toetsende statistiek deze week: wat hebben we al geleerd? Frank Busing, Universiteit Leiden
|
|
- Bruno Gerritsen
- 8 jaren geleden
- Aantal bezoeken:
Transcriptie
1 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. Introduction to the Practice of Statistics Chapter 7: Inference for Distributions 7.1: Inference for the Mean of a Population 7.2: Comparing Two Means week 5: het toetsen van varianties: de F-toets week 6: het toetsen van tellingen: de χ 2 -toets week 7: verdelingsvrije toetsen Frank Busing, Universiteit Leiden 1/36 deze week: wat hebben we al geleerd? de one-sample z-toets verschillende alternatieve hypothese vormen: 1- (links of rechts) en 2-zijdig de relatie tussen toetsstatistiek en steekproevenverdeling van een statistiek de criterium waarde voor α (α = 0.05) de relatie tussen z en p tegenover z en α kennis en begrip van het betrouwbaarheidsinterval de relatie tussen betrouwbaarheidsinterval en 2-zijdig toetsen 2/36
2 toetsen van gemiddelde een tekortkoming van de z-test is dat we de standaarddeviatie van de populatie σ moeten weten om de standaarddeviatie van de steekproevenverdeling σ/ n uit te rekenen echter, in de praktijk is σ meestal onbekend we kunnen dus geen z = x µ σ/ n uitrekenen, maar wel t = x µ s/ n we schatten de standaarddeviatie van de populatie σ met de standaarddeviatie van de steekproef s dus we schatten de standaarddeviatie van de steekproevenverdeling van x, σ/ n met de standaardfout voor het gemiddelde van de steekproef 1 SE x = s n de standaardfout wordt doorgaans aangeduid met SE, afkorting voor standard error 3/36 t-verdeling familie het schatten van de standaarddeviatie van x met de standaardfout SE x = s/ n gaat beter voor een grotere n (denk aan de wet van de grote getallen) naarmate n groter wordt, wordt s een betrouwbaardere schatter van σ tot die tijd gebruiken we een andere steekproevenverdeling van x: de t-verdeling de t-verdeling is eigenlijk een hele familie van verdelingen elke lid van de familie wordt aangeduid met zijn vrijheidsgraden: df 2 voor elke aantal vrijheidsgraden is er een aparte t-verdeling het aantal vrijheidsgraden hangt af van steekproefgrootte n df = degrees of freedom 4/36
3 t-verdeling versus standaard normaal 1 t-verdeling is afhankelijk van het aantal vrijheidsgraden (df) 2 door de dikkere staart (bij kleine df) is de t-toets convervatiever 3 als df dan t(df) N(0,1) 5/36 t-tabel Table entry for pand C is the critical value t * with probability p lying to its right and probability C lying between t * and t *. t* Probability p TABLE D t distribution critical values Upper-tail probability p df /36
4 t-tabel TABLE D t distribution critical values Upper-tail probability p df z * % 60% 70% 80% 90% 95% 96% 98% 99% 99.5% 99.8% 99.9% Confidence level C 7/36 de one-sample t-toets het toetsen van één gemiddelde met de t-toets andere steekproefgegevens: n = 10, x = 9.45 en s = stappenplan one-sample t-toets: 1 hypothese H 0 : µ = 9 en H a : µ 9 2 steekproevenverdeling t verdeeld met df = n 1 = 10 1 = 9 3 toetsingsgrootheid t = (x µ)/(s/ n) = (9.45 9)/ = verwerpingsgebied α = 0.05,df = 9,t = (kolom α = 0.025) 5 statistische conclusie t = < = t en H 0 wordt niet verworpen 6 inhoudelijke conclusie eekhoorns verzamelen evenveel voedsel na onthouding merk op dat deze tweezijdige toetsing H 0 niet verwerpt maar dat een éénzijdige toetsing dat wel gedaan zou hebben want t = voor α = 0.05 en t = ligt verder van nul 8/36
5 SPSS: one-sample t-test results One-Sample Statistics N Mean Std. Deviation Std. Error Mean grams / 10 One-Sample Test Test Value = 9 95% Confidence Interval Mean of the Difference t df Sig. (2-tailed) Difference Lower Upper grams ( )/ Gemiddeld genomen verzamelen uitgehongerde eekhoorns (M=9.45, SE=.2212) niet meer of minder dan 9 gram voedsel, t(9) = 2.034,p = /36 conclusie one-sample t-toets de one-sample t-toets is gelijk aan de one-sample z-toets behalve dat de standaarddeviatie van de populatie σ geschat wordt met de standaarddeviatie van de steekproef s en de standaarddeviatie van de steekproevenverdeling van x met SE x = s/ n en dat daardoor de standaard normaal verdeling N(0, 1) vervangen wordt door de t-verdeling t(df) 10/36
