SES School, Studie en Onderwijs
Wiskunde in de brugklas, Frans voor het examen of een studie Personeel en Arbeid? Moeilijke formulieren van DUO? Iets weten over studiefinanciering of studentenverenigingen? Dit is het forum voor leerkrachten, scholieren en studenten, van brugklas tot uni
F(x) wordt ook regelmatig gebruikt om de primitieve van f(x) mee aan te duiden .quote:Op maandag 25 juni 2007 15:30 schreef GlowMouse het volgende:
Een som is natuurlijk makkelijker, maar wanneer je wat algemene dingen op wilt schrijven zonder vantevoren te willen weten of de stochast continu of discreet is, kom je niet om een integraal heen. De lebesgue-integraal wordt hier gewoonlijk voor gebruikt, maar nu kwam ik de stieltjesintegraal tegen.
F(x) is inderdaad de cumulatieve verdelingsfunctie. Met verdeling (Engels: division) bedoel ik een oplopende reeks getallen die gebruikt wordt om de integraal te berekenen. Zoals de riemannintegraal benaderd kan worden met onder- en bovensommen, kan de stieltjesintegraal dat ook.
-knip, wacht!-
.
In het continue geval komt de notatie dan wel overeen, discreet zou f niet bestaan. Bij kansrekenen zijn F en f altijd de cdf en pdf, voor zover ik ze tegengekomen ben. Maar bij nader inzien blijkt de stieltjesintegraal toch goed uit te komen, ik denk dat ik eerder integrand en integrator verwisselde. Ik zie nu in ieder geval waarom het altijd goed gaat bij discrete stochasten, en ben weer een stukje wijzer gewordenquote:Op maandag 25 juni 2007 15:34 schreef Wolfje het volgende:
[..]
F(x) wordt ook regelmatig gebruikt om de primitieve van f(x) mee aan te duiden .
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Een eerste orde benadering voor de oppervlakte is A = 50 + 5*X + 10*Y, waarbij X en Y de afwijkingen in de lengte en breedte voorstellen (de term X*Y valt weg in de benadering). De variantie van de oppervlakte is dus (5*5+10*10)*0.01 = ongeveer 0.11 m2.quote:Op maandag 25 juni 2007 15:14 schreef Schuifpui het volgende:
Zo eerste tentamen gehad, nu verder met Probability and observation theorie, fulltime.
[..]
Ik had dus niet echt een idee hoe dit moest, ik deed alleen wat wanhopige pogingen, dus toets ik sqrt(102+52) in en jawel daar komt ongeveer 11 uit, het goede antwoord. Mijn vraag dus, is dit gewoon toeval en zo ja hoe los ik dit op? Of is dit goed en waarom dan wel?
Het lijkt me niet heel logisch omdat de een in meters is en het antwoord in cm2.
Noem de lengte L, de breedte B, dan gaat het om VAR(L*B). Ik ken die benadering niet, Wolfje wel , maar je kunt wat omschrijvenquote:Op maandag 25 juni 2007 15:14 schreef Schuifpui het volgende:
Zo eerste tentamen gehad, nu verder met Probability and observation theorie, fulltime.
[..]
Ik had dus niet echt een idee hoe dit moest, ik deed alleen wat wanhopige pogingen, dus toets ik sqrt(102+52) in en jawel daar komt ongeveer 11 uit, het goede antwoord. Mijn vraag dus, is dit gewoon toeval en zo ja hoe los ik dit op? Of is dit goed en waarom dan wel?
Het lijkt me niet heel logisch omdat de een in meters is en het antwoord in cm2.
