sciencetalk

Maar hoe bewijs ik dat als sigma(x)=0 dat dan bewezen kan worden dat X(S)=k.?????
5:49 is een biimplicatie ofwel een equivalentie.

De variantie, verwijzend naar de som formule in de post hierboven, gaat pas 0 worden als elke \((x_i - \mu)\) gelijk is aan nul. Alle \(f(x_i)\) in de formule zijn immers strikt positief.

wnvl bedankt voor uw reactie
5.50 ( het gaat hier om de correlatiecoefficient)

$$\rho(X,X) = \frac{E[(X-\mu)\cdot (X-\mu)]}{\sigma(X) \cdot \sigma(X)}= 1$$

$$\rho(X,-X) = \frac{E[(X-\mu)\cdot (-X+\mu)]}{\sigma(X) \cdot \sigma(-X)}= -1$$

rho (X,X)=Cov(X,X)/(Sigma(X).Sigma(X))
In uw bericht staat rho(X,X)=Var(X,X)/[sigma(X).Sigma(X)]
Met rho=correlatiecoefficient)

Maar wat is de definitie van de covariantie?

Dan kom je op mijn formule uit...

ik weet de definitie van de covariantie niet.
ik zie het nu Cov(X,X)=Var(X)
(indit geval.
Wat is de definitie van de covariantie?????????

$$Cov(X,Y) = E[(X-\mu_X)\cdot (Y-\mu_Y)]$$

Als je nu de Y ook vervangt door X, dan krijg je wat ik schreef.

De opgave over de 2 teams met kans om te winnen snap ik niet, en ik wens er dan ook geen aandacht meer aan te besteden.
IK heb er vele uren over nagedacht, maar het moet niet te gek worden.
Die opgave zal ik zo snel mogelijk vergeten.
Verder wil ik beginnen met een nieuw hoofdstuk wat gaat over de binomiale verdeling, de normaal verdeling en de poisson verdeling.
Ik wil dat moeilijke hoofd stuk waar ik vele uren aan kwijt was zo snel mogelijk vergeten.