introductie kansen pauze meer kansen random variabelen transformaties ten slotte
|
|
- Karen van Beek
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 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 Models 4.3: Random Variables 4.4: Means and Variances of Random Variables 4.5: General Probability Rules 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 varianties: de F-toets week 6: het toetsen van tellingen: de χ 2 -toets week 7: verdelingsvrije toetsen Frank Busing, Universiteit Leiden 1/39 onderzoeksvraag onderzoeksvraag wanneer we eekhoorns een bepaalde tijd uithongeren, gaan deze eekhoorns dan meer voedsel verzamelen? 2/39
2 wat is normaal? stap 1: 1 we nemen een steekproef van 10 eekhoorns 2 we bepalen het gemiddeld aantal gram verzameld voedsel 3 we herhalen stappen 1-2 een flink aantal keer 3/39 dit is normaal aantal steekproefgemiddelden aantal gram voedsel conclusie stap 1: normale eekhoorns verzamelen ongeveer 9 gram voedsel (gemiddelde) normale eekhoorns verzamelen tussen de 7 en 11 gram voedsel (spreiding) 1 dit is een frequentie-verdeling 4/39
3 is dit normaal? aantal steekproefgemiddelden aantal gram voedsel stap 2: 1 we vangen 10 eekhoorns 2 we geven deze eekhoorns enige tijd weinig tot niets te eten 3 we laten de uitgehongerde eekhoorns vrij 4 we bepalen het gemiddeld aantal gram verzameld voedsel 5/39 dit is (niet) normaal aantal steekproefgemiddelden aantal gram voedsel mogelijke conclusies stap 2: stel de uitgehongerde eekhoorns verzamelen 9 gram voedsel stel de uitgehongerde eekhoorns verzamelen 11 gram voedsel stel de uitgehongerde eekhoorns verzamelen 13 gram voedsel toetsende statistiek houdt zich bezig met het weerleggen van toevalsfluctuaties als oorzaak van verschillen 6/39
4 het leren van toetsende statistiek drie belangrijke kenmerken van statistiek: 1 statistiek maakt gebruik van een zeer specifiek idioom 2 statistiek heeft zowel een praktische als een theoretische component 3 statistische kennis heeft een sterk cumulatief karakter conclusie voor de student: 1 leer alle begrippen uit je hoofd (spiekbrief heeft hiervoor geen zin) 2 oefen alle sommen tot het lukt (vlug en goed) 3 en begin nu hoorcolleges + werkgroepen + SPSS practica + extra werkgroepen zie inleiding werkboek toetsende statistiek tentamen: woensdag , , USC 7/39 Bonne bij voortplanting erft een kind voor elk gen één van de twee delen van elk ouder welke van de twee delen het van een ouder krijgt is willekeurig de kans op elk deel is 50%, ofwel regel 1: toegestane waarden 0 P(A) 1 voor elke gebeurtenis A Bonne heeft blauwe ogen, evenals zijn vader en moeder let op: er komen 5 regels voor kansen 8/39
5 hielprik binnen 10 dagen na geboorte krijgen baby s een hielprik (onder- of zijkant) met het bloed van de hielprik wordt er gezocht naar bepaalde ziekten het gaat om ziekten die kunnen worden behandeld als ze vroeg zijn opgespoord MCADD = medium chain acyl co-enzym-a dehydrogenase-deficientie een deficientie waardoor vet niet omgezet kan worden in suiker dus wanneer de suikervoorraad op is, raakt de patient bewusteloos wanneer niet wordt ingegrepen, kan de patient overlijden 3 MCADD was één van de oorzaken van wiegedood 9/39 erfelijkheid de kans op dragerschap (MCADD in een van de gen-delen) is 1/55 (regel 1) de kans dat beide ouders drager zijn is 1/55 1/55 1/3000 regel 5: productregel (voor onafhankelijke gebeurtenissen) P(A en B) = P(A) P(B) 10/39
6 mogelijke uitkomsten mogelijkheden voor Bonne (uitkomstenruimte) 4 Afke Frank P(+) = 0.5 P( ) = 0.5 P(+) = 0.5 P(++) = 0.25 P(+ ) = 0.25 Bonne P( ) = 0.5 P( +) = 0.25 P( ) = 0.25 regel 1: toegestane waarden 0 P(A) 1 voor elke gebeurtenis A bijvoorbeeld: de kans op MCADD = neutraal gendeel; MCADD gendeel 11/39 mogelijke uitkomsten mogelijkheden voor Bonne (uitkomstenruimte) Afke Frank P(+) = 0.5 P( ) = 0.5 P(+) = 0.5 P(++) = 0.25 P(+ ) = 0.25 Bonne P( ) = 0.5 P( +) = 0.25 P( ) = 0.25 regel 2: kansen totaal P(S) = 1 bijvoorbeeld: de kans op twee genen = /39