6 voorbeeld we verzamelen 12 proefpersonen met extreme angst voor spinnen elke proefpersoon krijgt een echte spin te zien en dezelfde spin op een foto we meten de angst van de proefpersoon na elke spin (twee momenten) de onderzoeker verwacht meer angst voor de echte spin dan voor de foto ervan 3 uit: William Wallace Denslow (1902). Denslow s Mother Goose. 11/36 verschilscores twee afhankelijke observaties kunnen worden verkregen 1 per paar, gepaard op bepaalde eigenschappen bijvoorbeeld: medicijn met controle op sexe en leeftijd 2 per persoon, gemeten op verschillende momenten bijvoorbeeld: vooruitgang studenten bij toetsende statistiek in het spinnen-angst-voorbeeld zijn twee gepaarde observaties: de foto- en de echte spinnenangst van één en dezelfde proefpersoon het verschil tussen de twee metingen wordt getoetst er wordt dus eerst een verschilscore bepaald: d i = x i1 x i2 (echt - foto) vervolgens wordt er een one-sample t-toets uitgevoerd op de verschilscores d de µ onder H 0 is (meestal) nul, dus H 0 : µ = µ 1 µ 2 = 0 ofwel H 0 : µ 1 = µ 2 12/36
7 de t-toets voor afhankelijke steekproeven het toetsen van twee gemiddelden uit twee afhankelijk steekproeven steekproefgegevens: n = 12, d = 7.0 en s = stappenplan paired-samples t-toets: 4 1 hypothese H 0 : µ = 0 en H a : µ > 0 2 steekproevenverdeling t verdeeld met df = n 1 = 11 3 toetsingsgrootheid t = d/(s/ n) = 7.0/(9.807/3.464) = verwerpingsgebied α = 0.05,df = 11,t = statistische conclusie t = > = t en H 0 wordt verworpen 6 inhoudelijke conclusie er is een verschil: een echte spin geeft meer angst dan een foto ervan paired-samples t-toets = dependent-samples t-toets 13/36 SPSS: one-sample t-test results One-Sample Statistics N Mean Std. Deviation Std. Error Mean diff One-Sample Test / 12 Test Value = 0 Sig. (2- Mean 95% Confidence Interval of the Difference t df tailed) Difference Lower Upper diff ( )/ merk op dat SPSS de p-waarde geeft voor tweezijdige toetsing: Sig. (2-tailed) voor éénzijdige toetsing deel je deze waarde door 2: 0.031/2 = /36
8 SPSS: paired-samples t-test results Paired Samples Statistics Pair 1 real picture Mean N Std. Deviation Std. Error Mean Paired Samples Test Paired Differences Std. Error Mean 95% Confidence Interval of the Difference Std. Sig. (2- Mean Deviation Lower Upper t df tailed) Pair 1 real - picture / 12 ( )/ Gemiddeld genomen ervaren proefpersonen significant meer angst voor echte spinnen (M = 47.00,SE = 3.18) dan voor foto s van spinnen (M = 40.00,SE = 2.68), t(11) = 2.473,p = /36 twee onafhankelijke steekproeven twee situaties waarin twee onafhankelijke steekproeven ontstaan: 1 vanuit 1 populatie (bijvoorbeeld de studenten populatie): verzamel een aantal proefpersonen verdeel de proefpersonen at random over twee groepen geef elke groep zijn eigen interventie meet het gemiddelde voor elke groep toets het verschil in gemiddelden 2 vanuit 2 populaties (bijvoorbeeld een mannen en vrouwen populatie): trek twee random steekproeven, één uit elke populatie meet het gemiddelde voor elke groep toets het verschil in gemiddelden 16/36
9 two-samples t-toets de toetsstatistiek voor 2 onafhankelijke steekproeven is t-toetsstatistiek t = x 1 x 2 (µ 1 µ 2 ) standaardfout het verschil tussen de steekproefgemiddelden x 1 x 2 wordt vergeleken met het te verwachten verschil tussen de populatiegemiddelden µ 1 µ 2 onder H 0 de nul hypothese is meestal H 0 : µ 1 = µ 2, zodat (µ 1 µ 2 ) wegvalt de standaardfout is een verhaal apart 17/36 standaardfout indien σ 1 σ 2 als σ 1 en σ 2 niet ongeveer gelijk zijn (vuistregel: σ 1 σ 2 als s 1 en s 2 meer dan factor 2 van elkaar verschillen) dan is de standaardfout van de steekproevenverdeling van x 1 x 2 standaardfout indien σ 1 σ 2 s 2 1 SE x1 x 2 = + s2 2 n 1 n 2 begrip: de variantie van het verschil 1 tussen 2 observaties is σ 2 1 plus σ2 2 2 tussen de som van n 1 plus n 2 observaties is n 1 σ 2 1 plus n 2σ tussen de gemiddelden is dan σ 2 1 /n 1 plus σ 2 2 /n 2 het aantal vrijheidsgraden is hier (conservatief) df = min(n 1 1,n 2 1) dus de kleinste waarde van n 1 1 en n SPSS berekent het aantal vrijheidsgraden iets nauwkeuriger (zie MM&C, p.441) 18/36
10 standaardfout indien σ 1 = σ 2 als σ 1 en σ 2 gelijk zijn dan is de t-verdeling exact er is dan een gecombineerde schatter (pooled estimator) voor de variantie pooled variance estimator s 2 p = (n 1 1)s 2 1 +(n 2 1)s 2 2 n 1 +n 2 2 de standaardfout van de steekproevenverdeling van x 1 x 2 is nu standaardfout indien σ 1 = σ 2 s 2 p SE x1 x 2 = + s2 p 1 = s p + 1 n 1 n 2 n 1 n 2 het aantal vrijheidsgraden is hier df = n 1 +n /36 de t-toets voor onafhankelijke steekproeven het toetsen van twee gemiddelden uit twee onafhankelijk steekproeven steekproefgegevens: n 1 = 12,x 1 = 47,s 1 = n 2 = 12,x 2 = 40,s 2 = aanname σ 1 σ 2 geeft SE x1 x 2 = / /12 = stappenplan independent-samples t-toets voor σ 1 σ 2 : 1 hypothese H 0 : µ 1 = µ 2 en H a : µ 1 > µ 2 2 steekproevenverdeling t verdeeld met df = 12 1 = 11 3 toetsingsgrootheid t = (x 1 x 2 )/SE = (47 40)/4.163 = verwerpingsgebied α = 0.05,df = 11,t = statistische conclusie t = < = t en H 0 wordt niet verworpen 6 inhoudelijke conclusie geen verschil tussen echte en foto spinnenangst 20/36
