Академический Документы
Профессиональный Документы
Культура Документы
Deeltoets 1
Hoofdstuk 1:
Stof
Sampling error is het verschil tussen de schatting van de sample en de
populatie. Hoe groter de sample, hoe kleiner de sampling error en hoe exacter
de schatting. Als de sample groot is, dan is de schatting nauwkeurig/unbiased.
Bias is een systematische fout bij het nemen van de sample. Voorbeeld van
een bias is sample of convenience. Het is een sample dat is gebaseerd op
individuen die makkelijk beschikbaar zijn voor de onderzoekers. Ander
voorbeeld is vrijwilligers (volunteer) bias. Er ontstaat hierdoor een
systematisch verschil tussen de groep van vrijwilligers en de populatie waar ze
bij horen. De vrijwilligers hebben een bepaald gedrag dat invloed heeft op de
kans.
Een random sample moet voldoen aan twee voorwaarden: gelijke kansen
hebben om uitgekozen te worden en de individuen moeten onafhankelijk
van elkaar. Dus de selectie van de individu moet geen invloed hebben op de
selectie van een andere individu. Door random sampling wordt de bias
verkleind en is de sampling error te meten.
Stof
Numerieke variabele = histogram
Categorische variabele = bar graph
Hoofdstuk 3:
Stof:
Interquartile range = derde kwartiel – eerste kwartiel. Het laat zien in welk
gebied de waar 50 % van de metingen liggen. Mediaan is de middelste
meting van de data. Het gemiddelde is het centrum van de zwaartekracht.
Het is gevoelig voor uitschieters. Outliners’/’extreme values zijn waardes <Q1-
1.5*IQ of >Q3+1.5*IQ.
Opdrachten:
Gebruik L1 en L2 om de mediaan, kwartielen en het gemiddelde uit te
rekenen.
Hoofdstuk 4:
Stof:
Door een grotere sample te nemen, wordt de spreiding kleiner van een
normaal verdelingen. Dus de standaard error wordt kleiner. De sampling
error wordt kleiner. Dat zorgt weer voor een nauwkeuriger schatting.
Standard error (SE) is de standaard afwijking van een schatting.
Opdrachten
95 % confidence interval
WALD METHODE = [ gemiddelde van de schatting – (1.96 x SE) ]< 𝜇
<[gemiddelde van de schatting + (1.96 x SE) ].
Alleen bij n > 5. Het is onnauwkeurig bij een kleine sample size (n) en als de
kans dicht bij de 0 of de 1 ligt.
Hoofdstuk 6:
Stof:
Hypothese test laat zien als data te ongewoon is onder H0 waar is, dan wordt
de H0 verworpen.
Type 1 fout = als een true H0 wordt verworpen. Het significantie niveau laat
zien de kans op het maken van een type 1 fout.
Type 2 fout = als een false Ho niet wordt verworpen.
De power van de test is de kans dat een valse H0 wordt verworpen. Een lage
kans van een type 2 fout, zorgt voor een hoge power. Hoe groter de sample,
hoe groter de power van de test.
Opdrachten:
1. H0 en Ha opstellen. 2. Bionomcdf (..) 3. One sided of two sided? Bij
two-sided is de oppervlakte/kans x 2. 4. Conclusie: Kans kleiner dan 0.05,
H0 wordt verworpen. Kans groter dan 0.05, H0 wordt niet verworpen.
Hoofdstuk 10:
Stof:
Als een random sample groot genoeg is, ontstaan er een normaal verdeling.
Het gemiddelde, de modus en de mediaan zijn gelijk aan elkaar. Een normale
verdeling heeft een gemiddelde van 0 en een standaard afwijking van 1.
Het gemiddelde kan worden berekend door np.
Standaard afwijking √𝑛𝑝(1 − 𝑝)
Opdrachten:
Normaalcfd (…) gebruiken om de kans te berekenen.
Hoofdstuk 11:
Stof:
Een t-verdeling heeft iets bredere staarten dan een normaalverdeling. Dus
meer kans. Hoe meer vrijheidsgraden des te hoger de top en de platter de
staarten van een t-verdeling. Bij ontelbaar veel vrijheidsgraden valt een t-
verdeling samen met de Z-verdeling.
Opdrachten:
Ho testen
1. Standaard error berekenen.
𝑌− 𝜇
2. t = 𝑆𝐸 t berekenen.
3. one sided of two sided? (2 x t bij tweezijdig)
4. tcdf (…) =
positief getal; 10 99
negatief getal; -1099
5. tcdf (…) > 0.05 Ho wordt niet verworpen
tcdf (…) < 0.05 HA wordt verworpen, HA aannemelijk.