introductie toetsen power pauze hypothesen schatten ten slotte introductie toetsen power pauze hypothesen schatten ten slotte
|
|
- Elke Claes
- 7 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 Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 6: Introduction to Inference 6.1: Estimating with Confidence 6.2: Test of Significance 6.3: Use and Abuse of Tests 6.4: Power and Inference as a Decision week 4: het toetsen van gemiddelden: de t-toets 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 1/45 deze week: wat hebben we al geleerd? kennis en begrip van de (standaard) normaalverdeling kennis en begrip van z-scores (gestandaardiseerde scores) kennis en begrip van de 5 kansregels onderscheid kunnen maken tussen populatieverdelingen, steekproefverdelingen en steekproevenverdelingen kennis en begrip van de centrale limietstelling en de steekproevenverdeling van het gemiddelde 2/45
2 onderzoeksvraag onderzoeksvraag wanneer we eekhoorns een bepaalde tijd uithongeren, gaan deze eekhoorns dan meer voedsel verzamelen? 1 TS: toevalsfluctuaties weerleggen als oorzaak van verschillen 3/45 hypothese stap 1: hypothese uitgehongerde eekhoorns verzamelen gemiddeld meer voedsel 2 TS: toevalsfluctuaties weerleggen als oorzaak van verschillen 4/45
3 steekproevenverdeling stap 2: steekproevenverdeling steekproefgemiddelden uit een populatie zijn bij benadering normaal verdeeld 3 TS: toevalsfluctuaties weerleggen als oorzaak van verschillen 5/45 steekproefstatistiek en toetsingsgrootheid stap 3: toetsingsgrootheid bereken de z-score en vindt de plek in de standaard normaal verdeling 4 TS: toevalsfluctuaties weerleggen als oorzaak van verschillen 6/45
4 verwerpingsgebied 5% % van de waarden % stap 4: verwerpingsgebied of -grens bepaal de grens vanaf waar we het geen toeval meer vinden 5 TS: toevalsfluctuaties weerleggen als oorzaak van verschillen 7/45 statistische conclusie 5% % van de waarden % stap 5: statistische conclusie wanneer onze z-score zich binnen de grens bevindt en dus niet in de staart van de verdeling dan hebben we niets bijzonders gevonden 6 TS: toevalsfluctuaties weerleggen als oorzaak van verschillen 8/45
5 inhoudelijke conclusie stap 6: inhoudelijke conclusie uitgehongerde eekhoorns verzamelen gemiddeld evenveel voedsel 7 TS: toevalsfluctuaties weerleggen als oorzaak van verschillen 9/45 stappenplan voor toetsing de verschillende stappen voor toetsing stap 1 afleiden van de hypothese stap 2 vaststellen van de steekproevenverdeling stap 3 uitrekenen van de toetsingsgrootheid stap 4 bepalen van het verwerpingsgebied of -grens stap 5 trekken van de statistische conclusie stap 6 neerzetten van de inhoudelijke conclusie 10/45
6 stap 1: de hypothese hypothese een uitspraak over parameters in de populatie of in een model de nul-hypothese H 0 is de uitspraak waarvan we de juistheid willen weerleggen het is de geen effect of geen verschil hypothese de alternatieve hypothese H a is de uitspraak die we willen bewijzen het is de uitspraak waarop we terugvallen wanneer H 0 niet houdbaar blijkt het is de interessante hypothese, de onderzoeksvraag stap 1: de hypothese H 0 : µ = 9.0 uitgehongerde eekhoorns verzamelen gemiddeld evenveel voedsel H a : µ > 9.0 uitgehongerde eekhoorns verzamelen gemiddeld meer voedsel 8 een hypothese wordt altijd verwoord in termen van populatieparameters 11/45 stap 2: de steekproevenverdeling de hypothese doet een uitspraak over een steekproefstatistiek dit kan een gemiddelde, een som of een variantie zijn om H 0 te kunnen verwerpen moeten we de steekproevenverdeling van de toetsstatistiek kennen als H 0 waar is stap 2: de steekproevenverdeling steekproefgemiddelden uit een populatie zijn bij benadering normaal verdeeld als een variabele normaal verdeeld is (centrale limietstelling) dan volgen de z-scores de standaard normale verdeling N(0, 1) 12/45