, maar je kunt wat omschrijvenVAR(L*B)
= E(LB - E(LB))² (definitie)
= E(LB - EL*EB)² (onafhankelijkheid)
= E(L²B² - 2*LB*EL*EB + (EL)²(EB)²) (uitschrijven kwadraat)
= E(L²B²) - 2*EL*EB*E(LB) + (EL)²(EB)² (verwachting is lineair)
= E(L²)E(B²) - 2*EL*EB*E(L)E(B) + (EL)²(EB)² (onafhankelijkheid)
= [VAR(L)+(EL)²][VAR(B)+(EB)²] - 2*(EL)²*(EB)² + (EL)²(EB)² (gebruik VAR(X) = E(X²)+(EX)²)
= [VAR(L)+(EL)²][VAR(B)+(EB)²] - (EL)²*(EB)² (termen samenpakken)
= 100,0001*25,0001 - 100*25
= 0,01250001
Zodat de standaardafwijking ongeveer 0,11 is.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Hmm eigenlijk volg ik dat niet zo. De eerste formule is logisch en dat X*Y wegvallen ook. Maar waar je opeens die formule voor de variantie van het opp vandaan haalt.quote:Op maandag 25 juni 2007 15:47 schreef Wolfje het volgende:
[..]
Een eerste orde benadering voor de oppervlakte is A = 50 + 5*X + 10*Y, waarbij X en Y de afwijkingen in de lengte en breedte voorstellen (de term X*Y valt weg in de benadering). De variantie van de oppervlakte is dus (5*5+10*10)*0.01 = ongeveer 0.11 m2.
Want je zegt dat (sigma*L2+sigma*B2) de uitkomst is? Is dat een regel oid?
Dat van glowmouse is helemaal abracadabra voor mij.
Als A = 50 + 5*X + 10*Y, dan VAR(A) = VAR(50 + 5*X + 10*Y) = VAR(5X) + VAR(10Y) = 25*VAR(X) + 100*VAR(Y).
Omdat VAR(X) en VAR(Y) hier gelijk zijn, kun je die buiten haakjes halen.
En dat van mij ziet er lastiger uit dan het is; qua kansrekenen zijn er maar een paar regels gebruikt.
Omdat VAR(X) en VAR(Y) hier gelijk zijn, kun je die buiten haakjes halen.
En dat van mij ziet er lastiger uit dan het is; qua kansrekenen zijn er maar een paar regels gebruikt.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Aha thanks, dit ga ik even in grote letters noteren.quote:Op maandag 25 juni 2007 16:19 schreef GlowMouse het volgende:
Als A = 50 + 5*X + 10*Y, dan VAR(A) = VAR(50 + 5*X + 10*Y) = VAR(5X) + VAR(10Y) = 25*VAR(X) + 100*VAR(Y).
Voordat je het in al te grote letters noteert, VAR(A+B) is alleen gelijk aan VAR(A) + VAR(B) wanneer A en B ongecorreleerd zijn (of onafhankelijk, dat impliceert ongecorreleerdheid en is dus iets sterker). Anders moet je er nog 2*COV(A,B) bij optellen.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Nog bedankt glowmouse
En ik heb er dus weer een, dit is de laatste poging als het morgen nog niet lukt stop ik er maar helemaal mee. Het wil er gewoon maar niet in, zelfs niet na zoveel uren leren.
EDIT: sorry kopieren plakken gaat mis bij deel teken. ∇ = 1/2
[ Bericht 4% gewijzigd door Schuifpui op 25-06-2007 22:19:30 ]
En ik heb er dus weer een, dit is de laatste poging als het morgen nog niet lukt stop ik er maar helemaal mee. Het wil er gewoon maar niet in, zelfs niet na zoveel uren leren.
