Discrete vs continue verdelingen

Een **kansverdeling** beschrijft hoe waarschijnlijk verschillende uitkomsten zijn voor een stochastische variabele. ## Discrete verdelingen Een **discrete verdeling** geldt voor variabelen die alleen **specifieke, afzonderlijke waarden** kunnen aannemen (meestal geteld). **Voorbeelden van discrete variabelen:** - Aantal koppen bij 10 muntworpen: $0, 1, 2, \ldots, 10$ - Worp met een dobbelsteen: $1, 2, 3, 4, 5, 6$ - Aantal leerlingen in een klas: $15, 16, 17, \ldots$ **Belangrijkste kenmerk:** Je kunt alle mogelijke waarden opsommen. We gebruiken een **Kansfunctie (PMF)** waarbij: $$P(X = x) \geq 0 \text{ en } \sum_{\text{alle } x} P(X = x) = 1$$ ## Continue verdelingen Een **continue verdeling** geldt voor variabelen die **elke waarde in een bereik** kunnen aannemen (meestal gemeten). **Voorbeelden van continue variabelen:** - Lengte van een persoon: elke waarde van 0 tot 300 cm - Tijd om een taak te voltooien: elke positieve waarde - Temperatuur: elke waarde op een thermometer **Belangrijkste kenmerk:** Je kunt niet alle mogelijke waarden opsommen (oneindig veel). We gebruiken een **Kansdichtheidsfunctie (PDF)** waarbij: $$P(a \leq X \leq b) = \int_a^b f(x)\, dx$$ Voor continue variabelen geldt $P(X = \text{exacte waarde}) = 0$ omdat er oneindig veel mogelijke waarden zijn.

Stochastische variabelen classificeren

Classificeer elke variabele als discreet of continu: (a) Aantal auto's dat een controlepost passeert (b) Gewicht van een pakket (c) Aantal defecte artikelen in een partij

Analyseer variabele (a): Auto's worden geteld: 0, 1, 2, 3, ... Je kunt geen 2,5 auto's hebben = Discreet

Analyseer variabele (b): Gewicht wordt gemeten: 1,234 kg, 1,235 kg, enz. Elke waarde is mogelijk = Continu

Analyseer variabele (c): Defecten worden geteld: 0, 1, 2, ... Je kunt geen 1,7 defecten hebben = Discreet

Answer: (a) Discreet, (b) Continu, (c) Discreet

Discrete kansen berekenen

Er wordt met een eerlijke dobbelsteen geworpen. Vind: (a) $P(X = 4)$ en (b) $P(X \leq 2)$

Identificeer de verdeling: Een dobbelsteenworp heeft 6 even waarschijnlijke uitkomsten: 1, 2, 3, 4, 5, 6 = Uniforme discrete verdeling

Bereken P(X = 4): Slechts één uitkomst is gelijk aan 4, dus $P(X = 4) = \frac{1}{6}$ = $P(X = 4) = \frac{1}{6}$

Bereken P(X ≤ 2): Twee uitkomsten voldoen: 1 en 2 $P(X \leq 2) = P(X=1) + P(X=2) = \frac{1}{6} + \frac{1}{6}$ = $P(X \leq 2) = \frac{2}{6} = \frac{1}{3}$

Answer: (a) $\frac{1}{6} \approx 0,167$, (b) $\frac{1}{3} \approx 0,333$

Continue kans begrijpen

Lengtes in een populatie volgen een continue verdeling. Leg uit waarom $P(\text{lengte} = 170,0000\ldots \text{ cm})$ gelijk is aan nul.

Beschouw de aard van continue variabelen: Lengte kan 170,0001 cm, 170,00001 cm zijn, enz. Er bestaan oneindig veel waarden = Oneindig veel mogelijke waarden

Pas kansredenering toe: Als elke exacte waarde positieve kans had, zou de som oneindig zijn (niet 1) = Elke exacte waarde moet kans 0 hebben

Begrijp de praktische betekenis: We berekenen in plaats daarvan $P(169,5 < X < 170,5)$. Dit is het oppervlak onder de curve tussen deze grenzen = Gebruik intervallen, geen exacte waarden

Answer: Met oneindig veel mogelijke waarden zou het toekennen van positieve kans aan elk de totale som boven 1 brengen. Bij continue verdelingen berekenen we kansen voor intervallen, niet voor exacte waarden.

