Vandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses
|
|
- Victor de Lange
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 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 T-verdeling Toetsen van hypotheses Statistiek 3: 1 / 50 Statistiek 3: 2 / 50 Recap 1 Begrippen Recap 2 ( ) Normale verdeling: f (x) = 1 exp (x µ)2 2πσ 2 2σ 2 Standaardnormale verdeling: speciaal geval met µ = 0, σ = 1. Experiment Stochastische variabele Theoretische kansverdelingen Verwachting ( gemiddelde ), variantie, standaarddeviatie... Z-scores Statistiek 3: 3 / 50 Statistiek 3: 4 / 50
2 Reality check Centrale limietstelling Q: Wat als scores uit de echte wereld helemaal niet lijken op een theoretische verdeling? Q: Wat als we de populatieparameters niet kennen (b.v. µ en σ?) Trek een aselecte steekproef X 1, X 2,..., X n van omvang n en gebruik: Steekproefgemiddelde n i=1 X(n) = X i n Het steekproefgemiddelde, zoals in bovenstaande formule is ook een stochastische variabele en heeft dus een verdeling, verwachting, variantie,... Steekproef X 1,..., X n : elke afzonderlijke X i is onafhankelijk en identiek verdeeld, gemiddelde µ en variantie σ 2. Stelling X(n) = (X 1 + X X n )/n Als n, dan is X(n) bij benadering normaal verdeeld met gemiddelde µ en variantie σ 2 /n. σ n heet de standaardfout (van het gemiddelde) Z(n) = X(n) ( µ σ/ ) is standaardnormaal verdeeld. n In de praktijk is n 30 voldoende. Statistiek 3: 5 / 50 Statistiek 3: 6 / 50 Centrale limietstelling: wat betekent dit? Voorbeeld 1 Steekproefverdeling: Meet individuen op variabele X. Herhaal dit m keer (b.v. m = 1000) en noteer individuele waarden. Histogram representeert steekproefverdeling (Eng: sample distribution) Verdelingen van steekproefgemiddelde Neem een steekproef van n individuen en meet en bepaal steekproefgemiddelde X(n). Herhaal dit m keer (b.v. m = 1000) en noteer de afzonderlijke steekproefgemiddelden. Histogram representeert de verdeling van het steekproefgemiddelde (Eng: sampling distribution) Voorbeeld Gemeten variabele: gewicht X Normale verdeling (µ = 80 kg, σ = 20 kg). n=1 n=4 n=100 X X(4) X(100) Statistiek 3: 7 / 50 Statistiek 3: 8 / 50
3 Voorbeeld 2 Voorbeeld: worp van één dobbelsteen: Elke steekproef = 1 worp: histogram: tel aantal ogen (sample distribution) Voorbeeld 2 Voorbeeld: worp van twee dobbelstenen: Elke steekproef = 2 worpen: histogram: tel gemiddeld aantal ogen (is dus sampling distribution bij steekproefgrootte n = 2) Statistiek 3: 9 / Statistiek 3: 10 / 50 Voorbeeld 2 Voorbeeld: worp van vijf dobbelstenen: Elke steekproef = 5 worpen: histogram: tel gemiddeld aantal ogen (sampling distribution voor n = 5) Back to reality Z(n) = ( X(n) µ ) = X(n) ( ) µ σ/ n σ 2 /n Is dus bij benadering standaard normaal verdeeld (mits n 30). Leuk! maar meestal weten we σ helemaal niet... Oplossing: vervang σ door schatting, n.l. steekproefvariantie s. t(n 1) = ( X(n) µ ) = X(n) ( ) µ s/ n s 2 /n Statistiek 3: 11 / 50 t(n 1) heeft geen standaardnormale verdeling, maar een zgn. t-verdeling met n 1 vrijheidsgraden. Statistiek 3: 12 / 50
