Probability Theory

Discrete toevalsvariabelen en standaardmodellen

Kansmassa-functies en de standaardfamilies van verdelingen voor het modelleren van aantallen en wachttijden. · 7 stappen

Continue toevalsvariabelen en dichtheden

Continue toevalsvariatie beschrijven met dichtheids- en verdelingsfuncties en de belangrijkste continue families van verdelingen. · 7 stappen

Transformaties van één toevalsvariabele

De verdeling van een functie van een toevalsvariabele bepalen met de verdelingsfunctiemethode en de veranderings-van-variabelenmethode. · 7 stappen

Gezamenlijke verdelingen en onafhankelijkheid van toevalsvariabelen

Gezamenlijke, marginale en conditionele verdelingen voor paren en vectoren van toevalsvariabelen. · 7 stappen

Sommen, convoluties en bivariate transformaties

De verdeling afleiden van sommen, quotiënten en andere functies van twee of meer toevalsvariabelen. · 7 stappen

Verwachtingswaarde, covariantie en correlatie

Lineariteit van de verwachtingswaarde en de structuur van tweede momenten voor verzamelingen toevalsvariabelen. · 7 stappen

Conditionele verwachtingswaarde en variantie

Conditioneren als rekentechniek met behulp van de torenregel en de variantiedecompositie. · 7 stappen

Genererende functies en momenten

Momentgenererende en kansgenererende functies als hulpmiddelen voor momenten, sommen en het identificeren van verdelingen. · 7 stappen

Ongelijkheden, wetten van de grote aantallen en de centrale limietstelling

Asymptotisch gedrag van gemiddelden en sommen van onafhankelijke toevalsvariabelen. · 7 stappen

Examensynthese: meerstapsproblemen en strategie

De juiste hulpmiddelen kiezen en combineren bij gemengde problemen met meerdere onderdelen onder examenomstandigheden. · 7 stappen