15.11.2014 Views

Betrouwbaarheidsintervallen en het testen van hypothesen

Betrouwbaarheidsintervallen en het testen van hypothesen

Betrouwbaarheidsintervallen en het testen van hypothesen

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

-----------------------------------------------------------------------------------------------------------------<br />

Stel X <strong>het</strong> aantal person<strong>en</strong> met bloedgroep O bij e<strong>en</strong> steekproef <strong>van</strong> 200 person<strong>en</strong>, dan is X<br />

binomiaal verdeeld met parameters n = 200 <strong>en</strong> p = kans op succes (bloedgroep O) :<br />

X<br />

2<br />

∼ B( n,<br />

p)<br />

met E ( X) = µ<br />

X<br />

= np <strong>en</strong> Var ( X ) = σ<br />

X<br />

= np ( 1−<br />

p)<br />

Door de c<strong>en</strong>trale limietstelling wet<strong>en</strong> we dat X bij b<strong>en</strong>adering normaal verdeeld is met<br />

np 1− p .<br />

gemiddelde np <strong>en</strong> standaardafwijking ( )<br />

We kunn<strong>en</strong> X immers schrijv<strong>en</strong> als X = X1+ X2 + X3+… Xn<br />

, d.i. e<strong>en</strong> som <strong>van</strong><br />

n onafhankelijke toevalsvariabel<strong>en</strong> met e<strong>en</strong> Bernouilli verdeling met parameter p.<br />

Hierbij neemt X<br />

i<br />

de waarde 1 aan met kans p als de i-de persoon bloedgroep O heeft <strong>en</strong> de<br />

= p <strong>en</strong> Var ( X ) = p( 1− p)<br />

,<br />

waarde 0 als dit niet <strong>het</strong> geval is. M<strong>en</strong> rek<strong>en</strong>t vlug na dat E ( Xi<br />

)<br />

zodat E ( X) = E( X1) + E( X2) + … E( Xn<br />

) = np<br />

<strong>en</strong> Var ( X ) = Var ( X ) + Var ( X ) + … Var ( X ) = np ( − p)<br />

1 2 n<br />

1<br />

Hieruit volgt dat de toevalsvariabele X<br />

P = bij b<strong>en</strong>adering normaal verdeeld is met<br />

n<br />

p ( 1−<br />

p)<br />

gemiddelde p <strong>en</strong> standaardafwijking<br />

:<br />

n<br />

( ) ( )<br />

⎛ X ⎞ 1<br />

E ( P) = E⎜<br />

⎟= E( X)<br />

= p <strong>en</strong> ⎛ X ⎞ 1 p 1−<br />

p<br />

Var P = Var ⎜ ⎟= Var X =<br />

2<br />

⎝ n ⎠ n<br />

⎝ n ⎠ n n<br />

-----------------------------------------------------------------------------------------------------------------<br />

a) Exacte oplossing:<br />

i<br />

( )<br />

In 95% der gevall<strong>en</strong> neemt P dus e<strong>en</strong> waarde ˆp aan binn<strong>en</strong> 1.96 standaardafwijking<strong>en</strong> <strong>van</strong><br />

( 1 )<br />

<strong>het</strong> gemiddelde p of ˆ 1.96 p −<br />

p− p ≤ p met 95% zekerheid.<br />

n<br />

Concreet vond<strong>en</strong> we voor onze steekproef x = 80 <strong>en</strong> n = 200 zodat<br />

( 1−<br />

p)<br />

80<br />

p ˆ = = 0.40 <strong>en</strong><br />

200<br />

p<br />

0.4 − p ≤ 1.96 met 95% zekerheid. We loss<strong>en</strong> de ongelijkheid grafisch op:<br />

200<br />

Als interval verkrijg<strong>en</strong> we 0.3346 < p < 0.4692 met 95 % zekerheid.<br />

16

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!