4 t-verdeling t-verdeling: plots Is een familie van verdelingen Lijkt op de standaardnormale verdeling in vorm en spreiding Heeft iets meer massa in de staarten (platter) Heeft één parameter: aantal vrijheidsgraden (Eng: degrees of freedom (df)) Voor df (praktisch: df 120) is de t-verdeling gelijk aan de standaardnormale verdeling Wordt soms ook Student verdeling genoemd. William Sealey Gosset ( ) Statistiek 3: 13 / 50 (Source: wikipedia) Statistiek 3: 14 / 50 t-verdeling: kansen 2.5% t(n) = X(n) µ ( s/ n ) heeft t-verdeling met n 1 vrijheidsgraden. Een aantal kansen kunnen in tabellen opgezocht worden: b.v. P= t*(df) 95% +t*(df) uit tabel +t*(df) 2.5% t-verdeling: speciale waarden Tabellen voor speciale kansen: t Table cum. prob t.50 t.75 t.80 t.85 t.90 t.95 t.975 t.99 t.995 t.999 t.9995 one-tail two-tails df Statistiek 3: 15 / 50 Statistiek 3: 16 / 50
5 t-verdeling: speciale waarden Toetsen Tabellen voor speciale kansen: Toetsen t Table cum. prob t.50 t.75 t.80 t.85 t.90 t.95 t.975 t.99 t.995 t.999 t.9995 one-tail two-tails df Statistiek 3: / Formuleer hypotheses Gemiddelde over andere universiteiten is bekend µ = 20 We vermoeden dat dit in Utrecht afwijkt Twee hypotheses: Let op: Nulhypothese H 0 : µ = 20 Alternatieve hypothese H 1 : µ 20 Research-hypothese = alternatieve hypothese (H 1 )! Hypotheses worden geformuleerd voor populatieparameters. Nulhypothese en alternatieve hypothese zijn: Uitsluitend Uitputtend Variabele X: aantal uren gamen per week Steekproef van n = 10 UU informatica studenten: 18, 25, 28, 21, 23, 18, 18, 26, 25, 21 We willen nu een uitspraak doen over het gemiddelde over de hele populatie van alle UU informatica studenten Procedure: 1 Formuleer hypotheses 2 Kies teststatistiek en leg criterium vast 3 Bereken teststatistiek uit steekproef 4 Neem beslissing over hypothese Statistiek 3: 18 / 50 Toetsen (t-toets voor één gemiddelde) 2. Kies teststatistiek en leg criterium vast Test statistiek: steekproefgemiddelde X Als H 0 waar is, wat zijn dan aannemelijke waarden voor X? X = 20? X = 18? X = 26? Wat zijn dan aannemelijke waarden voor t = X 20 (s/ n)? t = 0? t = 1? t = +5? Statistiek 3: 19 / 50 Statistiek 3: 20 / 50
6 Toetsen (t-toets voor één gemiddelde) 2a. Kies teststatistiek H 0 : µ = 20 H 1 : µ 20 Neem aan: Waarden in de steekproef zijn onafhankelijk, identiek verdeeld en normaal verdeeld. Als H 0 waar is, dan geldt dat X(10) 20 t = (s/ 10) met s 2 = SS df heeft t-verdeling met df = 9 vrijheidsgraden. = 10 i=1 (X i X) 2 9 Toetsen (t-toets voor één gemiddelde) 2B. Leg criterium vast Kies tevoren een gewenst significantieniveau α. (bv α = 0.05) Bepaal verwerpingsgebied (of kritieke gebied): Beslissingregel: Verwerp H 0, als t t crit of t +t crit Verwerp H 0 niet, als t crit < t < +t crit Hoe kiezen we t crit? We willen bijvoorbeeld α = 0.05, ofwel de kans dat we H 0 verwerpen terwijl deze waar is, is 5%. Kritieke gebied = gebied waarvoor kans op een waarneming onder H 0 gelijk is aan α. Statistiek 3: 21 / 50 Statistiek 3: 22 / 50 Toetsen (t-toets voor één gemiddelde) Toetsen (t-toets voor één gemiddelde) b.v. α=0.05 +t crit (df) uit tabel Leg criterium vast We willen α = 0.05, ofwel de kans dat we H 0 verwerpen terwijl hij waar is, is 5%. 95%=1 α Criterium wordt: Kies t crit zodat: 2.5%=α/2 2.5%=α/2 P(t t crit ) = α/2 = en P(t t crit ) = α/2 = voor t-verdeling met df = 9 vrijheidsgraden, -t crit (df) +t crit (df) dus α/2 = aan iedere kant ( two-tails α = 0.05) met tabel: t crit (df = 9) =?? Statistiek 3: 23 / 50 Statistiek 3: 24 / 50