7 mogelijke uitkomsten mogelijkheden voor Bonne (uitkomstenruimte) Afke Frank P(+) = 0.5 P( ) = 0.5 P(+) = 0.5 P(++) = 0.25 P(+ ) = 0.25 Bonne P( ) = 0.5 P( +) = 0.25 P( ) = 0.25 regel 3: somregel (voor disjuncte gebeurtenissen) P(A of B) = P(A)+P(B) bijvoorbeeld: de kans op alleen dragerschap (+ of +) = = disjunct is wederzijdsuitsluitend 13/39 mogelijke uitkomsten mogelijkheden voor Bonne (uitkomstenruimte) Afke Frank P(+) = 0.5 P( ) = 0.5 P(+) = 0.5 P(++) = 0.25 P(+ ) = 0.25 Bonne P( ) = 0.5 P( +) = 0.25 P( ) = 0.25 regel 4: complement regel P(A) = 1 P(A c ) bijvoorbeeld: de kans op geen MCADD = één min de kans op MCADD = /39
8 mogelijke uitkomsten mogelijkheden voor Bonne (uitkomstenruimte) Afke Frank P(+) = 0.5 P( ) = 0.5 P(+) = 0.5 P(++) = 0.25 P(+ ) = 0.25 Bonne P( ) = 0.5 P( +) = 0.25 P( ) = 0.25 regel 5: productregel (voor onafhankelijke gebeurtenissen) P(A en B) = P(A) P(B) bijvoorbeeld: de kans op een kind met MCADD = 1/55 1/55 1/4 1/ /39 meer kansen de somregel (zojuist besproken) regel 3: somregel (voor disjuncte gebeurtenissen) P(A of B) = P(A)+P(B) geldt alleen voor disjucte gebeurtenissen maar wat als gebeurtenissen niet disjunct zijn en dus overlappen? de productregel (zojuist besproken) regel 5: productregel (voor onafhankelijke gebeurtenissen) P(A en B) = P(A) P(B) geldt alleen voor onafhankelijke gebeurtenissen maar wat als gebeurtenissen afhankelijk zijn van elkaar? 16/39
9 voorbeeld screening van neurotische patienten op flauwvallen CONTROLE NEE NEUROTICI JA patient en vallen zijn niet disjunct, want ze overlappen (groen) dit heeft gevolgen voor de somregel 6 regel 3: somregel (algemeen) P(A of B) = P(A)+P(B) P(A en B) bijvoorbeeld: de kans op neuroticisme OF vallen somregel voor disjucte gebeurtenissen: P(A of B) = P(A) + P(B) 17/39 marginale kansen screening van neurotische patienten op flauwvallen een eenvoudige random steekproef (SRS) levert de volgende kruistabel op flauwvallen neurotici controle totaal nee ja totaal marginale kansen kans op flauwvallen = P(ja) = 120/400 = 0.30 kans op neuroticisme = P(neuroticus) = 40/400 = 0.10 kans bij het beschouwen van een marginaal (totaal) 18/39
10 gezamelijke kansen screening van neurotische patienten op flauwvallen een eenvoudige random steekproef (SRS) levert de volgende kruistabel op flauwvallen neurotici controle totaal nee ja totaal gezamelijke kansen kans op flauwvallen EN neuroticisme = P(ja EN neuroticus) = 30/400 = kans op niet flauwvallen EN neuroticisme = P(nee EN neuroticus) = 10/400 = kans op een combinatie van gebeurtenissen 19/39 voorwaardelijke kansen screening van neurotische patienten op flauwvallen een eenvoudige random steekproef (SRS) levert de volgende kruistabel op flauwvallen neurotici controle totaal nee ja totaal voorwaardelijke kansen kans op flauwvallen onder de voorwaarde dat de patient neurotisch is = P(ja neuroticus) = 30/40 = 0.75 kans op niet flauwvallen onder de voorwaarde dat de patient neurotisch is = P(nee neuroticus) = 10/40 = kans binnen een bepaald domein: we kijken naar mensen die aan een bepaalde voorwaarde voldoen kansen binnen bepaald domein tellen op tot /39
11 onafhankelijkheid screening van neurotische patienten op flauwvallen een eenvoudige random steekproef (SRS) levert de volgende kruistabel op flauwvallen neurotici controle totaal nee ja totaal onafhankelijkheid: vragen is er een relatie tussen neuroticisme en flauwvallen? is de kans op flauwvallen verschillend voor neurotici en controle? is de kans op flauwvallen afhankelijk van de uitkomst op patient? 21/39 onafhankelijkheid screening van neurotische patienten op flauwvallen een eenvoudige random steekproef (SRS) levert de volgende kruistabel op flauwvallen neurotici controle totaal nee ja totaal onafhankelijkheid: antwoorden neuroticisme en flauwvallen zijn onafhankelijk als de kans op flauwvallen gelijk is voor alle uitkomsten van neuroticisme dus P(ja neuroticus) = 30/40 90/360 = P(ja controle)? neuroticisme en flauwvallen zijn onafhankelijk als de conditionele kansen gelijk zijn aan de marginale kansen dus P(ja neuroticus) = 30/40 120/400 = P(ja)? conclusie: neuroticisme en flauwvallen zijn afhankelijk 22/39
