Hoofdstuk 3 : Numerieke beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent

Maat: px
Weergave met pagina beginnen:

Download "Hoofdstuk 3 : Numerieke beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent"

Transcriptie

1 Hoofdstuk 3 : Numerieke beschrijving van data Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Numerieke beschrijving van data p 1/31

2 Beschrijvende maten We beschrijven populaties en steekproeven dmv karakteristieken populaties worden gekenmerkt door parameters µ, σ, ρ, steekproeven worden gekenmerkt door statistieken x, s, r, 3 soorten karakteristieken centraliteitsmaten beschrijven de ligging (location) spreidingsmaten beschrijven de spreiding (dispersion) vormmaten beschrijven de vorm Numerieke beschrijving van data p 2/31

3 Centraliteitsmaten het rekenkundig gemiddelde de mediaan de modus en het meetkundig gemiddelde Numerieke beschrijving van data p 3/31

4 Het rekenkundig gemiddelde Het (rekenkundig) gemiddelde (mean),vanx 1, x 2,,x n is x = x 1 + x x n n = 1 n j=1 x j Het gemiddelde van de waarden 1, 2, 3, 4 en 5 bedraagt x = =3 Het gemiddelde van 1, 2, 3, 4 en 50 bedraagt x = =12 x is gemakkelijk te berekenen maar is gevoelig voor uitschieters Middel tegen die gevoeligheid : trimmed mean Numerieke beschrijving van data p 4/31

5 Het rekenkundig gemiddelde x = 1 n x j f(x) = 1 n f(x j ) j=1 j=1 ax+ b= 1 n (ax j + b)= a x + b j=1 Bijzonder geval : x x= 0 f(x)+g(x) = 1 n = 1 n (f(x j )+g(x j )) j=1 f(x j )+ 1 n j=1 g(x j )= f(x)+g(x) j=1 Numerieke beschrijving van data p 5/31

6 Het rekenkundig gemiddelde Gegeven : frequentietabel Gevraagd : bepaal x discrete data : heeft x i absolute frequentie n i, dan x = 1 n x j = 1 n n i x i j=1 i Voorbeeld : gemiddelde van 1, 2, 1, 3 en 2 x = j=1 x j = =18 = i=1 n i x i = =18 Numerieke beschrijving van data p 6/31

7 Het rekenkundig gemiddelde Gegeven : frequentietabel Gevraagd : bepaal x continue data : benader elke x i door het klassemidden t j waarvoor t i i 2 x j <t i + i 2 x = 1 x j 1 n n j=1 i n i t i x = j=1 x j = n i t i = i Numerieke beschrijving van data p 7/31

8 Mediaan De mediaan (median) van x 1,x 2,, x j,, x n is de middelste waarde als de metingen gerangschikt worden van klein naar groot De mediaan van de waarden 1, 2, 3, 4 en 5 bedraagt 3 De mediaan van 1, 2, 3, 4 en 50 bedraagt 3 De mediaan is minder gevoelig dan het gemiddelde en kan ook gebruikt worden bij ordinale data Numerieke beschrijving van data p 8/31

9 De modus De modus (mode) van een verzameling meetwaarden wordt gedefinieerd als de waarde waarvoor de frequentie het hoogst is In geval gewerkt wordt met klassen, spreekt men van de modale klasse Gebruik : bij grote steekproeven de meest populaire waarde aanduiden bij bimodale verdelingen Numerieke beschrijving van data p 9/31

10 Het meetkundig gemiddelde Het meetkundig gemiddelde (geometric mean) van x 1,x 2,, x j,, x n wordt gedefinieerd als GM = n x 1 x 2 x j x n log GM= 1 n i=1 log x i = log x De logaritme van GM = het (rekenkundig) gemiddelde van de logaritme van de waarnemingen Het GM van 10, 100 en 1000 bedraagt 100 vermits GM= = 100 log 10 GM= i=1 log 10 x i = 1 3 (1+2+3)=2= GM =102 = 100 Numerieke beschrijving van data p 10/31

11 Centraliteitsmaten : richtlijnen Twee factoren spelen een rol : de schaal (kwantitatief of niet-kwantitatief) symmetrisch- of scheef-zijn van de verdeling van de waarnemingen Richtlijnen : x : bij kwantitatieve data en voor (min of meer) symmetrische distributies mediaan : bij ordinale data en voor kwantitatieve data waarvan de distributie scheef is modus : bij bimodale verdelingen meetkundig gemiddelde : bij observaties gemeten op een logaritmische schaal Numerieke beschrijving van data p 11/31

12 Spreidingsmaten minimum en maximum range standaarddeviatie en variantie variatiecoëfficiënt percentielen Numerieke beschrijving van data p 12/31

13 De range De range van een verzameling meetwaarden x 1,x 2,, x j,, x n wordt gedefinieerd als het verschil tussen de grootste en de kleinste meetwaarde Numerieke beschrijving van data p 13/31

14 Minimum en maximum Kleinste en grootste meetwaarde Dit geeft iets meer informatie dan de range Voorbeeldsteekproef : uit meetwaarden : min = 164 cm en max = 196 cm, dwz range =32cm uit frequentietabel : min = 1635 cm en max = 196 cm, dwz range =33cm Numerieke beschrijving van data p 14/31

