Gegevensverwerving en verwerking
|
|
- Theodoor Hermans
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Gegevensverwerving en verwerking Staalname Bibliotheek - aantal stalen/replicaten - grootte staal - apparatuur - beschrijvend - variantie-analyse Experimentele setup Statistiek - correlatie - regressie - ordinatie - classificatie Websites : => electronic statistic textbook allserv.rug.ac/ ~katdhond/ => reservatie PC zalen / www;dierkunderug.be.tf/ => lesnota s
2 ANOVA (ANALYSIS OF VARIANCE) Voorbeeld 1 Statistische test gebruikt om na te gaan of groepen van waarnemingen significant van elkaar verschillen Staalnameplaats = station herhaling staalname: minimum 3 replicaten/statio Verschillende stations worden bemonsterd langs een gradient Waarnemingen : Tellingen/densiteiten Biomassa Pigmentconcentraties Diversiteit.. Veranderingen in : Saliniteit Licht Temperatuur Diepte.
3 ANOVA (ANALYSIS OF VARIANCE) Voorbeeld 2 Statistische test gebruikt om na te gaan of groepen van waarnemingen significant van elkaar verschillen Experiment - effect van verschillende behandelingen - effect op verschillende populaties Replicatie Waarnemingen : - concentraties - densiteiten.
4 ANOVA (ANALYSIS OF VARIANCE) Statistische test gebruikt om na te gaan of groepen van waarnemingen significant van elkaar verschillen Doel : vergelijking van groepen van waarnemingen Groepen aanduiden dmv groeperende variabele H O Nulhypothese groepen verschillen niet Voorbeeld 1 : stalen afkomstig van dezelfde populatie => geen verschillen over omgevingsgradient Voorbeeld 2 : geen effect van behandeling geen verschil in gevoeligheid van verschillende populaties of organismen
5 ANOVA (ANALYSIS OF VARIANCE) Statistische test gebruikt om na te gaan of groepen van waarnemingen significant van elkaar verschillen H O Nulhypothese groepen verschillen niet Hoe testen? Natuurlijke variatie Variatie t.g.v. gradient behandeling Variatie binnen groepen tussen groepen H O Aanvaard (P > 0.05) === Verworpen <<< Significan verschil
6 Beide groepen zijn afkomstig van de extreme zijden van dezelfde populatie 2 mogelijke verklaringen voor het verschil tussen 2 gemiddelden : Beide groepen van 4 waarnemingen zijn afkomstig van 2 verschillende populaties
7 Parametrisch of niet-parametrische testen 2 groepen t - test F - test Mann- Withney U test > 2 groepen ANOVA Kruskal-Wallis test Als een gekende distributie (normale of Poisson) als model voor data frequentie distributie kan gebruikt worden oorwaarden : - willekeurige en onafhankelijke verzameling van gegevens ( randomness and independence => ingebouwd in staalname) - waarnemingen of data moeten normaal verdeeld zijn (eventueel na transformatie) - homogeniteit van de varianties (transformatie)=> Bartlett s test - variantie onafhankelijk van het gemiddelde (transformatie)
8 Als een gekende distributie (normale of Poisson) als model voor data frequentie distributie kan gebruikt worden - waarnemingen of data moeten normaal verdeeld zijn (eventueel na transformatie)
9 Als een gekende distributie (normale of Poisson) als model voor data frequentie distributie kan gebruikt worden - homogeniteit van de varianties - variantie onafhankelijk van het gemiddelde Relatie gemiddelde - variantie Voor transformatie Na transformatie A B C D LOGA LOGB LOGC LOGD GEMID VAR variantie variantie gemiddelde gemiddelde
10 Parametrisch of niet-parametrische testen 2 groepen t - test F - test t-test : vergelijking van gemiddelden van 2 stalen waarbij wordt uitgegaan van gelijke varianties t waarde vergelijken met getabelleerde waarde t = y s p n 1 1 ² y + 2 s p n 2 ² Met s² p = SS 1 + SS 2 n 1 + n 2 = variantie over beide groepen heen t s = schatting hypothese SD van schatting
11 Parametrisch of niet-parametrische testen 2 groepen t - test F - test t-test : vergelijking van gemiddelden van 2 stalen waarbij niet wordt uitgegaan van gelijke varianties t waarde vergelijken met getabelleerde waarde t = y 1 s1 ² n 1 y + 2 s n 2 2 ² F- test : vergelijking van varianties van 2 grote stalen (n>50) F waarde vergelijken met getabelleerde waardevoor n 1-1 en n 2-1 vrijheidsgraden (grootste variantie in teller) F = s s 1 2 ² ²
