Toetsende Statistiek 2011
|
|
- Roeland Dijkstra
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Toetsende Statistiek 011 NB Volgt op Inleiding M&T. 7 weken college, werkgroep en practicum. In week 8 (eind december) SPSS toets + Tentamen. Week topic geen stof 1 Kansen Steekproevenverdeling Weibull distributions 3 Schatten en Toetsen 4 Toetsen van Gemiddelden 5 Power en F toets 6 Frequentieverdelingen Meta analysis 7 Non-Parametrische toetsen (op CD) Eind januari tweede tentamengelegenheid. 1
2 Toetsende Statistiek, Week 1. Kansmodellen & Toevalsvariabelen Christiaan Huygens (1) M,M&C, Ch 4, Probability: Study of 4.1 Randomness 4. Probability Models 4.3 Random Variables 4.4 Mean and Variances of Random Variables 4.5 General Probability Rules (1) Clerion 1679 foto Verduin () JF Dreux de Radier (1755, deel 5) Jacob Bernoulli () Al-hoewel in de spelen daer alleen het geval plaets heeft, de uytkomsten onseecker zijn, soo heeft nochtans de kansse die yemandt heeft om te winnen of te verliezen, haer seeckere bepaling. Van Rekeningh in Spelen van Geluck (1660)
3 Waarom is Toetsende Statistiek nodig in de Psychologie? Psychologie wil verder kijken dan het individuele geval: onzekerheid. De toetsende (inferentiële) statistiek probeert zekere conclusies op basis van onzekere informatie te trekken, door af te vragen: "Hoe vaak geeft deze methode (berekening, gevolgtrekking) een juist antwoord als ik haar heel vaak zou herhalen?" Deze vraag kan worden beantwoord als er een toevalselement in de methode zit, want we weten hoe het toeval zich gedraagt. random sampling (aselect steekproeven trekken) Toeval door randomized experiment (of quasi-experiment) Men kan grip krijgen op toevalsverschijnselen in persoon & observatie door toeval toe te voegen! 3
4 Wat is een Toevalsverschijnsel? Een toevalsverschijnsel (random phenomenon) heeft uitkomsten die per keer niet te voorspellen zijn, maar bij herhaling een regelmatige verdeling van voorkomen vertonen. Voorbeeld 1. Verlegenheid: Groep studenten wordt met Stanford Shyness Survey beoordeeld op verlegenheid. In willekeurige volgorde: V N N V V N N N V N V N V N N N V Voorbeeld. depressie: bepaal de BDI-II score na afloop van de therapie voor 5 cliënten: 15, 3, 17, 0, 5 4
5 Law of Large Numbers: Wet van de grote getallen. Proportie succes voor eerste n worpen Aantal worpen (n) Hoe meer observaties, des te stabieler de conclusie op populatie niveau, ook al zijn individuele uitkomsten onvoorspelbaar. Steekproeven zijn relatief klein ten opzichte van populaties. Tversky + Kahneman: Law of Small Numbers, 1971: psychologisch verschijnsel, zonder wiskundige basis. 5
6 Wat is een Kans? De kans op gebeurtenis A = proportie van optreden A in zeer groot aantal herhalingen van het toevalsproces Dit suggereert dat het om empirisch begrip gaat is omstreden Hoe herken je of iets toeval (random) is? Onvoorspelbaarheid wordt meestal vertaald naar onafhankelijkheid NB: 1 Independent trials (herhaling van dezelfde proef op ander individu uit dezelfde groep): kans op uitkomst van trial A hangt niet af van uitkomst andere trial B. Independent events (onafhankelijke gebeurtenissen): P(gebeurtenis A) hangt niet af van al dan niet optreden van gebeurtenis B. 1 is speciaal geval van 6
7 Basismodel voor Toevalsprocessen: Kansmodel Een toevalsproces bestaat uit herhalingen met verschillende uitkomsten (outcomes, O). Ieder kansmodel is opgebouwd uit drie delen: 1 Uitkomstenruimte (steekproefruimte, sample space, S) = opsomming van alle mogelijke uitkomsten Gebeurtenis (event, E) = deelverzameling van de uitkomstenruimte (dus ook één uitkomst) 3 Kans (waarschijnlijkheid, probability, P) = getal dat aan uitkomst of gebeurtenis wordt toegekend en dat aan een aantal regels moet voldoen. 7
