Inhoudstabel/samenvatting beginselen van biostatistiek

1. Algemeen overzicht
1.1 Introductie
1.2 Rol van de biostatistiek in medisch onderzoek
 1.2.1 Data-analyse
- 1.2.1.1 Beschrijvende statistiek: beschrijvend materiaal kan numeriek of
grafisch zijn
- 1.2.1.2 De keuze van numerieke of grafische beschrijvende statistiek is
afhankelijk van het type spreiding van de dataset: continue data of discrete
data
- 1.2.1.3 Tabulated results of study under
1.3 Inferentiële statistiek: echt of toeval? (houdt zich bezig met het toetsen van hypothesen
en het schatten van steekproefgrootheden en hun betrouwbaarheid) -> besluiten trekken uit
een kleine steekproef voor een populatie
2. Beschrijvende statistiek
2.1 Introductie
 2.1.1 Vb. Staafdiagrammen
 2.1.2 Vb. Scatter plot
2.2 Measures of location
 2.2.1 Het wiskundig gemiddelde of ‘het gemiddelde’
 2.2.2 De mediaan
 2.2.3 Vergelijken van gemiddelde en mediaan: Stem-and-leaf plots
 2.2.4 De modus
 2.2.5 Het geometrisch gemiddelde
2.3 Measures of spread: uitdrukken van de spreiding
 2.3.1 Bereik
 2.3.2 Quantiel of percentiel
 2.3.3 Rstudio
 2.3.4 Variantie en standaarddeviatie
 2.3.5 Variatiecoëfficiënt (CV): De standaarddeviatie ten opzichte van het gemiddelde
bekijken
2.4 Andere methoden: grafische methoden
 2.4.1 Frequentie distributie: Staafdiagram
 2.4.2 Steel – en bladdiagram
 2.4.3 Box plot
2.5 Samenvatting
3. De kans
3.1 Frequency definition of probability
3.2 Productregel
 3.2.1 Onafhankelijke kansen
 3.2.2 Afhankelijke kansen
3.3 Somregel
3.4 Voorwaardelijke kans
3.5 Wet van de totale kans
3.6 Gevoeligheid, specificiteit en voorspellende waarden van screeningstests
3.7 Theorema van Bayes
 3.7.1 Voorbeeld:
- 3.7.1.1 Sensitiviteit

1

, - 3.7.1.2 Specificiteit
4. Discrete kansverdelingen
4.1 Introductie
 4.1.1 Discrete en continue toevalsvariabelen
4.2 Toevalsvariabelen
 4.2.1 Probability-mass function for a discrete random variable/ De
kansdichtheidsfunctie voor een discrete toevalsvariabele
 4.2.2 Verwachte waarde van een discrete toevalsvariabele
 4.2.3 Variantie van een discrete toevalsvariabele
- 4.2.3.1 Cumulatieve kansverdelingsfunctie: trapfunctie voor een discrete
toevalsvariabele
- 4.2.3.2 Cumulatieve kansverdelingsfunctie: vloeiende lijn voor een continue
toevalsvariabele
4.3 Binomiale verdeling
 4.3.1 Methoden voor het gebruik van binomiale verdeling
 4.3.2 Gebruik elektronische tabellen voor de binomiale verdeling
- 4.3.2.1 Voor een grote n (n>20): normaalverdeling wordt gebruikt om de
binomiaalverdeling te benaderen
- 4.3.2.2 Als de steekproefomvang niet groot genoeg is wordt een elektronische
tabel gebruikt
 4.3.3 Verwachte waarde E(X) van de binomiale verdeling
 4.3.4 Variantie Var(X) van de binomiale verdeling
4.4 Poissonverdeling
 4.4.1 Algemene formule en toepassing
 4.4.2 Gebruik elektronische tabellen voor de Poissonverdeling
- 4.4.2.1 Voor een grote μ (μ >=10): normaalverdeling wordt gebruikt om de
Poissonverdeling te benaderen
- 4.4.2.2 Als de steekproefomvang niet groot genoeg is wordt een elektronische
tabel gebruikt
 4.4.3 Verwachte waarde E(X) en variantie Var(X) van de Poissonverdeling
4.5 Poissonverdeling ten opzichte van de binominale verdeling
4.6 Samenvatting
5. Continue kansverdelingen
5.1 Introductie
 5.1.1 Kansdichtheidsfunctie / Probability density function (pdf)
 5.1.2 De verwachte waarde E(X) of μ van een continue toevalsvariabele
 5.1.3 De variantie Var(X) of σ2 van een continue toevalsvariabele
5.2 De normaalverdeling
 5.2.1 Een normaalverdeling met gemiddelde en variantie N(μ, σ2) + buigpunt
- 5.2.1.1 Standaard normaalverdeling N(0,1)
 5.2.2 De cumulatieve kansverdelingsfunctie of cumulatieve distributiefunctie (cdf)
voor een standaard normaalverdeling N(0,1)
- 5.2.2.1 Schrijfwijze
- 5.2.2.2 Percentielen + voorbeeld
 5.2.3 Gebruik elektronische tabellen voor de normaalverdeling
 5.2.4 Conversie van een N(μ, σ2) spreiding naar een N(0,1) spreiding
5.3 Lineaire combinaties van toevalsvariabelen

2