7 stap 3: de toetsingsgrootheid een toetsingsgrootheid (test statistic) meet de verenigbaarheid tussen de steekproefstatistiek en de populatieparameter om het verschil tussen x en µ te toetsen gebruiken we als toetsingsgrootheid het gestandaardiseerde verschil z = schatting hypothese standaarddeviatie van schatting = x µ σ/ n = / 8 = dit is de z-score voor x = in een verdeling met µ = 9.0 en standaarddeviatie σ/ n = als H 0 waar is, dan ligt x dicht bij de gespecificeerde µ (z dicht bij nul) als H 0 niet waar is, dan ligt x ver van de gespecificeerde µ af (z ver van nul af) 13/45 stap 4: verwerpingsgebied of verwerpingsgrens p 0 z het vooraf gekozen verwerpingsgebied α is veelal 0.05 of 5% groot er zijn 2 methoden om toetsingsgrootheid z te vergelijken met α merk hiervoor op dat z een waarde op een as is en α een oppervlakte is, boven deze as 14/45
8 stap 4: het verwerpingsgebied p 0 z methode 1: verwerpingsgebied: z p α bepaal het gebied dat hoort bij de toetsingsgrootheid bijvoorbeeld voor z = 1.553, P(z > 1.553) = 1.0 P(z < 1.553) = = = p 15/45 stap 4: de verwerpingsgrens 0 z z* methode 2: verwerpingsgrens: α z z bepaal de grenswaarde die hoort bij het verwerpingsgebied α bijvoorbeeld voor α = 0.05, z = /45
9 stap 5: de statistische conclusie p 0 z z* methode 1: verwerpingsgebied: z p α we verwerpen H 0 als p kleiner is dan α bijvoorbeeld: p = > 0.05 = α en H 0 wordt niet verworpen methode 2: verwerpingsgrens: α z z we verwerpen H 0 als z verder van nul af ligt dan z bijvoorbeeld: z = < = z en H 0 wordt niet verworpen 17/45 stap 6: de inhoudelijke conclusie H 0 wordt niet verworpen dus uitgehongerde eekhoorns verzamelen gemiddeld evenveel voedsel 18/45
10 ander voorbeeld bij een service-afdeling was de tijd om te reageren op een klacht normaal verdeeld de verdeling heeft een gemiddelde van 2 uur en een standaarddeviatie van 15 minuten men meent dat de tijd tegenwoordig gemiddeld wat langer is een random steekproef van 25 gevallen geeft een gemiddelde van 126 minuten is dit wel of niet in tegenspraak met de eerdere situatie van 2 uur (=120 minuten)? 19/45 de one-sample z-toets het toetsen van één gemiddelde met de z-toets de z-toets voldoet bij kwantitatieve variabelen met bekende variantie steekproefgegevens: n = 25 en x = 126 (en σ = 15) stappenplan one-sample z-toets: 1 hypothese H 0 : µ = 120 en H a : µ > steekproevenverdeling normaal verdeeld 3 toetsingsgrootheid z = (x µ)/(σ/ n) = ( )/(15/5) = 2 4 verwerpingsgebied α = 0.05 en P(z > 2) = statistische conclusie p = < 0.05 = α en H 0 wordt verworpen 6 inhoudelijke conclusie de gemiddelde wachttijd is tegenwoordig wat langer 20/45