12 Parametrisch of niet-parametrische testen > 2 groepen ANOVA Natuurlijke variatie Variatie t.g.v. gradient behandeling Variatie binnen groepen tussen groepen H O Aanvaard === Verworpen <<< Significant verschil
13 ANOVA - tabel Voor k groepen en n waarnemingen in totaal groep 1 2. k data y 1 y n/k y n Totale gemiddelde Y oepsgemiddelde Y Totale variatie Variatie tussen groepen (effect) Variatie binnen groepen (error) Som van de kwadraten (SS) = ( y Y )² Variantie s² = MS = SS ( y Y)² = df df
14 groep 1 2. k Totale gemiddelde data y 1 y n/k y n Y oepsgemiddelde SS = ( y Y )² Y Totale variatie Variatie tussen groepen (effect) Variatie binnen groepen (error) Variantie s² = MS = SS / df ANOVA - tabel Bron van variatie Vrijheidsgraden (df) Som kwadraten SS Gemiddelde kwadraten MS = SS/df Totaal n-1 ( y Y )² SS / n-1 Tussen k-1 ( Y Y )² SS / k-1 Binnen n-k ( y Y )² SS / n-k
15 Bron van variatie Vrijheidsgraden (df) Som kwadraten SS Gemiddelde kwadraten MS = SS/df Totaal n-1 ( y Y )² SS / n-1 Tussen k-1 ( Y Y )² x n/k SS / k-1 Binnen n-k ( y Y )² SS / n-k Staalgrootte waarop gemiddelden zijn gebaseerd Totaal n-1 totale variantie over n waarnemingen Tussen k-1 variantie van groepsgemiddelden (x n/k Binnen n-k gemiddelde van de groepsvarianties F = MS MS tussen binnen < F H tab. 0 Getabelleerde F distributie met k-1 en n-k vrijheidsgrade
16 F -ratio - F ratio is dus ratio van gemiddelde kwadraten tussen groepen en de gemiddelde kwadraten binnen groepen. (F>1) - De F-ratio volgt een verwachte distributie volgens een bepaalde functie met 2 types vrijheidsgraden. - De F-distributie is dus een theoretische waarschijnlijkheidsdistributie - Er wordt steeds een F-distributie bekomen wanneer de varianties gelijk zijn
17 Gebruikte voorbeelden steeds groepen met gelijk aantal waarnemingen (n/k Indien k groepen van verschillende grootte, wordt MS tussen groepen Tussen k-1 ( Y Y )² x n/k vervangen door: n i ( Y i Y w )² met Y w = wy i w i i W i = aantal waarnemingen in groep i df ipv W i
18 taal ussen innen n-1 totale variantie over n waarnemingen k-1 variantie van groepsgemiddelden (x n/k) n-k gemiddelde van de groepsvarianties F = MS tussen MSbinnen Voorbeeld 1 Vergelijking van de inhoud van 3 pipetten (in ml) 3 groepen (k), 9 waarnemingen (n) Totale variatie (df = 8) Variatie tussen pipetten (effect) (df = 2) Natuurlijke variatie binnen groepen (error) (df = 6) A B C A+B+C middelde var(gemiddelden) 23. riantie gem(varianties) 103
19 Voorbeeld 1 Vergelijking van de inhoud van 3 pipetten (in ml) 3 groepen (k), 9 waarnemingen (n) Totale variatie (df = 8) Variatie tussen pipetten (effect) (df = 2) Natuurlijke variatie binnen groepen (error) (df = 6) A B C A+B+C middelde var(gemiddelden) 23. riantie gem(varianties) 103 Bron van variatie Vrijheidsgraden (df) Totaal n-1 Som kwadraten SS ( y Y )² Gemiddelde kwadraten MS = SS/df 95 Tussen k-1 ( Y Y )² x n/k x 3 = 70.6 Binnen n-k ( y Y )² 103.1
20 Voorbeeld 1 Vergelijking van de inhoud van 3 pipetten (in ml) 3 groepen (k), 9 waarnemingen (n) Bron van variatie Vrijheidsgraden (df) Totaal n-1 Som kwadraten SS ( y Y )² Gemiddelde kwadraten MS = SS/df 95 Tussen k-1 ( Y Y )² x n/k x 3 = 70.6 Binnen n-k ( y Y )² F MS tussen = = 70.6 / = 0.68 MSbinnen Getabelleerde F waarde voor 6 en 2 vrijheidsgraden = => geen significant verschil tussen pipetten
21 Voorbeeld 1 F H O H O MS tussen MSbinnen Vergelijking van de inhoud van 3 pipetten (in ml) 3 groepen (k), 9 waarnemingen (n) = = 70.6 / = 0.68 Getabelleerde F waarde voor 6 en 2 vrijheidsgraden = => geen significant verschil tussen pipetten Variatie binnen groepen = Variatie tussen groepen aanvaard Stalen afkomstig van dezelfde populatie of verschillen tussen pipetten liggen binnen te verwachten foutmarges H 0 wordt aanvaard als de probabiliteit of waarschijnlijkheid groter is dan 5 % (of 0.05) H 0 wordt verworpen als de probabiliteit of waarschijnlijkheid kleiner is dan 5 % (of 0.05)