Een type II error is dus dat Ho geaccepteerd wordt, terwijl Ho niet waar is. Nou dacht ik dat dit vrij simpel was en ik gewoon de integraal van N(0.5,1) kon nemen van - oneindig tot 1, maar dat klopt dus niet. Na veel proberen heb ik antwoorden a,c en d er uitgekregen, maar niet b, de goede.quote:Question 20
Test statistic T has, under null hypothesis Ho, distribution
T ∼ N(0, 1). The same test statistic is distributed
as T ∼ N(∇, 1) under the alternative hypothesis, with
∇ = 1/2 . The test reads: reject Ho if |T | > 1. The probability
of committing a type II error is
a) 0.1587
b) 0.6247
c) 0.6915
d) 0.3085
EDIT: sorry kopieren plakken gaat mis bij deel teken. ∇ = 1/2
[ Bericht 4% gewijzigd door Schuifpui op 25-06-2007 22:19:30 ]
Terwijl H0 niet waar is, ofwel T~N(1/2,1), en geaccepteerd ofwel |T|<1. Ofwel
P(-1<T<1) = P(-3/2 < T-1/2 < 1/2) = F(1/2) - F(-3/2) met F de cdf van de standaardnormale verdeling ((T-mu)/sigma is immers standaardnormaal verdeeld).
Met 1/2 komt hij wel op b uit
P(-1<T<1) = P(-3/2 < T-1/2 < 1/2) = F(1/2) - F(-3/2) met F de cdf van de standaardnormale verdeling ((T-mu)/sigma is immers standaardnormaal verdeeld).
Met 1/2 komt hij wel op b uit
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Dankje. Het klopt inderdaad, maar toch snap ik het niet echt helemaal. Ik doe het op dit moment even op de grafische rekenmachine, zodat ik het iets makkelijker kan zien. Dan integreer ik dus van -1 tot 1 en komt het goede antwoord eruit. Maar waarom moet ik van -1 tot 1 integreren, dat klinkt totaal niet logisch voor mij.
reject Ho if |T | > 1 <- dat is ook niet logisch bij deze toets
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Oh aha ik zie hem, dom dom. Inderdaad wel een heel onlogische test.quote:Op maandag 25 juni 2007 22:26 schreef GlowMouse het volgende:
reject Ho if |T | > 1 <- dat is ook niet logisch bij deze toets
Oke mensen een hbo vraagje (volgens mij is ie simpel, maar ik kan nergens een goede uitleg vinden)
Gegeven zijn de volgende getallen; 1, 9, 10, 8, 7, 2 en 6
Bereken de standaardafwijking van deze 7 getallen!
Gegeven zijn de volgende getallen; 1, 9, 10, 8, 7, 2 en 6
Bereken de standaardafwijking van deze 7 getallen!
Kan met de Grafische Rekenmachine als je die hebt (invoeren bij L1 en dan 1 var stats L1 doen)quote:Op dinsdag 26 juni 2007 13:22 schreef ukga het volgende:
Oke mensen een hbo vraagje (volgens mij is ie simpel, maar ik kan nergens een goede uitleg vinden)
Gegeven zijn de volgende getallen; 1, 9, 10, 8, 7, 2 en 6
Bereken de standaardafwijking van deze 7 getallen!
Kan ook anders:
Gemiddelde berekenen
Alle afstanden tot het gemiddelde berekenen van die 7 getallen.
Kwadrateer deze afstanden.
Tel al die gekwadrateerde getallen bij elkaar op en deel door 7
Daar de wortel van nemen.
Klaar.
I asked God for a bike, but I know God doesn't work that way.
So I stole a bike and asked for forgiveness.
So I stole a bike and asked for forgiveness.
Een reeks getallen heeft geen standaardafwijking. Wanneer de getallen een aselecte trekking vormen uit een populatie met bepaalde kansverdeling, kun je de standaardafwijking van die kansverdeling schatten. De methode van -J-D- schat die variantie steeds te laag, je moet delen door 6 ipv 7 om een zuivere schatting te krijgen.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
hoezo door 6 delen dan?quote:Op dinsdag 26 juni 2007 13:47 schreef GlowMouse het volgende:
Een reeks getallen heeft geen standaardafwijking. Wanneer de getallen een aselecte trekking vormen uit een populatie met bepaalde kansverdeling, kun je de standaardafwijking van die kansverdeling schatten. De methode van -J-D- schat die variantie steeds te laag, je moet delen door 6 ipv 7 om een zuivere schatting te krijgen.