12 onafhankelijkheid screening van neurotische patienten op flauwvallen een eenvoudige random steekproef (SRS) levert de volgende kruistabel op flauwvallen neurotici controle totaal nee ja totaal onafhankelijkheid: conclusie afhankelijkheid heeft gevolgen voor de productregel 8 regel 5: productregel (algemeen) P(A en B) = P(A) P(B A) als A en B onafhankelijk zijn, dan P(B A) = P(B) dan zijn de conditionele kansen P(B A) gelijk aan de marginale kansen P(B) productregel voor onafhankelijke gebeurtenissen: P(A en B) = P(A) P(B) 23/39 random variabelen het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal random variabele een random variabele is een variabele met (numerieke) waarden verkregen uit een steekproef of uit een ander random proces er zijn twee soorten random variabelen: 1 discreet: variabelen met een eindig aantal mogelijke waarden 2 continue: variabelen met een oneindig aantal mogelijke waarden in het vervolg gaat het over discrete random variabelen 24/39
13 random variabelen het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal we kunnen (van) discrete random variabelen: de verwachte waarde en de variantie uitrekenen (lineair) transformeren bij elkaar optellen of van elkaar aftrekken 25/39 proporties het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal proportie proportie kan worden opgevat als waarschijnlijkheid of kans maat voor relatief voorkomen van gebeurtenissen in uitkomstenruimte 9 proportie = aantal / totaal = f(x i )/n = f(7)/n = 40/400 = 0.10 kansen zijn geidealiseerde proporties voortkomend uit theorie of populatiewaarden 26/39
14 kansen het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal proportie de regels voor kansen gelden ook hier: de kans dat we 10 gram verzameld voedsel vinden is 0.25 (regel 1) de kans op 10 gram of minder is = 0.90 (regel 3) de kans op 10 gram of minder is ook = 0.90 (regel 4) we weten welke waarden (grammen) voorkomen en we weten de kans dat deze waarden voorkomen we hebben een verdeling (over grammen) van kansen: de kansverdeling 27/39 kansverdeling het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal proportie een kansverdeling kan zowel numeriek als grafisch worden weergegeven 10 hiervoor gebruiken we: locatie, spreiding en regelmaat histogram zie inleiding methoden en technieken week 4 28/39
15 locatie: verwachte waarde het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal proportie verwachte waarde van een random variabele µ X = x 1 p 1 +x 2 p x n p n = i x ip i de verwachte waarde van een discrete random variabele wordt als volgt bepaald: ( )/400 = 40/ / / = = 9 29/39 wet van de grote getallen het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal proportie de verwachte waarde van een random variabele is het geidealiseerde gemiddelde: op de lange termijn (grote steekproeven) is x gelijk aan µ X 30/39
16 wet van de grote getallen het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal proportie gemiddelde over eerste n observaties x aantal observatie (n) /39 spreiding: variantie het aantal gram verzameld voedsel van 400 eekhoorns (hele grammen) gram aantal proportie variantie van een random variabele σ 2 X = (x 1 µ X ) 2 p 1 +(x 2 µ X ) 2 p (x n µ X ) 2 p n = i (x i µ X ) 2 p i variantie: gewogen som van gekwadrateerde afwijkingen tot het gemiddelde 32/39
17 transformaties de hoeveelheid voedsel wordt hier gemeten in grammen onderzoek in Engeland geeft andere resultaten niet omdat eekhoorns aldaar meer of minder verzamelen maar omdat het in andere eenheden gemeten wordt bijvoorbeeld in pounds, in ounces, of in grains 11 the grain was the legal foundation of traditional English weight systems 33/39 transformaties we besluiten de hoeveelheid voedsel te meten in grains we zetten grammen om in grains: 1 gram = grains maar wat gebeurt er nu met: de verwachte waarde µ Y? de variantie σ 2 Y? 34/39