8 Uitkomstenruimte & Gebeurtenissen: Voorbeeld Vraag een willekeurige student naar een examencijfer. S = {1,... 10} E1 = {1,, 3, 4, 5} complementair E1 C = {? } E = {, 4, 6, 8, 10} complementair E C = {? } E3 = {6, 8, 10} complementair E3 C = {? } Voorlopige conclusie: uitkomsten komen overeen met waarden (categorieën, nivo s) van gemeten variabele, gebeurtenissen met waarden van gehercodeerde variabele. 8
9 Regels waaraan Kansen moeten voldoen Kans op gebeurtenis A is a reëel getal P(A), zodanig dat: 1. 0 P(A) 1.. P(S) = 1, met S de hele uitkomstenruimte 3. Optellen voor disjuncte gebeurtenissen (events A en B): P(A OF B) = P(A) + P(B), 4. Complement: ihgv een complementaire gebeurtenis A c geldt P(A c ) = 1 P(A). 5. Produkt voor onafhankelijke gebeurtenissen: P(A EN B) = P(A) P(B) (ook voor A c en B c ). Opgesteld door Kolmogorov (1933). 9
10 Regel 3 in meer detail 3* Optellen voor (eindig aantal) uitkomsten (outcomes O 1 en O ) P(O 1 OF O ) = P(O 1 ) + P(O ). 3** Optellen voor vereniging van disjuncte gebeurtenissen A, B, C P(A OF B OF C) = P(A) + P(B) + P(C), 3*** Algemene rekenregel voor vereniging van gebeurtenissen P(A OF B) = P(A) + P(B) P(A EN B) Voorbeeld:? (zie volgende sheet) 10
11 Voorbeeld Stel: P(A)=0.0, P(B)=0.15. Wat is P(A OF B) als P(A EN B)=0? Wat is P(A OF B) als P(A EN B)=0.05? 11
12 Regel 5. Produktregel voor onafhankelijke gebeurtenissen: P(A EN B) = P(A) P(B) (ook voor A c en B c ). Toelichting: independent events; de uitkomstenruimte bestaat uit alle combinaties van typen gebeurtenissen: voorbeeld: verlegen A & niet-verlegen A c, mannen B & vrouwen B c. geslacht verlegen ja nee Totaal man vrouw Totaal Dus gebeurtenissen A en B zijn niet disjoint (waarom niet?); onafhankelijkheid patroon van proportionaliteit in kansen, alsof je aselekt met teruglegging uit aparte groepen trekt. 1
13 Voorwaardelijke Kansen (conditional probabilities) Voldoen aan eisen van de gewone kans, maar het domein wordt verkleind: we kijken naar mensen die aan een voorwaarde voldoen. Voorbeeld: Screening van neurotische patienten op flauwvallen Symptoom Neurotic patients Control group Totaal Nee Ja Totaal P(Symp=Ja) = 10/400 = 0.30 P(Neur) = 40/400 = 0.10 P ( B A) = P(Symp=Ja EN Neur) =30/400=0.075 P(Symp=Ja Neur) = 30/40 = 0.75 P( A EN B ) P( A) Conclusie: Marginale P <> voorwaardelijke P P ( EN S P( N N ) ) = 13
14 Boomdiagrammen verbinden Voorwaardelijke Kansen Als we de formule omschrijven, krijgen we de produktregel: P(A EN B) = P(A) P(B A) Deze kansen horen bij de uiteinden van een boomdiagram. S 0.5 N: P(S EN N) = 0.30 * 0.5 = Gehele groep N C N: P(S C EN N) = 0.70 * = 0.05 P(N S) = 30/10 =.5 P(N S C )= 10/80 =.0357 S C N C 14
15 Tweede definitie Onafhankelijkheid Twee variabelen zijn onafhankelijk als P(B A) = P(B). Dus wordt P(A EN B) = P(A) P(B A) = P(A) P(B). Dus: er is onafhankelijkheid als de conditionele kansen gelijk zijn aan de marginale kansen. Symptoom Neurotic patients Control group Totaal Nee Ja Totaal Rij- en kolom-marginalen gelijk aan die van data Alle rijen en kolommen proportioneel aan elkaar P(S N) = 0.03/0.1 = 0.3 P(S C N) = 0.07/0.1 =
16 De Regel van Bayes (simpel) De regel van Bayes legt een verband tussen de a priori kans en de a posteriori kans op een kenmerk. P( A B) = P( B A) P( A) P( B) Voorbeeld: Diagnostische waarde van een symptoom (sheet 1). a priori: P(Neur) = 0.10 a posteriori: P(Neur Sympt) = P(Sympt Neur)*P(Neur) / P(Sympt) = 0.75 * 0.10 / 0.30 = 0.5 NB de a priori kansen eigenlijk niet uit de steekproef nemen, maar uit de populatie. 16
17 Toevalsvariabelen (Random Variables) Wat is er toevallig aan een toevalsvariabele? Onderzoekssituatie: Populatie: bijv. gezinnen met kinderen, trek steekproeven van 5 gezinnen uit populatie sample samenstelling sample X = # jong./gez. Y = # meis./gez. 1 {(JJM), (MM), (J), (MJM), (JJMJ)} {(JM), (MJM), (JJ), (MMMMJ), (M)} {(JJ), (MMJJ), (JM), (JMJM), (JJJJ)} NB. binnen een gezin is # jongens en # meisjes niet toevallig! Toevalsvariabele: variabele die als waarden numerieke uitkomsten heeft, die zijn verkregen uit een steekproef of een ander toevalsproces 17
