Formules Excel Bedrijfsstatistiek



Vergelijkbare documenten
Inleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek

Data analyse Inleiding statistiek

Inleiding Applicatie Software - Statgraphics

Statistiek I Samenvatting. Prof. dr. Carette

Inhoudsopgave. Deel I Schatters en toetsen 1

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

Examen Statistiek I Feedback

Oefenvragen bij Statistics for Business and Economics van Newbold

Hoofdstuk 5 Een populatie: parametrische toetsen

4 Domein STATISTIEK - versie 1.2

Statistiek 2 deel A 30 minuten over statistisch toetsen

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

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

Kanstheorie, -rekenen en bekende verdelingen

. Dan geldt P(B) = a d. 3 8

Les 1: Waarschijnlijkheidrekening

Schriftelijk examen statistiek, data-analyse en informatica. Maandag 29 mei 1995

Samenvatting Statistiek

Kansrekening en Statistiek

Kwantitatieve methoden. Samenvatting met verwijzing naar Excel functies

Deel I : beschrijvende statistiek


Statistiek, gegevens en een kritische houding

Hoofdstuk 6 Twee populaties: parametrische toetsen

Verklarende Statistiek: Toetsen. Zat ik nou in dat kritische gebied of niet?

+ ( 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.

Data analyse Inleiding statistiek

DEEL 3 INDUCTIEVE STATISTIEK INLEIDING TOT DE INDUCTIEVE STATISTIEK 11.2 DE GROOTSTE AANNEMELIJKHEID - METHODE

Kansrekening en statistiek wi2105in deel 2 16 april 2010, uur

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

Statistiek. Beschrijvend statistiek

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

Vandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen

Introductie tot de statistiek

Medische Statistiek Kansrekening

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies

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

Onderzoeksmethodiek LE: 2

Hoofdstuk 5: Steekproevendistributies

Tentamen Kansrekening en Statistiek (2WS04), woensdag 30 juni 2010, van uur.

Inleidende begrippen over foutentheorie

Feedback proefexamen Statistiek I

Populatie: De gehele groep elementen waarover informatie wordt gewenst.

6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.

SPSS Introductiecursus. Sanne Hoeks Mattie Lenzen

Beschrijvend statistiek

Kansrekening en statistiek WI2105IN deel I 4 november 2011, uur

Hoofdstuk 12: Eenweg ANOVA

We illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten

Redactieraad statistiek, statistiek taxonomie en itemconstructie procedures

Examen Statistiek I Januari 2010 Feedback

HOOFDSTUK VI NIET-PARAMETRISCHE (VERDELINGSVRIJE) STATISTIEK

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamenopgaven Statistiek (2DD71) op xx-xx-xxxx, xx.00-xx.00 uur.

Toegepaste Statistiek, Week 3 1

HOOFDSTUK IV TOETSEN VAN STATISTISCHE HYPOTHESEN

College 4 Inspecteren van Data: Verdelingen

HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES

Cursus TEO: Theorie en Empirisch Onderzoek. Practicum 2: Herhaling BIS 11 februari 2015

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

4.1 Eigenschappen van de normale verdeling [1]

Hoofdstuk 10: Regressie

Levende Statistiek. Een module voor Wiskunde D VWO. Jacob van Eeghen en Liesbeth de Wreede

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

Hoeveel condities zijn er (ga er vanuit dat het design fully crossed is)?

Kansrekening en Statistiek

Cursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)

Normale Verdeling Inleiding

Samenvattingen 5HAVO Wiskunde A.

7.1 Toets voor het gemiddelde van een normale verdeling

Les 1: Waarschijnlijkheidrekening

Toetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling

Havo A deel 1 H2 Statistiek - Samenvatting

Hoofdstuk 8 Het toetsen van nonparametrische variabelen

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

Statistiek voor A.I.

Uitgebreide inhoudsopgave: Werken met ken- en stuurgetallen DEEL I WAT ZIJN KEN- EN STUURGETALLEN?

8.1 Centrum- en spreidingsmaten [1]

Hoofdstuk 3 Statistiek: het toetsen

Elementaire Statistiek

toetsende statistiek deze week: wat hebben we al geleerd? Frank Busing, Universiteit Leiden

KANSREKENEN EN VERDELINGEN REEKS 1

Kansrekening en Statistiek

Kruis per vraag slechts één vakje aan op het antwoordformulier.