11 ge- en misbruik van toetsen gedragsregels voor evaluatie er is geen scherpe grens tussen significant en niet significant alleen maar sterkere evidentie tegen H 0 naarmate de p-waarde kleiner is: de p-waarde is dus informatiever dan significant of niet significant significante effecten kunnen heel klein zijn denk met name aan de rol van steekproefgrootte n: statistisch significant is iets anders dan praktisch significant zonder randomisatie gelden de kanswetten niet significantie toetsen en betrouwbaarheidsintervallen rekenen hierop een heleboel toetsen doen op dezelfde steekproef geeft altijd wel enig significant verschil: speciale maatregelen noodzakelijk geen exploratie en confirmatie op dezelfde data gebrek aan significantie betekent niet dat H 0 waar is of H a fout soms zijn er meer gegevens nodig voor een goed onderscheid 21/45 type I fout H 0 is waar 0 verwerp H 0 niet verwerp H 0 α: men concludeert ten onrechte dat er een verschil is α = P(type I fout) = de kans op een type I fout (gullibility risk) type I fout: het verwerpen van H 0, terwijl H 0 waar is men vindt een kans van 5% of kleiner een aanvaardbaar risico 22/45
12 type II fout H 0 is waar 0 verwerp H 0 niet verwerp H 0 H a is waar a β: men concludeert ten onrechte dat er een geen verschil is β = P(type II fout) = de kans op een type II fout (blindness risk) type II fout: het accepteren van H 0, terwijl H a waar is 23/45 power H 0 is waar 0 verwerp H 0 niet verwerp H 0 H a is waar power a power: men concludeert terecht dat er een verschil is power: kans op verwerpen van H 0, terwijl H a waar is dus een hogere power geeft een kleinere kans op een type II fout en een hogere kans op het verwerpen van H 0 terwijl H a waar is 24/45
13 vergroten van de power de power van een toets kan worden vergroot door: 1 het vergroten van het verschil tussen µ 0 en µ a 2 het verkleinen van σ/ n door 1 het verkleinen van σ 2 het vergroten van n 3 het vergroten van α deze mogelijkheden worden nu achtereenvolgens besproken 9 in week 5 wordt er met power geoefend in de werkgroepen en practica 25/45 vergroten van de power: vergroten effectsize H 0 is waar 0 verwerp H 0 niet verwerp H 0 0 verwerp H 0 niet verwerp H 0 H a is waar power power a a effect size maat: Cohen s d d = (µ 0 µ a )/σ (gestandaardiseerd verschil) Cohen s d is onafhankelijk van steekproefgrootte n 10 vuistregel: small effect: d = 0.2; medium effect: d = 0.5; large effect: d = /45
14 vergroten van de power: vergroten effectsize H 0 is waar 0 verwerp H 0 niet verwerp H 0 0 verwerp H 0 niet verwerp H 0 H a is waar power power a een effect kan worden omschreven als een relevant verschil de grootte van het effect wordt veelal bepaald op basis van 1 eerdere bevindingen (literatuur, pilot studie) 2 het kleinste relevante verschil dat acceptabel is a 27/45 vergroten van de power: verkleinen spreiding H 0 is waar 0 verwerp H 0 niet verwerp H 0 0 verwerp H 0 niet verwerp H 0 H a is waar power power a a 1 verkleinen van σ door beter meten of een homogenere steekproef 2 vergroten van n door een grotere steekproef te gebruiken de spreiding van de verdelingen wordt smaller: meer informatie over µ 28/45
15 vergroten van de power: vergroten alpha H 0 is waar 0 verwerp H 0 niet verwerp H 0 0 verwerp H 0 niet verwerp H 0 H a is waar power power a door α te vergroten, vergroten we de kans op een type I fout maar verkleiner we de kans op een type II fout (β) deze optie heeft zo z n beperkingen (meestal: 0.01 α 0.05) a 29/45 samenvatting: hypothese toetsen en beslissingen uw beslissing handhaaf H 0 verwerp H 0 type I fout: zeggen dat iets NIET WAAR is = P (type I fout) juiste beslissing 1 - H 0 is waar toestand in de wereld H 0 is niet waar / H a is waar juiste beslissing 1 - = power type II fout: niet zeggen dat iets WAAR is = P (type II fout) men vindt dat een toets minimaal een power van 0.80 moet hebben het berekenen van de power voor verschillende toetsen is een hels karwei: er zijn tabellen die de power geven voor bepaalde toetsen er is software waarmee de power kan worden uitgerekend (G*Power) 30/45