Lijst maken bij Listquote:Op dinsdag 26 juni 2007 13:56 schreef ukga het volgende:
hartstikke bedankt ik snap je uitleg(en eht natwoord klopt). Alleen snap ik niet hoe ik het op me GR moet doen)
Daar pleur je de cijfers dus neer.
Dan maak je wat statistieken bij STAT-- CALC -- 1 var stats.
Dan zie je onder andere de standaardafwijking in beeld.
I asked God for a bike, but I know God doesn't work that way.
So I stole a bike and asked for forgiveness.
So I stole a bike and asked for forgiveness.
Omdat je 7 getallen hebt en je de variantie anders te laag schat.quote:
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Zo ben ik ook weer.
Ik heb nu een vraag over de transformatie van een random variable met een normal distribution.
De transformatie is y = e^x. De PDF van deze functie wordt gevraagd.
De PDF van een normal distribution is:
1/(sigma*sqrt(2pi)) * exp(-0.5((x-mu)/sigma)^2)
Met mu de mean en sigma de standard deviation.
De mean is makkelijk te vinden door invullen geloof ik, dus y = e^x. Maar wat ik met de standard deviation moet. Ik weet nu wel hoe het ongeveer met lineaire transformaties moet, maar dit is weer anders.
Ik heb nu een vraag over de transformatie van een random variable met een normal distribution.
De transformatie is y = e^x. De PDF van deze functie wordt gevraagd.
De PDF van een normal distribution is:
1/(sigma*sqrt(2pi)) * exp(-0.5((x-mu)/sigma)^2)
Met mu de mean en sigma de standard deviation.
De mean is makkelijk te vinden door invullen geloof ik, dus y = e^x. Maar wat ik met de standard deviation moet. Ik weet nu wel hoe het ongeveer met lineaire transformaties moet, maar dit is weer anders.
E(f(x)) is alleen bij lineaire functies gelijk aan f(EX). Had je in het vorige topic niet iets met de afgeleide en de inverse om de PDF te vinden? Dat lijkt me hier de aangewezen methode (cdf methode kan natuurlijk ook).
Om te controleren of je antwoord goed is, kun je kijken of er de pdf van de lognormale verdeling uitkomt.
Om te controleren of je antwoord goed is, kun je kijken of er de pdf van de lognormale verdeling uitkomt.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Het lukt weer niet.
In het boek staat de definitie:quote:The joint probability density function of the random vector [x1,x2]T is given as fx1x2=1/10(3x12+8x1x2) for 0 < x1 < 1, 0 <x2 < 2. and zero otherwise. The marginal PDF of x1 is given as:
Als ik het dus goed begrijp gaat x2 naar oneindig, maar dat zou betekenen dat de functie waarde ook naar oneindig gaat. Ik vermoed dat het dus iets met de grenzen te maken heeft, dan zou hij naar 2 moeten gaan? Dat komt dan weer niet uit.quote:The marginal distribution of the random variable xi is given by:
Fxi (xi) = lim(xj -> oneindig, j != i) Fx(x1,...,xn)
F en f zijn twee verschillende dingen (cdf en pdf). Het makkelijkste is hier om in te zien dat je de vectoriële pdf over alle mogelijke waarden van x2 moet integreren om de marginale pdf van x1 te krijgen. In het discrete geval is dat misschien iets makkelijker in te zien: twee keer met een dobbelsteen gooien, eerste aantal ogen noem je X, tweede Y. Er geldt P(X=i, Y=j) = 1/36 (i,j in {1,2,..,6}) en voor de marignale P(X=i) geldt dat dit gelijk is aan P(X=i, Y=1) + P(X=i, Y=2) + .. + P(X=i, Y=6). De waarde van Y doet er dan niet meer toe.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Hmm dan ook even een kansrekening vraagje van mij.
X en Y zijn beide standaardmnormaal verdeeld met N(0,1)
R is als volgt gedefinieerd: R = SQRT(X^2+Y^2);
Wat is de verdeling van R?