22 otaal ussen n-1 totale variantie over n waarnemingen k-1 variantie van groepsgemiddelden (x n/k) F = MS tussen Binnen n-k gemiddelde van de groepsvarianties MSbinnen Voorbeeld 2 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 4 verschillende farmaceutische behandelingen (k); 6 muizen per behandeling => 24 waarnemingen(n) Totale variatie (df =23) Variatie tussen behandelingen (effect) (df = 3) Natuurlijke variatie binnen groepen (error) (df =20) A B C D A+B+C Gem var(gem) Var gem(var) 349.9
23 Voorbeeld 2 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 4 verschillende farmaceutische behandelingen (k); 6 muizen per behandeling => 24 waarnemingen(n) A B C D A+B+C Gem var(gem) Var gem(var) Bron van variatie Vrijheidsgraden (df) Som kwadraten SS Gemiddelde kwadraten MS = SS/df Totaal n-1 = Tussen k-1 = X 6 = Binnen n-k = F MS tussen = = MSbinnen Getabelleerde F waarde (df =3 en 20 en p = 5%) = 3.1 H O Verworpen => significante verschillen
24 ANOVA (ANALYSIS OF VARIANCE) Variatie binnen groepen (error) Parametrische testen 1 effect of behandeling one way ANOVA Variatie tussen groepen (effect) Totale variatie Variatie binnen groepen (error) two way ANOVA 2 effecten of behandelingen Variatie tussen groepen (effect) tale variatie Variatie effect 1 Variatie effect 2 Var. effect 1 en 2
25 orbeeld 1 en 2 : één groeperende variabele : 3 pipetten, 4 behandelingen = one way ANOVA slechts 1 effect two way ANOVA 2 groeperende variabelen effect van twee variabelen (behandelingen, gradienten) tegelijk na te gaan Voorbeeld 3 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen : behandeling 1 : toedienen van adrenaline op dag 14 behandeling 2 : infectie met Bordetella pertussis bacteriën Zelfde data als in voorbeeld 2 maar nu is groep A : controle (geen behandeling) groep B: infectie met pertussis groep C: toedienen van adrenaline groep D: beide behandelingen (adrenaline + pertussis)
26 Voorbeeld 3 n = 24 k = 4 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen : behandeling 1 : toedienen van adrenaline op dag 14 behandeling 2 : infectie met pertussis bacteriën groep A : controle (geen behandeling) groep B: infectie met pertussis groep C: toedienen van adrenaline groep D: beide behandelingen (adrenaline + pertussis) otale ariatie = 23 Variatie tussen groepen (effect) tgv behandeling df = 3 Variatie binnen groepen (error) of natuurlijke variatie (residueel) df = 20 Pertussis effect Adrenaline effect Adre + Pert df = df = df =
27 Voorbeeld 3 n = 24 k = 4 totaal tussen Binnen Pertussis adrenaline Pert x Adre Bron van variatie (df) SS MS = SS/df F ratio Totaal Tussen Pertus Adren * * In teractie Binnen * variantie van groepsgemiddelden A+C en B+D x 12 (n/2) * variantie van groepsgemiddelden A+B en C+D x 12 (n/2) effect 1 effect 2 A B C D
28 Voorbeeld 3 n = 24 k = 4 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen : behandeling 1 : toedienen van adrenaline op dag 14 behandeling 2 : infectie met pertussis bacteriën rie nulhypothesen : ) geen verschil in glucose tussen geinfecteerde en niet-geinfecteerde muiz ) geen verschil in glucose met of zonder toevoeging van adrenaline ) er is geen interactie tussen beide types behandelingen Getabelleerde F-waarde voor 1 en 20 vrijheidsgraden voor p = 0.05 is 4.35 H O Alle verworpen => significante verschillen tgv beide behandelinge en interactie tussen beide
29 Niet- geinfecteerd Geinfecteerd met Pertussis
30 Glucose adrenaline niet-geinf. pertussis Besluit : - Met Pertussis geinfecteerde muizen hebben een significant lager glucose gehalte dan niet geïnfecteerde muizen. - Toediening van adrenaline verhoogt significant de glucose spiegel in het serum van alle muizen - Toediening van adrenaline verhoogt de glucose spiegel meer bij niet geïnfecteerde muizen dan bij met Pertussis geïnfecteerde muizen.
