 μ = 1005 σ = ? opp = 0,02 hoogstens 2% dat meer dan 10 gram afwijkt van het gemiddelde gewicht opp links = 0,02 : 2 = 0,01 GR  σ ≈ 4,3 dus de standaardafwijking moet 4,3 gram of minder zijn

40 opgave 44b ? μ = ? σ = 8 opp = 0,05 niet meer dan 5% van de pakken minder dan 1000 gram koffie bevat GR  μ ≈ 1013,16 dus instellen op een gemiddelde van 1013 gram of meer 1000

41 opgave 46a 2,52 μ = 2,52 σ = 0,12 Hoeveel procent van de pakken bevat minder dan 2,5 kg ? opp = normalcdf(-10 99,2.5,2.52,0.12) opp ≈ 0,434 dus 43,4% bevat minder dan 2,5 kg. 2,5

42 opgave 46b 2,56 μ = 2,56 σ = 0,12 Van hoeveel procent van de pakken wijkt het gewicht meer dan 0,3 kg van het gemiddelde gewicht af ? opp = 2 · normalcdf(-10 99,2.26,2.56,0.12) opp ≈ 0,012 dus 1,2% wijkt meer dan 0,3 kg af 2,86 2,26

43 opgave 46c ? μ = ? σ = 0,12 opp = 0,04 niet meer dan 4% van de pakken minder dan 2,5 kg bevat GR  μ ≈ 2,71 dus instellen op een gemiddelde van 2,71 kg of meer 2,5

44 opgave 46d ? μ = ? σ = 0,12 opp = 0,0188 van 835 pakken blijken er 16 meer dan 2,78 kg te bevatten 16/853 ≈ 0,0188 GR  μ ≈ 2,53 dus de machine is ingesteld op een gemiddelde van 2,53 kg 2,78

45 Terugblik

46


Download ppt "Klasse indeling Uit een onderzoek zijn de volgend gewichten in grammen van eieren uit de biologische veeteelt gevonden 53342844195738342217 26576432263314453143."

Verwante presentaties


Ads door Google