Het is een Chi verdeling, maar wat is de nette afleiding? Ik kom door het optellen van die twee normale verdelingen wel met iets van een Gamma functie maar geen idee hoe het netjes te doen
X en Y zijn beide standaardmnormaal verdeeld met N(0,1)
R is als volgt gedefinieerd: R = SQRT(X^2+Y^2);
Wat is de verdeling van R?
Het is een Chi verdeling, maar wat is de nette afleiding? Ik kom door het optellen van die twee normale verdelingen wel met iets van een Gamma functie maar geen idee hoe het netjes te doen
Het kwadraat van een standaardnormaal verdeelde stochast is chi²verdeeld met 1 vrijheidsgraad. De som van chi²verdeelde stochasten is ook chi²verdeeld met de som van vrijheidsgraden aan vrijheidsgraden (mits onafhankelijk). X²+Y² is dus chi²verdeeld met 2 vrijheidsgraden. En door de wortel te trekken krijg je een chiverdeling met 2 vrijheidsgraden.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Bedankt, goede uitleg ook.quote:Op dinsdag 26 juni 2007 17:40 schreef GlowMouse het volgende:
F en f zijn twee verschillende dingen (cdf en pdf). Het makkelijkste is hier om in te zien dat je de vectoriële pdf over alle mogelijke waarden van x2 moet integreren om de marginale pdf van x1 te krijgen. In het discrete geval is dat misschien iets makkelijker in te zien: twee keer met een dobbelsteen gooien, eerste aantal ogen noem je X, tweede Y. Er geldt P(X=i, Y=j) = 1/36 (i,j in {1,2,..,6}) en voor de marignale P(X=i) geldt dat dit gelijk is aan P(X=i, Y=1) + P(X=i, Y=2) + .. + P(X=i, Y=6). De waarde van Y doet er dan niet meer toe.
Als ze het nou eens op zo'n manier in het boek zouden uitleggen, zou ik er al veel meer van snappen..
idd.quote:Op dinsdag 26 juni 2007 20:12 schreef Schuifpui het volgende:
[..]
Bedankt, goede uitleg ook.
Als ze het nou eens op zo'n manier in het boek zouden uitleggen, zou ik er al veel meer van snappen..
Ik snap niet dat waarom veel shit neit in jip en janneke taal wordt uitgelegd. Het lijkt soms wel dat die auteurs het exrpess in einstein taal schrijven om zich ubermensch te voelen.
Ik dacht dat gamma gedefinieerd was als de intergraal over K van fy(y|xa) Het probleem is dat ik niet precies weet wat ik moet invullen. K is het kritieke gebied, dus de rechterkant? Maar welke grenzen ik precies moet nemen.quote:Under the null- and alternative hypothesis, test statistic T
is distributed as
Ho : T ∼ N(0, sigma2)
Ha : T ∼ N(μ, sigma2)
Take sigmaa= 1/2 and μ = 1.
The critical region for the test is
right-sided. How large is gamma
, the power of the test, when
the required level of significance is alpha = 0.10?
a) 0.3897
b) 1.0000
c) 0.2358
d) 0.7642
Bij gamma denk ik niet direct aan het onderscheidingsvermogen (power) van een toets, eerder aan de gammaverdeling of de gammafunctie. Ik vraag me af of het een universele definitie is.
Het onderscheidingsvermogen is gelukkig wel goed gedefinieerd als oa. 1-[kans op type II fout]. Wat je hier dus moet doen is het 0,90ste kwantiel vinden onder de nulhypothese (rechts daarvan ligt het kritieke gebied), en daarna kijken hoe groot de kans op een type II fout is (op vergelijkbare wijze als eergisteren). Je komt dan op d uit.
Een andere manier is gebruikmakend van dat de power de kans is dat je de nulhypothese verwerpt wanneer de alternatieve hypothese juist is. Qua rekenwerk maakt het nauwelijks verschil.