16 links- versus rechtszijdige alternatieve hypothese men meent dat de tijd tegenwoordig gemiddeld wat langer is rechtszijdige alternatieve hypothese H 0 : µ = 120 H a : µ > 120 maar stel nu dat men meent dat de tijd korter is geworden linkszijdige alternatieve hypothese H 0 : µ = 120 H a : µ < /45 één versus tweezijdige alternatieve hypothese men meent dat de tijd tegenwoordig gemiddeld wat langer is éénzijdige alternatieve hypothese H 0 : µ = 120 H a : µ > 120 maar stel nu dat men meent dat de tijd veranderd is, zonder richting twéézijdige alternatieve hypothese H 0 : µ = 120 H a : µ /45
17 één versus tweezijdige alternatieve hypothese z z 0 z* -z* 0 z* éénzijdige (rechtzijdige) toetsing tweezijdige toetsing voor een gegeven α is 1-zijdig toetsen altijd te prefereren boven 2-zijdig toetsen: voor de hierboven gegeven z wordt H 0 verworpen bij een 1-zijdige toetsing maar niet bij een 2-zijdige toetsing 2-zijdig toetsen hangt samen met het beoordelen van een betrouwbaarheidsinterval 33/45 introductie onze uitgehongerde eekhoorns verzamelen gemiddeld gram voedsel dit is het gemiddelde en noemen we een puntschatting een schatting zonder indicatie van de nauwkeurigheid heeft weinig waarde statistische betrouwbaarheid geeft een indicatie van nauwkeurigheid 12 statistische (confidence) verschilt van psychometrische betrouwbaarheid (reliability) 34/45
18 betrouwbaarheidsinterval geval 1 geval 2 = 1.5 = zonder indicatie van de nauwkeurigheid heeft een schatting weinig waarde: het steekproevengemiddelde µ x = 9.0 het steekproefgemiddelde x = het absolute verschil µ x x = = dit verschil zegt heel weinig zonder kennis van de spreiding van de steekproevenverdeling 35/45 betrouwbaarheidsinterval kans = 95% centrale limiet stelling: gemiddelden zijn is (bij benadering) normaal verdeeld en we weten dat N(µ,σ/ n), waarbij σ = en n = 8 95% ligt tussen z = 1.96 standaarddeviaties van µ dus 95% ligt tussen / 8 = van µ 36/45
19 betrouwbaarheidsinterval scharniermoment kans = 95% er is dus een kans van 95% dat x niet meer dan van µ af ligt dus is er een kans van 95% dat µ niet meer dan van x af ligt 37/45 begrip van een betrouwbaarheidsinterval steekproevenverdeling van x eerste 12 steekproeven met 95% betrouwbaarheidsintervallen de kansuitspraak zegt wat er zou kunnen gebeuren bij herhaald steekproeftrekken: in 95% van de gevallen valt µ binnen de betrouwbaarheidsmarges 38/45
20 berekenen van een betrouwbaarheidsinterval het steekproefgemiddelde x is normaal verdeeld N(µ,σ/ n) dus er is een kans C dat x ligt tussen µ z σ n en µ+z σ n wat hetzelfde is als een kans C dat µ ligt tussen x z σ n en x+z σ n normal-based betrouwbaarheidsinterval puntschatting±foutenmarge = x±m = x±z σ/ n waarbij 1 x het steekproefgemiddelde is, 2 m de margin of error, 3 z de z-score behorend bij kans C en 4 σ/ n de standaarddeviatie van de steekproevenverdeling 39/45 voorbeeld bij een service-afdeling was de tijd om te reageren op een klacht normaal verdeeld de verdeling heeft een gemiddelde van 2 uur en een standaarddeviatie van 15 minuten een random steekproef van 25 gevallen geeft een gemiddelde van 126 minuten wat is het 95% betrouwbaarheidsinterval voor µ? x±z σ n = 126±z σ n = 126±1.96 σ n = 126± = 126±5.88 TABLE D t distribution critical values Upper-tail probability p df z* % 60% 70% 80% 90% 95% 96% 98% 99% 99.5% Confidence level C 40/45
