In de samevatting wordt per toets uitgelegd hoe je hem uitvoerd (stap gewijs). Ook zit er een flowschema vooraf bij waarin je makkelijk erachter komt welke toets je moet gebruiken.
Deze samenvatting mag bij het tentamen erbij gehouden worden.
Continue = metingen, nummers (bijvoorbeeld concentraties, kan veranderen bij elke meting)
Nominaal = naam (zoals man/vrouw, hond/kat)
Aantallen/discreet = kun je tellen (of totaal aantal, geen afronding mogelijk) (zoals oogkleur, meting
kan herhaalt worden en aantallen blijven hetzelfde)
(ordinaal = volgorde (klein/middel/groot)
Respons = y = verklarende factor (gemeten factor)
Factor X = variable een factor
Lineaire regressie
Model = Yi= axi + b
P-waarde: ‘’had de waarde ook 0 kunnen zijn’’/‘’kans dat de waarde 0 is’’.
Significantie F = zegt of y afhangt van x (Significantie F < 0,05)
R^2 = zegt iets over hoe sterk Y afhangt van X
AICc/waarde: Regel, het model met de laagste waarde voor AICc en alle coëfficiënt significant is het
beste model; andere modellen die niet meer dan 2 hoger liggen (en alle parameters significant zijn
ook acceptabel.
Detectie limiet = aagste concentratie die nog (betrouwbaar) gemeten kan worden LOD = limit of
detection.
Uitvoeren:
Regressie
, Calabratie analyse: (Kiezen van juiste model):
In excel bestand, beste model heeft alle parameters significant + laagste Delta.c en laagste AIC.c!
Uitbijters:
Ook excel bestand: residuals (kijkt R = studentized) -2 of +2 = uitschieter!
Interpolatie:
x.0 is je geïnterpoleerde
* R^2 en R^2_adj zegt iets over effect sterkte!(praktische significantie)
standaard additie:
Lower/upper CI zijn je 95% BI
t-toets:
t = (X.E – mu) / S (y/x)
t.krit = t.inv.2t(0,1;n-P)
P = paramters
N = aantal
T > t.krit = significant verschil
T < t.krit = GEEN significant verschil
Detectie limiet: kleinste concentratie die nog bepaald kan worden
(ylod is ook wel Y.1, hiermee X.0 berekenen bij model 1.a bv, voor detectie limiet!)
Vergelijken van 2 methode
Model 2!
Invullen bij expeted parameters:
alpha.0 = 0
a.1 = 1
a.2 = 0
kijken naar hotelling T^2-test = p-waarde
indien:
P > 0,05 = paramets zijn significant
P < 0,05 = parameters zijn NIET significant en mogen uit het model
Voor multi regressie = via excel
Gegens gegevensanalyse regressie input range X en Y selecteren (inc labels,) klik aan:
labels + betrouwbaarheid 95%
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller emmavanvessem. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.48. You're not tied to anything after your purchase.
