kansberekening met 2 willekeurige factoren
 

Stel je voor je hebt 14 taartbakken Oxmax daarvan = 3 en de uxmax= 30.
Die moeten in een doos met ux= 35 en ox= 5 .

Hoe groot is de kans dat het er niet in past?

edit : ox = significantie en ux= gemiddelde , moeten de griekse letters zijn die het meeste hierop lijken ;)

ox? ux?

Dat zijn sigma_x en mu_x?

Wat voor doos is het ook? en hoe moeten de taarten er in?

de taarden zijn dus in totaal 30 hoog met een standaartafwijking van 3. De doos is 35 cm hoog met een standaart afwijking van 5.

De kans die ik dus moet bereken is:

hoogte taarten > dan hoogte doos

Kan je dan niet zeggen:
hoogte taarten > hoogte doos
hoogte taarten - hoogte doos > 0
zeg y=hoogte taarten - hoogte doos
dan geldt y~N(-5,8) (y is normaal verdeeld met gemiddelde van -5 en standaard afwijking van 8)
dan is P(y>0)=uit te rekenen met normalcdf.

Overigens lijkt ommicron meer op o dan sigma.
&# 945; = α
&# 969; = ω

Inderdaad, een standaardsom (staat vast een voorbeeld van in je boek). Wel even opletten met links/rechts van mu = 0 meten, daar kan je de fout in gaan.

Als ik het in mn boek had kunnen vinden dan had ik het niet gevraagd. ;)

Zover ik weet staan er alleen enkelvoudige kansberekening in mn boek.

Er zullen vast aanwijzingen in het boek staan hoe ik dit had kunnen berekenen maar ik kom er niet uit.

Het principe van y = hoogte taarten - hoogte doos snap ik wel.
Maar wat moet ik daarvoor invullen als hoogte van de taarten en hoogte van de doos?
Waarom geld y ~ N ( -5,8) , waarom -5, 8 hoe kom je aan een gemiddelde van -5 en een standaartsignificantie van 8?

Dat je als je zo'n Y in je rek heb dat de kan P (Y>0) is snap ik ook. :)

y~N(-5,5.8)
het gemiddelde mu is 30-35=-5
standaarddeviatie is sqrt(5²+3²) ongeveer 5.8 (1 dec nk)

Ik heb het wel slordig gedaan he.

Verder weet ik niet precies hoe dit zit in het Nederlands, maar in het Engels geldt:
σ = standard deviation
σ² = variance [= E(|x-μ|²)]

Ik neem aan dat in het Nederlands net zo'n onderscheid bestaat.

Maar de norm (bij ons) is om y~N(μ,σ²) te gebruiken en niet y~N(μ,σ ) om overeenstemming te hebben met y~N(μ,Q_xx), De normale verdeling voor een vector, maar hier heeft zeker niemand wat aan?

Wat je hier noteert is juist, maar dan had je y~N(-5,34) moeten opschrijven.

Inderdaad daar snap ik niet veel aan en veel hulp heb ik er ook niet aan :D

Dus het principe is om het gemiddelde mu te berekenen en de gemiddelde standaartdeviattie?

Maar wat dan precies?

Ik snap het al :)

Bedankt Keith

Nu snap ik niet wat je snapt!?!

Hij heeft het me op msn uitgelegd :)