18 Discrete Toevalsvariabelen: Tellingen of Hoeveelheden (Rates) Eindig aantal waarden in gegeven interval. Kansverdeling is lijst waarden + bijbehorende kansen. Twee manieren om een kanshistogram te lezen: ❶ Waarde Y-as (dichtheid = soortelijke massa = # elem. per unit) ❷ Oppervlakte (kans = relatieve omvang). Kansverdeling Kanshistogram Uitkomst kans Kans op interval = oppervlakte onder de trap = som van staven in interval. Bijv. P(X>)? P(X) Uitkomst X 18
19 Continue Toevalsvariabelen: Gemiddelden of andere statistieken Oneindig veel mogelijke waarden in een bepaald interval (NB. dit is een model). Kansverdeling d.m.v. dichtheidscurve (density). dichtheid Event = interval P (interval) = oppervlakte onder dichtheidscurve t.o.v. het totaal. Als intervallen niet overlappen kan men kansen optellen. P(A) Event A Onderscheid outcomes/events nu cruciaal! 19
20 Verwachte Waarde van een Toevalsvariabele Zoals kansen geïdealiseerde beschrijving zijn van proporties die op de lange duur worden verkregen, zo is de verwachte waarde (mean) het lange duur gemiddelde van een toevalsvariabele. µ X = x 1 p 1 + x p +L+ x k p k = x i p i i Omdat de p s meestal ongelijk zijn maar wel optellen tot 1, is µ een gewogen gemiddelde. Opmerkingen µ is een modelmatig equivalent van x, en hoeft niet als datawaarde voor te komen. verwachte waarde modale waarde. om µ te bepalen bij continue X is integreren nodig (doen we niet). 0
21 Voorbeeld: Verwachte Waarde van Aantal Mannen & Vrouwen populatie van 5 personen: 3 vrouwen (v 1, v, v 3 ) en mannen (m 1, m ). Er zijn 10 mogelijke aselecte steekproeven van, zonder teruglegging, en met gelijke kansen: uuitkomst v 1 v v 1 v 3 v 1 m 1 v 1 m v v 3 v m 1 v m v 3 m 1 v 3 m m 1 m #v #m # mannen 0 1 kans (#mannen) Wat is verwachte waarde van het # mannen? Wat is verwachte waarde van het # vrouwen? 1
22 Wet van de Grote Getallen, versie Niet alleen proporties, maar ook gemiddelden x stabiliseren bij grote steekproefgrootte n (voorbeeld hier: gemiddelde lengte jonge vrouwen in meters): Gemiddelde over eerste n observaties Aantal obervaties (n)
23 Verwachte waarde van Getransformeerde Variabelen Als we een toevalsvariabele X lineair transformeren, dan verandert de verwachte waarde (het populatie gemiddelde) µ X voorspelbaar. Regel 1: Regel : µ a+ bx = a + bµ X µ X +Y = µ X + µ Y a en b zijn vaste getallen (positief of negatief). In woorden:? 3
24 Voorbeeld: Verwachte waarde en transformaties Stressbestendigheid Psychologiestudenten. Op 3-puntsschaal X P(X) X P(X) weinig Y P(Y) Y P(Y) weinig veel Som.10 veel Som 5.0 Bereken de verwachte waarde µ van X Bereken de verwachte waarde µ van Y als Y = {3, 5, 7} Wat zijn de waarden van a en b? Klopt regel 1? 6
25 Voorbeeld: Verwachte waarde en transformaties Wat zijn de waarden van a en b? 7 5 y x µ = a + b µ Y X? 7
26 Variantie van een Toevalsvariabele Als modelmatig equivalent van s hebben we σ als maat voor de variantie in de populatie. σ X = ( x 1 µ ) X p 1 + ( x µ ) X p +L + ( x k µ ) X p k = ( x i µ ) X p i i σ is net als s een (gewogen) optelling van gekwadrateerde afwijkingen tot het gemiddelde. NB. Bij gelijke kansen voor elke waarde (uniforme verdeling) geldt dat p = 1/n. NB We delen nu niet door n 1, maar door n. 8
27 Voorbeeld: Stressbestendigheid vervolgd Stressbestendigheid Psychologiestudenten. Op 3-puntsschaal. Bepaal σ. X P(X) X P(X) X- µ X (X- µ X ) (X- µ X ) P(X) weinig veel Som
28 31 Varianties van Getransformeerde Variabelen Als we toevalsvariabelen lineair transformeren of combineren, dan is de variantie σ (en σ) van het resultaat voorspelbaar. 1: Regel X bx a σ = b σ + Regel : als X en Y onafhankelijk zijn dan ) ( Y X Y X Y X Y X Y X Y X σ σ σ σ σ σ σ σ σ + = + = = + = + + Regel 3: als X en Y niet onafhankelijk zijn dan y x xy Y X Y X σ σ ρ σ σ σ + + = + In woorden:?
