9.2  Vele kleintjes middelen uit >
Voorbeeld:

Mensen worden niet even lang. Voor een deel zit hem dat in de genen (aanleg), voor een deel ook in de voedingsgewoonten en voor een deel in de kwaliteit van de gezondheidszorg. Maar zelfs mensen die in eenzelfde gezin opgroeien worden niet allemaal even lang. Een toevallige blessure kan invloed hebben of een of andere ziekte of toevallige vrienden of een succesvolle sportcarrière. Dit zijn allemaal factoren die in het voordeel of in het nadeel van de uiteindelijke lengte werken en er zijn er ongetwijfeld nog veel meer. Sommige factoren zullen meer invloed hebben en andere minder. Eén belangrijke (genetische) factor is natuurlijk het geslacht, want mannen zijn nu eenmaal gemiddeld langer dan vrouwen. We richten ons in het volgende voorbeeld op de mannen; voor vrouwen geldt een soortgelijk verhaal.

We maken een (sterk vereenvoudigd) model van de te bereiken lengte van een volwassen man. We gaan uit van een basislengte van 180 cm en veronderstellen dat er 100 factoren meespelen, die allemaal positief (1), neutraal (0) of negatief (-1) kunnen zijn. Deze drie uitkomsten komen gemiddeld even vaak voor. Een positieve waarde verhoogt de lengte met 1 cm, een neutrale verandert de lengte niet en een negatieve waarde verlaagt de lengte met 1 cm. Een man met bijvoorbeeld 27 positieve, 35 neutrale en 38 negatieve factoren zal volgens dit model al met al 169 cm lang worden.

1

Met de Random Generator (onder Simulaties) in VUStat kunnen we op deze manier snel 1000 lengtes maken (simuleren). Zet daarvoor Model op Gehele getallen met teruglegging, stel Van 1 tot 1 , zet Aantal getallen per keer op 100 en Aantal keer op 1000 .

Kies bij Beeld voor Som en vink de optie Grafiek aan. Start vervolgens de simulatie en zet deze op snel (anders duurt het erg lang). Bekijk het resultaat. Bedenk wel dat de waarnemingen met 180 moeten worden verhoogd om er lengtes van te maken. Rechts vind je de knop [ x ¯ ] , waaronder het gemiddelde, mediaan, minimum, maximum en standaardafwijking staan. Links ervan is een knop, waarmee je een frequentietabel kunt maken en erboven zijn knoppen om een histogram te maken.

a

Noteer gemiddelde, mediaan, minimum, maximum en standaardafwijking.

b

Maak in VUStat een frequentietabel met zes gelijke klassen, waarbij het minimum de uiterste linkergrens is en maximum de uiterste rechtergrens. (NB de klassenbreedte hoeft geen geheel getal te zijn.)

c

Breid de frequentietabel in VUStat uit met procenten en neem deze over.

Voorbeeld:

Een vulmachine
Een vulmachine maakt rollen beschuit. Elke rol bevat 13 beschuiten. De geproduceerde beschuiten zijn niet allemaal even zwaar: de gewichten variëren uniform van 9 tot 11 gram.
Uniform wil zeggen dat alle gewichten tussen 9 en 11 gram even vaak voorkomen. Het percentage beschuiten met een gewicht tussen bijvoorbeeld 10,6 en 11,3 gram is 35 %, want het interval van 10,6 tot 11,3 is 35 % van het hele waardengebied. Met andere woorden: het percentage is evenredig met de breedte van het interval.

2

Maak met de Random Generator een serie gewichten van 1000 rollen beschuit.

Verzamel daarbij dezelfde gegevens als bij de lengtes in opgave 3.

Voorbeeld:

Een halve marathon
Een geoefende loper legt de halve marathon ( 21 km) af in een min of meer gelijkmatig tempo. Hij doet er 87,5 minuut over. Dit betekent dat hij over honderd meter gemiddeld 25 seconden doet. Maar hij loopt gedurende de halve marathon niet altijd precies even hard: zijn honderdmetertijden variëren uniform van 22 tot 28 seconden. Deze verschillen hangen af van toevallige factoren, dus het is niet zo dat zijn snelheid in de loop van de wedstrijd omlaag gaat vanwege vermoeidheid of zo.

3

Maak met de Random Generator een serie van 1000 halve-marathontijden (in seconden).

Verzamel daarbij weer dezelfde gegevens als bij de lengtes en de rollen beschuit.

4

Vergelijk de gegevens van de simulaties in de drie voorbeelden. Iemand vindt dat ze op hetzelfde neerkomen.

Verdedig dat standpunt.

5

Bedenk een manier om met de Random Generator het totale aantal ogen bij 50 worpen met een zuivere dobbelsteen te simuleren en voer die simulatie uit.

a

Beschrijf kort wat je gedaan hebt.

b

Hoeveel ogen gooi je gemiddeld met 50 dobbelstenen?
Had je dat ook zonder simulatie kunnen voorspellen?

c

Schat met behulp van het simulatieresultaat de kans op 190 of meer ogen in 50 worpen.

d

Schat met behulp van het simulatieresultaat de kans dat het totaal aantal ogen in 50 worpen tussen 170 en 180 ligt (inclusief 170 , zonder 180 ).

6

Bedenk een manier om met de Random Generator het totale aantal keer kop bij 100 worpen met een zuivere munt te simuleren en voer die simulatie uit.

a

Beschrijf kort wat je gedaan hebt

b

Hoeveel keer kop verwacht je bij 100 worpen?

c

Wat is de standaardafwijking van het aantal keer kop?

d

Wat is het minimum en wat is het maximum aantal keer kop in het simulatieresultaat?

e

Schat de kans dat het aantal keer kop meer dan 10 % afwijkt van het verwachte aantal.

7

Simuleer het totale aantal keer kop bij 400 worpen met een zuivere munt.

a

Hoeveel keer kop verwacht je bij 400 worpen op grond van de simulatie?

b

Wat is de standaardafwijking van het aantal keer kop?

c

Wat is het minimum en wat is het maximum aantal keer kop in het simulatieresultaat?

d

Schat de kans dat het aantal keer kop meer dan 10 % afwijkt van het verwachte aantal.

8

Vergelijk de antwoorden van opgave 8 en 9 per onderdeel.

Wat valt je op?