15 Probleem Noch de range, noch min-max kunnen verschillen detecteren tussen volgende verdelingen : (a) (b) f f x x Numerieke beschrijving van data p 15/31

16 Spreidingsmaten afwijking : x x = 1 n (x i x) i=1 x x = 1 n x i 1 n x = x x =0 i=1 i=1 gemiddelde afwijking : x x = 1 n variantie : (x x) 2 = 1 n (x i x) 2 i=1 i=1 x i x Numerieke beschrijving van data p 16/31

17 Steekproefvariantie De variantie (variance) s 2 X van een verzameling van n waarden x 1, x 2,, x n van de grootheid X wordt gedefinieerd als het gemiddelde van de kwadraten van de afwijkingen van de waarden tov hun gemiddelde x : s 2 X = 1 n (x i x) 2 i=1 De standaarddeviatie (standard deviation) of standaardafwijking s X wordt gedefinieerd als de positieve vierkantswortel van de variantie : s X = s 2 X Numerieke beschrijving van data p 17/31

18 Verbeterde steekproefvariantie De steekproefvariantie s 2 X = 1 n (x i x) 2 i=1 is een benadering voor de populatievariantie σx 2 Men kan aantonen dat s 2 X systematisch een te kleine benadering levert voor σx 2 en dat een betere benadering gegeven wordt door de zogenaamde verbeterde steekproefvariantie s 2 X met s 2 X = 1 n 1 (x i x) 2 = n n 1 s2 X i=1 Numerieke beschrijving van data p 18/31

19 Steekproefvariantie s 2 X = 1 n (x i x) 2 i=1 s 2 X = (x x) 2 = x 2 2 xx+ x 2 = x 2 2 x x + x 2 = x 2 x 2 s 2 X = 1 n i=1 x 2 i x 2 Numerieke beschrijving van data p 19/31

20 Steekproefvariantie van functies s 2 f(x) = [f(x)] 2 f(x) 2 Toegepast op f(x) =ax+ b s 2 ax+b = (ax+ b) 2 ax+ b 2 = a 2 x 2 +2abx+ b 2 (a x + b) 2 = a 2 x 2 +2abx + b 2 (a 2 x 2 +2abx + b 2 ) = a 2 (x 2 x 2 ) = a 2 s 2 X s ax+b = a s X Numerieke beschrijving van data p 20/31

21 Ongelijkheid van Chebyshev Voor om het even welke positieve waarde k geldt : minstens een fractie 1 1/k 2 van alle meetwaarden ligt in het interval ]x ks,x + ks[ Bewijs : gegeven n, x en s; kies k Verdeel de meetwaarden in D = {x j x j x <ks} en V = {x j x j x ks}, zodat #D +#V = n ns 2 = k 2 s 2 = k 2 s 2 (#V ) x j D V (x j x) 2 x j V (x j x) 2 x j V #V n 1 k, 2 dwz de fractie van de n meetwaarden die tot V behoren is hoogstens 1/k 2 en dus ligt minstens 1 1/k 2 in D Numerieke beschrijving van data p 21/31

22 Ongelijkheid van Chebyshev Voor om het even welke positieve waarde k geldt : minstens een fractie 1 1/k 2 van alle meetwaarden ligt in het interval ]x ks,x + ks[ k ]x ks,x + k, s[ 1 1 k 2 1 ]x 1 s, x +1,s[ 0 = 0% 3 2 ]x 2 s, x +2s[ = 75% ]x 3 s, x +3s[ 90% 9 Deze regel geldt altijd, hoe het histogram er ook uitziet! In de praktijk zijn de vermelde fracties meestal hoger! Numerieke beschrijving van data p 22/31

23 Vuistregel voor belvormige verdelingen ongeveer 68 % ligt in ]x s, x + s[ =]3128, 7091[ ongeveer 95 % ligt in ]x 2 s, x + 2s[=]1146, 9073[ bijna alle metingen liggen in ]x 3 s, x +3s[=] 0836, 11055[ n i x s x x =5109 s =1981 Numerieke beschrijving van data p 23/31

24 De z-score van een meetwaarde Als de meetwaarden x j uitgedrukt zijn in bvb meter, dan is x ook in meter is s 2 X is s x in meter in vierkante meter Transformatie : z j = x j x s X z j is dimensieloos met waarden in [ 3, 3] Deze transformatie fungeert als een soort standaardisatie van de meetwaarden Numerieke beschrijving van data p 24/31

25 Variatiecoëfficiënt De variatiecoëfficiënt (variation coefficient) van een verzameling niet-negatieve meetwaarden x 1,x 2,, x i,, x n van de grootheid X wordt gedefinieerd als s x Numerieke beschrijving van data p 25/31

26 Spreidingsmaten : richtlijnen s X : als x wordt gebruikt, di bij min of meer symmetrische kwantitatieve data Percentielen en interquartielen : wanneer de mediaan wordt gebruikt : bij ordinale data of bij scheef-verdeelde kwantitatieve data wanneer x wordt gebruikt, maar als het de bedoeling is individuele waarnemingen te vergelijken met een verzameling normen interquartiele range : voor de beschrijving van de centrale 50 % van een distributie, onafhankelijk van de vorm range : bij kwantitatieve data als het de bedoeling is de nadruk te leggen op extreme waarden variatiecoëfficiënt : indien kwantitatieve verdelingen op verschillende schalen worden vergeleken Numerieke beschrijving van data p 26/31

