SAMENVATTING MEETING 6
Moore, McCabe en Graig Hoofdstuk 5
Een statstical inferenice trekt conclusies uit de gegevens van een populate of uit data.
Een statstc van een random sample is random variabele. De kansverdeling van de statstek is een
sampling distribute. Dit laat zien hoe de statsteken zouden variëren in identeke data collectes.
Parameter= nummer dat de populate beschrijf
Statstic= nummer dat de sample beschrijf.
Je kan in een SRS met een grote N de mean van de populate eten door de sample mean. Dit is
statstcal inference. Om te kijken of deze betrouwbaar ism moet je de sample steeds veranderen en
de test herhalen op de verschillende samples. Dit kun je doen door simulate op bijvoorbeeld
computerprogramma’s.
Een populatedistribute van een variabele is de distribute van de waardes van alle leden van een
populate. Deze distribute representeert ook de kans van de variabele als we random een individu
uit de populate gebruiken.
Unbiased estmator= de gesichatte mean is gelijk aan de echte mean.
De variabiliteit van de statstc wordt beschreven door de spreiding van de sampling distributon Deze
wordt vastgesteld door N en het sample design.
Om de bias te verminderen moet je gebruik maken van een random sample en om variablility te
verminderen moet je een grotere sample nemen. Uiteindelijk maakt de grote van de sample niet
meer uit. De populate moet 0 keer zo groot zijn als de sample.
De sample mean is het gemiddelde van de observatee
- Minder variabel dan de individuele observates
- Meer normaal verdeeld dan individuele observates.
De sample mean wordt bepaald doore
- Het design wat gebruikt wordt voor het produceren van de data
- De sample grote N
- Populate verdeling.
- μ x́ =μ
σ
De standaardafwijking van de sample is gelijk aan σ x́=
√n
De icentrale limietstelling stelt dat bij een groote Nm de mean van de sampling distribute bij
benadering normaal verdeeld is.
- Neem veel random samples met dezelfde N
- Vind de sample mean voor elke sample
- Verzamel alle sample means en toon de verdeling.
Moore, McCabe en Graig Hoofdstuk 5
Een statstical inferenice trekt conclusies uit de gegevens van een populate of uit data.
Een statstc van een random sample is random variabele. De kansverdeling van de statstek is een
sampling distribute. Dit laat zien hoe de statsteken zouden variëren in identeke data collectes.
Parameter= nummer dat de populate beschrijf
Statstic= nummer dat de sample beschrijf.
Je kan in een SRS met een grote N de mean van de populate eten door de sample mean. Dit is
statstcal inference. Om te kijken of deze betrouwbaar ism moet je de sample steeds veranderen en
de test herhalen op de verschillende samples. Dit kun je doen door simulate op bijvoorbeeld
computerprogramma’s.
Een populatedistribute van een variabele is de distribute van de waardes van alle leden van een
populate. Deze distribute representeert ook de kans van de variabele als we random een individu
uit de populate gebruiken.
Unbiased estmator= de gesichatte mean is gelijk aan de echte mean.
De variabiliteit van de statstc wordt beschreven door de spreiding van de sampling distributon Deze
wordt vastgesteld door N en het sample design.
Om de bias te verminderen moet je gebruik maken van een random sample en om variablility te
verminderen moet je een grotere sample nemen. Uiteindelijk maakt de grote van de sample niet
meer uit. De populate moet 0 keer zo groot zijn als de sample.
De sample mean is het gemiddelde van de observatee
- Minder variabel dan de individuele observates
- Meer normaal verdeeld dan individuele observates.
De sample mean wordt bepaald doore
- Het design wat gebruikt wordt voor het produceren van de data
- De sample grote N
- Populate verdeling.
- μ x́ =μ
σ
De standaardafwijking van de sample is gelijk aan σ x́=
√n
De icentrale limietstelling stelt dat bij een groote Nm de mean van de sampling distribute bij
benadering normaal verdeeld is.
- Neem veel random samples met dezelfde N
- Vind de sample mean voor elke sample
- Verzamel alle sample means en toon de verdeling.
