EXAMENFOCUS
Statistisch modelleren en datamining
Examenvragen en kernleerstof, geordend per hoofdstuk
Universiteit Gent
Handelsingenieur
Echte en gereconstrueerde examenvragen met correcte antwoorden
Examens 2020 tot en met 2026
Gebaseerd op 17.377 (gefilterd tot 1.146 post-examen-berichten) uitgelezen Discord-berichten
Bronnen: gepinde samenvatting, gepinde MC-bundels, examenopgaven 2021 tot 2026 en post-examenvensters
op Discord.
Examenfocus Statistisch modelleren en datamining 1
,Hoe gebruik je dit document?
Dit is geen samenvatting maar een vragendocument. Ongeveer een vijfde is theorie (kernbegrippen per hoofdstuk)
en vier vijfde bestaat uit echte en gereconstrueerde examenvragen met uitgewerkte antwoorden. Werk per
hoofdstuk: lees de kernbegrippen, los de vragen op zonder het antwoord te lezen, en controleer pas nadien.
Achteraan staan de volledige reconstructies per zittijd, een glossarium en de valkuilen.
THEORIE
Kernbegrippen, definities en verwijzingen.
VRAAG
Een echte of gereconstrueerde examenvraag, met bron en jaar.
ANTWOORD
Het correcte antwoord, en bij meerkeuze waarom de andere opties fout zijn.
TIP
Examentip op basis van terugkerende patronen.
PROF QUOTE
Een uitspraak of formulering van de lesgever.
DISCORD
Inzicht uit een post-examen-discussie, altijd anoniem.
Examenfocus Statistisch modelleren en datamining 2
,Thema-frequentietabel: waar de punten liggen
De frequentietabel hieronder telt in hoeveel van de 12 uitgelezen zittijden een thema effectief bevraagd werd.
Thema Aantal examens Prioriteit Waarover de vragen gaan
Modelselectie en regularisatie: ██████░░░░ Hoge prio Best subset (2^p modellen), stepwise
best subset, ridge, lasso, PCR 7/12 zittijden, 44 selection met p groter dan n, AIC, BIC en
en PLS vragen adjusted R2, ridge en lasso (lambda,
restrictiezone), en de open vragen over PCR
(2021), PLS (2022, 2024), lasso en ridge (2020)
en de lassofiguur (2026).
Classificatie: logistische █████░░░░░ Hoge prio Confusion matrix met sensitivity, specificity en
regressie, LDA, QDA, KNN en 6/12 zittijden, 34 precision, het effect van de drempel op false
naive Bayes vragen positives en false negatives, Bayes-
oefeningen, het aantal parameters van LDA,
QDA en naive Bayes, generative tegenover
discriminative, ROC en AUC, en de open
vragen QDA (2020, 2021) en naive Bayes
(2023).
Bewijzen █████░░░░░ Hoge prio Een bewijs uit de vaste lijst, bijna elke zit tot
6/12 zittijden, 7 en met 2025: optimale alpha (2020),
vragen quadratic Bayes-classifier (2021), ridge met
beta1 = beta2 (2022), ridge met Gaussiaanse
prior (2024), K-means-identiteit (2025) en TSS
= RSS + ESS (augustus 2025).
Lineaire regressie ████░░░░░░ Middelgroot Interpretatie van coefficienten- en p-
5/12 zittijden, 33 waardentabellen, dummyvariabelen en
vragen interactie met een figuur (augustus 2025), VIF
en collinearity, prediction interval, het effect
van ruisvariabelen op R2 en adjusted R2, en
de open vraag lineaire regressie met what,
how en why.
Unsupervised learning: PCA en ████░░░░░░ Middelgroot PCA met biplot en scree plot, K-means-
clustering 5/12 zittijden, 31 stellingen, hierarchische clustering met
vragen complete of single linkage uit een
dissimilarity-matrix, en de vraag waarvoor
PCA niet dient.
R-code en R-output ████░░░░░░ Middelgroot Meerkeuzevragen over R-code en R-output:
5/12 zittijden, 20 regsubsets met which.min van bic, glmnet
vragen met alpha, glm met predict, formulesyntaxis,
sample en set.seed, cv.glm en LOOCV, en het
lezen van sterretjesoutput.