27 Vormmaten x x =0 (x x) 2 : variantie (spreidingsmaat) (x x) 3 : scheefheid (x x) 4 : kurtosis scheefheid en kurtosis zijn vormmaten Numerieke beschrijving van data p 27/31

28 Scheefheid De scheefheid (skewness) van x 1,x 2,, x j,, x n wordt 1 (x j x) 3 n j=1 gedefinieerd als s 3 (a) (b) (c) (d) (a) negatief scheef (b) positief scheef (c) en (d) symmetrisch Numerieke beschrijving van data p 28/31

29 Scheefheid Verband met ligging van mediaan en gemiddelde Zijn de mediaan en het gemiddelde gelijk, dan is de distributie min of meer symmetrisch Is het gemiddelde groter dan de mediaan, dan is de distributie positief scheef Is het gemiddelde kleiner dan de mediaan, dan is de distributie negatief scheef Numerieke beschrijving van data p 29/31

30 Kurtosis De kurtosis (curtosis) van x 1,x 2,, x j,, x n wordt 1 (x j x) 4 n j=1 gedefinieerd als s 4 (a) (b) (a) leptokurtisch (b) platykurtisch en (c) kurtosis 3 (c) Numerieke beschrijving van data p 30/31

31 Een voorbeeld Descriptives GESLACHT Statistic Std Err GEWICHT m Mean 68,87, % Confidence Lower Bound 67,30 Interval for Mean Upper Bound 70, % Trimmed Mean 68, Median 68, Variance 73, Std Deviation 8, Minimum Maximum Range Interquartile Range 12, Numerieke beschrijving van data p /31

Hoofdstuk 2 : Grafische beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent

Hoofdstuk 2 : Grafische beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Hoofdstuk 2 : Grafische beschrijving van data Marnix Van Daele Marnix.VanDaele@UGent.be Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Grafische beschrijving van data p. 1/35 Soorten meetwaarden

Nadere informatie

introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets

introductie 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 informatie

Oplossingen hoofdstuk 8

Oplossingen hoofdstuk 8 Count Count Oplossingen hoofdstuk 8 1. Plaats de volgende eigenschappen bij de gegeven verdelingen. De eigenschappen kunnen voorkomen bij meerdere verdelingen. Plaats bij elke eigenschap het hierbij horende

Nadere informatie

Statistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn

Statistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn Statistiek: Spreiding en dispersie 6/12/2013 dr. Brenda Casteleyn dr. Brenda Casteleyn www.keu6.be Page 2 1. Theorie Met spreiding willen we in één getal uitdrukken hoe verspreid de gegevens zijn: in hoeveel

Nadere informatie

Onderzoeksmethodiek LE: 2

Onderzoeksmethodiek LE: 2 Onderzoeksmethodiek LE: 2 3 Parameters en grootheden 3.1 Parameters Wat is een parameter? Een karakteristieke grootheid van een populatie Gem. gewicht van een 34-jarige man 3.2 Steekproefgrootheden Wat

Nadere informatie

Les 2 / 3: Meetschalen en Parameters

Les 2 / 3: Meetschalen en Parameters Les 2 / 3: Meetschalen en Parameters I Theorie: A. Algemeen : V is de verzameling van alle mogelijke uitkomsten van een toevallig experiment. Een veranderlijke of stochastiek is een afbeelding G die aan

Nadere informatie

Data analyse Inleiding statistiek

Data 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 informatie

Inleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek

Inleiding 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 informatie

SPSS Introductiecursus. Sanne Hoeks Mattie Lenzen

SPSS 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 informatie

College Week 4 Inspecteren van Data: Verdelingen

College Week 4 Inspecteren van Data: Verdelingen College Week 4 Inspecteren van Data: Verdelingen Inleiding in de Methoden & Technieken 2013 2014 Hemmo Smit Dus volgende week Geen college en werkgroepen Maar Oefententamen on-line (BB) Data invoeren voor

Nadere informatie

Inleiding Applicatie Software - Statgraphics

Inleiding 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 informatie

Hoofdstuk 12 : Regressie en correlatie. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent.

Hoofdstuk 12 : Regressie en correlatie. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent. Hoofdstuk 12 : Regressie en correlatie Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Regressie en correlatie p 1/26 Regressielijn Vraag : vind het

Nadere informatie

Hoofdstuk 5. Toevalsveranderlijken en waarschijnlijkheidsdistributies. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent

Hoofdstuk 5. Toevalsveranderlijken en waarschijnlijkheidsdistributies. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Hoofdstuk 5 Toevalsveranderlijken en waarschijnlijkheidsdistributies Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Toevalsveranderlijken en waarschijnlijkheidsdistributies

