Betrouwbaarheidsinterval Toetsing Vrijheidsgraden df /Extra info Tabel
√
1 proportie π^ ( 1− ^π ) P¿ Bhi z-waarden A
^π ± z × 90% - 1.645
n
1 categorische variabele puntschatter ± margin of error
π 0, vul 0.50 in als je die niet weet 95% - 1.960
margin of error = z-score x SE (standaardfout of P = <0.05 ? H0 hypothese verwerpen 99% - 2.576
SD standaarddeviatie) 2-zijdig toetsen = pwaarde x 2 Populatieproportie π weten we niet,
steekproefproportie ^π invullen (ook wel
de steekproefgemiddelde ȳ)
Let op 1 of 2-zijdig toetsing
√
2 proporties π^ 1 ( 1− π^ 1 ) π^ 2 ( 1−^π 2 ) P¿ Zie bovenstaande A
( ^π ¿ ¿ 2− π^ 1 )± z ×( + )¿
2 categorische variabelen n1 n2 Let op 1 of 2-zijdig toetsing
P = <0.05 ? H0 hypothese verwerpen
puntschatter (gemiddeld verschil ^π 2 en π^ 1) ± margin 2-zijdig toetsen = pwaarde x 2
of error
margin of error = z-score x SE (standaardfout of
SD standaarddeviatie)
Samenhang tussen 2 of Stap 1: hypothesen opstellen en bepaal a Eisen om een chi-kwadraat toets uit te C
meer proporties stap 2: toetsingsgrootheid, wat zou je voeren
Kruistabellen (y x z) verwachten als H0 war zou zijn? f 0= celpercentage van de steekproef verwachte frequenties niet te klein
2 of meer categorische Chi-kwadraatwaarde berekenen Gem. verwachte aantal minstens 5,
variabelen Stap 3: p-waarde uit tabel C vergelijken f e= verwachte celpercentage als H0 waar is kleinste 1
Voor het berekenen van met a Rijtotaal∗Kolomtotaal 2x2 tabel = klein mogelijkste tabel,
samenhang tussen f e= alle verwachte aantallen minstens 5
Steekproefgrootte
variabelen Is conditionele verdeling
2
( f o −f e ) Als conditionele verdelingen van elkaar Vrijheidsgraden = (Rijen – 1) x
Χ =∑
2
verschillen is er een samenhang (maar nog (kolommen – 1)
fe
geen causaliteit, dat doe je met een toets) Vrijheidsgraden geven het aantal ‘vrij’ in
Residu = (fo - fe) verschil score zegt wat over de te vullen cellen in de kruistabel aan
samenhang. Weinig verschil geen samenhang
kansverdeling voor Op te delen in 2 delen ! = faculteit
proportie met kleine n! x n−x n!/(x! * (n - x)!) Aantal manieren om aantal
P ( x )= π ( 1−π )
steekproef x !( n−x)! x te vinden
Bijv. n = 5
π , vul je 0.50 πk(1 - π)n-k Kans op ieder van die manieren
x = wat je wil weten, n = groep
, Betrouwbaarheidsinterval Toetsing Vrijheidsgraden df/ extra info Tabel
√
1 gemiddelde s s
2 P¿ Df = n – 1 B
ȳ ±t = ȳ ±t ×( ) t-waarde tabel B opzoeken via df en de
√n n
1 continue variabele P = <0.05 ? H0 hypothese verwerpen bhi. Bijv. bhi 95% = t-score van 0.025 en
2-zijdig toetsen = pwaarde x 2 de precieze waarde is te zien aan het
puntschatter ± margin of error
aantal df
margin of error = t-score x SE (standaardfout)
Let op 1 of 2-zijdig toetsing
2 gemiddeldes P¿ Df = N1 + N2 – 2 B
√
2 2
s s 1 2
2 continue variabelen ( ȳ ¿ ¿ 2− ȳ 1)±t ×( + )¿ P = <0.05 ? H0 hypothese verwerpen Let op 1 of 2-zijdig toetsing
n1 n2 2-zijdig toetsen = pwaarde x 2
Puntschatter (gemiddeld verschil ȳ 2 en ȳ 1) ± margin
of error
margin of error = t-score x SE (standaardfout)
