Statistics I (End-Term)
U U
AT
ST
1
, Contents
One Population Hypothesis Testing 3
1 Hypothesis Test of one Population Variance 3
Two Populations Hypothesis Testing 3
2 Difference between Two (Normal Population) Means: µ1 and µ2 3
U
2.1 Dependent Samples → One Sample Test . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Independent samples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Equality of Two Variances: σx and σy 8
Simple Linear Regression Model 9
U
4 De schattings methode: Least Squares
4.1 Stata Output aflezen . . . . . . . . . .
4.1.1 Interpretatie Coefficienten . . .
4.2 Coefficienten zelf berekeken . . . . . .
5 R-squared
(LS)
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
10
10
10
10
11
AT
Multiple Linear Regression Model 12
6 Testing Coefficients 12
6.1 t-test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.2 F-test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.2.1 F-test for overall significance/ significantie van model . . . . . . . . . . . . 14
7 Confidence interval for coefficient 15
8 Oefenopgaven 16
ST
Correlatie Analyse 20
9 Hypothese test voor correlatie 20
10 Oefenopgaven 20
2
, One Population Hypothesis Testing
Toetsen voor µ en p behoren tot Mid-term.
1 Hypothesis Test of one Population Variance
Test-statistiek:
(n − 1)s2
χ2 =
σ2
U
heeft een chi-kwadraat verdeling met n − 1 vrijheidsgraden.
Nodig: normaal verdeelde populatie
Voorbeeld: Beschouw de info over ’Happy Days’ op blz ... Test de claim dat de populatie
variantie van vroeger kleiner is dan 26. Neem een significantie van 1%.
U (1) H0 : σx2 ≤ 26
H1 : σx2 < 26
(2) α = 1%
Kritieke waarde:
χ2n−1;α = χ239;0.99 = 22.164
AT
(3) Test-statistiek:
(n − 1)s2
χ2 =
σ2
(4) Verwerpings gebied: Test-stat < 22.164
(5)
39 · 52
χ2 = = 37.5
ST
26
(6) χ2 > Kritieke waarde → verwerp H0 niet.
(7) Er is geen bewijs dat variantie vroeger kleiner was dan 26.
Two Populations Hypothesis Testing
2 Difference between Two (Normal Population) Means: µ1
and µ2
2.1 Dependent Samples → One Sample Test
Voorbeeld: In 8 filialen (A, B, ..., H) van een supermarktketen is het aantal verkochte pakken
waspoeder op een dag vlak voor en op een dag vlak na een reclamecampagne geregistreerd. De
resultaten en enige bijbehorende rekenuitkomsten zijn:
3
U U
AT
ST
1
, Contents
One Population Hypothesis Testing 3
1 Hypothesis Test of one Population Variance 3
Two Populations Hypothesis Testing 3
2 Difference between Two (Normal Population) Means: µ1 and µ2 3
U
2.1 Dependent Samples → One Sample Test . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Independent samples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Equality of Two Variances: σx and σy 8
Simple Linear Regression Model 9
U
4 De schattings methode: Least Squares
4.1 Stata Output aflezen . . . . . . . . . .
4.1.1 Interpretatie Coefficienten . . .
4.2 Coefficienten zelf berekeken . . . . . .
5 R-squared
(LS)
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
10
10
10
10
11
AT
Multiple Linear Regression Model 12
6 Testing Coefficients 12
6.1 t-test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.2 F-test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.2.1 F-test for overall significance/ significantie van model . . . . . . . . . . . . 14
7 Confidence interval for coefficient 15
8 Oefenopgaven 16
ST
Correlatie Analyse 20
9 Hypothese test voor correlatie 20
10 Oefenopgaven 20
2
, One Population Hypothesis Testing
Toetsen voor µ en p behoren tot Mid-term.
1 Hypothesis Test of one Population Variance
Test-statistiek:
(n − 1)s2
χ2 =
σ2
U
heeft een chi-kwadraat verdeling met n − 1 vrijheidsgraden.
Nodig: normaal verdeelde populatie
Voorbeeld: Beschouw de info over ’Happy Days’ op blz ... Test de claim dat de populatie
variantie van vroeger kleiner is dan 26. Neem een significantie van 1%.
U (1) H0 : σx2 ≤ 26
H1 : σx2 < 26
(2) α = 1%
Kritieke waarde:
χ2n−1;α = χ239;0.99 = 22.164
AT
(3) Test-statistiek:
(n − 1)s2
χ2 =
σ2
(4) Verwerpings gebied: Test-stat < 22.164
(5)
39 · 52
χ2 = = 37.5
ST
26
(6) χ2 > Kritieke waarde → verwerp H0 niet.
(7) Er is geen bewijs dat variantie vroeger kleiner was dan 26.
Two Populations Hypothesis Testing
2 Difference between Two (Normal Population) Means: µ1
and µ2
2.1 Dependent Samples → One Sample Test
Voorbeeld: In 8 filialen (A, B, ..., H) van een supermarktketen is het aantal verkochte pakken
waspoeder op een dag vlak voor en op een dag vlak na een reclamecampagne geregistreerd. De
resultaten en enige bijbehorende rekenuitkomsten zijn:
3