Nadere informatie

Kwantitatieve methoden. Samenvatting met verwijzing naar Excel functies

Kwantitatieve methoden. Samenvatting met verwijzing naar Excel functies Kwantitatieve methoden Samenvatting met verwijzing naar Excel functies I. Inleiding Statistiek is een gebied in de wiskunde dat zich bezighoudt met het samenvatten, beschrijven en analyseren van (grote

Nadere informatie

SPSS 15.0 in praktische stappen voor AGW-bachelors Uitwerkingen Stap 7: Oefenen I

SPSS 15.0 in praktische stappen voor AGW-bachelors Uitwerkingen Stap 7: Oefenen I SPSS 15.0 in praktische stappen voor AGW-bachelors Uitwerkingen Stap 7: Oefenen I Hieronder volgen de SPSS uitvoer en de antwoorden van de opgaven van Stap 7: Oefenen I. Daarnaast wordt bij elke opgave

Nadere informatie

Cursus 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. 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 informatie

College 4 Inspecteren van Data: Verdelingen

College 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 informatie

Oefenvragen bij Statistics for Business and Economics van Newbold

Oefenvragen 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 informatie

Meten en experimenteren

Meten en experimenteren Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 3 oktober 006 Deel I Toevallige veranderlijken Steekproef Beschrijving van gegevens Histogram Gemiddelde en standaarddeviatie

Nadere informatie

Antwoordvel Versie A

Antwoordvel Versie A Antwoordvel Versie A Interimtoets Toegepaste Biostatistiek 13 december 013 Naam:... Studentnummer:...... Antwoorden: Vraag Antwoord Antwoord Antwoord Vraag Vraag A B C D A B C D A B C D 1 10 19 11 0 3

Nadere informatie

Enkelvoudige ANOVA Onderzoeksvraag Voorwaarden

Enkelvoudige ANOVA Onderzoeksvraag Voorwaarden Er is onderzoek gedaan naar rouw na het overlijden van een huisdier (contactpersoon: Karolijne van der Houwen (Klinische Psychologie)). Mensen konden op internet een vragenlijst invullen. Daarin werd gevraagd

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek I voor B (2S410) op , uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek I voor B (2S410) op , uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek I voor B (S40) op 0-0-0, 4.00 7.00 uur. Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine, een

Nadere informatie

Formules Excel Bedrijfsstatistiek

Formules Excel Bedrijfsstatistiek Formules Excel Bedrijfsstatistiek Hoofdstuk 2 Data en hun voorstelling AANTAL.ALS vb: AANTAL.ALS(A1 :B6,H1) Telt hoeveel keer (frequentie) de waarde die in H1 zit in A1:B6 voorkomt. Vooral bedoeld voor

Nadere informatie

Les 1: de normale distributie

Les 1: de normale distributie Les 1: de normale distributie Elke Debrie 1 Statistiek 2 e Bachelor in de Biomedische Wetenschappen 18 oktober 2018 1 Met dank aan Koen Van den Berge Indeling lessen Elke bullet point is een week. R en

Nadere informatie

Samenvatting Wiskunde Samenvatting en stappenplan van hfst. 7 en 8

Samenvatting Wiskunde Samenvatting en stappenplan van hfst. 7 en 8 Samenvatting Wiskunde Samenvatting en stappenplan van hfst. 7 en 8 Samenvatting door N. 1410 woorden 6 januari 2013 5,4 13 keer beoordeeld Vak Methode Wiskunde Getal en Ruimte 7.1 toenamediagrammen Interval

Nadere informatie

+ ( 1 4 )2 σ 2 X σ2. 36 σ2 terwijl V ar[x] = 11. Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter.

+ ( 1 4 )2 σ 2 X σ2. 36 σ2 terwijl V ar[x] = 11. Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter. STATISTIEK OPLOSSINGEN OEFENZITTINGEN 5 en 6 c D. Keppens 2004 5 1 (a) Zij µ de verwachtingswaarde van X. We moeten aantonen dat E[M i ] = µ voor i = 1, 2, 3 om te kunnen spreken van zuivere schatters.

Nadere informatie

Populatie: De gehele groep elementen waarover informatie wordt gewenst.

Populatie: 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 informatie

Vandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen

Vandaag. 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 informatie

Statistiek voor A.I. College 1. Dinsdag 11 September 2012

Statistiek voor A.I. College 1. Dinsdag 11 September 2012 Statistiek voor A.I. College 1 Dinsdag 11 September 2012 1 / 39 Literatuur Website: http://phil.uu.nl/statistiek/ Applied Statistics for the Behavioral Sciences - 5th edition, Dennis E. Hinkle, William

Nadere informatie

Opgeloste Oefeningen Hoofdstuk 6: Steekproeven en empirische distributies

Opgeloste Oefeningen Hoofdstuk 6: Steekproeven en empirische distributies Opgeloste Oefeningen Hoofdstuk 6: Steekproeven en empirische distributies 6.. Uit een normaal verdeeld universum X met gemiddelde waarde µ = en standaardafwijking σ = worden 0 onafhankelijke steekproefwaarden

Nadere informatie

5.0 Voorkennis. Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram:

5.0 Voorkennis. Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram: 5.0 Voorkennis Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram: De lengte van de staven komt overeen met de hoeveelheid; De staven staan meestal los van

