Spiekbriefje R-studio voor Statistiek voor Bedrijfskunde

Importeren datasets: NAAM <- read.csv (“NAAM DOCUMENT”, StringsAsFactors = TRUE)

H0: μ1 – μ2 = X t-toets niet aannemen dat varianties gelijk zijn
Mu1 = gemiddelde van A van het populatiedeel waarvoor B=C
Mu2 = gemiddelde van A van de rest van de populatie
Verwijder eerst N/A waarnemingen van A en B
Wat is de p-waarde?

Z <- subset(subset(NAAM, !is.na(B)), !is.na(A))
Y <- which(Z$B == “C”)
Q <- Z$A[Y]
W <- Z$A[-Y]
t.test(Q, W, alternative = “two.sided”, mu = X, var.equal = FALSE)
< → alternative = “greater”

H0: μ1 – μ2 = X t-toets niet aannemen dat varianties gelijk zijn
Mu1 = gemiddelde van A van het populatiedeel waarvoor B=C
Mu2 = gemiddelde van A van de rest van de populatie Betrouwbaarheidsinterval = P%
Verwijder eerst N/A waarnemingen van A en B
Wat is de bovengrens van het betrouwbaarheidsinterval μ1 – μ2?

Z <- subset(subset(NAAM, !is.na(B)), !is.na(A))
Y <- which(Z$B == “C”)
Q <- Z$A[Y]
W <- Z$A[-Y]
t.test(Q, W, conf.level = 0.P, var.equal = FALSE)

Gemiddelden van A verschillend over verschillende niveaus van B.
Wat is de p-waarde van anova-test?

summary(aov(A ~ B, data = NAAM))

Varianties van A gelijk over de verschillende niveaus van B. Standaardopties.
Wat is de p-waarde van Levene-toets?

(library(“car”)) → niet altijd nodig.
leveneTest(A ~ B, data = NAAM)

Meervoudige lineaire regressie om te zien of A samenhangt met B, C en D.
Wat is de t-waarde van regressiecoëfficiënt voor B die hoort bij H0: βB = 0 met α = 0.2?

summary(lm(A ~ B + C + D, data = NAAM)) Kijk bij: t-waarde van B.

Meervoudige lineaire regressie om te zien of A samenhangt met B, C en D.
Wat is de som van de fitted values/residuen) van deze regressie voor de eerste X waarnemingen?

sum((fitted.values/residuals (lm(A ~ B + C + D, data = NAAM)) [1:X])

Meervoudige lineaire regressie om te zien of A samenhangt met B, C en D.
Wat is de p-waarde voor t-toets voor H0: βB = X?

summary(lm(A – X * B ~ B + C + D, data = NAAM)) Kijk bij: Pr(>|t|) van B.
Wanneer H0: βB = 0: summary(lm(A ~ B + C + D, data = NAAM)) Kijk bij t-value van B (Y) en kijken naar DF (X). → pt(Y, X)

Verband categorische variabelen A en B.
Wat is de p-waarde van chi-kwadraattoets van kruistabel?

chisq.test(NAAM$A, NAAM$B)

Bewijzen Pearson correlatie tussen A en B >0.
Wat is de p-waarde van de t-toets?

cor.test(NAAM$A, NAAM$B, alternative = “greater”, method = “pearson”)
B < 0 alternative = “less”; B=0 alternative = “two.sided”.