31 Voorbeeld 4 n = 24 k = 4 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen : behandeling 1 : toedienen van adrenaline op dag 14 behandeling 2 : infectie met pertussis bacteriën Randomized blocks with nesting : saline saline adrenaline adrenaline pertussis pertussis A B C D bloktotaal I I II II III III totaal blokken van 2 waarnemingen totaal tussen Pertussis adrenaline Pert x Adre
32 Voorbeeld 4 n = 24 k = 4 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen : behandeling 1 : toedienen van adrenaline op dag 14 behandeling 2 : infectie met pertussis bacteriën Randomized blocks with nesting : saline saline adrenaline adrenaline pertussis pertussis A B C D bloktotaal I I II II III III totaal blokken van 2 waarnemingen totaal Tussen (11) Blokken (2) Behandelingen (3) blok x behand (6) Pertussis adrenaline Pert x Adre
33
34 Voorbeeld 5 n = 24 k = 4 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen : behandeling 1 : toedienen van adrenaline op dag 14 behandeling 2 : infectie met pertussis bacteriën Blocks without nesting : saline saline adrenaline adrenaline pertussis pertussis A B C D bloktotaal I II III IV V VI totaal totaal Tussen (23) Blokken (5) Behandelingen (3) blok x behand (15) Tussen of residuele Pertussis adrenaline Pert x Adre
35
36 Vergelijkingen van gemiddelden Stel H 0 wordt verworpen bij ANOVA => er zijn significante verschillen tussen groepen Tussen welke???? Vergelijking tussen paren en groepen van gemiddelden Welke paren of groepen men vergelijkt hangt af van wat men wil testen Indien onafhankelijk van het resultaat op voorhand is uitgemaakt welke groepen met elkaar worden vergeleken spreken we van GEPLANDE of A PRIORI vergelijkingen Vb testen van controle tov gemiddelde van verschillende experimentele behandelingen Indien afhankelijk van het resultaat bepaalde groepen met elkaar worden vergeleken spreken we van ONGEPLANDE of A POSTERIORI vergelijkingen. Deze testen omvatten de vergelijking van alle mogelijke paren van vergelijkingen a groepen => (a (a-1)/2 combinaties)
37 Voorbeeld 2 Categorized Plot for Variable: B B ±Std. Dev. ±Std. Err. A B C D Tukey HSD test; A Probabilities for Post Hoc Tests MAIN EFFECT: {1} {2} {3} {4} A {1} B {2} C {3} D {4} Mean
38 Parametrisch of niet-parametrische testen 2 groepen t - test F - test > 2 groepen ANOVA one way two way Man Withney U test Kruskal Wallis test Friedman s test In een parametrische test wordt er bij de nulhypothese uitgegaan van een bepaalde distributie en moeten de parameters (gemiddelde en variantie) van die distributie hetzelfde zijn voor elke groep (staal of experiment). Niet-parametrische testen die niet uitgaan van deze voorwaarden, zijn minder krachtig doordat ze niet alle aanwezige informatie gebruiken => RANKING In het geval van kleine stalen en geen normale distributie
39 Mann Withney U test H O Twee onafhankelijke willekeurige stalen komen van dezelfde populatie met gelijke distributie en mediaan. (geen assumpties over vorm van distributie) Werkwijze (voor kleine groepen) : Gooi alle waarnemingen van beide groepen samen en orden ze van laag naar hoog. Vervang elke waarneming door zijn rankingsnummer In het geval van gelijke waarnemingen wordt het gemiddelde berekend van de overeenemmende rankingsgetallen en dit aan de betreffende overlappende waarnemingen toegekend Beide groepen worden terug uit elkaar gehaald en de rankingsnummers per groep sommeerd. Vervolgens wordt per groep de U- coëfficient berekend. De kleinste U coefficient wordt vergeleken met getabelleerde waarde voor elbepaalde n s en p waarden. dien kleinste U waarde kleiner dan U tabel bij een probaliteit groter dan 0.05 > H 0 is verworpen
40 Voorbeeld 6 Twee ongelijke, onafhankelijke stalen van Mysidaceeën met grootte broed in marsupium of broedbuidel. Staal 1 n 1 = 5 Staal 2 n 2 = 10 data R rank = rank, n1 = 22 data R rank = rank, n2 = 98 U 1 = 7 U 2 = 43 U waarde bij 5 %en 5 en 10 vrijheidsgraden is gelijk aan 8 => H 0 verworpen U 1 n ( n 2 + 1) ( n + 1) = n1n 2 + R2 U 2 = n1n2 + R1 n
41 Parametrisch of niet-parametrische testen > 2 groepen ANOVA one way Kruskal Wallis test Kruskall Wallis test Voor meerdere groepen van ongelijke grootte N K = ni 12 ( R ²) = i coëfficient 3( N N( N + 1) n i = aantal groepen R i = som van ranks in staal i n i = aantal waarnemingen in staal i i + 1) K is bij benadering verdeeld als een chi-kwadraat distributie met i-1 df χ² => H0 wordt verworpen indien K > met i-1 df en bij p = 0.05