Toetsen van hypothesen

Q-Q plots, goodness-of-fit toetsen, machtstransformaties

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

WISKUNDE 5 PERIODEN. DATUM : 5 juni 2008 ( s morgens) Niet-programmeerbare, niet-grafische rekenmachine

Vraag 1. Welk design bevat geen random assignment:

Voorbeeld 1: kansverdeling discrete stochast discrete kansverdeling

Verwachtingswaarde, Variantie en Standaarddeviatie

Statistiek. Beschrijvende Statistiek Hoofdstuk 1 1.1, 1.2, 1.5, 1.6 lezen 1.3, 1.4 Les 1 Hoofdstuk 2 2.1, 2.3, 2.5 Les 2

Transcriptie:

Formules Excel Bedrijfsstatistiek Hoofdstuk 2 Data en hun voorstelling AANTAL.ALS vb: AANTAL.ALS(A1 :B6,H1) Telt hoeveel keer (frequentie) de waarde die in H1 zit in A1:B6 voorkomt. Vooral bedoeld voor kwalitatieve variabelen. (p.14) SOM vb: SOM(A1:A6) Telt alle waarden op van A1:A6. (p.14) INTERVAL vb: INTERVAL(H1:H75,A1:A6) Telt aantal steekproefwaarnemingen (frequentie) in H1:H75 dat in het gekozen interval A1:A6 ligt. Met in A1:A6 de boven grenzen van de klassen en H1:H75 de plaats waar de ruwe data zich bevindt. Vooral bedoeld voor (continue) kwantitatieve variabelen, kan niet gebruikt worden voor kwalitatieve data. (p.19) Hoofdstuk 3 Beschrijvende kengetallen van steekproefgegevens Kengetallen van centrale ligging GEMIDDELDE vb: GEMIDDELDE(A1:A6) Berekent het gemiddelde. (p.32) MEDIAAN vb: MEDIAAN(A1:A6) Berekent de mediaan. (p.32) MODUS vb: MODUS(A1:A6) Berekent de modus. (p.32) Maatstaven van relatieve ligging PERCENTIEL vb: PERCENTIEL(A1:A6,q/100) De q de percentiel, met q=0,1,2,,99,100. (p.34) KWARTIEL vb : KWARTIEL(A1:A6,q) Het q de kwartiel, met q=1,2,3. (p.34) MAX vb : MAX(A1:A6)

Grootste steekproefwaarde. (p.34) MIN vb : MIN(A1:A6) Kleinste steekproefwaarde. (p.34) GROOTSTE vb: GROOTSTE(A1:A6,q) De q de grootste waarneming in de steekproef, met q=1,2,,n. (p.34) KLEINSTE vb: KLEINSTE(A1:A6,q) De q de kleinste waarneming in de steekproef, met q=1,2, n. (p.34) Maatstaven van spreiding VAR vb: VAR(A1:A6) Steekproefvariantie s². (p.39) STDEV vb: STDEV(A1:A6) Steefproefstandaarddeviatie s. (p.39) VARP vb: VARP(A1:A6) populatievariantie σ² (de data wordt verondersteld een volledige populatie te zijn, er wordt gedeeld door het aantal waarnemingen). (p.39) STDEVP vb: STDEVP(A1:A6) populatiestandaarddeviatie σ. (p.39) GEM.DEVIATIE vb: GEM.DEVIATIE(A1:A6) Gemiddelde absolutie afwijking (GAA) (p.39) VARIATIEBREEDTE = MAX (A1:A6) MIN(A1:A6) (p.39) INTERKWARTIELBREEDTE = KWARTIEL(A1:A6,3) KWARTIEL(A1:A6,1) (p.39) GEMIDDELDE GEKWADRATEERDE AFWIJKING = DEV.KWAD(A1:A6)/10 (p.39) VARIATIECOËFFICIËNT = STDEV(A1:A6)/GEMIDDELDE(A1:A6) (p.39)

Maatstaven van scheefheid SCHEEFHEID vb: SCHEEFHEID(A1:A6) Berekent een functie van de scheefheidscoëfficiënt m 3 /s³. (p.41) Transformatie en standaardisatie van gegevens NORMALISEREN Standaardiseert gegevens. (p.42) Covariantie en correlatie COVARIANTIE vb: COVARIANTIE(A1:A6,B1:B6) Berekent de populatiecovariantie tussen 2 variabelen (dus *1/N). Indien men covariantie van de steekproef wenst te berekenen, dan moet men de populatiecovariantie vermenigvuldigen met N/(N-1). (p.49) CORRELATIE vb: CORRELATIE(A1:A6,B1:B6) Berekent de correlatie tussen 2 variabelen Alternatief: PEARSON(A1:A6,B1:B6) (p.49) Hoofdstuk 4 Kansrekening ASELECT vb: ASELECT() Genereert een lukraak getal tussen 0 en 1. (p.67) HORIZ.ZOEKEN vb: HORIZ.ZOEKEN(A1,E1:J2,2) Hoofdstuk 7 Belangrijke discrete variabelen BINOMIALE.VERD - vb: BINOMIALE.VERD(5,20,0.25,0) Binomiale kansverdeling p x (x; n, π) voor bijvoorbeeld n=20, π =0,25 en x*=5. (p.117) - vb: BINOMIALE.VERD(5,20,0.25,1) Cumulatieve verdelingsfunctie px; n,π voor bijvoorbeeld n=20, π=0,25 en x*=5. (p.117) CRIT.BINOM vb: CRIT.BINOM(20,0.25,0.5) De kleinste waarde x* zodanig dat px; n,παvoor bijvoorbeeld n=20, π=0,25 en α=0,5. (p.117)