29 Tot Besluit 1 Toeval: uitkomst onvoorspelbaar op individueel niveau, maar voorspelbaar en stabiel op collectief niveau. Kans: Maat voor het relatief voorkomen van uitkomsten of gebeurtenissen in de uitkomstenruimte. Voldoet aan aantal regels 3 Onafhankelijkheid: trials en events 4 Steekproeffluctuaties: Waarden (bijv. x) die een steekproef of een gerandomiseerd experiment beschrijven, gedragen zich als toevalsvariabelen. De toetsende statistiek gebruikt dit. 5 Vergelijkbaarheid: Regels voor µ en σ van variabelen die lineair getransformeerd zijn, zijn nuttig om resultaten te vergelijken (bijv. bij normeren van test of bij halveren van schaal) 3
30 Stof Volgende Week: Moore, McCabe & Craig, From Probability to Inference 3.3 Towards Statistical Inference 5.1 Sampling Distributions for Counts and Proportions 5. The Sampling Distribution of a Sample Mean SPSS practicum deze week: werken met waarden van series variabelen rekenen met random variabelen Kennistoetsjes starten deze week weer 33
introductie kansen pauze meer kansen random variabelen transformaties ten slotte
toetsende statistiek week 1: kansen en random variabelen Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 4: Probability: The Study of Randomness 4.1: Randomness 4.2: Probability
Nadere informatieToetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling
Toetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling Moore, McCabe & Craig: 3.3 Toward Statistical Inference From Probability to Inference 5.1 Sampling Distributions for
Nadere informatieintroductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 5: Sampling Distributions 5.1: The
Nadere informatieHoofdstuk 4 Kansen. 4.1 Randomheid
Hoofdstuk 4 Kansen 4.1 Randomheid Herhalingen en kansen Als je een munt opgooit (of zelfs als je een SRS trekt) kunnen de resultaten van tevoren voorspeld worden, omdat de uitkomsten zullen variëren wanneer
Nadere informatieToetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen
M, M & C 7.3 Optional Topics in Comparing Distributions: F-toets 6.4 Power & Inference as a Decision 7.1 The power of the t-test 7.3 The power of the sample t- Toetsende Statistiek Week 5. De F-toets &
Nadere informatieHoofdstuk 5: Steekproevendistributies
Hoofdstuk 5: Steekproevendistributies Inleiding Statistische gevolgtrekkingen worden gebruikt om conclusies over een populatie of proces te trekken op basis van data. Deze data wordt samengevat door middel
Nadere informatieMedische Statistiek Kansrekening
Medische Statistiek Kansrekening Medisch statistiek- kansrekening Hoorcollege 1 Uitkomstenruimte vaststellen Ook wel S of E. Bij dobbelsteen: E= {1,2,3,4,5,6} Een eindige uitkomstenreeks Bij het gooien
Nadere informatiec Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6
c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6 1. Iemand kiest geblinddoekt 4 paaseitjes uit een mand met oneindig veel paaseitjes. De helft is melkchocolade, de andere
Nadere informatieExamen Statistiek I Feedback
Examen Statistiek I Feedback Bij elke vraag is alternatief A correct. Bij de trekking van een persoon uit een populatie beschouwt men de gebeurtenissen A (met bril), B (hooggeschoold) en C (mannelijk).
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen
Vandaag Onderzoeksmethoden: Statistiek 2 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Theoretische kansverdelingen
Nadere informatieStatistiek voor A.I. College 6. Donderdag 27 September
Statistiek voor A.I. College 6 Donderdag 27 September 1 / 1 2 Deductieve statistiek Kansrekening 2 / 1 Vraag: Afghanistan In het leger wordt uit een groep van 6 vrouwelijke en 14 mannelijke soldaten een
Nadere informatieintroductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets
toetsende statistiek week 1: kansen en random variabelen week : de steekproevenverdeling week 3: schatten en toetsen: de z-toets week : het toetsen van gemiddelden: de t-toets week 5: het toetsen van varianties:
Nadere informatieOefenvragen bij Statistics for Business and Economics van Newbold
Oefenvragen bij Statistics for Business and Economics van Newbold Hoofdstuk 1 1. Wat is het verschil tussen populatie en sample? De populatie is de complete set van items waar de onderzoeker in geïnteresseerd
Nadere informatieHoofdstuk 5 Een populatie: parametrische toetsen
Hoofdstuk 5 Een populatie: parametrische toetsen 5.1 Gemiddelde, variantie, standaardafwijking: De variantie is als het ware de gemiddelde gekwadrateerde afwijking van het gemiddelde. Hoe groter de variantie
Nadere informatiePopulatie: De gehele groep elementen waarover informatie wordt gewenst.
Statistiek I Werkcollege 1 Populatie: De gehele groep elementen waarover informatie wordt gewenst. Steekproef: Gedeelte van de populatie dat feitelijk wordt onderzocht om informatie te vergaren. Eenheden:
Nadere informatieHOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN
HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN Inleiding Statistische gevolgtrekkingen (statistical inference) gaan over het trekken van conclusies over een populatie op basis van steekproefdata.
Nadere informatieStatistiek voor A.I. College 4. Donderdag 20 September 2012
Statistiek voor A.I. College 4 Donderdag 20 September 2012 1 / 30 2 Deductieve statistiek Kansrekening 2 / 30 Cycle 3 / 30 Context 4 / 30 2 Deductieve statistiek Vandaag: Eigenschappen kansen Oneindige
Nadere informatie1. De wereld van de kansmodellen.