En waarom de boekjes niet makkelijker geschreven zijn? Als je een beetje verdergaat met kansrekenen worden de onderwerpen steeds complexer en zouden boeken vijfmaal zo dik worden om hetzelfde te zeggen. Uiteindelijk ontkom je er toch niet aan, en dan kun je er maar beter vanaf het begin goed mee beginnen.
[ Bericht 9% gewijzigd door GlowMouse op 27-06-2007 14:13:47 ]
Het onderscheidingsvermogen is gelukkig wel goed gedefinieerd als oa. 1-[kans op type II fout]. Wat je hier dus moet doen is het 0,90ste kwantiel vinden onder de nulhypothese (rechts daarvan ligt het kritieke gebied), en daarna kijken hoe groot de kans op een type II fout is (op vergelijkbare wijze als eergisteren). Je komt dan op d uit.
Een andere manier is gebruikmakend van dat de power de kans is dat je de nulhypothese verwerpt wanneer de alternatieve hypothese juist is. Qua rekenwerk maakt het nauwelijks verschil.
En waarom de boekjes niet makkelijker geschreven zijn? Als je een beetje verdergaat met kansrekenen worden de onderwerpen steeds complexer en zouden boeken vijfmaal zo dik worden om hetzelfde te zeggen. Uiteindelijk ontkom je er toch niet aan, en dan kun je er maar beter vanaf het begin goed mee beginnen.
[ Bericht 9% gewijzigd door GlowMouse op 27-06-2007 14:13:47 ]
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
quote:Op woensdag 27 juni 2007 14:06 schreef GlowMouse het volgende:
Bij gamma denk ik niet direct aan het onderscheidingsvermogen (power) van een toets, eerder aan de gammaverdeling of de gammafunctie. Ik vraag me af of het een universele definitie is.
Het onderscheidingsvermogen is gelukkig wel goed gedefinieerd als 1-[kans op type II fout]. Wat je hier dus moet doen is het 0,90ste kwantiel vinden onder de nulhypothese (rechts daarvan ligt het kritieke gebied), en daarna kijken hoe groot de kans op een type II fout is (op vergelijkbare wijze als eergisteren). Je komt dan op d uit.
Ehm.. hoe vind ik dat 0.90ste kwantiel( ) dan precies. Daarmee bedoel je de K waarde? Ik heb wel een tabel in het boek staan voor de standaard normaal verdeling, K = 1.28 voor alpha = 0.1, maar hoe reken ik dat om?
En dan volgens die manier van maandag:
P(-oneindig<T<K) = P(-oneindig < T-1 < K-1) = ???fout want die sigma moet nog worden aangepast.
K-waarde als begrip zegt me niets, maar 1.28 ziet er wel plausibel uit. K zal wel voor kritieke staan. Het 0,90ste kwantiel is dat getal waarvoor geldt dat P(X<0,90ste kwantiel) = 0,90.
Neem X ~ N(0,1/4) en Z~N(0,1) zodat die K-waarde voor Z geldt. Dan 0,90 = P(X<a) = P(2X < 2a) = P(Z < 2a), zodat 2a=1.28.
En ook fout omdat je de verwachting eraf moet halen, en die is hier 0 ipv 1.
En om het begrip wat te vergroten: onder de nulhypothese wil je in 10% van de gevallen onterecht verwerpen (alpha=0,1). Dat lukt dus precies wanneer je verwerpt voor alle waarden boven het getal a, met a het getal waarbij een stochast onder de nulhypothese precies in 10% van de gevallen boven ligt.
[ Bericht 19% gewijzigd door GlowMouse op 27-06-2007 14:23:08 ]
Neem X ~ N(0,1/4) en Z~N(0,1) zodat die K-waarde voor Z geldt. Dan 0,90 = P(X<a) = P(2X < 2a) = P(Z < 2a), zodat 2a=1.28.
En ook fout omdat je de verwachting eraf moet halen, en die is hier 0 ipv 1.