POISSON - vb: POISSON(x, λ, 0) Poisson kansverdeling px(x; λ). (p.125) - vb : POISSON(x, λ, 1) Poisson verdelingsfunctie FX(x)=P(Xx). (p.125) NEG.BINOM.VERD - vb: NEG.BINOM.VERD(x-1,1, π) Geometrische kansverdeling p X (x). (p.126) - vb: NEG.BINOM.VERD(x-r, r, π) Kansverdeling p X (x) voor een negatief binomiale verdeling of Pascal verdeling met r keer successen. (p.128) Hoofdstuk 8 Belangrijke continue kansvariabelen EXPON.VERD - vb: EXPON.VERD(x, λ, 0) Exponentiële dichtheid. (p.133) - vb: EXPON.VERD(x, λ, 1) Exponentiële verdelingsfunctie. (p.133) Hoofdstuk 9 De normale dichtheid NORM.VERD - vb: NORM.VERD(x, µ, σ, 0) Normale dichtheid f X (x). (p.147) - vb: NORM.VERD(x, µ, σ, 1) Normale verdelingsfunctie F X (x)=p(xx). (p.147) NORM.INV vb: NORM.INV(ASELECT(), µ, σ) Genereert een normaal verdeelde kansvariabele met verwachte waarde µ en standaarddeviatie σ. (p.147) STAND.NORM.VERD vb: STAND.NORM.VERD(z) Standaardnormale verdelingsfunctie F X (x)=p(xx). (p.147) STAND.NORM.INV vb: STAND.NORM.INV(ASELECT()) Genereert een standaardnormaal verdeelde kansvariabele. (p.147) Hoofdstuk 16 Betrouwbaarheidsinterval voor een populatiegemiddelde µ T.VERD - vb: T.VERD(x, v, 1) Geeft de kans rechts van x of P(T v > x). (p.223) - vb: T.VERD(x, v, 2)

Geeft 2*P(T v > x). (p.223) T.INV vb: T.INV(2α, v) Geeft t(α, v). (p.223) Hoofdstuk 18 Inferenties voor variantie en proportie CHI.KWADRAAT vb: CHI.KWADRAAT(x, k) Geeft de kans rechts van x of P(X χ²( α, k) = α met k = aantal vrijheidsgraden. (p.250) CHI.KWADRAAT.INV vb: CHI.KWADRAAT.INV(α,k) Geeft χ²( α, k). (p.250) Hoofdstuk 19 Vergelijken van twee populaties of processen T.TOETS - vb: T.TOETS(bereik 1, bereik 2, 1 of 2, 1 of 2 of 3) Berekent de p-waarde voor het verschil in onafhankelijke populatiegemiddelden waarbij de populatievarianties: ofwel niet gekend zijn, maar gelijk ondersteld worden (laatste argument = 2) ofwel niet gekend zijn en niet gelijk ondersteld worden (laatste argument=3). Wanneer de populatiegemiddelden gepaarde waarnemingen zijn (dus niet meer onafhankelijk), dan is het laatste argument = 1. Het voorlaatste argument verwijst naar eenzijdig testen (=1) of tweezijdig testen (=2). (p.265 + +267 + 269) F.VERDELING vb: F.VERDELING( x, k, l) Geeft de kans α rechts van x in een F-dichtheid of P(F k,l F(α,k,l) met parameters k en l. (p.255) F.INVERSE vb: F.INVERSE(α,k,l) Geeft de waarde van de F-verdeelde kansvariabele F(α,k,l) met parameters k en l en kans α in de rechterstaart. (p.255) F.TOETS vb: F.TOETS(bereik 1, bereik2) Berekent voor een vergelijking (F-verdeeld) de p-waarde van varianties van een tweezijdige test. Bij toepassing van een eenzijdige test kan deze functie worden gebruikt mits het resultaat te delen door 2. (p.276) Hoofdstuk 20 Inferenties voor multinomiale processen CHI.TOETS vb: CHI.TOETS(A1:A4,B1:B4) Berekent de p-waarde p B = P[ > S B (x 1,x 2,..,x k )] voor A1:A4 waargenomen frequenties x 1,x 2,x 3,x 4 en B1:B4 verwachte frequenties E1,E2,E3,E4. (p.285)