Actueel
Archief
Culinair
Didactiek
Documentatie
Etalage
Formules
Fotoboeken
Functies
Geschiedenis
ICT
ICTauteur
Laatste nieuws
Lesmateriaal
Muziek
Natuur
Onderwijs
Ontspanning
Persoonlijk
Probleemaanpak
Proeftuin
Puzzels
Rekenen
Rekenmachines
Ruimtemeetkunde
Schoolwiskunde
Snippers
Systeem
Taal van de wiskunde
Vergelijkingen
Verhalen
WisFaq
WisKast




2. de standaardafwijking

De standaardafwijking

Om een goed indruk te krijgen van een serie waarnemingsgetallen zou je, naast het gemiddelde, ook een maat voor spreiding moet hebben, een spreidingsmaat.

De spreidingsmaat die het meest gebruikt wordt is de standaarddeviatie of in goed Nederlands standaardafwijking.

Berekenen

Om de standaarddeviatie (van een populatie) te berekenen neem je de volgende stappen:

  • Bereken het gemiddelde
  • Neem van elk getal de afstand tot het gemiddelde
  • Neem het kwadraat van die afstanden
  • Bereken het gemiddelde van die kwadraten
  • Neem de wortel van de uitkomst

Hoe groter de standaarddeviatie hoe groter de verschillen tussen de verschillende waarnemingen.

Met de grafische rekenmachine

De standaardafwijking van een toevalsvariabele

Van een toevalsvariabele $X$ is $E(X)$ de verwachtingswaarde. $E(X)$ is wat je gemiddeld kunt verwachten, dus $E(X)=\overline x$

Hieronder zie je kanshistogrammen van de toevalsvariabelen $X$ en $Y$.

q10668img1.gif

Ondanks $E(X)=E(Y)=3$ is er duidelijk een verschil tussen de kanshistogrammen. De uitkomsten van $Y$ vertonen meer spreiding van die van $X$.

De spreiding kan je uitdrukken in de standaardafwijking $\sigma_X$ en $\sigma_Y$. De berekening van gaat op dezelfde manier als bij een frequentieverdeling. In plaats van de frequenties gebruik je de kansen.

De somregels voor verwachtinswaarde en standaarddeviatie

Voor de (onafhankelijke) toevalsvariabelen $X$ en $Y$ geldt:

$E(X+Y)=E(X)+E(Y)$

$\sigma_{X+Y}=\sqrt{\sigma_X^2+\sigma_Y^2}$

De variantie

Het kwadraat van de standaarddeviatie wordt variantie genoemd. De somregel van de standaarddeviaties wordt dan:

$VAR(X+Y)=VAR(X)+VAR(Y)$

©2004-2024 W.v.Ravenstein