11 de t-toets voor onafhankelijke steekproeven het toetsen van twee gemiddelden uit twee onafhankelijk steekproeven steekproefgegevens: n 1 = 12,x 1 = 47,s 1 = n 2 = 12,x 2 = 40,s 2 = aanname σ 1 = σ 2 geeft s 2 p = ( )/22 = 104 SE x1 x 2 = 104 1/12+1/12 = stappenplan independent-samples t-toets voor σ 1 = σ 2 : 1 hypothese H 0 : µ 1 = µ 2 en H a : µ 1 > µ 2 2 steekproevenverdeling t verdeeld met df = = 22 3 toetsingsgrootheid t = (x 1 x 2 )/SE = (47 40)/4.163 = verwerpingsgebied α = 0.05,df = 22,t = statistische conclusie t = < = t en H 0 wordt niet verworpen 6 inhoudelijke conclusie geen verschil tussen echte en foto spinnenangst 21/36 SPSS: independent-samples t-test results Group Statistics anxiety group N Mean Std. Deviation Std. Error Mean real picture Independent Samples Test ( / /12) anxiety Equal variances assumed Equal variances not assumed Levene's Test for Equality of Variances t-test for Equality of Means Sig. (2- Mean Std. Error 95% Confidence Interval of the Difference F Sig. t df tailed) Difference Difference Lower Upper ( )/4.163 Gemiddeld genomen ervaren proefpersonen meer angst voor echte spinnen (M = 47.00,SE = 3.18) dan voor foto s van spinnen (M = 40.00,SE = 2.68). Dit verschil was niet significant t(22) = 1.681,p = /36
12 between- versus within-subject designs kies voor within-subjects designs (dependent samples of paired-samples) 1 de individuele variabiliteit is verwijderd uit de standaardfout (kleinere s) dus meer power 2 er zijn minder proefpersonen nodig (maar wel wat langer) kies voor between-subjects designs (independent samples) 1 geen order effects (geen counterbalancing nodig) 2 geen carry-over effect (geen tussentijd nodig) 23/36 afhankelijke versus onafhankelijke t-toets vergelijking van de twee two-samples t-toetsen op dezelfde gegevens afhankelijke steekproef (paired-samples t-toets) 1 hypothese H 0 : µ = 0 en H a : µ > 0 2 steekproevenverdeling t verdeeld met df = n 1 = 11 3 toetsingsgrootheid t = d/(s/ n) = 7.0/2.831 = verwerpingsgebied α = 0.05,df = 11,t = statistische conclusie t = > = t en H 0 wordt wel verworpen 6 inhoudelijke conclusie wel verschil tussen echte en foto spinnenangst onafhankelijke steekproef (independent samples t-toets) 1 hypothese H 0 : µ 1 = µ 2 en H a : µ 1 > µ 2 2 steekproevenverdeling t verdeeld met df = = 22 3 toetsingsgrootheid t = (x 1 x 2 )/SE = 7.0/4.163 = verwerpingsgebied α = 0.05,df = 22,t = statistische conclusie t = < = t en H 0 wordt niet verworpen 6 inhoudelijke conclusie geen verschil tussen echte en foto spinnenangst een dependent-samples t-toets heeft meer power door een kleinere standaardfout 24/36
13 samenvatting: de t-toets 1 one-sample t-toets: t = (x µ)/(s/ n) 2 two-samples t-toets: 1 dependent samples t-toets: t = d/(s/ n), waarbij d = x 1 x 2 2 independent samples t-toets: 1 unequal variances: t = (x 1 x 2 )/ s 2 1 /n 1 +s 2 2 /n 2 2 equal variances: t = (x 1 x 2 )/ s 2 p/n 1 +s 2 p/n 2 25/36 vorige week een betrouwbaarheidsinterval zegt iets over de nauwkeurigheid van een schatting we schatten het populatiegemiddelde met het steekproefgemiddelde (natuurlijk) is deze schatting niet altijd precies goed, maar beter wanneer de spreiding in de populatie kleiner is de steekproef groter is het betrouwbaarheidsniveau wordt aangegeven met C een betrouwbaarheidsniveau van C = 0.95 geeft 95% zekerheid dat het gemiddelde van de populatie in het interval ligt een betrouwbaarheidsniveau van C = 0.50 geeft 50% zekerheid dat het gemiddelde van de populatie in het interval ligt: dit zal een veel kleiner interval zijn bij herhaald steekproef trekken ligt µ in 100C% van de gevallen in het interval we zijn bij één interval dus 100C% zeker dat µ in het interval ligt 26/36
14 one-sample betrouwbaarheidsinterval voor µ betrouwbaarheidinterval indien σ bekend betrouwbaarheidsinterval = puntschatting ± foutenmarge = x±z σ/ n x is het gemiddelde van de steekproef, de schatting van µ z wordt bepaald door het betrouwbaarheidsniveau C σ/ n is de spreiding van de steekproevenverdeling echter, in de praktijk is σ meestal onbekend we schatten de standaarddeviatie van de populatie σ met de standaarddeviatie van de steekproef s betrouwbaarheidinterval indien σ onbekend betrouwbaarheidsinterval = puntschatting ± foutenmarge = x±t s/ n er zijn nu een aantal varianten mogelijk... 27/36 overzicht betrouwbaarheidsintervallen betrouwbaarheidsinterval = puntschatting ± foutenmarge puntschatting one sample x two samples x 1 x 2 betrouwbaarheidsniveau one sample two samples σ 1 σ 2 σ 1 = σ 2 σ bekend z z z σ onbekend t (n 1) t (min(n 1 1,n 2 1)) t (n 1 +n 2 2) standaardfout one sample two samples σ 1 σ 2 σ 1 = σ 2 σ bekend σ/ n σ 2 1 /n 1 +σ 2 2 /n 2 σ 2 1 /n 1 +σ 2 2 /n 2 σ onbekend s/ n s 2 1 /n 1 +s 2 2 /n 2 s 2 p/n 1 +s 2 p/n 2 waarbij s 2 p = [ (n 1 1)s 2 1 +(n 2 1)s 2 2] /(n1 +n 2 2) 28/36
