OP1: Introduction to the Practice of Statistics
1.2: Distributies weergeven met behulp van grafieken (college 3)
Verkennende data-analyse: Data examineren om de kenmerken te vinden. Zo heb je een idee wat
voor dat je voor je hebt.
> kijk eerst naar elke aparte variabele, en bekijk daarna de relaties tussen de variabelen.
> begin met een grafiek, en voeg daarna gekwantificeerde data (bv leeftijd) toe.
Categorische variabelen: staafdiagrammen en taartdiagrammen.
Distributie van categorische variabelen: Laat de hoeveelheid of het percentage van gevallen die
in de categorieën vallen zien (bv 406/552 studenten prefereren Google, 73.6%).
Als onderzoeker moet je kiezen wat voor diagram het beste de resultaten laat zien (bv met de
taartdiagram kan je makkelijk zie dat bijna driekwart van de studenten Google prefereert.
Stemplot (stam en blad diagram): Voor een kleine dataset (alle resultaten
boven 0). Links van balk is decimaal.
Ruggelings stam en blad diagram: ook links van de stam zijn cijfers, om
twee distributies te vergelijken.
Stam splitsen: Decimalen splits zodat je minder lang rijen krijgt. Bv 0-4, 5-9.
Histogram: Een histogram is voor een wat grotere dataset, omdat de resultaten
in groepen/klassen worden gezet ( bv 75-85, 85-95, etc). Je ziet dus niet langer
de individuele resultaten. Een voorbeeld is een bank waar 31492 telefoongesprekken geanalyseerd
moesten worden op bel-tijd. Uit het histogram bleek dat 7.6% onder de 10 sec zat, terwijl het
gemiddelde tussen 1 en 5 min was. Het viel uit het patroon en is daarom verder geanalyseerd.
Unimodaal: Eén hoge piek in een diagram.
Uitschieter: Je analyseert een histogram door te kijken naar de vorm, het centrum en de spreiding.
Als er iets héél erg uitschiet is het mogelijk een meetfout, of iets anders. Vaak hoeft het dan niet
gebruikt te worden (in 1.3 wordt beschreven wanneer iets een uitschieter is. Dat is 1.5x de IQR,
ofwel het interkwartielbereik.).
Tijd-diagram: Een diagram waar tijd de horizontale schaal is. Het resultaat van metingen over de
tijd heen.
1.3: Het beschrijven van distributies met cijfers (college 4)
Dit stuk gaat over grafieken en overzichten door cijfers. Ze laten het centrum en de spreiding van de
data zien.
Mean: Het gemiddelde.
Resistente meting: Het gemiddelde is geen ‘resistente meting’. Omdat extreme metingen het
gemiddelde erg beïnvloeden. De mediaan is meer resistent dan het gemiddelde.
Mediaan: Middelste nummer.
Uitschieter: Een meting die buiten het generale plaatje valt. Soms kunnen de verwijderd worden,
omdat het mogelijk gaat om een meetfout.
Kwartielen: 25% en 75% van de data. Zoals de mediaan 50% van de data is. Dit maakt het
makkelijker om de spreiding van de data te lezen.
5-nummer samenvatting: 5 nummer worden uit de data gegeven: Minimum; q1; med; q2;
maximum. Dit geeft een kort overzicht van de data en de spreiding ervan.
Boxplot: Een grafiek die de 5 nummers weergeeft.
Interkwartielbereik: De afstand tussen de eerste en het derde kwartiel. Q3 – Q1. Dit wordt
gebruikt als vuistregel om te zien welke data mogelijk uitschieters zijn. Als het meer dan 1.5x de
IKB boven Q3 of onder Q1 ligt.
Standaarddeviatie:
1.2: Distributies weergeven met behulp van grafieken (college 3)
Verkennende data-analyse: Data examineren om de kenmerken te vinden. Zo heb je een idee wat
voor dat je voor je hebt.
> kijk eerst naar elke aparte variabele, en bekijk daarna de relaties tussen de variabelen.
> begin met een grafiek, en voeg daarna gekwantificeerde data (bv leeftijd) toe.
Categorische variabelen: staafdiagrammen en taartdiagrammen.
Distributie van categorische variabelen: Laat de hoeveelheid of het percentage van gevallen die
in de categorieën vallen zien (bv 406/552 studenten prefereren Google, 73.6%).
Als onderzoeker moet je kiezen wat voor diagram het beste de resultaten laat zien (bv met de
taartdiagram kan je makkelijk zie dat bijna driekwart van de studenten Google prefereert.
Stemplot (stam en blad diagram): Voor een kleine dataset (alle resultaten
boven 0). Links van balk is decimaal.
Ruggelings stam en blad diagram: ook links van de stam zijn cijfers, om
twee distributies te vergelijken.
Stam splitsen: Decimalen splits zodat je minder lang rijen krijgt. Bv 0-4, 5-9.
Histogram: Een histogram is voor een wat grotere dataset, omdat de resultaten
in groepen/klassen worden gezet ( bv 75-85, 85-95, etc). Je ziet dus niet langer
de individuele resultaten. Een voorbeeld is een bank waar 31492 telefoongesprekken geanalyseerd
moesten worden op bel-tijd. Uit het histogram bleek dat 7.6% onder de 10 sec zat, terwijl het
gemiddelde tussen 1 en 5 min was. Het viel uit het patroon en is daarom verder geanalyseerd.
Unimodaal: Eén hoge piek in een diagram.
Uitschieter: Je analyseert een histogram door te kijken naar de vorm, het centrum en de spreiding.
Als er iets héél erg uitschiet is het mogelijk een meetfout, of iets anders. Vaak hoeft het dan niet
gebruikt te worden (in 1.3 wordt beschreven wanneer iets een uitschieter is. Dat is 1.5x de IQR,
ofwel het interkwartielbereik.).
Tijd-diagram: Een diagram waar tijd de horizontale schaal is. Het resultaat van metingen over de
tijd heen.
1.3: Het beschrijven van distributies met cijfers (college 4)
Dit stuk gaat over grafieken en overzichten door cijfers. Ze laten het centrum en de spreiding van de
data zien.
Mean: Het gemiddelde.
Resistente meting: Het gemiddelde is geen ‘resistente meting’. Omdat extreme metingen het
gemiddelde erg beïnvloeden. De mediaan is meer resistent dan het gemiddelde.
Mediaan: Middelste nummer.
Uitschieter: Een meting die buiten het generale plaatje valt. Soms kunnen de verwijderd worden,
omdat het mogelijk gaat om een meetfout.
Kwartielen: 25% en 75% van de data. Zoals de mediaan 50% van de data is. Dit maakt het
makkelijker om de spreiding van de data te lezen.
5-nummer samenvatting: 5 nummer worden uit de data gegeven: Minimum; q1; med; q2;
maximum. Dit geeft een kort overzicht van de data en de spreiding ervan.
Boxplot: Een grafiek die de 5 nummers weergeeft.
Interkwartielbereik: De afstand tussen de eerste en het derde kwartiel. Q3 – Q1. Dit wordt
gebruikt als vuistregel om te zien welke data mogelijk uitschieters zijn. Als het meer dan 1.5x de
IKB boven Q3 of onder Q1 ligt.
Standaarddeviatie:
