Samenvatting Biostatistiek, 2e bachelor biomedische wetenschappen

Biostatistiek

Beschrijvende statistiek
Soorten variabelen:

 Categorisch: populatie verdelen in categorieën
- Zonder orde, nominaal vb. bloedgroep (geen volgorde)
- Met orde, ordinaal vb. schaal met 5 niveaus
 Numeriek: kwantitatief
- Discreet, geteld aantal (gehele getallen) vb. aantal ongelukken
- Continu (komma’s) vb. gewicht



Centrale locatie:

 rekenkundig gemiddelde
- symmetrische verdeling
- gevoelig voor outliers
- alle info
 mediaan
- verdeling niet symmetrisch
- ongevoelig voor outliers
- niet alle info

Spreiding:

 variantie = gemiddelde kwadratische afwijking gemiddelde
 standaardafwijking
- symmetrische verdeling
- gevoelig voor outliers
- alle info
 interkwartiel afstand:
- hoeft niet symmetrisch
- ongevoelig voor outliers
- niet alle info

asymmetrische spreiding:

 Range
 Percentielen: p% van alle observaties kleiner
- Mediaan = p50 (50ste percentiel)
- Kwartielen: p25 en p75
- Decielen: p10, p20, p30
 Box-whisker plot

Grafieken: snelle date visualizatie -> detectie afwijkende/foute metingen  soort variabele bepaalt
type grafiek

 Histogram: continue verdeling
 Scatterplot: 2 continue variabelen

, Hoofdstuk 3: steekproef versus populatie
Sample = steekproef -> enige gegevens -> conclusie trekken over populatie = inferentie

Wenselijke eigenschappen:

 Willekeurig
 Onafhankelijk
 Representatief
 Onvertekend
 Accuraat

Steekproef: geobserveerde data – beperkt – willekeurig uit populatie gehaald – beschrijvende
statistiek

Populatie: onbekend – oneindig – inferentiele statistiek

Inferentiele statistiek:

 Onderliggende parameters afleiden op basis van steekproef
 Onzekerheid op schatting
 Theoretische verdeling variabelen



Hoofdstuk 4: Theoretische verdelingen
Data beschrijven adhv verdelingen

Random veranderlijke RV = variabele waarvan waarde afhangt van toevalsvariatie

Verschillende soorten:

 Uniforme verdeling
 Normale verdeling
 Standaardnormale verdeling
 Poisson verdeling
 Binomiale verdeling

Xi = waarde variabele voor i-de experiment  waarschijnlijkheidsdichtheidsfuncties

 = gedrag Xi in populatie
 geeft kans dat Xi de waarde x aanneemt vb: munstuk f(x) = P(X=x)
 kan discreet of continu zijn
 som alle kansen = 1
 uniforme verdeling: kans is overal hetzelfde vb: kop of munt gooien
 poisson verdeling: parameters landa = gemiddelde vb: aantal sexpartners -> landa = 1
 normale verdeling: symmetrisch rondom gemiddelde, gemiddelde komt meeste voor, wordt
volledig gevormd rond gemiddelde met de standaardafwijking vb: lichaamslengte

Functie met parameters: soms theoretische bekend (dobbelsteen, munstuk), soms schatten uit
experiment (lichaamslengte, sexpartners)

Grafische weergave: oppervlakte onder de curve = 1, interval a-b = kans dat variabele waarde
aanneemt tussen a en b