15 voorbeeld wat is het 95% betrouwbaarheidsinterval voor µ van onze nieuwe uitgehongerde eekhoorns? steekproefgegevens: n = 10, x = 9.45 en s = er is slechts één steekproef 2 σ is niet bekend 3 betrouwbaarheidsniveau C = 0.95 t = (α/2 = 0.025, df = 9) CI µ = x±t s n = 9.45± = 9.45± het 95% betrouwbaarheidsinterval voor µ is [8.95, 9.95] 29/36 SPSS: voorbeeld het 95% betrouwbaarheidsinterval voor µ is [8.95, 9.95] CI µ = x±t s n = 9.45± = 9.45± SPSS bepaalt in deze gevallen het betrouwbaarheidsinterval voor µ min testwaarde CI µ 9.0 = (x 9.0)±t s n = ( )± = 0.45± het 95% betrouwbaarheidsinterval voor µ 9.0 is [ 0.05, 0.95] 30/36
16 SPSS: one-sample CI results CI µ 9.0 = ( )± = 0.45± [ 0.05,0.95] One-Sample Statistics N Mean Std. Deviation Std. Error Mean grams One-Sample Test Test Value = 9 95% Confidence Interval Mean of the Difference t df Sig. (2-tailed) Difference Lower Upper grams x /36 voorbeeld wat is het 95% betrouwbaarheidsinterval voor µ 1 µ 2 van de foto- en echte angst voor spinnen? steekproefgegevens: n 1 = 12,x 1 = 47,s 1 = n 2 = 12,x 2 = 40,s 2 = er zijn twee steekproeven 2 σ is niet bekend 3 s 1 s 2 s 2 p = [ (n 1 1)s 2 1 +(n 2 1)s 2 2] /(n1 +n 2 2) = betrouwbaarheidsniveau C = 0.95 t = (α/2 = 0.025, df = 22) CI µ1 µ 2 = (x 1 x 2 )±t s 2 p/n 1 +s 2 p/n 2 = (47 40)± / /12 = 7±8.634 het 95% betrouwbaarheidsinterval voor µ 1 µ 2 is [ 1.634,15.634] 32/36
17 SPSS: independent-samples CI results CI µ1 µ 2 = (47 40)± = 7±8.634 [ 1.634,15.634] Group Statistics anxiety group N Mean Std. Deviation Std. Error Mean real picture Independent Samples Test x anxiety Equal variances assumed Equal variances not assumed Levene's Test for Equality of Variances t-test for Equality of Means Sig. (2- Mean Std. Error 95% Confidence Interval of the Difference F Sig. t df tailed) Difference Difference Lower Upper nul ligt in het interval. wat betekent dat? /36 aannamen we schatten de standaarddeviatie van x met de standaardfout SE x = s/ n naarmate n groter wordt, wordt s een betere schatter van σ (ongeacht verdeling) maar hoe groot is groot genoeg? 1 de steekproef komt uit een populatie met een normale verdeling t is t -verdeeld met df = n 1 bij gelijke n is 2 keer 5 observaties al voldoende 2 de steekproef komt uit een populatie zonder normale verdeling n < 15: probleem n 15: symmetrisch en geen uitbijters: t bij benadering t -verdeeld n 40: t bij benadering t -verdeeld n groot: t bij benadering normaal verdeeld conclusie: controleer n en de verdeling van de (verschil)scores (per groep) 34/36
18 deze week: wat hebben we geleerd? de one-sample t-toets de two-samples t-toets voor on- en afhankelijke steekproeven het verschil tussen een t-toets voor on- en afhankelijke steekproeven het begrip gepoolde variantie de verschillende standaardfouten voor de independent samples t-toets betrouwbaarheidsinterval voor one- en two-samples z- en t-toets aannamen voor de t-toets 35/36 deze week: wat moeten we nog leren? het uitvoeren en beoordelen van een one-sample t-toets het uitvoeren en beoordelen van een two-samples t-toets voor zowel afhankelijke als onafhankelijke steekproeven het uitvoeren en beoordelen van een two-samples z-toets het bepalen en beoordelen van een one-sample betrouwbaarheidsinterval en een two-samples betrouwbaarheidsinterval voor bekende en onbekende σ 36/36
toetskeuze 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 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 informatieintroductie toetsen power pauze hypothesen schatten ten slotte introductie toetsen power pauze hypothesen schatten ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling week 3: schatten en toetsen: de z-toets Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter
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 informatieAntwoordvel 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 informatieINDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 5
INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 5 1. De onderzoekers van een preventiedienst vermoeden dat werknemers in een bedrijf zonder liften fitter zijn dan werknemers
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 informatieKruis per vraag slechts één vakje aan op het antwoordformulier.
