ik snap iets niet over de verwachtingswaarde, want ze zeggen het volgede:
[gedeelte 1 begin]
aangezien
Moderators: ArcherBarry, Fuzzwood
Merk op:ntstudent schreef:Hallo,
ik snap iets niet over de verwachtingswaarde, want ze zeggen het volgede:
[gedeelte 1 begin]
\(Var(X) = E((X-\mu_{x})^2)\)\(Var(X) = E(X^{2} - E(2X\mu_{x}) + \mu_{x}^2\)\(Var(X) = E(X^{2} - E(2X) \mu_{x}) + \mu_{x}^2\)\(Var(X) = E(X^{2}) - 2 \mu_{x}^{2} + \mu_{x}^{2}\)\(Var(X) = E(X^2) - \mu_{x}^2\)[gedeelte 1 eind]
aangezien\( E(X) = \mu_{x}\)waarom is dan niet:\(Var(X)=E(X)\)
Dit klopt.In mijn boek staat:
\( \mu_{x} = n \times p\)dit kon ik afleiden van dat eerste dingetje (zie 1)
\( E(X) = n \times p \)voor n is het aantal totale keren dat je die proef doet en p is dan de kans. Ik trek dan mijn conclusie:
\( E(X) = \mu_{x}\)Met vriendelijke groeten, ntstudent
ntstudent schreef:Hallo, kunt u even uitleggen wat u precies bedoelt met\(x_i\)maar dat\(E(X^{2}) \neq \mu_{x}^{2}\)kunt u dit uitleggen? Want naar mijn mening hoort het te zijn:\(E(X^{2})\)dus\( E(X) \times E(X)\)dus kan ik ze omzetten naar\(\mu_{x}^{2}\).
Bedankt voor uw reacties!
Point heeft een tegenvoorbeeld gegeven. Je kan het ook zo bekijken: als het klopt wat je zou zeggen dan zou het eindantwoord van gedeelte 1 nul opleveren. Maar dan is de VAR(X) altijd nul!ntstudent schreef:Hallo, kunt u even uitleggen wat u precies bedoelt met\(x_i\)?
Want dat begrijp ik niet zo goed.
@ dirkwb
u zei dat mijn deel klopte
\(E(X) = \mu_{x}\)maar dat\(E(X^{2}) \neq \mu_{x}^{2}\)kunt u dit uitleggen? Want naar mijn mening hoort het te zijn:\(E(X^{2})\)dus\( E(X) \times E(X)\)dus kan ik ze omzetten naar\(\mu_{x}^{2}\).
Bedankt voor uw reacties!