En om het begrip wat te vergroten: onder de nulhypothese wil je in 10% van de gevallen onterecht verwerpen (alpha=0,1). Dat lukt dus precies wanneer je verwerpt voor alle waarden boven het getal a, met a het getal waarbij een stochast onder de nulhypothese precies in 10% van de gevallen boven ligt.
[ Bericht 19% gewijzigd door GlowMouse op 27-06-2007 14:23:08 ]
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Eerlijk gezegd volg ik er helemaal niets meer van.
Als ik de normaal verdeling N~(0,1/2) heb, dan wil ik als het ware van -oneindig tot een bepaalde waarde integreren, zodat die waarde van de integraal 0.9 is? Vervolgens heb ik die waarde en dan?
Edit: Die waarde is dus 1.28/4, vanwege de kleinere standard deviation.
En nu weet ik niet meer wat ik moet doen, wat ik ook probeer te integreren, hij komt echt niet op 0.7642 uit.
[ Bericht 15% gewijzigd door Schuifpui op 27-06-2007 14:33:56 ]
Als ik de normaal verdeling N~(0,1/2) heb, dan wil ik als het ware van -oneindig tot een bepaalde waarde integreren, zodat die waarde van de integraal 0.9 is? Vervolgens heb ik die waarde en dan?
Edit: Die waarde is dus 1.28/4, vanwege de kleinere standard deviation.
En nu weet ik niet meer wat ik moet doen, wat ik ook probeer te integreren, hij komt echt niet op 0.7642 uit.
[ Bericht 15% gewijzigd door Schuifpui op 27-06-2007 14:33:56 ]
De waarde is 1.28/2, zie ook de post voor je.
Daarna kijk je wanneer je onder de alternatieve hypothese niet in het kritieke gebied komt (kans type II fout). En dan vind je de power door 1-[kans type II fout].
Daarna kijk je wanneer je onder de alternatieve hypothese niet in het kritieke gebied komt (kans type II fout). En dan vind je de power door 1-[kans type II fout].
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Dan komt er inderdaad het goede antwoord. Dankje
Ik denk dat ik het toch maar opgeef, het wordt toch niets. Ga wel een studie zoeken zonder dit.
Ik denk dat ik het toch maar opgeef, het wordt toch niets. Ga wel een studie zoeken zonder dit.
Begin hetzelfde gevoel te krijgen, baggervak!quote:Op woensdag 27 juni 2007 15:13 schreef Schuifpui het volgende:
Dan komt er inderdaad het goede antwoord. Dankje
Ik denk dat ik het toch maar opgeef, het wordt toch niets. Ga wel een studie zoeken zonder dit.
"When I get sad, I stop being sad and be awesome instead. True story"
Beschouw de elementen a = (1 2 3) en b = (3 4 5 6 7) van S7. Toon aan dat {a,b} de alternerende groep A7 voortbrengt.
Hoe kan ik dit handig aanpakken? Ik heb op de één of andere manier totaal geen gevoel voor de structuur van de symmetrische groep.
Hoe kan ik dit handig aanpakken? Ik heb op de één of andere manier totaal geen gevoel voor de structuur van de symmetrische groep.
ik weet niet precies of dit een snelle aanpak is maar het LIjkt wel zo:
de alternerende groep als n=7 wordt voortgebracht door de 3-cykels in S7. Als je kunt aantonen dat je alle 3-cykels kunt maken mbv a en b dan ben je klaar..
of er een kortere methode bestaat, dat zou ik niet weten..
de alternerende groep als n=7 wordt voortgebracht door de 3-cykels in S7. Als je kunt aantonen dat je alle 3-cykels kunt maken mbv a en b dan ben je klaar..
of er een kortere methode bestaat, dat zou ik niet weten..
verlegen :)
een ander idee: A7 wordt voortgebracht door de verzameling {(12i): i=3,4,..,7}
dus check of je (123), (124),...(127) kunt maken mbv a en b.
dus check of je (123), (124),...(127) kunt maken mbv a en b.
verlegen :)
Hoe los ik dit op? Je moet die 8 op een één of andere manier buiten het de ne-machtswortel zien te krijgen, maar ik heb geen idee hoe.
