Ongeveer % (binomiale kans berekenen).
, dus .
Nee, in deze klas kan toevallig een groot aantal van de zieken zitten.
Bij of meer.
`text(P)(X = 50 | n = 100 text( en ) p = 0,5) ~~ 0,0796`
De tweede natuurlijk, de kans dat er precies meisjes zijn is heel klein. Maar het is wel de grootste kans zijn die in de kansverdeling van voorkomt!
GR: Y1=binompdf(100,0.5,X) en dan de tabel bekijken rond X=50.
De kans daarop is nog maar .
Bij .
Tja... (dat hangt sterk af van je eigen voorkeur).
Dat is de kans waar in het algemeen van wordt uitgegaan.
Dit zijn kansen van de vorm
`text(P)(X > g | n = 100 text( en ) p = 0,5)`
waarbij loopt van t/m .
GR: Y1=1−binomcdf(100,0.5,X) en dan de tabel bekijken vanaf X=50.
Dit zijn kansen van de vorm
`text(P)(X < = g | n = 100 text( en ) p = 0,6)`
waarbij loopt van t/m .
GR: Y2=binomcdf(100,0.6,X) en dan de tabel bekijken vanaf X=50.
Bij .
Bij aantallen meisjes t/m .
Als groter is dan een bepaalde waarde (die je nog zoekt) dan zit er zoveel meer dan % meisjes in de steekproef dat je verwerpt, terwijl je bij deze kans juist van uitgaat. Het is een fout van de eerste soort.
Als kleiner of gelijk is dan een bepaalde waarde (die je nog zoekt) dan zit er zoveel minder dan % meisjes in de steekproef dat je verwerpt, terwijl je bij deze kans juist van uitgaat. Het is een fout van de tweede soort.
Dat getal ligt precies op de grens. Het kritieke gebied is en dat begint dus bij . Je mag nog niet verwerpen.
Je kunt nu bij geen kansverdeling maken, want je weet niet nauwkeuriger dan .
Je kunt daarom niet kijken bij welke de kansen samen zo klein mogelijk zijn.
`text(P)(X > 55 | n = 100 text( en ) p = 0,5) ~~ 0,1356`
Dit zijn kansen van de vorm
`text(P)(X > g | n = 100 text( en ) p = 0,5)`
waarbij loopt van t/m .
GR: Y1=1−binomcdf(100,0.5,X) en dan de tabel bekijken vanaf X=55.
Bij en het kritieke gebied is dan , dus , , , ...
Bij en het kritieke gebied is dan , dus , , , ...
`text(P)(V < 1500 | mu = 1530 text( en ) sigma = 18) ~~ 0,0478` en dat is minder dan %.
Als hij te weinig cola in zijn literflessen stopt krijgt hij een slechte naam en te doen met consumentenorganisaties.
Als hij er teveel cola in doet worden zijn kosten hoger.
Doen, het is een fout van de eerste soort.
Hij moet de beide grenzen van het kritieke gebied verder van zijn gemiddelde van mL af kiezen.
Er blijft altijd een (mogelijk hele kleine) kans op een bepaalde toevallige uitschieter.
Het is de kans dat je (gezien vanuit het centrum van de kansverdeling) bepaalde grenzen overschrijdt.
`X`
is het aantal koekjes in een rol.
`text(H)_0: X=20`
`text(H)_1: X!=20`
Bijvoorbeeld `text(H)_0` : `p = 0,5` toetsen tegen `text(H)_1` : `p gt 0,5` .
Een consumentenbond is erin geïnteresseerd of een fabrikant minder levert dan hij beweert. Je toetst dus de opgegeven levensduur van de fabrikant tegen een lagere levensduur.
In de flessen mag niet te veel (hogere kosten), maar ook niet te weinig (controle van een consumentenbond) shampoo zitten. Je toetst dus de ingestelde hoeveelheid tegen zowel een te hoge als te lage hoeveelheid.
Leraar A heeft gelijk geeft en leraar B heeft gelijk geeft .