2 gematchte gemiddelde P¿ Df = n – 1 B
sd n = aantal paren
2 gematchte continue ȳ d ± t ×( ) P = <0.05 ? H0 hypothese verwerpen
√n
variabelen 2-zijdig toetsen = pwaarde x 2 μ0 is de waarde van de H0 hypothese
Kan alleen bij een afhankelijke Let op 1 of 2-zijdig toetsing
steekproef waarbij je de voor-
ȳ d =¿ observatie uit steekproef 2 – observatie uit
en nameting van een groep steekproef 1 = verschilscore
samen kan voegen (matchen) sd = standaardfout steekproef 2 – standaardfout
steekproef 1 = verschilscore
2 gemiddeldes met gelijke SD ( ȳ ¿ ¿ 1− ȳ 2)−(μ1−μ2 )
¿ 2 ( n1−1 ) s 21+ ( n2−1 ) s22 2
s p = gemiddeld verschil standaardfout tussen
s=
√
(gepoolde procedure / Pooled two- p ene en andere steekproef
2
s p sp
2
n1 +n2−2
sample t procedure) +
n 1 n2 Het is een aanname dat ze gelijk aan elkaar zijn,
2 continue variabelen met gelijke SD dus je berekening het verschil en vervolgens
plaats je deze uitkomst in de eerste berekening
Samenhang tussen 2 of meer y = α + β(x) β =slope. Het hellingsgetal van de
gemiddelden helling en observatie eerst regressielijn. De slope staat gelijk aan Hoe steiler de lijn, hoe groter de samenhang
Lineaire regressie vermenigvuldigd, daarna past de verandering in Y ten opzichte van x, Β = 0 horizontale lijn, dus geen samenhang
intercept erbij op tellen als x met 1 omhoog gaat.
Positieve samenhang = y vergroot, x vergroot
a = y – b(x) X = observaties van x Negatieve samenhang = y verkleint, x vergroot
a = intercept/constant. Het startgetal b/slobe kan je uitrekenen als je de
√
1 proportie π^ ( 1− ^π ) P¿ Bhi z-waarden A
^π ± z × 90% - 1.645
n
1 categorische variabele puntschatter ± margin of error
π 0, vul 0.50 in als je die niet weet 95% - 1.960
margin of error = z-score x SE (standaardfout of P = <0.05 ? H0 hypothese verwerpen 99% - 2.576
SD standaarddeviatie) 2-zijdig toetsen = pwaarde x 2 Populatieproportie π weten we niet,
steekproefproportie ^π invullen (ook wel
de steekproefgemiddelde ȳ)
Let op 1 of 2-zijdig toetsing
√
2 proporties π^ 1 ( 1− π^ 1 ) π^ 2 ( 1−^π 2 ) P¿ Zie bovenstaande A
( ^π ¿ ¿ 2− π^ 1 )± z ×( + )¿
2 categorische variabelen n1 n2 Let op 1 of 2-zijdig toetsing
P = <0.05 ? H0 hypothese verwerpen
puntschatter (gemiddeld verschil ^π 2 en π^ 1) ± margin 2-zijdig toetsen = pwaarde x 2
of error
margin of error = z-score x SE (standaardfout of
SD standaarddeviatie)
Samenhang tussen 2 of Stap 1: hypothesen opstellen en bepaal a Eisen om een chi-kwadraat toets uit te C
meer proporties stap 2: toetsingsgrootheid, wat zou je voeren
Kruistabellen (y x z) verwachten als H0 war zou zijn? f 0= celpercentage van de steekproef verwachte frequenties niet te klein
2 of meer categorische Chi-kwadraatwaarde berekenen Gem. verwachte aantal minstens 5,
variabelen Stap 3: p-waarde uit tabel C vergelijken f e= verwachte celpercentage als H0 waar is kleinste 1
Voor het berekenen van met a Rijtotaal∗Kolomtotaal 2x2 tabel = klein mogelijkste tabel,
samenhang tussen f e= alle verwachte aantallen minstens 5
Steekproefgrootte