42 Ook voor de niet-parametrische Kruskal Wallis test wordt er geen uitsluitsel gegeven over welke stalen-groepen significant van elkaar verschillen => methode om na te gaan welke paren significant van elkaar verschillen. De groepen i en j verschillen van elkaar indien : ² %) ( + > j i j j i i n n k N T N S p t n R n R R i = som van ranks in staal I t = twaarde (distributie) voor N-k df en bepaalde probaliliteit + = alleranks ij N N N X R S 4 1)² ( )² ( ² = = k i i i N N N R S T 1 4 1)² ( ² ² 1 Met R(X ij ) het rankingsnummer van de waarneming X ij gesommeerd over alle ranks
43 Parametrisch of niet-parametrische testen > 2 groepen ANOVA Friedman s test Voorbeeld 5 saline saline adrenaline adrenaline pertussis pertussis A B C D bloktotaal I II III IV V VI totaal ² 12 ab( a + 1) a = a b two way met randomized blocks Friedman s test - alleen voor n groepen met gelijk aantal waarnemingen - elke groep kan ingedeeld worden in aantal blokken(b) - bepalen van rangorde in elke blok (in geval van 4 behandelingen (a) ranking van 1 tot 4) saline saline adrenaline adrenaline pertussis pertussis A B C D I II III IV V VI totaal R ij 3b( + 1) = ( 18² + 7² + 24² + 11² ) 3 6( (4 1) x x +
44 Friedman s test Voorbeeld 5 saline saline adrenaline adrenaline pertussis pertussis A B C D bloktotaal I II III IV V VI saline saline adrenaline adrenaline pertussis pertussis A B C D I II III IV V VI totaal ² 12 ab( a + 1) a = a b χ ² = 17 totaal R ij 3b( + 1) = ( 18² + 7² + 24² + 11² ) 3 6( (4 1) x x + Deze waarde wordt vergeleken met de chi kwadraat waarde voor a-1 of 3 vrijheidsgraden en p< 0.05 = => Indien groter H 0 wordt verworpen Er is een significant verschil Niet parametrische test kan alleen verschillen tussen groepen aantonen; de test zegt niets over interacties tussen behandelingen.
Gegevensverwerving en verwerking
Gegevensverwerving en verwerking Staalname - aantal stalen/replicaten - grootte staal - apparatuur Experimentele setup Bibliotheek Statistiek - beschrijvend - variantie-analyse - correlatie - regressie
Nadere informatieGegevensverwerving en verwerking
Gegevensverwerving en verwerking Staalname - aantal stalen/replicaten - grootte staal - apparatuur Experimentele setup Bibliotheek Statistiek - beschrijvend - variantie-analyse - correlatie - regressie
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 informatie11. Meerdere gemiddelden vergelijken, ANOVA
11. Meerdere gemiddelden vergelijken, ANOVA Analyse van variantie (ANOVA) wordt gebruikt wanneer er situaties zijn waarbij er meer dan twee condities vergeleken worden. In dit hoofdstuk wordt de onafhankelijke
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 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 informatieGegevensverwerving en verwerking
Gegevensverwervng en verwerkng Staalname Bblotheek - aantal stalen/replcaten - grootte staal - apparatuur - beschrjvend - varante-analyse Expermentele setup Statstek - correlate - regresse - ordnate -
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 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 informatieBij herhaalde metingen ANOVA komt het effect van het experiment naar voren bij de variantie binnen participanten. Bij de gewone ANOVA is dit de SS R
14. Herhaalde metingen Introductie Bij herhaalde metingen worden er bij verschillende condities in een experiment dezelfde proefpersonen gebruikt of waarbij dezelfde proefpersonen op verschillende momenten
Nadere informatieHoofdstuk 10 Eenwegs- en tweewegs-variantieanalyse
Hoofdstuk 10 Eenwegs- en tweewegs-variantieanalyse 10.1 Eenwegs-variantieanalyse: Als we gegevens hebben verzameld van verschillende groepen en we willen nagaan of de populatiegemiddelden van elkaar verscihllen,
Nadere informatieLes 5: Analysis of variance
Les 5: Analysis of variance 2de bachelor in de chemie en biologie 14/11/2018 Jeroen Gilis Gebaseerd op slides Caroline De Tender Testen die we tot nu toe gezien hebben: Toetsen van één gemiddelde ten opzichte
Nadere informatieToegepaste Statistiek, Week 6 1
Toegepaste Statistiek, Week 6 1 Eén ordinale en één nominale variabele Nominale variabele met TWEE categorieën, 1 en 2 Ordinale variabele normaal verdeeld binnen iedere categorie? Variantie in beide categorieën
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 informatieMethoden van Onderzoek en Statistiek, Deeltentamen 2, 29 maart 2012 Versie 2