Please help.
Ten percent faster with a sturdier frame
Vermenigvuldig de term an eens met 8*1/8, wat op zijn beurt weer gelijk is aan 8*nwortel(1/8^n).
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Hoezo?quote:Op vrijdag 29 juni 2007 00:15 schreef GlowMouse het volgende:
wat op zijn beurt weer gelijk is aan 8*nwortel(1/8^n).
Ten percent faster with a sturdier frame
1/8ste is toch de ndemachtswortel uit 1/8ste tot de n-de? Tot de macht n en ndemachtswortel zijn immers elkaars inverse.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Ben geen TC03, maar ik ben even een stand-in .quote:Op vrijdag 29 juni 2007 00:51 schreef GlowMouse het volgende:
1/8ste is toch de ndemachtswortel uit 1/8ste tot de n-de? Tot de macht n en ndemachtswortel zijn immers elkaars inverse.
.Dus wat je doet is nwortel(8n + 6n) herschrijven tot 8*nwortel((1/8)n)*wortel(8n + 6n).
Hmm, en dan wordt dan 8*nwortel((1/8)n(8n + 6n)) = 8*nwortel(1n + (6/8)n)). De limiet wordt dan 8.
Sjieke tip .
.
2000 light years from home
Ik kom er weer eens niet uit. Exact dezelfde som als woensdag, maar andere getallen.
De power of test gamma is gedefinieerd als: gamma = 1 - type II error. Type II error is het gebied links van ra, onder Ha. Dat gebied heeft een waarde van 0.9278 en dus gamma 0.0722, ergens gaat het dus fout, want dit antwoord staat er niet in.
Dus zoek de fout.
Volgens de tabel is ra = 1.96 voor een standaard normaal verdeelde PDF. Dat betekend dus dat ra voor deze vraag wordt: ra = 4*1.96. Dit heb ik gecontroleerd door de Ho te integreren van 4*1.96 tot oneindig en daar komt inderdaad 0.025 uit. Maar wat ik nu moet doen lukt opeens niet meer.quote:For testing observable y with normal distribution, two simple
hypotheses are put forward:
H0 : y ∼ N(0, 4) versus Ha : y ∼ N(2, 4)
If the type I error probability is alpha = 0.025 using a right
sided critical region, which of the following values is the
power of test?
a) 0.9750
b) 0.1685
c) 0.8315
d) 0.6630
De power of test gamma is gedefinieerd als: gamma = 1 - type II error. Type II error is het gebied links van ra, onder Ha. Dat gebied heeft een waarde van 0.9278 en dus gamma 0.0722, ergens gaat het dus fout, want dit antwoord staat er niet in.
Dus zoek de fout.
De aanhouder wint
De notatie is N(mu,sigma²), zodat 4 niet de standaardafwijking maar de variantie is. Je moet dus niet 4*1.96 maar 2*1.96 nemen. Dat het bij integreren toch goed uitkwam, komt omdat je op je GR ook de standaardafwijking invulde.
De notatie is N(mu,sigma²), zodat 4 niet de standaardafwijking maar de variantie is. Je moet dus niet 4*1.96 maar 2*1.96 nemen. Dat het bij integreren toch goed uitkwam, komt omdat je op je GR ook de standaardafwijking invulde.
eee7a201261dfdad9fdfe74277d27e68890cf0a220f41425870f2ca26e0521b0
Thanks!quote:Op vrijdag 29 juni 2007 17:18 schreef GlowMouse het volgende:
De aanhouder wint
De notatie is N(mu,sigma²), zodat 4 niet de standaardafwijking maar de variantie is. Je moet dus niet 4*1.96 maar 2*1.96 nemen. Dat het bij integreren toch goed uitkwam, komt omdat je op je GR ook de standaardafwijking invulde.
Of ik ben ongelooflijk in de war, of ik heb het altijd verkeerd gedaan en kwam er toch vaak het goede antwoord uit.