STATISTIEK 3 DE GRAAD.. De wereld van de kansmodellen... Kansmodellen X kansmodel Discreet model Continu model Kansverdeling Vaas Staafdiagram Dichtheidsfunctie f(x) GraJiek van f Definitie: Een kansmodel
Nadere informatieSamenvatting Statistiek
Samenvatting Statistiek De hoofdstukken 1 t/m 3 gaan over kansrekening: het uitrekenen van kansen in een volledig gespecifeerd model, waarin de parameters bekend zijn en de kans op een gebeurtenis gevraagd
Nadere informatiecollege 4: Kansrekening
college 4: Kansrekening Deelgebied van de statistiek Doel: Kansen berekenen voor het waarnemen van bepaalde uitkomsten Kansrekening 1. Volgordeproblemen Permutaties Variaties Combinaties 2. Kans 3. Voorwaardelijke
Nadere informatiewerkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions
cursus 4 mei 2012 werkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions Huiswerk P&D, opgaven Chapter 6: 9, 19, 25, 33 P&D, opgaven Appendix A: 1, 9 doen
Nadere informatie8. Analyseren van samenhang tussen categorische variabelen
8. Analyseren van samenhang tussen categorische variabelen Er bestaat een samenhang tussen twee variabelen als de verdeling van de respons (afhankelijke) variabele verandert op het moment dat de waarde
Nadere informatieStatistiek voor A.I. College 3. Dinsdag 18 September 2012
Statistiek voor A.I. College 3 Dinsdag 18 September 2012 1 / 45 2 Deductieve statistiek Kansrekening 2 / 45 Uitkomstenruimte 3 / 45 Vragen: voorspellen Een charlatan zegt te kunnen voorspellen of een ongeboren
Nadere informatieHoofdstuk 7: Statistische gevolgtrekkingen voor distributies
Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatieCollege 3 Interne consistentie; Beschrijvend onderzoek
College 3 Interne consistentie; Beschrijvend onderzoek Inleiding M&T 2012 2013 Hemmo Smit Overzicht van dit college Kwaliteit van een meetinstrument (herhaling) Interne consistentie: Cronbach s alpha Voorbeeld:
Nadere informatieInleiding Applicatie Software - Statgraphics
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek /k 1/35 OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een
Nadere informatie1BA PSYCH Statistiek 1 Oefeningenreeks 3 1
Juno KOEKELKOREN D.1.3. OEFENINGENREEKS 3 OEFENING 1 In onderstaande tabel vind je zes waarnemingen van twee variabelen (ratio meetniveau). Eén van de waarden van y is onbekend. Waarde x y 1 1 2 2 9 2
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 4 Donderdag 22 September 1 / 31 1 Kansrekening Vandaag : Vragen Bernouilli verdelingen Binomiale verdelingen Voorwaardelijke kansen 2 / 31 Vragen: multiple choice Bij
Nadere informatieGezamenlijke kansverdeling van twee stochasten
Gezamenlijke kansverdeling van twee stochasten Voorbeeld: V = de windsnelheid H = hoogte van het waterniveau in een rivier/zee De combinatie (V, H) is van belang voor een overstroming en niet zozeer V
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 3. Populatie en steekproef. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Kansmodellen. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg . Populatie: een intuïtieve definitie.... Een
Nadere informatieCursus TEO: Theorie en Empirisch Onderzoek. Practicum 2: Herhaling BIS 11 februari 2015
Cursus TEO: Theorie en Empirisch Onderzoek Practicum 2: Herhaling BIS 11 februari 2015 Centrale tendentie Centrale tendentie wordt meestal afgemeten aan twee maten: Mediaan: de middelste waarneming, 50%
Nadere informatieInleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een klein kapitaaltje
Nadere informatieStatistiek voor A.I. College 10. Dinsdag 16 Oktober
Statistiek voor A.I. College 10 Dinsdag 16 Oktober 1 / 30 Jullie - onderzoek Geert-Jan, Joris, Brechje Horizontaal: lengte Verticaal: lengte tussen topjes middelvingers met gestrekte armen. DIII 170 175
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2, Vrijdag 23 januari 25, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven dienen
Nadere informatietoetsende statistiek deze week: wat hebben we al geleerd? Frank Busing, Universiteit Leiden
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling week 3: schatten en toetsen: de z-toets week 4: het toetsen van gemiddelden: de t-toets Moore, McCabe, and Craig.