21 tweezijdig toetsen versus betrouwbaarheidsinterval het 95% betrouwbaarheidsinterval is [120.12, ] het betrouwbaarheidsinterval ligt de toetsingsgrootheid in de staart van de steekproevenverdeling of niet? µ = 120 valt niet in het interval [120.12,131.88] dus ligt µ = 120 in de staart van de steekproevenverdeling en wijkt x significant af van µ: we hebben iets opmerkelijks gevonden tweezijdig toetsen bij toetsing gaat het om kwantificatie van de evidentie vóór of tegen H 0 2-zijdig toetsen met α = 0.05 geeft (als eerder) z = 2 en P(z > 2) = (1) aangezien p = < = 0.05/2 = α/2, verwerpen we H 0 (2) aangezien 2 p = = < 0.05 = α, verwerpen we H 0 en wijkt x significant af van µ: we hebben iets opmerkelijks gevonden 13 merk op: met een betrouwbaarheidsinterval zijn alle tweezijdige hypothesen te toetsen 41/45 aan- en/of toepassingen vraag: wat kan men doen aan een betrouwbaarheidsinterval dat te breed is? x±z σ n 1 verklein z met een lager betrouwbaarheidsniveau, bv C = 90% ipv C = 95% 2 verklein de spreiding door 1 σ te verkleinen (beter meten, homogenere steekproef) 2 de steekproefgrootte te vergroten (n) 42/45
22 aan- en/of toepassingen vraag: hoeveel eekhoorns hebben we ongeveer nodig om het gemiddeld aantal gram te schatten met een marge van 0.25 gram en een betrouwbaarheidsinterval van C = 0.95? m = z σ n n = ( z ) 2 σ = m ( ) /45 deze week: wat hebben we geleerd? kennis van basisbegrippen: nulhypothese (H 0 ), alternatieve hypothese (H a ), verwerpingsgebied, handhavingsgebied, p-waarde (z), α (z ), β, Cohen s d, power, puntschatting en foutenmarge 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 relatie tussen z en p tegenover z en α kennis en begrip van het betrouwbaarheidsinterval de relatie tussen een gewenste foutenmarge en de steekproefgrootte de relatie tussen betrouwbaarheidsinterval en 2-zijdig toetsen de gebieden links en rechts van het verwerpingscriterium onder H 0 en H a de criterium waarden voor α, β en power de relatie tussen effect size, spreiding, steekproefgrootte en power 44/45
23 deze week: wat moeten we nog leren? het formuleren van stelsels van hypothesen het uitvoeren van een one-sample z-toets het vaststellen van een betrouwbaarheidsinterval het beoordelen en veranderen van de power (week 5) 45/45
Toetsende 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 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 informatietoetskeuze schema verschillen in gemiddelden
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling week 3: schatten en toetsen: de z-toets week 4: het toetsen van gemiddelden: de t-toets week 5: het toetsen van
Nadere 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 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 informatieToetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen
M, M & C 7.3 Optional Topics in Comparing Distributions: F-toets 6.4 Power & Inference as a Decision 7.1 The power of the t-test 7.3 The power of the sample t- Toetsende Statistiek Week 5. De F-toets &
Nadere informatieHoofdstuk 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 informatieHOOFDSTUK VI NIET-PARAMETRISCHE (VERDELINGSVRIJE) STATISTIEK
HOOFDSTUK VI NIET-PARAMETRISCHE (VERDELINGSVRIJE) STATISTIEK 1 1. INLEIDING Parametrische statistiek: Normale Verdeling Niet-parametrische statistiek: Verdelingsvrij Keuze tussen de twee benaderingen I.