Resampling: cross-validation en ██░░░░░░░░ Middelgroot LOOCV tegenover k-fold CV (bias, variantie,
bootstrap 3/12 zittijden, 30 rekentijd, het leverage-shortcut), de kans dat
vragen een observatie in een bootstrapsample zit, de
juiste en foute manier van cross-validation, en
5-fold CV uitleggen (januari 2025).
Statistical learning: bias, █░░░░░░░░░ Ken de basis Curse of dimensionality (januari 2024 en
Examenfocus Statistisch modelleren en datamining 3
, variantie en modelflexibiliteit 1/12 zittijden, 24 2025), het verband tussen irreducible error en
vragen de ondergrens van de test-MSE, bias en
variantie van KNN aan de hand van een figuur
(K te hoog of te laag) en overfitting van een
zeer flexibel model.
Gastcollege █░░░░░░░░░ Ken de basis Een meerkeuzevraag over wat er in het
1/12 zittijden, 1 vraag gastcollege besproken werd of niet (2020,
2024, 2025, 2026), niet af te leiden uit ISLR.
TIP
Besteed de meeste tijd aan de open-vraagonderwerpen die terugkeren: PCR, PLS, QDA, lasso en ridge, naive
Bayes, cross-validation en lineaire regressie met dummyvariabelen en interactie.
Leer de bewijzen uit de lijst (zie BEW) tot je de eerste regel zelf kunt neerschrijven, want er is tot en met
2025 bijna elke zit een bewijs gevraagd.
Zorg voor de vaste meerkeuzehits die elk jaar terugkomen: ridge met toenemende λ, AIC tegenover BIC,
adjusted R2, confusion matrix, drempel, curse of dimensionality en de bootstrapkans.
Reserveer tijd voor R: 7 tot 9 vragen per examen gaan over code of output, en dat zijn punten die je met
enkele vaste commando's kunt binnenhalen.
Lees de drie gastcollegenotities een keer door, want het is meestal 1 meerkeuzevraag die je enkel uit die
notities kunt oplossen.
Oefen figuren tekenen en uitleggen (training error en test error tegenover flexibiliteit, KNN-beslissingsgrens,
restrictiezones), want de nieuwe lesgever vroeg dat in januari 2026 als open vraag.
Examenfocus Statistisch modelleren en datamining 4
Statistisch modelleren en datamining
Examenvragen en kernleerstof, geordend per hoofdstuk
Universiteit Gent
Handelsingenieur
Echte en gereconstrueerde examenvragen met correcte antwoorden
Examens 2020 tot en met 2026
Gebaseerd op 17.377 (gefilterd tot 1.146 post-examen-berichten) uitgelezen Discord-berichten
Bronnen: gepinde samenvatting, gepinde MC-bundels, examenopgaven 2021 tot 2026 en post-examenvensters
op Discord.
Examenfocus Statistisch modelleren en datamining 1
,Hoe gebruik je dit document?
Dit is geen samenvatting maar een vragendocument. Ongeveer een vijfde is theorie (kernbegrippen per hoofdstuk)
en vier vijfde bestaat uit echte en gereconstrueerde examenvragen met uitgewerkte antwoorden. Werk per
hoofdstuk: lees de kernbegrippen, los de vragen op zonder het antwoord te lezen, en controleer pas nadien.
Achteraan staan de volledige reconstructies per zittijd, een glossarium en de valkuilen.
THEORIE
Kernbegrippen, definities en verwijzingen.
VRAAG
Een echte of gereconstrueerde examenvraag, met bron en jaar.
ANTWOORD
Het correcte antwoord, en bij meerkeuze waarom de andere opties fout zijn.
TIP
Examentip op basis van terugkerende patronen.
PROF QUOTE
Een uitspraak of formulering van de lesgever.
DISCORD
Inzicht uit een post-examen-discussie, altijd anoniem.
Examenfocus Statistisch modelleren en datamining 2
,Thema-frequentietabel: waar de punten liggen
De frequentietabel hieronder telt in hoeveel van de 12 uitgelezen zittijden een thema effectief bevraagd werd.
Thema Aantal examens Prioriteit Waarover de vragen gaan
Modelselectie en regularisatie: ██████░░░░ Hoge prio Best subset (2^p modellen), stepwise
best subset, ridge, lasso, PCR 7/12 zittijden, 44 selection met p groter dan n, AIC, BIC en
en PLS vragen adjusted R2, ridge en lasso (lambda,
restrictiezone), en de open vragen over PCR
(2021), PLS (2022, 2024), lasso en ridge (2020)
en de lassofiguur (2026).