Nadere informatie

5.0 Voorkennis. Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram:

5.0 Voorkennis. Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram: 5.0 Voorkennis Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram: De lengte van de staven komt overeen met de hoeveelheid; De staven staan meestal los van

Nadere informatie

Examen Statistiek I Feedback

Examen 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 informatie

4 Domein STATISTIEK - versie 1.2

4 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 informatie

Meten en experimenteren

Meten en experimenteren Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 5 oktober 007 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt

Nadere informatie

introductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte

introductie 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 informatie

Beschrijvende statistieken

Beschrijvende statistieken Elske Salemink (Klinische Psychologie) heeft onderzocht of het lezen van verhaaltjes invloed heeft op angst. Studenten werden at random ingedeeld in twee groepen. De ene groep las positieve verhaaltjes

Nadere informatie

Overzicht statistiek 5N4p

Overzicht statistiek 5N4p Overzicht statistiek 5N4p EEB2 GGHM2012 Inhoud 1 Frequenties, absoluut en relatief... 3 1.1 Frequentietabel... 3 1.2 Absolute en relatieve frequentie... 3 1.3 Cumulatieve frequentie... 4 2 Centrum en spreiding...

Nadere informatie

Statistiek. Beschrijvend statistiek

Statistiek. 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 informatie

Samenvattingen 5HAVO Wiskunde A.

Samenvattingen 5HAVO Wiskunde A. Samenvattingen 5HAVO Wiskunde A. Boek 1 H7, Boek 2 H7&8 Martin@CH.TUdelft.NL Boek 2: H7. Verbanden (Recht) Evenredig Verband ( 1) Omgekeerd Evenredig Verband ( 1) Hyperbolisch Verband ( 2) Machtsverband

Nadere informatie

Meten en experimenteren

Meten en experimenteren Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 6 oktober 009 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt

Nadere informatie

Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1

Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1 Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1 1 Onderwerpen van de lessenserie: De Normale Verdeling Nul- en Alternatieve-hypothese ( - en -fout) Steekproeven Statistisch toetsen Grafisch

Nadere informatie

META-kaart vwo5 wiskunde A - domein Afgeleide functies

META-kaart vwo5 wiskunde A - domein Afgeleide functies META-kaart vwo5 wiskunde A - domein Afgeleide functies Wat heb ik nodig: GR of afgeleide? Hoe ziet de grafiek eruit? Moet ik de afgeleide berekenen? Kan ik bij deze functie de afgeleide berekenen? Welke

Nadere informatie

Eerst wordt ingegaan op de verschillende soorten data die we kunnen verzamelen en hoe datasets georganiseerd zijn.

Eerst wordt ingegaan op de verschillende soorten data die we kunnen verzamelen en hoe datasets georganiseerd zijn. HOOFDSTUK 1: DISTRIBUTIES Inleiding Statistiek is de wetenschap van kennis opdoen op basis van data. Data zijn numerieke (of kwalitatieve) beschrijvingen en gegevens van objecten om te bestuderen. Dit

Nadere informatie

Statistiek: Vorm van de verdeling 1/4/2014. dr. Brenda Casteleyn

Statistiek: Vorm van de verdeling 1/4/2014. dr. Brenda Casteleyn Statistiek: Vorm van de verdeling /4/204 . Theorie Enkel de theorie die nodig is voor de oefeningen is hierin opgenomen. Scheefheid of asymmetrie Indien de meetwaarden links van de mediaan meer spreiding

Nadere informatie

2 Data en datasets verwerken

2 Data en datasets verwerken Domein Statistiek en kansrekening havo A 2 Data en datasets verwerken 3 Frequentieverdelingen typeren 3.6 Geïntegreerd oefenen In opdracht van: Commissie Toekomst Wiskunde Onderwijs 3 Frequentieverdelingen

Nadere informatie

werkcollege 6 - D&P9: Estimation Using a Single Sample

werkcollege 6 - D&P9: Estimation Using a Single Sample cursus 9 mei 2012 werkcollege 6 - D&P9: Estimation Using a Single Sample van frequentie naar dichtheid we bepalen frequenties van meetwaarden plot in histogram delen door totaal aantal meetwaarden > fracties

Nadere informatie

Statistische variabelen. formuleblad

Statistische variabelen. formuleblad Statistische variabelen formuleblad 0. voorkennis Soorten variabelen Discreet of continu Bij kwantitatieve gegevens gaat het om meetbare gegeven, zoals temperatuur, snelheid of gewicht. Bij een discrete

Nadere informatie

WORKSHOP PRA. Introductie Bas Bloemers Risicomanager Ballast Nedam

WORKSHOP PRA. Introductie Bas Bloemers Risicomanager Ballast Nedam WORKSHOP PRA Introductie Bas Bloemers Risicomanager Ballast Nedam DOEL WORKSHOP Herkennen van 3 uitvoeringen van een Probabilistische Risico Analyse (PRA) Concluderen welke PRA uitvoering voor jou de meeste

Nadere informatie

Cursus 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 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 informatie

Paragraaf 5.1 : Frequentieverdelingen

Paragraaf 5.1 : Frequentieverdelingen Hoofdstuk 5 Beschrijvende statistiek (V4 Wis A) Pagina 1 van 7 Paragraaf 5.1 : verdelingen Les 1 Allerlei diagrammen = { Hoe vaak iets voorkomt } Relatief = { In procenten } Absoluut = { Echte getallen