Vraag 1. Voor welk van de onderstaande variabelen zal een placebo effect waarschijnlijk het grootst zijn? 1. Haarlengte. 2. Lichaamstemperatuur. 3. Mate van tevredenheid met de behandeling. 4. Hemoglobinegehalte
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 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 informatieCursus Statistiek Parametrische en non-parametrische testen. Fellowonderwijs Intensive Care UMC St Radboud
Cursus Statistiek Parametrische en non-parametrische testen Fellowonderwijs Intensive Care UMC St Radboud Vergelijken gemiddelde met hypothetische waarde 13 24 19 18 11 22 10 17 14 31 21 18 22 12 18 11
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 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 informatie16. MANOVA. Overeenkomsten en verschillen met ANOVA. De theorie MANOVA
16. MANOVA MANOVA Multivariate variantieanalyse (MANOVA) kan gebruikt worden in een situatie waarin je meerdere afhankelijke variabelen hebt. Met MANOVA kan er 1 onafhankelijke variabele gebruikt worden
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 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 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 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 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 informatieBij factor ANOVA is er een tweede onafhankelijke variabele in de analyse bij gekomen. Er zijn drie soorten designs mogelijk:
13. Factor ANOVA De theorie achter factor ANOVA (tussengroep) Bij factor ANOVA is er een tweede onafhankelijke variabele in de analyse bij gekomen. Er zijn drie soorten designs mogelijk: 1. Onafhankelijke
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 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 informatie1. Reductie van error variantie en dus verhogen van power op F-test
Werkboek 2013-2014 ANCOVA Covariantie analyse bestaat uit regressieanalyse en variantieanalyse. Er wordt een afhankelijke variabele (intervalniveau) voorspeld uit meerdere onafhankelijke variabelen. De
Nadere informatie11. Multipele Regressie en Correlatie
11. Multipele Regressie en Correlatie Meervoudig regressie model Nu gaan we kijken naar een relatie tussen een responsvariabele en meerdere verklarende variabelen. Een bivariate regressielijn ziet er in
Nadere informatieStatistiek. Statistiek in het laboratorium van de ziekenhuisapotheek; deel 1.
Statistiek Statistiek in het laboratorium van de ziekenhuisapotheek; deel 1. M.C. de Brouwer M.C.J. Langen Laboratorium van de ziekenhuisapotheek Midden-Brabant Maria ziekenhuis Dr. Deelenlaan 5 5042 AD
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 informatie4 Domein STATISTIEK - versie 1.2
USolv-IT - Boomstructuur DOMEIN STATISTIEK - versie 1.2 - c Copyrighted 42 4 Domein STATISTIEK - versie 1.2 (Op initiatief van USolv-IT werd deze boomstructuur mede in overleg met het Universitair Centrum
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 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 informatieHet effect van het weer op aandeelrendementen in Nederland.
Het effect van het weer op aandeelrendementen in Nederland. Bachelor Thesis Erasmus University Rotterdam Erasmus School of Economics Department of Business Economics Jeremy Ramsaran 412362 Supervisor:
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 informatieM M M M M M M M M M M M M M La La La La La La La Mid Mid Mid Mid Mid Mid Mid 65 56 83 68 64 47 59 63 93 65 75 68 68 51
INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 7 1. Een onderzoeker wil nagaan of de fitheid van jongeren tussen 14 en 18 jaar (laag, matig, hoog) en het geslacht (M, V) een
Nadere informatieOCBS Vereniging zonder winstoogmerk Ravensteinstraat 4 B 1000 BRUSSEL TRA 418 TOEPASSINGSREGLEMENT HERZIENING 1.
OCBS Vereniging zonder winstoogmerk Ravensteinstraat 4 B 1000 BRUSSEL www.ocab-ocbs.com TOEPASSINGSREGLEMENT TRA 418 Herz. 1 1997/1 TRA 418/1 1997 TOEPASSINGSREGLEMENT VAN HET BENOR-MERK IN DE SECTOR VAN
Nadere informatieEIND TOETS TOEGEPASTE BIOSTATISTIEK I. 5 februari 2010
EIND TOETS TOEGEPASTE BIOSTATISTIEK I 5 februari - Dit tentamen bestaat uit vier opgaven onderverdeeld in totaal 9 subvragen. - Geef bij het beantwoorden van de vragen een zo volledig mogelijk antwoord.
Nadere informatieVrije Universiteit 28 mei Gebruik van een (niet-grafische) rekenmachine is toegestaan.