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 2 Donderdag 15 September 1 / 42 1 Kansrekening Vandaag: Vragen Eigenschappen van kansen Oneindige discrete uitkomstenruimtes Continue uitkomstenruimtes Continue stochasten
Nadere informatie13.1 Kansberekeningen [1]
13.1 Kansberekeningen [1] Herhaling kansberekeningen: Somregel: Als de gebeurtenissen G 1 en G 2 geen gemeenschappelijke uitkomsten hebben geldt: P(G 1 of G 2 ) = P(G 1 ) + P(G 2 ) B.v. P(3 of 4 gooien
Nadere informatieFeedback proefexamen Statistiek I 2009 2010
Feedback proefexamen Statistiek I 2009 2010 Het correcte antwoord wordt aangeduid door een sterretje. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Een derde van de mannen is
Nadere informatieKansrekening en Statistiek. Overzicht Kansrekening
Kansrekening en Statistiek Overzicht Kansrekening 1 / 30 Overzicht: stochasten Discrete stochasten X - distributiefuncties f P(X A) = i A f (x) = i A P(X = i). 2 / 30 Overzicht: stochasten Discrete stochasten
Nadere informatieCollege 2 Enkelvoudige Lineaire Regressie
College Enkelvoudige Lineaire Regressie - Leary: Hoofdstuk 7 tot p. 170 (Advanced Correlational Strategies) - MM&C: Hoofdstuk 10 (Inference for Regression) - Aanvullende tekst 3 Jolien Pas ECO 011-01 Correlatie:
Nadere informatieCollege 7. Regressie-analyse en Variantie verklaren. Inleiding M&T Hemmo Smit
College 7 Regressie-analyse en Variantie verklaren Inleiding M&T 2012 2013 Hemmo Smit Neem mee naar tentamen Geslepen potlood + gum Collegekaart (alternatief: rijbewijs, ID-kaart, paspoort) (Grafische)
Nadere informatieHoofdstuk 3 Statistiek: het toetsen
Hoofdstuk 3 Statistiek: het toetsen 3.1 Schatten: Er moet een verbinding worden gelegd tussen de steekproefgrootheden en populatieparameters, willen we op basis van de een iets kunnen zeggen over de ander.
Nadere informatie11. Multipele Regressie en Correlatie
11. Multipele Regressie en Correlatie Meervoudig regressie model Nu gaan we kijken naar een relatie tussen een responsvariabele en meerdere verklarende variabelen. Een bivariate regressielijn ziet er in
Nadere informatie6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Basistechnieken 6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling. x 0 2 4 6 p(x) ¼ ¼ ¼ ¼ a. Schrijf alle mogelijke verschillende steekproeven van n =
Nadere informatieHoofdstuk 6 Twee populaties: parametrische toetsen
Hoofdstuk 6 Twee populaties: parametrische toetsen 6.1 De t-toets voor het verschil tussen twee gemiddelden: In veel onderzoekssituaties zijn we vooral in de verschillen tussen twee populaties geïnteresseerd.
Nadere informatieLes 1: Waarschijnlijkheidrekening
Les 1: Waarschijnlijkheidrekening A Men neemt een steekproef van 1000 appelen. Deze worden ingedeeld volgens gewicht en volgens symptomen van een bepaalde schimmel: geen, mild, gematigd of ernstig. Het
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie
Nadere informatieCursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere informatietoetskeuze schema verschillen in gemiddelden
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling week 3: schatten en toetsen: de z-toets week 4: het toetsen van gemiddelden: de t-toets week 5: het toetsen van
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 1 Dinsdag 14 September 1 / 34 Literatuur http://www.phil.uu.nl/ iemhoff Applied Statistics for the Behavioral Sciences - 5th edition, Dennis E. Hinkle, William Wiersma,
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 2 Donderdag 16 September 1 / 31 1 Kansrekening Indeling: Eigenschappen van kansen Continue uitkomstenruimtes Continue stochasten 2 / 31 Vragen: cirkels Een computer genereert
Nadere informatieToetsende Statistiek Week 3. Statistische Betrouwbaarheid & Significantie Toetsing
Toetsende Statistiek Week 3. Statistische Betrouwbaarheid & Significantie Toetsing M, M & C, Chapter 6, Introduction to Inference 6.1 Estimating with Confidence 6.2 Tests of Significance 6.3 Use and Abuse
Nadere informatie14.1 Kansberekeningen [1]
14.1 Kansberekeningen [1] Herhaling kansberekeningen: Somregel: Als de gebeurtenissen G 1 en G 2 geen gemeenschappelijke uitkomsten hebben geldt: P(G 1 of G 2 ) = P(G 1 ) + P(G 2 ) B.v. P(3 of 4 gooien
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 4. Het steekproefgemiddelde. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Kansmodellen 4. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg . Een concreet voorbeeld.... Een kansmodel
Nadere informatieKansverdelingen Inductieve statistiek met Geogebra 4.2
Kansverdelingen Inductieve statistiek met Geogebra 4.2 Brecht Dekeyser Pedic 20 november 2013 Gent 1 Inhoud Nieuw in Geogebra 4.2 Kansverdelingen: Berekeningen en grafische voorstellingen Manueel in rekenblad
Nadere informatieVoorbeeldtentamen Statistiek voor Psychologie
Voorbeeldtentamen Statistiek voor Psychologie 1) Vul de volgende uitspraak aan, zodat er een juiste bewering ontstaat: De verdeling van een variabele geeft een opsomming van de categorieën en geeft daarbij