Nadere informatie

Statistiek, gegevens en een kritische houding

Statistiek, 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 informatie

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies

Hoofdstuk 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

Hoofdstuk 7 : Continue distributies als stochastische modellen. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent

Hoofdstuk 7 : Continue distributies als stochastische modellen. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Hoofdstuk 7 : Continue distributies als stochastische modellen Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Continue distributies als stochastische

Nadere informatie

Statistiek: Centrummaten 12/6/2013. dr. Brenda Casteleyn

Statistiek: Centrummaten 12/6/2013. dr. Brenda Casteleyn Statistiek: Centrummaten 12/6/2013 dr. Brenda Casteleyn dr. Brenda Casteleyn www.keu6.be Page 2 1. Theorie 1) Nominaal niveau: Gebruik de Modus, dit is de meest frequente waarneming 2) Ordinaal niveau:

Nadere informatie

Onderzoeksmethoden: Statistiek 1

Onderzoeksmethoden: Statistiek 1 0 123458898391081904749010998490849 074907079`794793784908`094389983.. Onderzoeksmethoden: Statistiek 1 Joepie, ons computerprogramma levert output Wat doen we hiermee? Marjan van den Akker 1 2 Output

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN

TECHNISCHE UNIVERSITEIT EINDHOVEN TECHNISCHE UNIVERSITEIT EINDHOVEN Tentamen Biostatistiek voor BMT (2S390) op 23-11-2005 U mag alleen gebruik maken van een onbeschreven Statistisch Compendium (dikt. nr. 2218) en van een (eventueel grafisch)

Nadere informatie

Inleiding statistiek

Inleiding statistiek Inleiding Statistiek Pagina 1 uit 8 Inleiding statistiek 1. Inleiding In deze oefeningensessie is het de bedoeling jullie vertrouwd te maken met een aantal basisbegrippen van de statistiek, meer bepaald

Nadere informatie

Gegevensverwerving en verwerking

Gegevensverwerving en verwerking Gegevensverwerving en verwerking Staalname - aantal stalen/replicaten - grootte staal - apparatuur Experimentele setup Bibliotheek Statistiek - beschrijvend - variantie-analyse - correlatie - regressie

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek DD14) op vrijdag 17 maart 006, 9.00-1.00 uur. UITWERKINGEN 1. Methoden om schatters te vinden a) De aannemelijkheidsfunctie

Nadere informatie

1 Meten en statistiek

1 Meten en statistiek 1 Meten en statistiek Bij het verrichten van metingen moeten we ons realiseren dat elke meting behept is met bepaalde onzekerheden of afwijkingen. Deze afwijkingen kunnen velerlei oorzaken hebben zoals

Nadere informatie

Frequentiematen voor ziekte: Hoe vaak komt de ziekte voor

Frequentiematen voor ziekte: Hoe vaak komt de ziekte voor Frequentiematen voor ziekte: Hoe vaak komt de ziekte voor 4 juni 2012 Het voorkomen van ziekte kan op drie manieren worden weergegeven: - Prevalentie - Cumulatieve incidentie - Incidentiedichtheid In de

Nadere informatie

TIP 10: ANALYSE VAN DE CIJFERS

TIP 10: ANALYSE VAN DE CIJFERS TOETSTIP 10 oktober 2011 Bepaling wat en waarom je wilt meten Toetsopzet Materiaal Betrouw- baarheid Beoordeling Interpretatie resultaten TIP 10: ANALYSE VAN DE CIJFERS Wie les geeft, botst automatisch

Nadere informatie

Hoofdstuk 6 Discrete distributies

Hoofdstuk 6 Discrete distributies Hoofdstuk 6 Discrete distributies Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Discrete distributies p 1/33 Discrete distributies binomiale verdeling

Nadere informatie

Elementaire Statistiek

Elementaire Statistiek Elementaire Statistiek Elementaire Statistiek J. van Soest VSSD VSSD Zevende druk 1992, 1994, 1997 Eerste druk 1972 Uitegegeven door: VSSD Leeghwaterstraat 42 2628 CA Delft, The Netherlands tel. +31 15

Nadere informatie

DOEN! - Praktische Opdracht Statistiek 4 Havo Wiskunde A

DOEN! - Praktische Opdracht Statistiek 4 Havo Wiskunde A DOEN! - Praktische Opdracht Statistiek 4 Havo Wiskunde A Docentenhandleiding 1. Voorwoord Doel van de praktische opdracht bij het hoofdstuk over statistiek 1 : Het doel van de praktische opdracht (PO)

Nadere informatie

De Collegereeks Statistiek. statistiek. Statistiek in het dagelijkse nieuws. Statistiek Hoorcollege 1. Descriptieve statistiek ttitik

De Collegereeks Statistiek. statistiek. Statistiek in het dagelijkse nieuws. Statistiek Hoorcollege 1. Descriptieve statistiek ttitik 9/8/009 De Collegereeks Statistiek Statistiek Hoorcollege 1 Descriptieve statistiek ttitik Informatiekunde Universiteit Utrecht Dr. H. Prüst (37): Descriptieve statistiek (H 1,,3) (HP) 3(38): Score & Kans