Of andersom, waar hier wordt niet gesproken over een kans die al als uitgangspunt
kan worden genomen.
`text(P)(X > 54 | n = 80 text( en ) p = 0,6) ~~ 0,0675`
`text(P)(X < = 54 | n = 80 text( en ) p = 0,75) ~~ 0,0805`
Dat is bij .
Nee, de groep leerlingen is waarschijnlijk geen representatieve steekproef en verder nogal een kleine steekproef. Bovendien, waar moet je de grens trekken?
en .
`text(P)(X < = 70 | n = 500 text( en ) p = 0,15) ~~ 0,2900`
Door de grens van personen te verlagen.
Dat lukt pas bij een grens van . De afwijking van de verwachte moet dan wel heel erg groot zijn wil de bewering in de krant worden verworpen.
en met een standaardafwijking van .
. Als je niet vooraf een grens aangeeft, dan kun je nergens mee vergelijken.
`text(P)(bar(L) ge 169 | mu = 167 text( en ) sigma = 0,65) ~~ 0,0010`
Door de grens nog hoger te kiezen.
Hoe groter de steekproef, hoe kleiner de standaardafwijking.
Dan kun je bij een vrij kleine verhoging van de gemiddelde lengte al concluderen dat
de Nederlandse vrouw langer is geworden.
Als
`text(H)_0`
waar is, geldt:
`p=1/15`
.
Zoek
`k`
, waarbij geldt:
`text(P)(X ge k | n=1000 text( en ) p=1/15) < 0,1`
.
Met de GR:
`1-text(binomcdf)(1000, 1/15,x) < text(0.1)`
Maak een tabel met waarden voor
`x`
die groter zijn dan
`1/15*1000~~67`
en zoek op wanneer de kans kleiner is dan
`0,1`
.
Het antwoord is
`77`
of meer.
Als
`text(H)_0`
waar is, geldt:
`p=1/15`
.
Zoek
`k`
, waarbij geldt:
`text(P)(X ge k | n=1000 text( en ) p=1/15) < 0,05`
.
Met de GR:
`1-text(binomcdf)(1000, 1/15,x) < text(0.05)`
Maak een tabel met waarden voor
`x`
die groter zijn dan
`1/15*1000~~67`
en zoek op wanneer de kans kleiner is dan
`0,05`
.
Het antwoord is
`81`
of meer.
Als
`text(H)_0`
waar is, geldt:
`p=1/15`
.
Zoek
`k`
, waarbij geldt:
`text(P)(X ge k | n=1000 text( en ) p=1/15) < 0,01`
.
Met de GR:
`1-text(binomcdf)(1000, 1/15,x) < text(0.01)`
Maak een tabel met waarden voor
`x`
die groter zijn dan
`1/15*1000~~67`
en zoek op wanneer de kans kleiner is dan
`0,01`
.
Het antwoord is
`87`
of meer.
`X`
is de dekking van de verf in m2 per liter.
`text(H)_0: X = 15`
`text(H)_1: X < 15`
Het kritieke gebied is
`X < 13,5`
.
Het kan zijn dat de andere verfsoorten die aangeboden worden niet veel voordeliger
zijn. Overstappen kost dan sowieso geld.
Het kan zijn dat de berekening bij de inkoop van de verf niet klopte, en dat het dus
niet aan de dekking van de verf ligt. Dan was er te weinig verf ingekocht.
Het kan zijn dat de schilders zelf een fout maakten bij het verven, en de verf niet
juist gebruikten om eruit te halen wat erin zit.
Zo zijn er tal van redenen te bedenken.
en .
`~~ 0,0245`
`~~ 1,802 * 10^(text(-)11) ~~ 0`
Nee, de kans op gram suiker of minder is `~~ 0,000078` , maar hoewel dat erg weinig is, zegt het niets zolang je geen grens hebt gesteld voor deze kans.
Zie a, die kans is erg klein.
`~~ 0,000043`