Toets Stroom 1.2 Methoden en Statistiek tul, MLW 7 april 2006 Deze toets bestaat uit 25 vierkeuzevragen. Kruis per vraag slechts één vakje aan op het antwoordformulier. Vraag goed beantwoord dan punt voor
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 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 informatieS0A17D: Examen Sociale Statistiek (deel 2)
S0A17D: Examen Sociale Statistiek (deel 2) 21 juni 2011 Naam : Jaar en studierichting : Lees volgende aanwijzingen eerst voor het examen te beginnen : Wie de vragen aanneemt en bekijkt, moet minstens 1
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 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 informatieEnkelvoudige 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 informatieInterim 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 14 Donderdag 28 Oktober 1 / 37 2 Statistiek Indeling: Hypothese toetsen Schatten 2 / 37 Vragen 61 Amerikanen werd gevraagd hoeveel % van de tijd zij liegen. Het gevonden
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 4. Recap: Hypothese toetsen. Recap: One-sample t-toets
Vandaag Onderzoeksmethoden: Statistiek 4 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Recap: Hypothese toetsen t-toets
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 informatieVoer de gegevens in in een tabel. Definieer de drie kolommen van de tabel en kies als kolomnamen groep, vooraf en achteraf.
Opdracht 10a ------------ t-procedures voor gekoppelde paren t-procedures voor twee onafhankelijke steekproeven samengestelde t-procedures voor twee onafhankelijke steekproeven Twee groepen van 10 leraren
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 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 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 informatieMeervoudige 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 informatieSheets hoorcollege 1 (over paragraaf 7.1) Uitgewerkte opgaven week 6 Antwoorden uitgewerkte opgaven week 6
MATERIALEN BIJ STATISTIEK (1991) JANUARI 010 Sheets hoorcollege 1 (over paragraaf 7.1) Uitgewerkte opgaven week 1 Antwoorden uitgewerkte opgaven week 1 11 15 Power-point sheets hoorcollege (over paragraaf
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 informatieHierbij 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 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 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 informatieAanpassingen takenboek! Statistische toetsen. Deze persoon in een verdeling. Iedereen in een verdeling
Kwantitatieve Data Analyse (KDA) Onderzoekspracticum Sessie 2 11 Aanpassingen takenboek! Check studienet om eventuele verbeteringen te downloaden! Huidige versie takenboek: 09 Gjalt-Jorn Peters gjp@ou.nl
Nadere informatiewerkcollege 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 informatieWe berekenen nog de effectgrootte aan de hand van formule 4.2 en rapporteren:
INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 4 1. Toets met behulp van SPSS de hypothese van Evelien in verband met de baardlengte van metalfans. Ga na of je dezelfde conclusies
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 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 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 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 informatieCursus Statistiek 2. Fellowonderwijs Opleiding Intensive Care. UMC St Radboud, Nijmegen
Cursus Statistiek 2 Fellowonderwijs Opleiding Intensive Care UMC St Radboud, Nijmegen Cursus Statistiek 2 Steekproefgrootte en power berekening Vergelijken van gemiddelden (T-testen) Niet-parametrische
Nadere informatieSPSS Opstarten & gegevens inlezen Gegevens verkennen Beschrijvende statistiek
Opstarten & gegevens inlezen *Inlezen gegevens Via eerste scherm bij opening SPSS of via File; Open; Data. Opletten of namen van variabelen op de eerste rij staan ( Staat ) Opm.: Bij.TXT bestand altijd
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 informatieintroductie 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 informatieCursus Statistiek Parametrische en non-parametrische testen. Fellowonderwijs Intensive Care UMC St Radboud
Cursus Statistiek Parametrische en non-parametrische testen Fellowonderwijs Intensive Care UMC St Radboud Vergelijken gemiddelde met hypothetische waarde 13 24 19 18 11 22 10 17 14 31 21 18 22 12 18 11
Nadere informatiegemiddelde politieke interesse van hoger opgeleide mensen)
SPSS-oefening 2: Hypothesetoetsen Opgave Oefening 1 a) Het zijn onafhankelijke steekproeven. De scores voor politieke interesse zijn afkomstig van verschillende mensen aangezien elke persoon slechts in