18 transformaties: vermenigvuldigen met b aantal gram maal transformatie: Y = bx bijvoorbeeld: omzetten van grammen in grains: Y = X nieuwe verwachte waarde: µ Y = bµ X nieuwe variantie: σ 2 Y = b2 σ 2 X 35/39 transformaties: optellen van a aantal gram plus 100 transformatie: Y = a+x bijvoorbeeld: lengte meten terwijl proefpersonen op een bankje staan: Y = 30 + X nieuwe verwachte waarde: µ Y = a+µ X nieuwe variantie: σ 2 Y = σ2 X 36/39
19 algemeen: lineaire transformaties aantal gram maal plus 100 transformatie: Y = a+bx bijvoorbeeld: omzetten van graden celcius in graden fahrenheit: F = C verwachte waarde en variantie bij lineair getransformeerde variabelen nieuwe verwachte waarde: µ Y = a+bµ X nieuwe variantie: σ 2 Y = b2 σ 2 X 37/39 deze week: wat hebben we geleerd? kennis van basisbegrippen: kans, uitkomst, gebeurtenis, complement, random variabele, verwachte waarde, variantie kennis en begrip van de 5 kansregels kennis en begrip van marginale, gezamelijke en conditionele kans kennis en begrip van onafhankelijkheid verwachte waarde en variantie van discrete random variabelen en van een getransformeerde discrete random variabele 38/39
20 deze week: wat moeten we nog leren? het toepassen van de 5 kansregels het bepalen van voorwaardelijke en gezamelijke kansen het bepalen van onafhankelijkheid het bepalen van verwachte waarde en variantie van discrete random variabelen van getransformeerde discrete random variabelen en van de som van onafhankelijke en gecorreleerde discrete random variabelen 39/39
introductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 5: Sampling Distributions 5.1: The
Nadere informatieHoofdstuk 4 Kansen. 4.1 Randomheid
Hoofdstuk 4 Kansen 4.1 Randomheid Herhalingen en kansen Als je een munt opgooit (of zelfs als je een SRS trekt) kunnen de resultaten van tevoren voorspeld worden, omdat de uitkomsten zullen variëren wanneer
Nadere informatieToetsende Statistiek 2011
Toetsende Statistiek 011 NB Volgt op Inleiding M&T. 7 weken college, werkgroep en practicum. In week 8 (eind december) SPSS toets + Tentamen. Week topic geen stof 1 Kansen Steekproevenverdeling Weibull
Nadere informatieToetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling
Toetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling Moore, McCabe & Craig: 3.3 Toward Statistical Inference From Probability to Inference 5.1 Sampling Distributions for
Nadere informatieintroductie 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 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 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: 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 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 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 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 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 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 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 informatie14.1 Kansberekeningen [1]
14.1 Kansberekeningen [1] Herhaling kansberekeningen: Somregel: Als de gebeurtenissen G 1 en G 2 geen gemeenschappelijke uitkomsten hebben geldt: P(G 1 of G 2 ) = P(G 1 ) + P(G 2 ) B.v. P(3 of 4 gooien
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 3 oktober 006 Deel I Toevallige veranderlijken Steekproef Beschrijving van gegevens Histogram Gemiddelde en standaarddeviatie
Nadere informatieKansverdelingen Inductieve statistiek met Geogebra 4.2
Kansverdelingen Inductieve statistiek met Geogebra 4.2 Brecht Dekeyser Pedic 20 november 2013 Gent 1 Inhoud Nieuw in Geogebra 4.2 Kansverdelingen: Berekeningen en grafische voorstellingen Manueel in rekenblad
Nadere informatie13.1 Kansberekeningen [1]
13.1 Kansberekeningen [1] Herhaling kansberekeningen: Somregel: Als de gebeurtenissen G 1 en G 2 geen gemeenschappelijke uitkomsten hebben geldt: P(G 1 of G 2 ) = P(G 1 ) + P(G 2 ) B.v. P(3 of 4 gooien
Nadere 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 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie
Nadere 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 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 informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Doel Beheersen van elementaire statistische technieken Toepassen van deze technieken op aardwetenschappelijke data 2 1 Leerstof Boek: : Introductory Statistics, door
Nadere 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 informatieStatistiek voor A.I. College 4. Donderdag 20 September 2012
Statistiek voor A.I. College 4 Donderdag 20 September 2012 1 / 30 2 Deductieve statistiek Kansrekening 2 / 30 Cycle 3 / 30 Context 4 / 30 2 Deductieve statistiek Vandaag: Eigenschappen kansen Oneindige
Nadere informatieMedische Statistiek Kansrekening
Medische Statistiek Kansrekening Medisch statistiek- kansrekening Hoorcollege 1 Uitkomstenruimte vaststellen Ook wel S of E. Bij dobbelsteen: E= {1,2,3,4,5,6} Een eindige uitkomstenreeks Bij het gooien
Nadere informatieCollege 7. Regressie-analyse en Variantie verklaren. Inleiding M&T Hemmo Smit
College 7 Regressie-analyse en Variantie verklaren Inleiding M&T 2012 2013 Hemmo Smit Neem mee naar tentamen Geslepen potlood + gum Collegekaart (alternatief: rijbewijs, ID-kaart, paspoort) (Grafische)
Nadere 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 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 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 informatieInleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een klein kapitaaltje
Nadere informatieStatistiek voor A.I. College 10. Dinsdag 16 Oktober
Statistiek voor A.I. College 10 Dinsdag 16 Oktober 1 / 30 Jullie - onderzoek Geert-Jan, Joris, Brechje Horizontaal: lengte Verticaal: lengte tussen topjes middelvingers met gestrekte armen. DIII 170 175
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2, Vrijdag 23 januari 25, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven dienen
Nadere informatieStatistiek voor A.I. College 6. Donderdag 27 September
Statistiek voor A.I. College 6 Donderdag 27 September 1 / 1 2 Deductieve statistiek Kansrekening 2 / 1 Vraag: Afghanistan In het leger wordt uit een groep van 6 vrouwelijke en 14 mannelijke soldaten een
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 5 oktober 007 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt
Nadere informatieCollege 1 Grondprincipes van de Wetenschap
College 1 Grondprincipes van de Wetenschap Inleiding M&T 01 013 Hemmo Smit Overzicht van dit college Korte inleiding in het vakgebied Praktische informatie over het vak Wat is wetenschap? De empirische
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 6 oktober 009 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt
Nadere 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 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 informatieVoorbeelden van gebruik van 5 VUSTAT-apps
Voorbeelden van gebruik van 5 VUSTAT-apps Piet van Blokland Begrijpen van statistiek door simulaties en visualisaties Hoe kun je deze apps gebruiken bij het statistiek onderwijs? De apps van VUSTAT zijn
Nadere informatieStatistiek voor A.I. College 3. Dinsdag 18 September 2012
Statistiek voor A.I. College 3 Dinsdag 18 September 2012 1 / 45 2 Deductieve statistiek Kansrekening 2 / 45 Uitkomstenruimte 3 / 45 Vragen: voorspellen Een charlatan zegt te kunnen voorspellen of een ongeboren
Nadere informatieCursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere informatie1BA PSYCH Statistiek 1 Oefeningenreeks 3 1
Juno KOEKELKOREN D.1.3. OEFENINGENREEKS 3 OEFENING 1 In onderstaande tabel vind je zes waarnemingen van twee variabelen (ratio meetniveau). Eén van de waarden van y is onbekend. Waarde x y 1 1 2 2 9 2
Nadere informatieParagraaf 5.1 : Frequentieverdelingen
Hoofdstuk 5 Beschrijvende statistiek (V4 Wis A) Pagina 1 van 7 Paragraaf 5.1 : verdelingen Les 1 Allerlei diagrammen = { Hoe vaak iets voorkomt } Relatief = { In procenten } Absoluut = { Echte getallen
Nadere informatie1. De wereld van de kansmodellen.