Afdeling Wiskunde Volledig tentamen Statistics Deeltentamen 2 Statistics Vrije Universiteit 28 mei 2015 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen: opgaven 1,2,3,4. Cijfer=
Nadere informatieStatistiek II. Sessie 5. Feedback Deel 5
Statistiek II Sessie 5 Feedback Deel 5 VPPK Universiteit Gent 2017-2018 Feedback Oefensessie 5 1 Statismex, gewicht en slaperigheid2 1. Lineair model: slaperigheid2 = β 0 + β 1 dosis + β 2 bd + ε H 0 :
Nadere informatieCursus Statistiek 2. Fellowonderwijs Opleiding Intensive Care. UMC St Radboud, Nijmegen
Cursus Statistiek 2 Fellowonderwijs Opleiding Intensive Care UMC St Radboud, Nijmegen Cursus Statistiek 2 Steekproefgrootte en power berekening Vergelijken van gemiddelden (T-testen) Niet-parametrische
Nadere informatieBijlage III Statistiek
Bijlage III Statistiek Gewasbeoordeling De gewasbeoordeling wordt per beoordelingsdatum statistisch bekeken, dit wordt gedaan omdat het verloop van tijd van invloed is op een groeiend gewas. Tabel One-way
Nadere informatieToegepaste Statistiek, Dag 7 1
Toegepaste Statistiek, Dag 7 1 Statistiek: Afkomstig uit het Duits: De studie van politieke feiten en cijfers. Afgeleid uit het latijn: status, staat, toestand Belangrijkste associatie: beschrijvende statistiek
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 informatieResidual Plot for Strength. predicted Strength
Uitwerking tentamen DS mei 4 Opgave Een uitwerking geven is hier niet mogelijk. Het is van belang het iteratieve optimaliseringsproces goed uit te voeren (zie ook de PowerPoint sheets): screening design
Nadere informatieLes 5: ANOVA. Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie en Biotechnologie. 19 november 2018
Les 5: ANOVA Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie en Biotechnologie 19 november 2018 Toetsen van 2 gemiddeldes Het toetsen van twee gemiddeldes met ongekende variantie H 0 : µ X =
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 informatieExamen Statistische Modellen en Data-analyse. Derde Bachelor Wiskunde. 14 januari 2008
Examen Statistische Modellen en Data-analyse Derde Bachelor Wiskunde 14 januari 2008 Vraag 1 1. Stel dat ɛ N 3 (0, σ 2 I 3 ) en dat Y 0 N(0, σ 2 0) onafhankelijk is van ɛ = (ɛ 1, ɛ 2, ɛ 3 ). Definieer
Nadere informatieduidelijk. Welke groepen verschillen wel/niet van elkaar?wat zijn je hypothesen?
Opdracht 3 t-test ANOVA one way ANOVA two way 33038 discussie post-hoc is niet duidelijk. Welke groepen verschillen wel/niet van elkaar?wat zijn je hypothesen? je behandeling van de two-way anova is niet
Nadere informatiemlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2
mlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2 Bjorn Winkens Methodologie en Statistiek Universiteit Maastricht 21 maart
Nadere informatieHet gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen.
Het gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen. 1. (a) In de appendix van deze vraag, is een dataset gegeven met de corresponderende
Nadere 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 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 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 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 informatieHet ANCOVA model is een vorm van het general linear model (GLM), en kan als volgt geschreven worden qua populatie parameters:
Hoofdstuk 4 4.1 De ANCOVA is een vorm van statistische controle, en was specifiek ontworpen om on-uitgelegde foutvariatie ( error variation ) te verminderen. Om dit te doen is er een co-variabele ( covariate
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 informatieVoorbeeld regressie-analyse
Voorbeeld regressie-analyse In dit voorbeeld wordt gebruik gemaakt van het SPSS data-bestand vb_regr.sav (dit bestand kan gedownload worden via de on-line helpdesk). We schatten een model waarin de afhankelijke
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 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 informatieANOVA in SPSS. Hugo Quené. opleiding Taalwetenschap Universiteit Utrecht Trans 10, 3512 JK Utrecht 12 maart 2003
ANOVA in SPSS Hugo Quené hugo.quene@let.uu.nl opleiding Taalwetenschap Universiteit Utrecht Trans 10, 3512 JK Utrecht 12 maart 2003 1 vooraf In dit voorbeeld gebruik ik fictieve gegevens, ontleend aan
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 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 informatieHOOFDSTUK VII REGRESSIE ANALYSE
HOOFDSTUK VII REGRESSIE ANALYSE 1 DOEL VAN REGRESSIE ANALYSE De relatie te bestuderen tussen een response variabele en een verzameling verklarende variabelen 1. LINEAIRE REGRESSIE Veronderstel dat gegevens
Nadere informatieStatistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef
Statistiek II Onderdeel toetsen binnen de cursus: 1. Eenvoudig toetsen Toetsen en schatten ivm één statistiek of steekproef Via de z-verdeling, als µ onderzocht wordt en gekend is: Via de t-verdeling,
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 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 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 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 informatieb) Het spreidingsdiagram ziet er als volgt uit (de getrokken lijn is de later uit te rekenen lineaire regressie-lijn): hoogte