Nadere informatiemlw 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 11 Dinsdag 25 Oktober 1 / 27 2 Statistiek Vandaag: Hypothese toetsen Schatten 2 / 27 Schatten 3 / 27 Vragen: liegen 61 Amerikanen werd gevraagd hoeveel % van de tijd
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor TeMa (S95) Avondopleiding. donderdag 6-6-3, 9.-. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine
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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor T (2S070) op vrijdag 8 oktober 1999, uur De u
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor T (2S070) op vrijdag 8 oktober 1999, 14.00-17.00 uur De uitwerkingen van de opgaven dienen duidelijk geformuleerd
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 4. Recap: Hypothese toetsen. Recap: One-sample t-toets
Vandaag Onderzoeksmethoden: Statistiek 4 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Recap: Hypothese toetsen t-toets
Nadere informatieStatistiek in de alfa en gamma studies. Aansluiting wiskunde VWO-WO 16 april 2018
Statistiek in de alfa en gamma studies Aansluiting wiskunde VWO-WO 16 april 2018 Wie ben ik? Marieke Westeneng Docent bij afdeling Methoden en Statistiek Faculteit Sociale Wetenschappen Universiteit Utrecht
Nadere informatieStatistiek voor A.I.
Statistiek voor A.I. College 13 Donderdag 25 Oktober 1 / 28 2 Deductieve statistiek Orthodoxe statistiek 2 / 28 3 / 28 Jullie - onderzoek Tobias, Lody, Swen en Sander Links: Aantal broers/zussen van het
Nadere informatieExtra Opgaven. 3. Van 10 personen meten we 100 keer de hartslag na het sporten. De gemiddelde hartslag van
Extra Opgaven 1. Een persoon doet een HIV-test. Helaas is de uitslag positief. De test is echter niet perfect. De persoon vraagt zich af wat de kans is dat hij nu ook echt HIV heeft. Gegeven is: de kans
Nadere informatiec. 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 informatieCollege 6 Eenweg Variantie-Analyse
College 6 Eenweg Variantie-Analyse - Leary: Hoofdstuk 11, 1 (t/m p. 55) - MM&C: Hoofdstuk 1 (t/m p. 617), p. 63 t/m p. 66 - Aanvullende tekst 6, 7 en 8 Jolien Pas ECO 01-013 Het Experiment: een voorbeeld
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 informatieNominaal Ordinaal Interval (ratio) Nominaal - Kwalitatief - Laagste niveau - Categorieën niet ordenen - Geslacht
Nominaal - Kwalitatief - Laagste niveau - Categorieën niet ordenen - Geslacht Ordinaal - Kwalitatief - Middelste niveau - Categorieën wel ordenen - Opleidingsniveau Interval / ratio - Kwantitatief - Hoogste
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 informatiewerkcollege 7 - D&P10: Hypothesis testing using a single sample
cursus 11 mei 2012 werkcollege 7 - D&P10: Hypothesis testing using a single sample huiswerk opgaven Ch.9: 1, 8, 11, 12, 20, 26, 36, 37, 71 Activities 9.3 en 9.4 experimenten zelf deelnemen als proefpersoon
Nadere informatieHoeveel condities zijn er (ga er vanuit dat het design fully crossed is)?
Vraag 1. Welk design bevat geen random assignment: a) Een design gebaseerd op matching b) Een design gebaseerd op blocking c) Een factorial design d) Elk van de hierboven genoemde designs Vraag 2. In een
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 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 informatieDe data worden ingevoerd in twee variabelen, omdat we te maken hebben met herhaalde metingen:
INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 6 1. De 15 leden van een kleine mountainbikeclub vragen zich af in welk mate de omgevingstemperatuur een invloed heeft op hun
Nadere informatieVergelijken van twee groepen (SPSS)
Vergelijken van twee groepen (SPSS) Vergelijking van gemiddeldes van onafhankelijke steekproeven met gelijke varianties (dataset newspapers) In een onderzoek geven studenten aan hoeveel keer per week ze
Nadere informatieEIND TOETS TOEGEPASTE BIOSTATISTIEK I. 30 januari 2009
EIND TOETS TOEGEPASTE BIOSTATISTIEK I 30 januari 2009 - Dit tentamen bestaat uit vier opgaven onderverdeeld in totaal 2 subvragen. - Geef bij het beantwoorden van de vragen een zo volledig mogelijk antwoord.
Nadere informatieBerekenen en gebruik van Cohen s d Cohen s d is een veelgebruikte manier om de effectgrootte te berekenen en wordt
A. Effect & het onderscheidingsvermogen Effectgrootte (ES) De effectgrootte (effect size) vertelt ons iets over hoe relevant de relatie tussen twee variabelen is in de praktijk. Er zijn twee soorten effectgrootten:
Nadere informatieFeedback examen Statistiek II Juni 2011
Feedback examen Statistiek II Juni 2011 Bij elke vraag is alternatief A correct. 1 De variabele X is Student verdeeld in een bepaalde populatie, met verwachting µ X en variantie σ 2 X. Je trekt steekproeven
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.