variabelen Is conditionele verdeling
2
( f o −f e ) Als conditionele verdelingen van elkaar Vrijheidsgraden = (Rijen – 1) x
Χ =∑
2
verschillen is er een samenhang (maar nog (kolommen – 1)
fe
geen causaliteit, dat doe je met een toets) Vrijheidsgraden geven het aantal ‘vrij’ in
Residu = (fo - fe) verschil score zegt wat over de te vullen cellen in de kruistabel aan
samenhang. Weinig verschil geen samenhang
kansverdeling voor Op te delen in 2 delen ! = faculteit
proportie met kleine n! x n−x n!/(x! * (n - x)!) Aantal manieren om aantal
P ( x )= π ( 1−π )
steekproef x !( n−x)! x te vinden
Bijv. n = 5
π , vul je 0.50 πk(1 - π)n-k Kans op ieder van die manieren
x = wat je wil weten, n = groep
, Betrouwbaarheidsinterval Toetsing Vrijheidsgraden df/ extra info Tabel
√
1 gemiddelde s s
2 P¿ Df = n – 1 B
ȳ ±t = ȳ ±t ×( ) t-waarde tabel B opzoeken via df en de
√n n
1 continue variabele P = <0.05 ? H0 hypothese verwerpen bhi. Bijv. bhi 95% = t-score van 0.025 en
2-zijdig toetsen = pwaarde x 2 de precieze waarde is te zien aan het
puntschatter ± margin of error
aantal df
margin of error = t-score x SE (standaardfout)
Let op 1 of 2-zijdig toetsing
2 gemiddeldes P¿ Df = N1 + N2 – 2 B
√
2 2
s s 1 2
2 continue variabelen ( ȳ ¿ ¿ 2− ȳ 1)±t ×( + )¿ P = <0.05 ? H0 hypothese verwerpen Let op 1 of 2-zijdig toetsing
n1 n2 2-zijdig toetsen = pwaarde x 2
Puntschatter (gemiddeld verschil ȳ 2 en ȳ 1) ± margin
of error
margin of error = t-score x SE (standaardfout)
2 gematchte gemiddelde P¿ Df = n – 1 B
sd n = aantal paren
2 gematchte continue ȳ d ± t ×( ) P = <0.05 ? H0 hypothese verwerpen
√n
variabelen 2-zijdig toetsen = pwaarde x 2 μ0 is de waarde van de H0 hypothese
Kan alleen bij een afhankelijke Let op 1 of 2-zijdig toetsing
steekproef waarbij je de voor-
ȳ d =¿ observatie uit steekproef 2 – observatie uit
en nameting van een groep steekproef 1 = verschilscore
samen kan voegen (matchen) sd = standaardfout steekproef 2 – standaardfout
steekproef 1 = verschilscore
2 gemiddeldes met gelijke SD ( ȳ ¿ ¿ 1− ȳ 2)−(μ1−μ2 )
¿ 2 ( n1−1 ) s 21+ ( n2−1 ) s22 2
s p = gemiddeld verschil standaardfout tussen
s=
√
(gepoolde procedure / Pooled two- p ene en andere steekproef
2
s p sp
2
n1 +n2−2
sample t procedure) +
n 1 n2 Het is een aanname dat ze gelijk aan elkaar zijn,
2 continue variabelen met gelijke SD dus je berekening het verschil en vervolgens
plaats je deze uitkomst in de eerste berekening
Samenhang tussen 2 of meer y = α + β(x) β =slope. Het hellingsgetal van de
gemiddelden helling en observatie eerst regressielijn. De slope staat gelijk aan Hoe steiler de lijn, hoe groter de samenhang
Lineaire regressie vermenigvuldigd, daarna past de verandering in Y ten opzichte van x, Β = 0 horizontale lijn, dus geen samenhang
intercept erbij op tellen als x met 1 omhoog gaat.
Positieve samenhang = y vergroot, x vergroot
a = y – b(x) X = observaties van x Negatieve samenhang = y verkleint, x vergroot
a = intercept/constant. Het startgetal b/slobe kan je uitrekenen als je de