Classroom Exercises GEO2-4208 Opgave 7.1 a) Regressie-analyse dicteert hier geen stricte regels voor. Wanneer we echter naar causaliteit kijken (wat wordt door wat bepaald), dan is het duidelijk dat hoogte
Nadere informatie2DM71: Eindtoets Biostatistiek, op dinsdag 20 Januari 2015, 13.30-16.30
Faculteit der Wiskunde en Informatica 2DM71: Eindtoets Biostatistiek, op dinsdag 20 Januari 2015, 13.30-16.30 Opgave 1: (5 x 6 = 30 punten) (Bij deze opgave is gebruik van resultaten uit bijlage 1 noodzakelijk)
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op dinsdag ,
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek 2 voor TeMa (2S95) op dinsdag 5-03-2005, 9.00-22.00 uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine
Nadere informatieLes 1: de normale distributie
Les 1: de normale distributie Elke Debrie 1 Statistiek 2 e Bachelor in de Biomedische Wetenschappen 18 oktober 2018 1 Met dank aan Koen Van den Berge Indeling lessen Elke bullet point is een week. R en
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op vrijdag , 9-12 uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek 2 voor TeMa (2S95) op vrijdag 29-04-2004, 9-2 uur. Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine
Nadere informatieTentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u
Technische Universiteit Delft Mekelweg 4 Faculteit Elektrotechniek, Wiskunde en Informatica 2628 CD Delft Tentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u Formulebladen, rekenmachines,
Nadere informatieHOOFDSTUK VIII VARIANTIE ANALYSE (ANOVA)
HOOFDSTUK VIII VARIANTIE ANALYSE (ANOVA) DATA STRUKTUUR Afhankelijke variabele: Eén kontinue variabele Onafhankelijke variabele(n): - één discrete variabele: één gecontroleerde factor - twee discrete variabelen:
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 informatieHoofdstuk 18. Verbanden tussen variabelen vaststellen en interpreteren
Hoofdstuk 18 Verbanden tussen variabelen vaststellen en interpreteren Analyse van verbanden Analyse van verbanden: bij de analyse van verbanden stel je vast of er een stabiel verband bestaat tussen twee
Nadere informatiec. Geef de een-factor ANOVA-tabel. Formuleer H_0 and H_a. Wat is je conclusie?
Opdracht 13a ------------ Een-factor ANOVA (ANOVA-tabel, Contrasten, Bonferroni) Bij een onderzoek naar de leesvaardigheid bij kinderen in de V.S. werden drie onderwijsmethoden met elkaar vergeleken. Verschillende
Nadere informatieInhoudsopgave. Deel I Schatters en toetsen 1
Inhoudsopgave Deel I Schatters en toetsen 1 1 Hetschattenvanpopulatieparameters.................. 3 1.1 Inleiding:schatterversusschatting................. 3 1.2 Hetschattenvaneengemiddelde..................
Nadere 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 informatieStatistiek 1 Blok 6, Werkgroepopdrachten 11-6-2009
Statistiek 1 Blok 6, Werkgroepopdrachten 11-6-2009 Opdracht 1 Onderstaande tabel bevat metingen aan de opbrengst van rozen bij verschillende mate van stikstofen fosfortoevoer. rozen/snijvak/dag fosfaatniveau
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 informatieExamen G0N34 Statistiek
Naam: Richting: Examen G0N34 Statistiek 8 september 2010 Enkele richtlijnen : Wie de vragen aanneemt en bekijkt, moet minstens 1 uur blijven zitten. Je mag gebruik maken van een rekenmachine, het formularium
Nadere 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 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 informatieZowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y
1 Regressie analyse Zowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y Regressie: wel een oorzakelijk verband verondersteld: X Y Voorbeeld
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 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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek II voor TeMa (2S195) op maandag ,
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek II voor TeMa (2S195) op maandag 8-5-26, 9.-12. uur Bij het tentamen mag gebruik worden gemaakt van een (grafisch)
Nadere informatieH7: Analysis of variance
H7: Analysis of variance Lieven Clement Statistiek: 2 de bach. in de Biochemie en Biotechnologie, Biologie, Biomedische Wetenschappen, en de Chemie statomics, Krijgslaan 281 (S9), Gent, Belgium lieven.clement@ugent.be
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamenopgaven Statistiek 2DD71: UITWERKINGEN 1. Stroopwafels a De som S van de 12 gewichten is X 1 + X 2 + + X 12. Deze is normaal
Nadere informatieLes 2: Toetsen van één gemiddelde
Les 2: Toetsen van één gemiddelde Koen Van den Berge Statistiek 2 e Bachelor in de Biochemie & Biotechnologie 22 oktober 2018 Het statistisch testen van één gemiddelde is een veel voorkomende toepassing
Nadere informatieFormules Excel Bedrijfsstatistiek
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
Nadere informatieCollege 7 Tweeweg Variantie-Analyse
College 7 Tweeweg Variantie-Analyse - Leary: Hoofdstuk 12 (p. 255 t/m p. 262) - MM&C: Hoofdstuk 12 (p. 618 t/m p. 623 ), Hoofdstuk 13 - Aanvullende tekst 9, 10, 11 Jolien Pas ECO 2012-2013 Het Experiment
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 informatie