Nadere informatieHOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES
HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatie. Dan geldt P(B) = a. 1 4. d. 3 8
Tentamen Statistische methoden 4052STAMEY juli 203, 9:00 2:00 Studienummers: Vult u alstublieft op het meerkeuzevragenformulier uw Delftse studienummer in (tbv automatische verwerking); en op het open
Nadere informatieExamen Statistiek I Januari 2010 Feedback
Examen Statistiek I Januari 2010 Feedback Correcte alternatieven worden door een sterretje aangeduid. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Twee derden van de mannen
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodellen en normaal verdeelde steekproefgrootheden 5. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses
Vandaag Onderzoeksmethoden: Statistiek 3 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Recap Centrale limietstelling
Nadere informatieBeschrijvende statistiek
Beschrijvende statistiek Beschrijvende en toetsende statistiek Beschrijvend Samenvatting van gegevens in de steekproef van onderzochte personen (gemiddelde, de standaarddeviatie, tabel, grafiek) Toetsend
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 7 Dinsdag 11 Oktober 1 / 33 2 Statistiek Vandaag: Populatie en steekproef Maten Standaardscores Normale verdeling Stochast en populatie Experimenten herhalen 2 / 33 3
Nadere informatieTentamen Inleiding Kansrekening 9 juni 2016, 10:00 13:00 Docent: Prof. dr. F. den Hollander
Tentamen Inleiding Kansrekening 9 juni 6, : 3: Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan. Er zijn 8 vragen, elk met onderdelen. Elk onderdeel
Nadere informatieKansrekening en stochastische processen 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/28 The delta functie Zij De eenheids impulsfunctie is: d ε (x) = { 1ε als ε 2 x ε 2 0 anders δ(x) = lim
Nadere informatieSOCIALE STATISTIEK (deel 2)
SOCIALE STATISTIEK (deel 2) D. Vanpaemel KU Leuven D. Vanpaemel (KU Leuven) SOCIALE STATISTIEK (deel 2) 1 / 57 Hoofdstuk 5: Schatters en hun verdeling 5.1 Steekproefgemiddelde als toevalsvariabele D. Vanpaemel
Nadere informatieCombinatoriek en rekenregels
Combinatoriek en rekenregels Les 4: Rekenregels (deze les sluit aan bij de paragraaf 8 van Hoofdstuk 1 Combinatoriek en Rekenregels van de Wageningse Methode, http://www.wageningsemethode.nl/methode/het-lesmateriaal/?s=y456v-d)
Nadere informatie4 Domein STATISTIEK - versie 1.2
USolv-IT - Boomstructuur DOMEIN STATISTIEK - versie 1.2 - c Copyrighted 42 4 Domein STATISTIEK - versie 1.2 (Op initiatief van USolv-IT werd deze boomstructuur mede in overleg met het Universitair Centrum
Nadere informatiewerkcollege 6 - D&P10: Hypothesis testing using a single sample
cursus huiswerk opgaven Ch.9: 1, 8, 11, 12, 20, 26, 36, 37, 71 werkcollege 6 - D&P10: Hypothesis testing using a single sample Activities 9.3 en 9.4 van schatting naar toetsing vorige bijeenkomst: populatie-kenmerk
Nadere informatieVoorbeelden van gebruik van 5 VUSTAT-apps
Voorbeelden van gebruik van 5 VUSTAT-apps Piet van Blokland Begrijpen van statistiek door simulaties en visualisaties Hoe kun je deze apps gebruiken bij het statistiek onderwijs? De apps van VUSTAT zijn
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Vrijdag 2 Oktober 1 / 17 1 Kansrekening Geschiedenis en filosofie 2 / 17 De Kolmogorov Axioma s De kansrekening kan uit deze axioma s worden opgebouwd: 3 / 17 De Kolmogorov
Nadere informatieSPSS Introductiecursus. Sanne Hoeks Mattie Lenzen
SPSS Introductiecursus Sanne Hoeks Mattie Lenzen Statistiek, waarom? Doel van het onderzoek om nieuwe feiten van de werkelijkheid vast te stellen door middel van systematisch onderzoek en empirische verzamelen
Nadere informatieTentamen Kansrekening (NB004B)
NB4B: Kansrekening Dinsdag november 2 Tentamen Kansrekening (NB4B) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan. Vermeld op ieder blad je naam en
Nadere informatieHoofdstuk 8 Het toetsen van nonparametrische variabelen
Hoofdstuk 8 Het toetsen van nonparametrische variabelen 8.1 Non-parametrische toetsen: deze toetsen zijn toetsen waarbij de aannamen van normaliteit en intervalniveau niet nodig zijn. De aannamen zijn
Nadere informatieStatistiek, gegevens en een kritische houding
Statistiek Hoofdstuk 1. Statistiek, gegevens en een kritische houding 1.1. Statistiek 1.2. De wetenschap statistiek de wetenschap van gegevens verzamelen evalueren (classificeren, samenvatten, organiseren,
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek Henk Broer Instituut voor Wiskunde en Informatica Rijksuniversiteit Groningen Kansrekening en Statistiek p.1 Overzicht Kansrekening en Statistiek - Geschiedenis - Loterij - Toetsen
Nadere informatieKansrekening en statistiek wi2105in deel I 29 januari 2010, uur
Kansrekening en statistiek wi20in deel I 29 januari 200, 400 700 uur Bij dit examen is het gebruik van een (evt grafische rekenmachine toegestaan Tevens krijgt u een formuleblad uitgereikt na afloop inleveren