7 Tabel voor de t-verdeling Toetsen (t-toets voor één gemiddelde) t Table cum. prob t.50 t.75 t.80 t.85 t.90 t.95 t.975 t.99 t.995 t.999 t.9995 one-tail two-tails df Bereken teststatistiek uit steekproef Bereken uit steekproef: Het steekproefgemiddelde X = 22.3 en s = 3.65, µ = 20, en n = 10. Bepaal de waarde van toetsinggrootheid. t = X(n) µ (s/ n) = t crit (df = 9) = dus (3.65/ 10) = = Neem beslissing? H 0 niet verwerpen Statistiek 3: 25 / 50 Statistiek 3: 26 / 50 Enkelzijdig/tweezijdig toetsen Eenzijdige t-toets voor één gemiddelde Bij welk steekproefgemiddelde zijn we het eens met H 0? Tweezijdig toetsen: Hypothese H0 : µ = 20 Alternatieve hypothese H1 : µ 20 Eenzijdig toetsen: Hypothese H0 : µ 20 Alternatieve hypothese H1 : µ > 20 Deze keuze moet je maken vóór je data gaat verzamelen! 1. Formuleer hypotheses Eenzijdig toetsen: H0 : µ 20 (aantal uren gamen per week) H 1 : µ > 20 Nog steeds geldt: t = X(n) µ (s/ n) heeft t-verdeling met df = 9 vrijheidsgraden. Statistiek 3: 27 / 50 Statistiek 3: 28 / 50
8 Student s t-verdeling Eenzijdige t-toets voor één gemiddelde b.v. α=0.05 t crit (df) uit tabel 2. Kies teststatistiek en leg criterium vast Nu beslissingsregel van de vorm: 95%=1 α Verwerp H 0, indien t obs t crit Verwerp H 0 niet, indien t obs < t crit 5%=α We willen de kans dat we H 0 verwerpen terwijl hij waar is is 5%. (Significantieniveau α) t crit (df) Criterium wordt: Kies t crit zodat P(t t crit ) = α =.05 voor t-verdeling met df = 9 vrijheidsgraden Tabel: t crit (df = 9) =??? Statistiek 3: 29 / 50 Statistiek 3: 30 / 50 Tabel voor de t-verdeling Toetsen (t-toets voor één gemiddelde, enkelzijdig) t Table cum. prob t.50 t.75 t.80 t.85 t.90 t.95 t.975 t.99 t.995 t.999 t.9995 one-tail two-tails df Bereken teststatistiek uit steekproef Bereken uit steekproef: Het steekproefgemiddelde X = 22.3 en s = 3.65, µ = 20, en n = 10. Bepaal de waarde van toetsinggrootheid. t = X(n) µ (s/ n) = (3.65/ 10) = = t crit (df = 9) = Nu is t obs > t crit, dus 4. Neem beslissing? H 0 wel verwerpen Statistiek 3: 31 / 50 Statistiek 3: 32 / 50
9 Samenvatting t-toets in SPSS H 0 H 1 H 0 verwerpen als Menu: Analyze Compare Means One Sample T Test Tweezijdig µ = µ 0 µ µ 0 t t crit of t t crit Eenzijdig (rechts) µ µ 0 µ > µ 0 t t crit Eenzijdig (links) µ µ 0 µ < µ 0 t t crit Statistiek 3: 33 / 50 Statistiek 3: 34 / 50 t-toets in SPSS: Output p-waarde of significantie De p-waarde of significantie ( Sig. in SPSS) van een gegeven steekproef uitkomst is Dus: de kans dat onder de nulhypothese de geobserveerde waarde van de toetsingsgrootheid wordt behaald of overschreden. Geeft aan hoe extreem de waarde van de toetsingsgrootheid is. t: toetsingsgrootheid t obs : waarde van de toetsingsgrootheid uit steekproef. p-waarde= P( t(df ) t obs ), dus tweezijdig! Eenzijdig: waarschijnlijkheid van geobserveerde waarde is helft van de p-waarde! Statistiek 3: 35 / 50 Statistiek 3: 36 / 50
