Bekijk het histogram van de verdeling van de lichaamslengte van een groep soldaten.
De lichaamslengte
`L`
lijkt discreet door de indeling in klassen.
In werkelijkheid is de lichaamslengte een continue toevalsvariabele. In de figuur
is een passende kromme getekend die de continue verdeling van de lichaamslengte
`L`
benadert. De benadering wordt beter als je meer klassen maakt.
De grafiek heeft een klokvormige frequentieverdeling die wordt bepaald door gemiddelde `bar(L) = 182` en standaardafwijking (ook wel standaarddeviatie genoemd) `sigma(L) = 7` . `L` is normaal verdeeld. Het gemiddelde van een normale verdeling wordt `mu` (spreek uit "mu" ) genoemd. Er geldt:
het hoogste punt van elke normale verdeling zit bij `mu` .
een maat voor de spreiding is de standaardafwijking `sigma` .
elke normale verdeling is symmetrisch ten opzichte van `mu` in het midden.
hoe verder je bij `mu` vandaan gaat (naar links of naar rechts), hoe dichter de hoogte van de normale verdeling bij `0` komt.
Kansen bepaal je door de bijpassende oppervlakte onder de grafiek te schatten. De
totale oppervlakte onder deze kromme is altijd
`1`
of
`100`
%.
Je kunt ook de al bekende vuistregels voor de normale verdeling gebruiken om kansen
te benaderen. Van de oppervlakte onder de normaalkromme:
ligt ongeveer `68` % tussen `X = μ-σ ` en `X = μ+σ`
ligt ongeveer `95` % tussen `X = μ-2σ ` en `X = μ+2σ`
ligt ongeveer `100` % tussen `X = μ-3σ ` en `X = μ+3σ`
Bekijk de relatieve frequentieverdeling van de lengtes van een groep soldaten op een
kazerne in
Waarom is `L` een continue toevalsvariabele?
Welk percentage hoort bij het hele gebied onder de kromme?
Een klokvormige verdeling is symmetrisch. Waarom volgt uit die symmetrie dat `text(P)(L ≤ 182 ) = 0,5` ?
Hoeveel is `text(P)( 175 le L le 189 )` .
Hoeveel is `text(P)(L le 189 )` .
Maak een schatting van `text(P)(L ≤ 174 )` .