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 6 Donderdag 30 September 1 / 25 1 Kansrekening Indeling: Voorwaardelijke kansen Onafhankelijkheid Stelling van Bayes 2 / 25 Vraag: Afghanistan Vb. In het leger wordt
Nadere informatie6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Learning the Mechanics 6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. De random variabele x wordt tweemaal waargenomen. Ga na dat, indien de waarnemingen
Nadere informatieHOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN
HOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN 4. VERGELIJKINGSTOETSEN A. Vergelijken van varianties Men beschouwt twee steekproeven uit normaal verdeelde populaties: X, X,, X n ~ N(µ, σ ) Y, Y,, Y n
Nadere informatieStatistiek. Beschrijvend statistiek
Statistiek Beschrijvend statistiek Verzameling van gegevens en beschrijvingen Populatie, steekproef Populatie = o de gehele groep ondervragen o parameter is een kerngetal Steekproef = o een onderdeel van
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2), Vrijdag 24 januari 24, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven
Nadere informatieTentamen Kansrekening en Statistiek (2WS04), dinsdag 17 juni 2008, van uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2WS4, dinsdag 17 juni 28, van 9. 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2S27), dinsdag 14 juni 25, 9. - 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen»
Nadere informatieFormuleblad. Hoofdstuk 1: Gemiddelde berekenen: = x 1 + x 2 + x 3 + +x n / n Of: = 1/n Σ x i
Formuleblad Hoofdstuk 1: Gemiddelde berekenen: = x 1 + x 2 + x 3 + +x n / n Of: = 1/n Σ x i Plaats van de median berekenen: Oneven aantal observaties: (n+1)/2 Even aantal observaties: gemiddelde van de
Nadere informatieVertaling van enkele termen uit de kansrekening en statistiek alternative hypothesis alternatieve hypothese approximate methods benaderende methoden asymptotic variance asymptotische variantie asymptotically
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 12 Vrijdag 16 Oktober 1 / 38 2 Statistiek Indeling vandaag: Normale verdeling Wet van de Grote Getallen Centrale Limietstelling Deductieve statistiek Hypothese toetsen
Nadere informatiePopulaties beschrijven met kansmodellen
Populaties beschrijven met kansmodellen Prof. dr. Herman Callaert Deze tekst probeert, met voorbeelden, inzicht te geven in de manier waarop je in de statistiek populaties bestudeert. Dat doe je met kansmodellen.
Nadere informatieHOOFDSTUK I - INLEIDENDE BEGRIPPEN
HOOFDSTUK I - INLEIDENDE BEGRIPPEN 1.1 Waarschijnlijkheidsrekening 1 Beschouw een toevallig experiment (de resultaten zijn aan het toeval te danken) Noem V de verzameling van alle mogelijke uitkomsten
Nadere informatieKansrekening en statistiek WI2105IN deel I 4 november 2011, uur
Kansrekening en statistiek WI05IN deel I 4 november 0, 4.00 7.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Een formuleblad wordt uitgereikt. Meerkeuzevragen Toelichting:
Nadere informatieStatistiek. Beschrijvende Statistiek Hoofdstuk 1 1.1, 1.2, 1.5, 1.6 lezen 1.3, 1.4 Les 1 Hoofdstuk 2 2.1, 2.3, 2.5 Les 2
INHOUDSOPGAVE Leswijzer...3 Beschrijvende Statistiek...3 Kansberekening...3 Inductieve statistiek, inferentiele statistiek...3 Hoofdstuk...3. Drie deelgebieden...3. Frequentieverdeling....3. Frequentieverdeling....4.5
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere informatieVU University Amsterdam 2018, juli 11.
Department of Mathematics Herexamen: Voortgezette biostatistiek VU University Amsterdam 018, juli 11. c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 12 Donderdag 21 Oktober 1 / 38 2 Statistiek Indeling: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 38 Deductieve
Nadere informatieOverzicht. Statistiek voor Informatica Hoofdstuk 2: Voorwaardelijke kansen. Voorwaardelijke kans. Voorbeeld: Probabilistisch redeneren
Overzicht Statistiek voor Informatica Hoofdstuk 2: Voorwaardelijke kansen Cursusjaar 2009 Peter de Waal Departement Informatica Voorwaardelijke kans Rekenregels Onafhankelijkheid Voorwaardelijke Onafhankelijkheid
Nadere informatieHoofdstuk 12: Eenweg ANOVA
Hoofdstuk 12: Eenweg ANOVA 12.1 Eenweg analyse van variantie Eenweg en tweeweg ANOVA Wanneer we verschillende populaties of behandelingen met elkaar vergelijken, dan zal er binnen de data altijd sprake
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Doel Beheersen van elementaire statistische technieken Toepassen van deze technieken op aardwetenschappelijke data 2 1 Leerstof Boek: : Introductory Statistics, door
Nadere informatieCollege 4 Inspecteren van Data: Verdelingen
College Inspecteren van Data: Verdelingen Inleiding M&T 01 013 Hemmo Smit Overzicht van deze cursus 1. Grondprincipes van de wetenschap. Observeren en meten 3. Interne consistentie; Beschrijvend onderzoek.
Nadere informatieA. Week 1: Introductie in de statistiek.
A. Week 1: Introductie in de statistiek. Populatie en steekproef. In dit vak leren we de basis van de statistiek. In de statistiek probeert men erachter te komen hoe we de populatie het beste kunnen observeren.
Nadere informatie