10 p-waarde of significantie (2) p-waarde of significantie: voorbeeld Hoe kleiner de p-waarde hoe extremer de uitkomst. p-waarde kleiner dan gegeven grens (bijv 5%), dan significante uitkomst ofwel significant verschil met H 0, dus H 0 wordt verworpen. Tweezijdige t-toets aantal uren gamen per week UU informatica studenten Hypothese H0 : µ = 20 Alternatieve hypothese H1 : µ 20 Voorbeeld steekproef: 18, 25, 28, 21, 23, 18, 18, 26, 25, 21: tobs = = Mbv. Excel T.DIST.2T(1.991, df=9)= > 0.05 dus geen significante afwijking van H 0 Statistiek 3: 37 / 50 Statistiek 3: 38 / 50 Student s t-verdeling tweezijdig Fouten What could possily go wrong? Toestand H 0 waar H 1 waar p-waarde/2 1 - p-waarde p-waarde/2 OK Type II fout t obs =1.991 Beslissing niet verwerpen H 0 Kans = 1 α = betrouwbaarheid Type I fout OK verwerp H 0 Kans = α = significantieniveau Statistiek 3: 39 / 50 Statistiek 3: 40 / 50
11 Check! t-toets voor één gemiddelde Q: Als je het significantieniveau α verkleint, dan neemt het kritieke gebied toe? A: Fout. Q: Als je het significantieniveau α verkleint, dan neemt de kans op een type I fout toe? A: Fout. ENG: One-sample t-test. Vergelijking van één steekproefgemiddelde met een norm (een van te voren bepaald gemiddelde). σ uit populatie is niet bekend en het steekproefaantal is klein (n < 120). Meetwaarden onafhankelijk en identiek normaal verdeeld (met zelfde gemiddelde en variantie). Oplossing: t-verdelingen (vrijheidsgraden spelen een rol) t obs = X(n) µ (s/ n) t-table: zie boek, online, Excel, calculator... Statistiek 3: 41 / 50 Statistiek 3: 42 / 50 Betrouwbaarheidsinterval Betrouwbaarheidsinterval: voorbeeld Stel: ik meet steekproefgemiddelde X(n) = 23.4 Kan ik nu met 95% betrouwbaarheid zeggen in welk gebied het onbekende populatiegemiddelde µ ligt? 95% betrouwbaarheidsinterval: [ X(n) s t crit ; X(n) + s ] t crit n n waarbij t crit de kritieke waarde is voor α = 0.05 bij df = n 1. Student Rick Mark Tom Ken Edwin # uren gamen per week X = 21 n = 5 s 2 = 9 t crit (df = 4) = voor α = % betrouwbaarheidsinterval [ ; ] = 5 5 [ ] ; Statistiek 3: 43 / 50 Statistiek 3: 44 / 50
12 Betrouwbaarheidsinterval (Interpretatie) Betrouwbaarheidsinterval Toetsen H 0 : µ = µ 0 wordt verworpen in tweezijdige t-toets met significantie α (1 α)100% betrouwbaarheidsinterval, b.v. α = NIET: De echte waarde van µ valt met kans 95% binnen het interval WEL: Als we vaker een steekproef nemen met 5 studenten en telkens de bijbehorende betrouwbaarheidsintervallen uitrekenen, dan valt de echte waarde van µ binnen 95% van deze intervallen. dan en slechts dan als µ 0 ligt buiten het (1 α) 100% betrouwbaarheidsinterval Voorbeeld in SPSS: Statistiek 3: 45 / 50 Statistiek 3: 46 / 50 Speciaal geval t-toets: toetsen van correlatie Toetsen van correlatie (2) Onderzoeksvermoeden: Er bestaat een correlatie tussen aantal