De normale verdeling (1)

Slides:



Advertisements
Verwante presentaties
Statistische uitspraken over onbekende populatiegemiddelden
Advertisements

Toetsen van verschillen tussen twee of meer groepen
Overzicht Sessie 1 Inleiding
“Verschillen” een statistiek hoofdstuk
Meten en experimenteren
Statistiek HC1MBR Statistiek.
Collegeweek 4/5 Datapreparatie
Statistiek Niveua 3 Kerntaak 5 Blz. 81.
Snelheidstoets Normaal verdeling 1 H5
havo A Samenvatting Hoofdstuk 8
Statistiek 2 Hoofdstuk 2: Kansverdelingen en kansberekening
De normale verdeling.
Wiskunde D bij Moderne wiskunde
Hoofdstuk 3 Maatstaven voor ligging en spreiding
Hfdstk 9 WB Extra opgaven.
Beginselen van de Statistiek in de Kinesiologie
Inferentie voor regressie
Schatter voor covariantie
Continue kansverdelingen
Bloed alcohol gehalte BAC formule.
3.4 Hoe wordt de BAC waarde bepaald?
Hoofdstuk 8 Centrale tendentie en spreiding
Eenvoudige data-analyse: beschrijvende statistische
Eekhoutcentrum – oktober 2005 Johan Deprez – Hilde Eggermont
Eekhoutcentrum – oktober 2005 Johan Deprez – Hilde Eggermont
Real-Time Systems (RTSYST) Week Priority inheritance voorbeeld taakprioexecutionrelease time d4EEQVE4 c3EVVE2 b2EE2 a1EQQQQE0.
Statistiek voor Historici Hulpvak GB2HVST / G2HV09A Dr. L.J. Touwen College 4.
De Grote ACS Kennis Quiz
Inleiding in de statistiek voor de gedragswetenschappen Met ondersteuning van PASW Guido Valkeneers.
Als je een veer wilt uitrekken dan zul je daar een kracht op
CAT Wieske Mosmuller & Myriam Castelot
Door Beatrice van der Tuin – Ploeger
Samantha Bouwmeester Testtheorie College Samantha Bouwmeester.
Basisstof 9: Variatie in lengte en gewicht
Hoofdstuk 4 Vlakke figuren.
2 vmbo basis 4.1Vlakke figuren
Hoofdstuk 4 Vlakke figuren.
1.6 Druk 4T Nask1 H1: Krachten.
WOT statistiek Inleiding
H7 Kracht.
TWIN wiskunde.
Inleiding in de statistiek voor de gedragswetenschappen
Cv = F u  F = Cvu  F = Cv(el - bl) u = (el - bl)
GRAFIEK v/e TWEEDEGRAADSFUNCTIE Voorbeeld 1). xf(x) T(0,0) Dalparabool.
Kippen, kuikens en eieren.
LEREN ONDERZOEKEN Inleiding: Wat heb je nodig? - Handleiding “leren onderzoeken”, dit is ook je werkboek. Wat gaan we doen? Theorie. Hoe zet je een onderzoek.
1 CCP Module 1: Theorie Statistiek voor Credit Managers Introductie Basisbegrippen Drs. J.H. Gieskens AC CCM QT.
Vormleer: vlakke figuren omstructureren – oppervlakte grillige figuren
Gebruik van RSZ-gegevens in Nationale en Regionale rekeningen Brussel, Monica Maeseele.
Paragraaf 2 – Krachten meten
WORKSHOP BIOMETRIE.
Disclosure belangen NHG spreker
Wat zegt een steekproef?
Rekenen.
Rekenen.
Standaard normaalverdeling
Blokje aan de veer Uitrekking (cm) Gewicht (N)   Meting 1.
Betrouwbaarheidsinterval
TF GRAFIEKEN TEKENEN : Oefening
Statistiek met grote datasets op de TI 84 Peter Vaandrager
Kwantitatieve onderzoeksresultaten
Kan je zelf een geschikte schaalverdeling maken
Eenvoudige data-analyse: beschrijvende statistische
Kan je zelf een geschikte schaalverdeling maken
3 vmbo-KGT Samenvatting Hoofdstuk 10
Toetsen van verschillen tussen twee of meer groepen
Als de som en het verschil gegeven zijn.
Vererving van kwantitatieve kenmerken
De normale verdeling Eigenschappen en vuistregels
Kwantitatieve kenmerken
Transcript van de presentatie:

De normale verdeling (1) Wat? De normale verdeling is een continue, klokvormige, symmetrische verdeling Belangrijkste eigenschap? Symmetrie Uitzicht? De precieze vorm van de normale verdeling (spits, normaal, vlak) hangt af van het rekenkundig gemiddelde en de standaardafwijking. Als beiden gekend zijn is de grafiek te tekenen Voorbeelden: - de lichaamslengte van mannen en vrouwen - het cholesterolgehalte in het bloed - het gewicht van eieren gelegd door één kippenras

De normale verdeling (2) 156 164 172 180 188 196 204 cm NL 150 157 164 171 178 185 192 cm B

De standaardnormale verdeling (1) De standaardnormale verdeling is een normale verdeling met: een rekenkundig gemiddelde gelijk aan 0 een standaardafwijking gelijk aan 1

Bepaling z-score X en Z: theoretische variabelen X en z: specifieke numerieke waarden z-score: >0: resultaat > rekenkundig gemiddelde <0: resultaat < rekenkundig gemiddelde =0: resultaat = rekenkundig gemiddelde

De standaardnormale verdeling (2) lengte studenten: standaard- normale verdeling: gestandaardiseerde lengte De gestandaardiseerde lengte van een student is het aantal standaardafwijkingen dat zijn/haar lengte afwijkt van de gemiddelde lengte van alle studenten in de steekproef of populatie

De standaardnormale verdeling (3) Voorbeeld: lichaamslengte studenten is N (172,0cm ; 8,25cm) Dirk: 176 cm  de lengte van Dirk ligt 0,48 keer de standaardafwijking boven het gemiddelde Anna: 161 cm 

De standaardnormale verdeling (4) ? % ? % 147,25 155,50 163,75 172,0 180,25 188,50 196,75 cm N (172,0;8,25) -3 -2 -1 0 +1 +2 +3 N (0;1)

De standaardnormale verdeling (5) Tabel: standaardnormale kansen Dirk: Anna: z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09 0.3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517 0.4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879 0.5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224 1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177

De standaardnormale verdeling (6) Tabel: standaardnormale kansen Omgekeerde bewerking: Wat is de maximale lengte van de kleinste 67% van de studenten? z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09 0.3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517 0.4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879 0.5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224 1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 9177