Classificatie: logistische █████░░░░░ Hoge prio Confusion matrix met sensitivity, specificity en
regressie, LDA, QDA, KNN en 6/12 zittijden, 34 precision, het effect van de drempel op false
naive Bayes vragen positives en false negatives, Bayes-
oefeningen, het aantal parameters van LDA,
QDA en naive Bayes, generative tegenover
discriminative, ROC en AUC, en de open
vragen QDA (2020, 2021) en naive Bayes
(2023).
Bewijzen █████░░░░░ Hoge prio Een bewijs uit de vaste lijst, bijna elke zit tot
6/12 zittijden, 7 en met 2025: optimale alpha (2020),
vragen quadratic Bayes-classifier (2021), ridge met
beta1 = beta2 (2022), ridge met Gaussiaanse
prior (2024), K-means-identiteit (2025) en TSS
= RSS + ESS (augustus 2025).
Lineaire regressie ████░░░░░░ Middelgroot Interpretatie van coefficienten- en p-
5/12 zittijden, 33 waardentabellen, dummyvariabelen en
vragen interactie met een figuur (augustus 2025), VIF
en collinearity, prediction interval, het effect
van ruisvariabelen op R2 en adjusted R2, en
de open vraag lineaire regressie met what,
how en why.
Unsupervised learning: PCA en ████░░░░░░ Middelgroot PCA met biplot en scree plot, K-means-
clustering 5/12 zittijden, 31 stellingen, hierarchische clustering met
vragen complete of single linkage uit een
dissimilarity-matrix, en de vraag waarvoor
PCA niet dient.
R-code en R-output ████░░░░░░ Middelgroot Meerkeuzevragen over R-code en R-output:
5/12 zittijden, 20 regsubsets met which.min van bic, glmnet
vragen met alpha, glm met predict, formulesyntaxis,
sample en set.seed, cv.glm en LOOCV, en het
lezen van sterretjesoutput.
Resampling: cross-validation en ██░░░░░░░░ Middelgroot LOOCV tegenover k-fold CV (bias, variantie,
bootstrap 3/12 zittijden, 30 rekentijd, het leverage-shortcut), de kans dat
vragen een observatie in een bootstrapsample zit, de
juiste en foute manier van cross-validation, en
5-fold CV uitleggen (januari 2025).
Statistical learning: bias, █░░░░░░░░░ Ken de basis Curse of dimensionality (januari 2024 en
Examenfocus Statistisch modelleren en datamining 3
, variantie en modelflexibiliteit 1/12 zittijden, 24 2025), het verband tussen irreducible error en
vragen de ondergrens van de test-MSE, bias en
variantie van KNN aan de hand van een figuur
(K te hoog of te laag) en overfitting van een
zeer flexibel model.
Gastcollege █░░░░░░░░░ Ken de basis Een meerkeuzevraag over wat er in het
1/12 zittijden, 1 vraag gastcollege besproken werd of niet (2020,
2024, 2025, 2026), niet af te leiden uit ISLR.
TIP
Besteed de meeste tijd aan de open-vraagonderwerpen die terugkeren: PCR, PLS, QDA, lasso en ridge, naive
Bayes, cross-validation en lineaire regressie met dummyvariabelen en interactie.
Leer de bewijzen uit de lijst (zie BEW) tot je de eerste regel zelf kunt neerschrijven, want er is tot en met
2025 bijna elke zit een bewijs gevraagd.
Zorg voor de vaste meerkeuzehits die elk jaar terugkomen: ridge met toenemende λ, AIC tegenover BIC,
adjusted R2, confusion matrix, drempel, curse of dimensionality en de bootstrapkans.
Reserveer tijd voor R: 7 tot 9 vragen per examen gaan over code of output, en dat zijn punten die je met
enkele vaste commando's kunt binnenhalen.
Lees de drie gastcollegenotities een keer door, want het is meestal 1 meerkeuzevraag die je enkel uit die
notities kunt oplossen.
Oefen figuren tekenen en uitleggen (training error en test error tegenover flexibiliteit, KNN-beslissingsgrens,
restrictiezones), want de nieuwe lesgever vroeg dat in januari 2026 als open vraag.
Examenfocus Statistisch modelleren en datamining 4