geconsumeerde blikjes cola en regels gemaakte code: Variabelen: X: aantal geconsumeerde blikjes cola Y: aantal geproduceerde regels code Dit kan getoetst worden met een t-toets: 1. Formuleer hypothese H 0 : ρ = 0 H 1 : ρ 0. (ρ = correlatie-coëfficient cola-code in populatie) 2. Kies teststatistiek en leg criterium vast Kies α = Gebruik de volgende t-statistiek: met t = r n 2 1 r 2 r = correlatie cola-code in steekproef n = steekproefgrootte Eigenschap: t heeft t-verdeling met n 2 vrijheidsgraden. Statistiek 3: 47 / 50 Statistiek 3: 48 / 50
13 Toetsen van correlatie (3) Gedaan: 3. Bereken teststatistiek uit steekproef In College 1 hadden we een steekproef met: Dus: n = 5 r = Dus 3 t = = t crit (df = 3) = Neem beslissing: Verwerp H 0. De correlatie tussen cola en code wijkt significant af van 0. Centrale Limietstelling T-verdeling Toetsen van hypothese: One-sample T-toets. Volgende week: Meer T-toetsen Chi-kwadraat toetsen Statistiek 3: 49 / 50 Statistiek 3: 50 / 50
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 informatieVandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen
Vandaag Onderzoeksmethoden: Statistiek 2 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Theoretische kansverdelingen
Nadere 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 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 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 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 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 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 informatieStatistiek voor A.I. College 12. Dinsdag 23 Oktober
Statistiek voor A.I. College 12 Dinsdag 23 Oktober 1 / 20 2 Deductieve statistiek Orthodoxe statistiek 2 / 20 3 / 20 Jullie - onderzoek Wivine Tijd waarop je opstaat (uu:mm wordt weergeven als uumm). Histogram
Nadere informatieVoorbeeldtentamen Statistiek voor Psychologie
Voorbeeldtentamen Statistiek voor Psychologie 1) Vul de volgende uitspraak aan, zodat er een juiste bewering ontstaat: De verdeling van een variabele geeft een opsomming van de categorieën en geeft daarbij
Nadere informatieHOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES
HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere 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 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 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 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 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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 10 Donderdag 20 Oktober 1 / 1 2 Statistiek Vandaag: Hypothese toetsen 2 / 1 3 / 1 Terzijde NU.nl 19 oktober 2011: Veel Facebookvrienden wijst op grotere hersenen. (http://www.nu.nl/wetenschap/2645008/veel-facebookvrienden-wijst-groterehersenen-.html)
Nadere informatietoetsende statistiek deze week: wat hebben we al geleerd? Frank Busing, Universiteit Leiden
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling week 3: schatten en toetsen: de z-toets week 4: het toetsen van gemiddelden: de t-toets Moore, McCabe, and Craig.