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 informatieχ 2 -toets voor homogeniteit χ 2 -toets voor goodness-of-fit ten slotte
toetsede statistiek week 1: kase e radom variabele week 2: de steekproeveverdelig week 3: schatte e toetse: de z-toets week 4: het toetse va gemiddelde: de t-toets week 5: het toetse va variaties: de F-toets
Nadere informatiemlw stroom 2.1: Statistisch modelleren
mlw stroom 2.1: Statistisch modelleren College 5: Regressie en correlatie (2) Rosner 11.5-11.8 Arnold Kester Capaciteitsgroep Methodologie en Statistiek Universiteit Maastricht Postbus 616, 6200 MD Maastricht
Nadere informatieOpgave 1: (zowel 2DM40 als 2S390)
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Biostatistiek voor BMT (DM4 en S39) op donderdag, 4.-7. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op dinsdag ,
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek 2 voor TeMa (2S95) op dinsdag 5-03-2005, 9.00-22.00 uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 15 Dinsdag 2 November 1 / 16 2 Statistiek Indeling: Filosofie Schatten Centraal Bureau voor Statistiek 2 / 16 Schatten Vb. Het aantal tenen plus vingers in jullie huishoudens:
Nadere informatieInhoud. Woord vooraf 13. Hoofdstuk 1. Inductieve statistiek in onderzoek 17. Hoofdstuk 2. Kansverdelingen en kansberekening 28
Inhoud Woord vooraf 13 Hoofdstuk 1. Inductieve statistiek in onderzoek 17 1.1 Wat is de bedoeling van statistiek? 18 1.2 De empirische cyclus 19 1.3 Het probleem van de inductieve statistiek 20 1.4 Statistische
Nadere informatieDeel 1: Voorbeeld van beschrijvende analyses in een onderzoeksrapport. Beschrijving van het rookgedrag in Vlaanderen anno 2013
7.2.4 Voorbeeld van een kwantitatieve analyse (fictief voorbeeld) In onderstaand voorbeeld werken we met fictieve data. Doel van dit voorbeeld is dat je inzicht krijgt in hoe een onderzoeksrapport van
Nadere informatieVertaling van enkele termen uit de kansrekening en statistiek alternative hypothesis alternatieve hypothese approximate methods benaderende methoden asymptotic variance asymptotische variantie asymptotically
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op dinsdag , uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor TeMa (S95) op dinsdag 3-03-00, 9- uur. Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en
Nadere informatieM M M M M M M M M M M M M M La La La La La La La Mid Mid Mid Mid Mid Mid Mid 65 56 83 68 64 47 59 63 93 65 75 68 68 51
INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 7 1. Een onderzoeker wil nagaan of de fitheid van jongeren tussen 14 en 18 jaar (laag, matig, hoog) en het geslacht (M, V) een
Nadere informatieTwee en een half jaar Kwaliteitsmeting in de Fysiotherapie
Twee en een half jaar Kwaliteitsmeting in de Fysiotherapie Feiten en cijfers tot nu toe Managementsamenvatting Na twee en een half jaar kwaliteitsmetingen in de fysiotherapie is het een geschikt moment
Nadere informatieANOVA in SPSS. Hugo Quené. opleiding Taalwetenschap Universiteit Utrecht Trans 10, 3512 JK Utrecht 12 maart 2003
ANOVA in SPSS Hugo Quené hugo.quene@let.uu.nl opleiding Taalwetenschap Universiteit Utrecht Trans 10, 3512 JK Utrecht 12 maart 2003 1 vooraf In dit voorbeeld gebruik ik fictieve gegevens, ontleend aan
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamenopgaven Statistiek (2DD71) op xx-xx-xxxx, xx.00-xx.00 uur.
VOORAF: Hieronder staat een aantal opgaven over de stof. Veel meer dan op het tentamen zelf gevraagd zullen worden. Op het tentamen zullen in totaal 20 onderdelen gevraagd worden. TECHNISCHE UNIVERSITEIT
Nadere informatieVerklarende Statistiek: Toetsen. Zat ik nou in dat kritische gebied of niet?
Verklarende Statistiek: Toetsen Zat ik nou in dat kritische gebied of niet? Toetsen, Overzicht Nulhypothese - Alternatieve hypothese (voorbeeld: toets voor p = p o in binomiale steekproef) Betrouwbaarheid
Nadere informatieHiermee rekenen we de testwaarde van t uit: n. 10 ( x ) ,16
modulus strepen: uitkomst > 0 Hiermee rekenen we de testwaarde van t uit: n 10 ttest ( x ) 105 101 3,16 n-1 4 t test > t kritisch want 3,16 >,6, dus 105 valt buiten het BI. De cola bevat niet significant
Nadere informatieFiguur 1: Voorbeelden van 95%-betrouwbaarheidsmarges van gemeten percentages.