STATISTIEK 3 DE GRAAD.. De wereld van de kansmodellen... Kansmodellen X kansmodel Discreet model Continu model Kansverdeling Vaas Staafdiagram Dichtheidsfunctie f(x) GraJiek van f Definitie: Een kansmodel
Nadere 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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 1 Dinsdag 14 September 1 / 34 Literatuur http://www.phil.uu.nl/ iemhoff Applied Statistics for the Behavioral Sciences - 5th edition, Dennis E. Hinkle, William Wiersma,
Nadere informatieDEZE PAGINA NIET vóór 8.30u OMSLAAN!
STTISTIEK 1 VERSIE MT15303 1308 1 WGENINGEN UNIVERSITEIT LEERSTOELGROEP MT Tentamen Statistiek 1 (MT-15303) 5 augustus 2013, 8.30-10.30 uur EZE PGIN NIET vóór 8.30u OMSLN! STRT MET INVULLEN VN NM, REGISTRTIENUMMER,
Nadere informatieStatistiek, gegevens en een kritische houding
Statistiek Hoofdstuk 1. Statistiek, gegevens en een kritische houding 1.1. Statistiek 1.2. De wetenschap statistiek de wetenschap van gegevens verzamelen evalueren (classificeren, samenvatten, organiseren,
Nadere 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 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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 7 Dinsdag 11 Oktober 1 / 33 2 Statistiek Vandaag: Populatie en steekproef Maten Standaardscores Normale verdeling Stochast en populatie Experimenten herhalen 2 / 33 3
Nadere 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 informatiewerkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions
cursus 4 mei 2012 werkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions Huiswerk P&D, opgaven Chapter 6: 9, 19, 25, 33 P&D, opgaven Appendix A: 1, 9 doen
Nadere informatieSPSS Introductiecursus. Sanne Hoeks Mattie Lenzen
SPSS Introductiecursus Sanne Hoeks Mattie Lenzen Statistiek, waarom? Doel van het onderzoek om nieuwe feiten van de werkelijkheid vast te stellen door middel van systematisch onderzoek en empirische verzamelen
Nadere 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 informatieInleiding Kansrekening en Statistiek
Inleiding Kansrekening en Statistiek Inleiding Kansrekening en Statistiek S.J. de Lange VSSD 4 VSSD Eerste druk 1989 Tweede druk 1991-2007 Uitgegeven door de VSSD Poortlandplein 6, 2628 BM Delft, The Netherlands
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 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 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 2 Donderdag 15 September 1 / 42 1 Kansrekening Vandaag: Vragen Eigenschappen van kansen Oneindige discrete uitkomstenruimtes Continue uitkomstenruimtes Continue stochasten
Nadere 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 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 informatieANTWOORDEN Statistiek
ANTWOORDEN Statistiek cursuscode 200300427, cursusjaar 2004-2005, blok 2 maandag 31 januari 2005, 15:00-17:30 uur, Trans 10, zaal 0.17 Schrijf je naam en student-nummer op elk vel papier dat je inlevert.