Nadere informatieToetsen van Hypothesen. Het vaststellen van de hypothese
Toetsen van Hypothesen Wisnet-hbo update maart 2008 1. en Het vaststellen van de hypothese De nulhypothese en de Alternatieve hypothese. Het gaat in deze paragraaf puur alleen om de formulering. Er wordt
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 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 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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 12 Vrijdag 16 Oktober 1 / 38 2 Statistiek Indeling vandaag: Normale verdeling Wet van de Grote Getallen Centrale Limietstelling Deductieve statistiek Hypothese toetsen
Nadere informatieHoofdstuk 8 Het toetsen van nonparametrische variabelen
Hoofdstuk 8 Het toetsen van nonparametrische variabelen 8.1 Non-parametrische toetsen: deze toetsen zijn toetsen waarbij de aannamen van normaliteit en intervalniveau niet nodig zijn. De aannamen zijn
Nadere 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 12 Donderdag 21 Oktober 1 / 38 2 Statistiek Indeling: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 38 Deductieve
Nadere informatieTentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u
Technische Universiteit Delft Mekelweg 4 Faculteit Elektrotechniek, Wiskunde en Informatica 2628 CD Delft Tentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u Formulebladen, rekenmachines,
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 informatieSheets K&S voor INF HC 10: Hoofdstuk 12
Sheets K&S voor INF HC 1: Hoofdstuk 12 Statistiek Deel 1: Schatten (hfdst. 1) Deel 2: Betrouwbaarheidsintervallen (11) Deel 3: Toetsen van hypothesen (12) Betrouwbaarheidsintervallen (H11) en toetsen (H12)
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 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 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 informatie11.0 Voorkennis. Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k)
11.0 Voorkennis Let op: Cumulatieve binomiale verdeling: P(X k) = binomcdf(n,p,k) Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k) Voorbeeld 1: Binomiaal kanseperiment
Nadere informatie6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Basistechnieken 6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling. x 0 2 4 6 p(x) ¼ ¼ ¼ ¼ a. Schrijf alle mogelijke verschillende steekproeven van n =
Nadere informatie6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Learning the Mechanics 6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. De random variabele x wordt tweemaal waargenomen. Ga na dat, indien de waarnemingen
Nadere informatieStatistiek ( ) eindtentamen
Statistiek (200300427) eindtentamen studiejaar 2010-11, blok 4; Taalwetenschap, Universiteit Utrecht. woensdag 29 juni 2011, 17:15-19:00u, Educatorium, zaal Gamma. Schrijf je naam en student-nummer op
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 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 informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 17
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 17 Statistische toetsen 2 / 17 Toetsen - algemeen - 1 Setting: observatie X in X, model {P θ : θ Θ}. Gegeven partitie Θ = Θ 0 Θ 1, met Θ 0 Θ 1
Nadere informatieHOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN
HOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN 4.1 PARAMETERTOESTEN 1 A. Toetsen van het gemiddelde Beschouw een steekproef X 1, X,, X n van n onafhankelijke N(µ, σ) verdeelde kansveranderlijken Men
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 13 Dinsdag 26 Oktober 1 / 24 2 Statistiek Indeling: Hypothese toetsen Filosofie 2 / 24 Hypothese toetsen 3 / 24 Hypothese toetsen: toepassingen Vb. Een medicijn wordt
Nadere informatieBijlage Bijlage 3. Statistische toetsing: werkwijze, toetsen, formules, toepassing
Bijlage 3 Statistische toetsing: werkwijze, toetsen, formules, toepassing In dit boek wordt kennis van statistiek en statistische ( hypothese)toetsing in principe bekend verondersteld. Niettemin geven
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 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 informatieDeze week: Steekproefverdelingen. Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen. Kwaliteit van schatter. Overzicht Schatten
Deze week: Steekproefverdelingen Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen Cursusjaar 29 Peter de Waal Zuivere Schatters Betrouwbaarheidsintervallen Departement Informatica Hfdstk
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 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 informatieSOCIALE STATISTIEK (deel 2)
SOCIALE STATISTIEK (deel 2) D. Vanpaemel KU Leuven D. Vanpaemel (KU Leuven) SOCIALE STATISTIEK (deel 2) 1 / 57 Hoofdstuk 5: Schatters en hun verdeling 5.1 Steekproefgemiddelde als toevalsvariabele D. Vanpaemel
Nadere informatie11. Multipele Regressie en Correlatie
11. Multipele Regressie en Correlatie Meervoudig regressie model Nu gaan we kijken naar een relatie tussen een responsvariabele en meerdere verklarende variabelen. Een bivariate regressielijn ziet er in
Nadere informatiePopulatie: De gehele groep elementen waarover informatie wordt gewenst.