MARGES EN SIGNIFICANTIE BIJ STEEKPROEFRESULTATEN. De marges van percentages Metingen via een steekproef leveren een schatting van de werkelijkheid. Het toevalskarakter van de steekproef heeft als consequentie,
Nadere informatieStatistiek in HBO scripties
Statistiek in HBO scripties Wim Krijnen Lector Analyse Technieken voor Praktijkonderzoek Lectoraat Transparante Zorgverlening Hanze University of Applied Sciences January 29, 2015 Wim Krijnen Lector Analyse
Nadere informatieInhoudsopgave. Deel I Schatters en toetsen 1
Inhoudsopgave Deel I Schatters en toetsen 1 1 Hetschattenvanpopulatieparameters.................. 3 1.1 Inleiding:schatterversusschatting................. 3 1.2 Hetschattenvaneengemiddelde..................
Nadere informatieTECHNISCHE 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 informatieTentamen Biostatistiek 1 voor BMT (2DM40) woensdag 2 november 2011, uur
Faculteit der Wiskunde en Informatica Tentamen Biostatistiek 1 voor BMT (2DM40) woensdag 2 november 2011, 9.00-12.00 uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven
Nadere informatieHoofdstuk 10: Regressie
Hoofdstuk 10: Regressie Inleiding In dit deel zal uitgelegd worden hoe we statistische berekeningen kunnen maken als sprake is van één kwantitatieve responsvariabele en één kwantitatieve verklarende variabele.
Nadere informatieWe illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten
Hoofdstuk 8 Betrouwbaarheidsintervallen In het vorige hoofdstuk lieten we zien hoe het mogelijk is om over een ongekende karakteristiek van een populatie hypothesen te formuleren. Een andere manier van
Nadere informatieVerdelingsvrije statistiek
Verdelingsvrije statistiek Inleiding In hoofdstuk II-5 (deel ) worden een aantal verdelingsvrije toetsen (ook wel niet-parametrische toetsen) besproken, die gebruikt worden als de te onderzoeken variabele
Nadere informatiea. Wanneer kan men in plaats van de Pearson correlatie coefficient beter de Spearman rangcorrelatie coefficient berekenen?
Opdracht 15a ------------ Spearman rangcorrelatie coefficient (non-parametrische tegenhanger van de Pearson correlatie coefficient) Wilcoxon symmetrie-toets (non-parametrische tegenhanger van de t-procedure
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Biostatistiek voor BMT (2DM4 en 2S39) op maandag 2--27, 4.-7. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine
Nadere informatieHoofdstuk 10 Eenwegs- en tweewegs-variantieanalyse
Hoofdstuk 10 Eenwegs- en tweewegs-variantieanalyse 10.1 Eenwegs-variantieanalyse: Als we gegevens hebben verzameld van verschillende groepen en we willen nagaan of de populatiegemiddelden van elkaar verscihllen,
Nadere informatieLes 2: Toetsen van één gemiddelde
Les 2: Toetsen van één gemiddelde Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie & Biotechnologie 22 oktober 2018 Het statistisch testen van één gemiddelde is een veel voorkomende toepassing
Nadere informatieToetsende Statistiek Week 7. Verdelingsvrije toetsen
Toetsende Statistiek eek 7. Verdelingsvrije toetsen MM&C, 15 Nonparametric Tests 15.1 2 Independent Samples Chemicus Ontwikkelde de Rank-Sum test en Signed-Rank test (1945) 15.2 2 Dependent Samples NB
Nadere informatieInductieve statistiek voor informatiewetenschappers
INDUCTIEVE STATISTIEK VOOR INFORMATIEWETENSCHAPPERS I 570 1 Inductieve statistiek voor informatiewetenschappers HENK VOORBIJ 1. Inleiding Er zijn twee soorten statistiek: beschrijvende en inductieve (ook
Nadere informatieTentamen Biostatistiek 1 voor BMT (2DM40) woensdag 28 oktober 2009, 9.00-12.00 uur
Faculteit der Wiskunde en Informatica Tentamen Biostatistiek voor BMT (DM4) woensdag 8 oktober 9, 9.-. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven Statistisch
Nadere informatieOnderzoek. 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 informatieStatistiek 2 deel A 30 minuten over statistisch toetsen
Statistiek 2 deel A 30 minuten over statistisch toetsen R.J. Baars, MSc Kruytgebouw N710 r.j.baars@uu.nl februari 2014 Opbouw van statistiek Statistiek 1 (periode 2: vandaag) Dit college + zelfstudie +
Nadere informatieOok voor Hersenen & Gedrag zijn er samenvattingen beschikbaar. Kijk op onze site voor meer informatie en om ze te bestellen.
Voorwoord Dit is het overzicht van de hoorcollegestof Methoden, technieken en statistiek 1 voor psychologen. De stof die tijdens de hoorcolleges is behandeld, wordt samengevat in dit verslag. Ook voor
Nadere informatieTECHNISCHE 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 informatieTentamen Biostatistiek 1 voor BMT (2DM40), op maandag 5 januari 2009 14.00-17.00 uur
Faculteit der Wiskunde en Informatica Tentamen Biostatistiek voor BMT (2DM4), op maandag 5 januari 29 4.-7. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven
Nadere informatie