Toetsende statistiek, week 1,
Steekproevenverdelingen en hypothesetoetsing. H4 Howell
Hypothesen H0 er is niks aan de hand. Alles is hetzelfde
Ha is groter dan 7.0
U voor populatie
Rechtszijdig omdat bij normaal verdeeld, naar rechts van het gemiddelde
Linkszijdig links van het gemiddelde
Tweezijdig U ≠ 7 er is een verschil, maar nog niet bekend welke
Steekproevenverdeling verdeling van een statistiek (hier gemiddelde) verkregen van een
bepaalde grootte (n) uit een populatie
p-waarde p = 3/100 = 0.03 3%
Fischer p waarde geeft aan het sterkte van het bewijs tegen de 0 hypothese
Neimar en pearson p waarde kleiner dan ∝, verwerpen we de 0 hypothese (5%) kleiner
dan alfa dan verwerp je de 0 hypothese
Oppervlakte (kans): verwerpen h0 indien p ≤ alfa
X-as (statistiek0: verwerp h0 indien X- ≥ x (alfa) (X - = gemiddelde)
Type 1 fout wanneer de 0 hypothese verwordpen wordt terwijl hij waar is (bij p waarde
van 3% maak je in 3% van de gevallen een fout, in 3% van de gevallen kan het wel)
Type 2 fout wanneer de 0 hypothese niet verworpen wordt, terwijl de 0 hypothese niet
waar is (bv bij p waarde van 8,)
,Week 2, H5
Random variabele: variabele met numerieke (numerieke) waarden verkregen uit een
steekproef of uit een ander random proces
Regel voor kansen: de kans op A P(A)= 1 – complementaire kans op A
Kansverdeling: deel door totaal dan staan er percentages, discreet kansen 1 2 3 4, normaal
verdeling is continue variabele heel mooi verloop.
Wet van de grote getallen: hoe groter de steekproef, hoe waarschijnlijker dat het
steekproefgemiddelde het populatiegemiddelde benadert.
,Variantie blijkt hier hetzelfde, gemiddelde veranderd wel
, 2 keer de correlatie maal de standaarddeviatie van de een en de standarddeviatie van de ander
Als kansen onafhankelijk zijn mag je ze vermenigvuldigen
Steekproevenverdelingen en hypothesetoetsing. H4 Howell
Hypothesen H0 er is niks aan de hand. Alles is hetzelfde
Ha is groter dan 7.0
U voor populatie
Rechtszijdig omdat bij normaal verdeeld, naar rechts van het gemiddelde
Linkszijdig links van het gemiddelde
Tweezijdig U ≠ 7 er is een verschil, maar nog niet bekend welke
Steekproevenverdeling verdeling van een statistiek (hier gemiddelde) verkregen van een
bepaalde grootte (n) uit een populatie
p-waarde p = 3/100 = 0.03 3%
Fischer p waarde geeft aan het sterkte van het bewijs tegen de 0 hypothese
Neimar en pearson p waarde kleiner dan ∝, verwerpen we de 0 hypothese (5%) kleiner
dan alfa dan verwerp je de 0 hypothese
Oppervlakte (kans): verwerpen h0 indien p ≤ alfa
X-as (statistiek0: verwerp h0 indien X- ≥ x (alfa) (X - = gemiddelde)
Type 1 fout wanneer de 0 hypothese verwordpen wordt terwijl hij waar is (bij p waarde
van 3% maak je in 3% van de gevallen een fout, in 3% van de gevallen kan het wel)
Type 2 fout wanneer de 0 hypothese niet verworpen wordt, terwijl de 0 hypothese niet
waar is (bv bij p waarde van 8,)
,Week 2, H5
Random variabele: variabele met numerieke (numerieke) waarden verkregen uit een
steekproef of uit een ander random proces
Regel voor kansen: de kans op A P(A)= 1 – complementaire kans op A
Kansverdeling: deel door totaal dan staan er percentages, discreet kansen 1 2 3 4, normaal
verdeling is continue variabele heel mooi verloop.
Wet van de grote getallen: hoe groter de steekproef, hoe waarschijnlijker dat het
steekproefgemiddelde het populatiegemiddelde benadert.
,Variantie blijkt hier hetzelfde, gemiddelde veranderd wel
, 2 keer de correlatie maal de standaarddeviatie van de een en de standarddeviatie van de ander
Als kansen onafhankelijk zijn mag je ze vermenigvuldigen