Nadere informatieFeedback proefexamen Statistiek I 2009 2010
Feedback proefexamen Statistiek I 2009 2010 Het correcte antwoord wordt aangeduid door een sterretje. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Een derde van de mannen is
Nadere 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 informatieLes 2 / 3: Meetschalen en Parameters
Les 2 / 3: Meetschalen en Parameters I Theorie: A. Algemeen : V is de verzameling van alle mogelijke uitkomsten van een toevallig experiment. Een veranderlijke of stochastiek is een afbeelding G die aan
Nadere 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 informatieVOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 4. Het steekproefgemiddelde. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Kansmodellen 4. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg . Een concreet voorbeeld.... Een kansmodel
Nadere informatieKansrekening en stochastische processen 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/28 The delta functie Zij De eenheids impulsfunctie is: d ε (x) = { 1ε als ε 2 x ε 2 0 anders δ(x) = lim
Nadere informatieKansrekening en Statistiek. Overzicht Kansrekening
Kansrekening en Statistiek Overzicht Kansrekening 1 / 30 Overzicht: stochasten Discrete stochasten X - distributiefuncties f P(X A) = i A f (x) = i A P(X = i). 2 / 30 Overzicht: stochasten Discrete stochasten
Nadere informatieStatistiek. Beschrijvend statistiek
Statistiek Beschrijvend statistiek Verzameling van gegevens en beschrijvingen Populatie, steekproef Populatie = o de gehele groep ondervragen o parameter is een kerngetal Steekproef = o een onderdeel van
Nadere informatieCollege 3 Interne consistentie; Beschrijvend onderzoek
College 3 Interne consistentie; Beschrijvend onderzoek Inleiding M&T 2012 2013 Hemmo Smit Overzicht van dit college Kwaliteit van een meetinstrument (herhaling) Interne consistentie: Cronbach s alpha Voorbeeld:
Nadere informatieHoofdstuk 3 : Numerieke beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent
Hoofdstuk 3 : Numerieke beschrijving van data Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Numerieke beschrijving van data p 1/31 Beschrijvende
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Eindtentamen Kansrekening en Statistiek (WS), Tussentoets Kansrekening en Statistiek (WS), Vrijdag 8 april, om 9:-:. Dit is een tentamen
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 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 informatieExamen Statistiek I Feedback
Examen Statistiek I Feedback Bij elke vraag is alternatief A correct. Bij de trekking van een persoon uit een populatie beschouwt men de gebeurtenissen A (met bril), B (hooggeschoold) en C (mannelijk).
Nadere informatie6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Learning the Mechanics 6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. De random variabele x wordt tweemaal waargenomen. Ga na dat, indien de waarnemingen
Nadere informatieHoofdstuk 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2S27), dinsdag 14 juni 25, 9. - 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding Zie syllabus voor details 16 februari 2011 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor
Nadere 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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 2 Donderdag 16 September 1 / 31 1 Kansrekening Indeling: Eigenschappen van kansen Continue uitkomstenruimtes Continue stochasten 2 / 31 Vragen: cirkels Een computer genereert
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 13 Dinsdag 1 November 1 / 26 2 Statistiek Vandaag: Power Grootte steekproef Filosofie 2 / 26 Power 3 / 26 Power Def. De power (kracht) van een hypothese toets is (1 β),
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 informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodellen en normaal verdeelde steekproefgrootheden 5. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg
Nadere informatie8. Analyseren van samenhang tussen categorische variabelen
8. Analyseren van samenhang tussen categorische variabelen Er bestaat een samenhang tussen twee variabelen als de verdeling van de respons (afhankelijke) variabele verandert op het moment dat de waarde
Nadere 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 informatieGezamenlijke kansverdeling van twee stochasten
Gezamenlijke kansverdeling van twee stochasten Voorbeeld: V = de windsnelheid H = hoogte van het waterniveau in een rivier/zee De combinatie (V, H) is van belang voor een overstroming en niet zozeer V
Nadere informatieAlgemeen overzicht inleiding kansrekening en statistiek
Algemeen overzicht inleiding kansrekening en statistiek Robert Fitzner Tim Hulshof 7 Oktober 202 v.3 Voorwoord Deze tekst geeft een overzicht van de stof die behandeld wordt in de meeste cursussen inleiding
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 informatieKansrekening en Statistiek
Kansrekening en Statistiek College 16 Donderdag 4 November 1 / 25 2 Statistiek Indeling: Schatten Correlatie 2 / 25 Schatten 3 / 25 Schatters: maximum likelihood schatters Def. Zij Ω de verzameling van
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 informatie4.1 Eigenschappen van de normale verdeling [1]
4.1 Eigenschappen van de normale verdeling [1] Relatief frequentiepolygoon van de lengte van mannen in 1968 1 4.1 Eigenschappen van de normale verdeling [1] In dit plaatje is een frequentiepolygoon getekend.
Nadere informatieHet tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.
Hertentamen Inleiding Kansrekening WI64. 9 augustus, 9:-: Het tentamen heeft 5 onderdelen. Met ieder onderdeel kan maximaal punten verdiend worden. Het tentamen is open boek. Boeken, nota s en een (eventueel
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 informatie