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 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 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 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 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 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 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 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 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 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 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 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 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 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 12 Vrijdag 16 Oktober 1 / 38 2 Statistiek Indeling vandaag: Normale verdeling Wet van de Grote Getallen Centrale Limietstelling Deductieve statistiek Hypothese toetsen
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 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 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 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 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 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 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 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 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 informatieHoofdstuk 13. De omvang van een steekproef bepalen
Hoofdstuk 13 De omvang van een steekproef bepalen Steekproefnauwkeurigheid Steekproefnauwkeurigheid: verwijst naar hoe dicht een steekproefgrootheid (bijvoorbeeld het gemiddelde van de antwoorden op een
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 informatieExperimenteel en Correlationeel Onderzoek (ECO)
Experimenteel en Correlationeel Onderzoek (ECO) In veel onderzoek is het ultieme doel: Het vaststellen van oorzaak-gevolg (causale) relaties Rode draad ECO: Met behulp van onderzoek zo goed mogelijk uitspraken
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 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 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 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 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 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 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 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 informatieExperimenteel en Correlationeel Onderzoek
Experimenteel en Correlationeel Onderzoek In veel onderzoek is het doel: Het vaststellen van oorzaak-gevolg (causale) relaties Criteria voor causaliteit 1. Samenhang (correlatie, covariantie) 2. Opeenvolging
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN
TECHNISCHE UNIVERSITEIT EINDHOVEN Tentamen Biostatistiek voor BMT (2S390) op 17-11-2003 U mag alleen gebruik maken van een onbeschreven Statistisch Compendium (dikt. nr. 2218) en van een zakrekenmachine.
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 informatieCollege 3 Meervoudige Lineaire Regressie
College 3 Meervoudige Lineaire Regressie - Leary: Hoofdstuk 8 p. 165-169 - MM&C: Hoofdstuk 11 - Aanvullende tekst 3 (alinea 2) Jolien Pas ECO 2012-2013 'Computerprogramma voorspelt Top 40-hits Bron: http://www.nu.nl/internet/2696133/computerprogramma-voorspelt-top-40-hits.html
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 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 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 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 informatieOpen en Gepersonaliseerd Statistiekonderwijs (OGS) Deliverable 1.1 Requirements
Open en Gepersonaliseerd Statistiekonderwijs (OGS) Deliverable 1.1 Requirements Sietske Tacoma, Susanne Tak, Henk Hietbrink en Wouter van Joolingen Inleiding Het doel van dit project is om een aantal vrij
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 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 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 informatieLesbrief hypothesetoetsen
Lesbrief hypothesetoetsen 00 "Je gaat het pas zien als je het door hebt" Johan Cruijff Willem van Ravenstein Inhoudsopgave Inhoudsopgave... Hoofdstuk - voorkennis... Hoofdstuk - mens erger je niet... 3
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 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 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 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 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 informatieKlantonderzoek: statistiek!
Klantonderzoek: statistiek! Statistiek bij klantonderzoek Om de resultaten van klantonderzoek juist te interpreteren is het belangrijk de juiste analyses uit te voeren. Vaak worden de mogelijkheden van
Nadere informatieDEEL 3 INDUCTIEVE STATISTIEK INLEIDING TOT DE INDUCTIEVE STATISTIEK 11.2 DE GROOTSTE AANNEMELIJKHEID - METHODE
DEEL 3 INDUCTIEVE STATISTIEK INHOUD H 10: INLEIDING TOT DE INDUCTIEVE STATISTIEK H 11: PUNTSCHATTING 11.1 ALGEMEEN 11.1.1 Definities 11.1.2 Eigenschappen 11.2 DE GROOTSTE AANNEMELIJKHEID - METHODE 11.3
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 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 informatieUitleg significantieniveau en toetsen van hypothesen
Uitleg significantieniveau en toetsen van hypothesen Het significantieniveau (meestal aangegeven met de letter α) stelt de kans voor, dat H 0 gelijk heeft, maar H 1 gelijk krijgt. Je trekt dus een foute
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 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 informatie1 Basisbegrippen, W / O voor waar/onwaar
Naam - Toetsende Statistiek Rijksuniversiteit Groningen Lente Docent: John Nerbonne Tentamen di. 22 juni om 14 uur tentamenhal Belangrijke instructies 1. Schrijf uw naam & studentnummer hierboven, schrijf
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 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 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 informatie