Nadere informatie

Y = ax + b, hiervan is a de richtingscoëfficiënt (1 naar rechts en a omhoog), en b is het snijpunt met de y-as (0,b)

Y = ax + b, hiervan is a de richtingscoëfficiënt (1 naar rechts en a omhoog), en b is het snijpunt met de y-as (0,b) Samenvatting door E. 1419 woorden 11 november 2013 6,1 14 keer beoordeeld Vak Methode Wiskunde A Getal en ruimte Lineaire formule A = 0.8t + 34 Er bestaat dan een lineair verband tussen A en t, de grafiek

Nadere informatie

Hoofdstuk 5 Een populatie: parametrische toetsen

Hoofdstuk 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 informatie

Onderzoek. B-cluster BBB-OND2B.2

Onderzoek. B-cluster BBB-OND2B.2 Onderzoek B-cluster BBB-OND2B.2 Succes met leren Leuk dat je onze bundels hebt gedownload. Met deze bundels hopen we dat het leren een stuk makkelijker wordt. We proberen de beste samenvattingen voor jou

Nadere informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

HOOFDSTUK II BIJZONDERE THEORETISCHE VERDELINGEN

HOOFDSTUK II BIJZONDERE THEORETISCHE VERDELINGEN HOOFDSTUK II BIJZONDERE THEORETISCHE VERDELINGEN. Continue Verdelingen 1 A. De uniforme (of rechthoekige) verdeling Kansdichtheid en cumulatieve frequentiefunctie Voor x < a f(x) = 0 F(x) = 0 Voor a x

Nadere informatie

Hierbij is het steekproefgemiddelde x_gemiddeld= en de steekproefstandaardafwijking

Hierbij is het steekproefgemiddelde x_gemiddeld= en de steekproefstandaardafwijking Opdracht 9a ----------- t-procedures voor een enkelvoudige steekproef Voor de meting van de leesvaardigheid van kinderen wordt als toets de Degree of Reading Power (DRP) gebruikt. In een onderzoek onder

Nadere informatie

Inhoud. Aanbevolen literatuur

Inhoud. Aanbevolen literatuur Inhoud Les 1 Beschrijvende statistiek....................... 3 1.1 Representatie van gegevens................. 3 1. Grafische representatie van gegevens............ 6 1.3 Typische waarden......................

Nadere informatie

Inleidende begrippen over foutentheorie

Inleidende begrippen over foutentheorie Hoofdstuk 1 Inleidende begrippen over foutentheorie Doelstellingen 1. leren omgaan met fouten op een meting 2. kennis van statistische basisbegrippen 3. meetgegevens verwerken en interpreteren (in Excell)

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Biostatistiek (2S390) op maandag ,

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Biostatistiek (2S390) op maandag , TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Biostatistiek (2S390) op maandag 20-11-2000, 14.00-17.00 uur ƒbij het tentamen mag gebruik worden gemaakt van een zakrekenmachine

Nadere informatie

VOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 4. Het steekproefgemiddelde. Werktekst voor de leerling. Prof. dr. Herman Callaert

VOOR 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 informatie

Statistiek voor Informatiekunde (I00099)

Statistiek voor Informatiekunde (I00099) Statistiek voor Informatiekunde (I99) Bernd Souvignier voorjaar 5 Inhoud Les 1 Beschrijvende statistiek....................... 1.1 Representatie van gegevens................. 1. Klassen............................

Nadere informatie

Hoofdstuk 4. Beschrijvende statistiek. 4.1 Beschrijvende statistiek voor één variabele

Hoofdstuk 4. Beschrijvende statistiek. 4.1 Beschrijvende statistiek voor één variabele Hoofdstuk 4 Beschrijvende statistiek Alle commando s voor statistische berekeningen en analyse bevinden zich onder de optie Analyze in het hoofdmenu. Hieronder worden de verschillende commando s besproken

Nadere informatie

c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6

c 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 informatie

c. Geef de een-factor ANOVA-tabel. Formuleer H_0 and H_a. Wat is je conclusie?

c. Geef de een-factor ANOVA-tabel. Formuleer H_0 and H_a. Wat is je conclusie? Opdracht 13a ------------ Een-factor ANOVA (ANOVA-tabel, Contrasten, Bonferroni) Bij een onderzoek naar de leesvaardigheid bij kinderen in de V.S. werden drie onderwijsmethoden met elkaar vergeleken. Verschillende

Nadere informatie

mlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2

mlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2 mlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2 Bjorn Winkens Methodologie en Statistiek Universiteit Maastricht 21 maart

Nadere informatie

Zowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y

Zowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y 1 Regressie analyse Zowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y Regressie: wel een oorzakelijk verband verondersteld: X Y Voorbeeld

Nadere informatie

Inhoud. 1 Inleiding tot de beschrijvende statistiek Maatstaven voor ligging en spreiding Kansrekening 99