Het begrijpen van het verschil tussen discrete en continue verdelingen is fundamenteel voor: - **Statistiek**: De juiste toets of model kiezen voor je gegevens - **Data Science**: Geschikte machine learning-algoritmen selecteren - **Kwaliteitscontrole**: Productieprocessen monitoren (aantal defecten vs metingen) - **Financiën**: Aandelenkoersen modelleren (continu) vs aantal transacties (discreet) - **Geneeskunde**: Patiëntenaantallen analyseren (discreet) vs bloeddrukmetingen (continu) Het gebruik van het verkeerde type verdeling leidt tot onjuiste conclusies en voorspellingen!

Mistake: Denken dat 'geld' altijd discreet is omdat we euro's tellen

Why: Hoewel we geld vaak afronden op centen, behandelen financiële modellen geld vaak als continu omdat transacties theoretisch elk bedrag kunnen zijn.

Correct: Context is belangrijk: munten tellen is discreet, maar aandelenkoersen modelleren is typisch continu.

Mistake: Proberen P(X = exacte waarde) te berekenen voor continue verdelingen

Why: Bij continue verdelingen is de kans op elk afzonderlijk punt nul. Alleen intervallen hebben positieve kans.

Correct: Bij continue verdelingen, bereken altijd $P(a < X < b)$ met het oppervlak onder de curve.

Mistake: 'Weinig mogelijke waarden' verwarren met 'discreet'

Why: Een variabele is discreet op basis van haar aard, niet het aantal waargenomen waarden in een steekproef.

Correct: Vraag jezelf: 'Kan deze variabele theoretisch ELKE waarde in een bereik aannemen?' Zo ja, dan is het continu.

Kwaliteitscontrole in productie

Fabrieken gebruiken discrete verdelingen om defecten te tellen en continue verdelingen voor metingen.

Een fabriek telt defecte artikelen per partij (discreet: 0, 1, 2, ...) maar meet productgewicht in grammen (continu: 250,3 g, 250,31 g, ...).

Medische statistieken

De gezondheidszorg gebruikt beide types: patiëntenaantallen (discreet) en vitale functies (continu).

Aantal patiënten vandaag opgenomen (discreet: 45, 46, 47) vs bloeddrukmeting (continu: 120,5 mmHg, 121,3 mmHg).

**Discrete verdelingen** gelden voor variabelen met telbare, afzonderlijke waarden (zoals dobbelsteenworpen, muntworpen of tellingen)

**Continue verdelingen** gelden voor variabelen die elke waarde in een bereik kunnen aannemen (zoals lengte, gewicht of tijd)

Voor discrete variabelen gebruiken we PMF en kunnen we $P(X = x)$ direct berekenen

Voor continue variabelen gebruiken we PDF en berekenen we kansen voor intervallen: $P(a < X < b)$

Vraag jezelf: 'Wordt dit geteld of gemeten?' Geteld = discreet, Gemeten = continu

Q: Kan een variabele zowel discreet als continu zijn?

A: Nee, een variabele is fundamenteel het een of het ander op basis van haar aard. We modelleren echter soms discrete variabelen (zoals tellingen) met continue verdelingen als benadering wanneer de waarden groot zijn.

Q: Waarom wordt leeftijd soms als discreet en soms als continu behandeld?

A: Leeftijd in jaren (18, 19, 20) is discreet. Leeftijd als exacte tijd sinds geboorte (18,5273 jaar) is continu. De keuze hangt af van hoe je de gegevens meet en gebruikt.

Q: Wat is het verschil tussen PMF en PDF?

A: PMF (Kansfunctie) geeft de werkelijke kans voor discrete waarden. PDF (Kansdichtheidsfunctie) geeft de dichtheid voor continue variabelen - je moet over een interval integreren om de kans te krijgen.

Presentatie afsluiten

Discrete vs continue verdelingen

1 / 11

Kansrekening / Kansverdelingen

Discrete vs continue verdelingen

Leer het verschil tussen discrete en continue kansverdelingen, en wanneer je elk type moet gebruiken.

Gevorderd25 min

Gebruik pijltjestoetsen of spatiebalk om te navigeren