Statistiek I Werkcollege 1 Populatie: De gehele groep elementen waarover informatie wordt gewenst. Steekproef: Gedeelte van de populatie dat feitelijk wordt onderzocht om informatie te vergaren. Eenheden:
Nadere informatieStatistiek voor A.I. College 14. Dinsdag 30 Oktober
Statistiek voor A.I. College 14 Dinsdag 30 Oktober 1 / 16 2 Deductieve statistiek Orthodoxe statistiek 2 / 16 Grootte steekproef Voorbeeld NU.nl 26 Oktober 2012: Helft broodjes döner kebab vol bacteriën.
Nadere informatieExamen G0N34 Statistiek
Naam: Richting: Examen G0N34 Statistiek 8 september 2010 Enkele richtlijnen : Wie de vragen aanneemt en bekijkt, moet minstens 1 uur blijven zitten. Je mag gebruik maken van een rekenmachine, het formularium
Nadere informatieWiskunde B - Tentamen 2
Wiskunde B - Tentamen Tentamen van Wiskunde B voor CiT (57) Donderdag 4 april 005 van 900 tot 00 uur Dit tentamen bestaat uit 8 opgaven, 3 tabellen en formulebladen Vermeld ook je studentnummer op je werk
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 informatieSamenvatting Statistiek
Samenvatting Statistiek De hoofdstukken 1 t/m 3 gaan over kansrekening: het uitrekenen van kansen in een volledig gespecifeerd model, waarin de parameters bekend zijn en de kans op een gebeurtenis gevraagd
Nadere informatieStatistiek voor A.I. College 10. Donderdag 18 Oktober
Statistiek voor A.I. College 10 Donderdag 18 Oktober 1 / 28 Huffington Post poll verkiezingen VS - 12 Oktober 2012 2 / 28 Gallup poll verkiezingen VS - 15 Oktober 2012 3 / 28 Jullie - onderzoek Kimberly,
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 informatieToetsen van hypothesen
Les 4 Toetsen van hypothesen We hebben tot nu toe enigszins algemeen naar grootheden van populaties gekeken en bediscussieerd hoe we deze grootheden uit steekproeven kunnen schatten. Vaak hebben we echter
Nadere informatie15.1 Beslissen op grond van een steekproef [1]
15.1 Beslissen op grond van een steekproef [1] Voorbeeld 1: Een vulmachine vult flessen met een inhoud van X ml. X is normaal verdeeld met μ = 400 en σ = 4 Er wordt een steekproef genomen van 40 flessen.
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 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 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 informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere 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 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 informatieHoeveel 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 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 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 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 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 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 informatieStatistiek II. Sessie 1. Verzamelde vragen en feedback Deel 1
Statistiek II Sessie 1 Verzamelde vragen en feedback Deel 1 VPPK Universiteit Gent 2017-2018 Feedback Oefensessie 1 1 Staafdiagram 1. Wat is de steekproefgrootte? Op de horizontale as vinden we de respectievelijke
Nadere informatieWiskunde B - Tentamen 1
Wiskunde B - Tentamen Tentamen 57 Wiskunde B voor CiT vrijdag januari 5 van 9. tot. uur Dit tentamen bestaat uit 6 opgaven, formulebladen en tabellen. Vermeld ook uw studentnummer op uw werk en tentamenbriefje.
Nadere informatieG0N11a Statistiek en data-analyse: project Eerste zittijd Modeloplossing
G0N11a Statistiek en data-analyse: project Eerste zittijd 2007-2008 Modeloplossing Opmerking vooraf: Deze modeloplossing is een heel volledig antwoord op de gestelde vragen. Om de maximumscore op een vraag
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 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 informatieInleiding Applicatie Software - Statgraphics
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek /k 1/35 OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een
Nadere informatieTentamen Mathematische Statistiek (2WS05), vrijdag 29 oktober 2010, van 14.00 17.00 uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Mathematische Statistiek (WS05), vrijdag 9 oktober 010, van 14.00 17.00 uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamenopgaven Statistiek 2DD71: UITWERKINGEN 1. Stroopwafels a De som S van de 12 gewichten is X 1 + X 2 + + X 12. Deze is normaal
Nadere informatieKansrekening en statistiek WI2211TI / WI2105IN deel 2 2 februari 2012, uur
Kansrekening en statistiek WI22TI / WI25IN deel 2 2 februari 22, 4. 6. uur VOOR WI22TI: Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Een formuleblad is niet toegestaan.