Inhoud. 1 Inleiding tot de beschrijvende statistiek Maatstaven voor ligging en spreiding Kansrekening 99 Inhoud 1 Inleiding tot de beschrijvende statistiek 13 1.1 Een eerste verkenning 14 1.2 Frequentieverdelingen 22 1.3 Grafische voorstellingen 30 1.4 Diverse diagrammen 35 1.5 Stamdiagram, histogram en frequentiepolygoon

Nadere informatie

Onderzoeksmethoden: Statistiek 1: Beschrijvende statistiek. Output gegevens. Kansrekening en statistiek in de informatica

Onderzoeksmethoden: Statistiek 1: Beschrijvende statistiek. Output gegevens. Kansrekening en statistiek in de informatica Onderzoeksmethoden: Statistiek 1: Beschrijvende statistiek Peter de Waal (gebaseerd op slides Marjan van den Akker, Peter de Waal) Departement Informatica Beta-faculteit, Universiteit Utrecht 00394756520584654261849505028761647595030...

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op vrijdag , 9-12 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op vrijdag , 9-12 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek 2 voor TeMa (2S95) op vrijdag 29-04-2004, 9-2 uur. Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine

Nadere informatie

4.1 Eigenschappen van de normale verdeling [1]

4.1 Eigenschappen van de normale verdeling [1] 4.1 Eigenschappen van de normale verdeling [1] Relatief frequentiepolygoon van de lengte van mannen in 1968 1 4.1 Eigenschappen van de normale verdeling [1] In dit plaatje is een frequentiepolygoon getekend.

Nadere informatie

Vandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses

Vandaag. 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 informatie

aten voor het centrum, de spreiding en de vorm van een frequentieverdeling

aten voor het centrum, de spreiding en de vorm van een frequentieverdeling M aten voor het centrum, de spreiding en de vorm van een frequentieverdeling 11 In dit hoofdstuk bespreken we enkele kengetallen van een frequentieverdeling, zoals het gemiddelde, de mediaan en de standaardafwijking.

Nadere informatie

Leergang CCP Module 1 Statistiek voor het Credit Management - Drs. J.H. Gieskens AC CCM QT -

Leergang CCP Module 1 Statistiek voor het Credit Management - Drs. J.H. Gieskens AC CCM QT - Leergang CCP Module 1 Statistiek voor het Credit Management - Drs. J.H. Gieskens AC CCM QT - CCP Mod1 - Reader Statistiek Pagina 1 van 17 1. Inleiding: Statistiek De beeldvorming rond het begrip statistiek

Nadere informatie

DEEL 1 Probleemstelling 1

DEEL 1 Probleemstelling 1 DEEL 1 Probleemstelling 1 Hoofdstuk 1 Van Probleem naar Analyse 1.1 Notatie 4 1.1.1 Types variabelen 4 1.1.2 Types samenhang 5 1.2 Sociaalwetenschappelijke probleemstellingen en hun basisformat 6 1.2.1

Nadere informatie

bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst 6 statistiek/gegevensverwerking los materiaal, niet uit boek [PW]

bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst 6 statistiek/gegevensverwerking los materiaal, niet uit boek [PW] bijspijkercursus wiskunde voor psychologiestudenten bijeenkomst statistiek/gegevensverwerking los materiaal, niet uit boek [PW] procenten percentage: bv: van de 0 kinderen hadden er 7: hoeveel procent

Nadere informatie

SPSS. Statistiek : SPSS

SPSS. Statistiek : SPSS SPSS - hoofdstuk 1 : 1.4. fase 4 : verrichten van metingen en / of verzamelen van gegevens Gegevens gevonden bij een onderzoek worden systematisch weergegeven in een datamatrix bij SPSS De datamatrix Gebruik

Nadere informatie

Meten en experimenteren

Meten en experimenteren Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding Zie syllabus voor details 16 februari 2011 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor

Nadere informatie

Populaties beschrijven met kansmodellen

Populaties 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 informatie

Statistiek basisbegrippen

Statistiek basisbegrippen MARKETING / 07B HBO Marketing / Marketing management Raymond Reinhardt 3R Business Development raymond.reinhardt@3r-bdc.com 3R 1 M Statistiek: wetenschap die gericht is op waarnemen, bestuderen en analyseren

Nadere informatie

Interim Toegepaste Biostatistiek deel 1 14 december 2009 Versie A ANTWOORDEN

Interim Toegepaste Biostatistiek deel 1 14 december 2009 Versie A ANTWOORDEN Interim Toegepaste Biostatistiek deel december 2009 Versie A ANTWOORDEN C 2 B C A 5 C 6 B 7 B 8 B 9 D 0 D C 2 A B A 5 C Lever zowel het antwoordformulier als de interim toets in Versie A 2. Dit tentamen

Nadere informatie

Voorbeeldtentamen Statistiek voor Psychologie

Voorbeeldtentamen 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 informatie

DEEL II DOEN! - Praktische opdracht statistiek WA- 4HAVO

DEEL II DOEN! - Praktische opdracht statistiek WA- 4HAVO DEEL II DOEN! - Praktische opdracht statistiek WA- 4HAVO Leerlingmateriaal 1. Doel van de praktische opdracht Het doel van deze praktische opdracht is om de theorie uit je boek te verbinden met de data

Nadere informatie

Hoofdstuk 5: Steekproevendistributies

Hoofdstuk 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 informatie