Nadere informatieInleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een klein kapitaaltje
Nadere informatieG0N11C Statistiek & data-analyse Project tweede zittijd
G0N11C Statistiek & data-analyse Project tweede zittijd 2014-2015 Naam : Raimondi Michael Studierichting : Biologie Gebruik deze Word-template om een antwoord te geven op onderstaande onderzoeksvragen.
Nadere informatiestatviewtoetsen 18/12/ Statview toets, 2K WE, 30 mei Fitness-campagne Dominantie bij muizen... 4
statviewtoetsen 18/12/2000 Contents............................................................ 1 1 Statview toets, 2K WE, 30 mei 1995 2 1.1 Fitness-campagne................................................
Nadere informatieHoofdstuk 8: Het Toetsen van Hypothesen (Extra Oefeningen)
Hoofdstuk 8: Het Toetsen van Hypothesen (Extra Oefeningen) 8.16. Men wenst H 0 : p 0.2 te testen tegenover H 1 : p 0.4 voor een binomiale distributie met n 10. Bepaal α en β als de testfunctie gegeven
Nadere informatie. Dan geldt P(B) = a. 1 4. d. 3 8
Tentamen Statistische methoden 4052STAMEY juli 203, 9:00 2:00 Studienummers: Vult u alstublieft op het meerkeuzevragenformulier uw Delftse studienummer in (tbv automatische verwerking); en op het open
Nadere 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 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 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 informatieStatistiek I Samenvatting. Prof. dr. Carette
Statistiek I Samenvatting Prof. dr. Carette Opleiding: bachelor of science in de Handelswetenschappen Academiejaar 2016 2017 Inhoudsopgave Hoofdstuk 1: Statistiek, gegevens en statistisch denken... 3 De
Nadere informatieKansrekening en statistiek wi2105in deel 2 27 januari 2010, uur
Kansrekening en statistiek wi2105in deel 2 27 januari 2010, 14.00 16.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na
Nadere informatieExamen Statistiek I Januari 2010 Feedback
Examen Statistiek I Januari 2010 Feedback Correcte alternatieven worden door een sterretje aangeduid. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Twee derden van de mannen
Nadere informatie9. Lineaire Regressie en Correlatie
9. Lineaire Regressie en Correlatie Lineaire verbanden In dit hoofdstuk worden methoden gepresenteerd waarmee je kwantitatieve respons variabelen (afhankelijk) en verklarende variabelen (onafhankelijk)
Nadere informatieKansrekening en statistiek wi2105in deel 2 16 april 2010, uur
Kansrekening en statistiek wi205in deel 2 6 april 200, 4.00 6.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop
Nadere informatieToegepaste Statistiek, Week 3 1
Toegepaste Statistiek, Week 3 1 In Week 2 hebben we toetsingstheorie besproken mbt een kwantitatieve (ordinale) variabele G, en met name over zijn populatiegemiddelde E(G). Er waren twee gevallen: Er is
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 informatieDeeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013
Afdeling Wiskunde Volledig tentamen Algemene Statistiek Deeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen:
Nadere informatieHet gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen.
Het gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen. 1. (a) In de appendix van deze vraag, is een dataset gegeven met de corresponderende
Nadere informatie7.1 Toets voor het gemiddelde van een normale verdeling
Hoofdstuk 7 Toetsen van hypothesen Toetsen van hypothesen is, o.a. in de medische en chemische wereld, een veel gebruikte statistische techniek. Het wordt vaak gebruikt om een gevestigde norm eventueel
Nadere informatie