Alles wat je moet weten voor het tentamen van Intelligente Data-analyse: over operationaliseren, soorten variabelen, basisstatieken, betrouwbaarheidsintervallen, bias, lineaire regressie, ROC-curve, decision tree etc. Nutige begrippen in het blauw. Inclusief functies van pandas (Python). Inclusief ...
Week 1: Introductie................................................................................................................................................ 2
College 1 ................................................................................................................................................................................... 2
Data en variabelen ................................................................................................................................................................. 2
Basisstatistieken ..................................................................................................................................................................... 2
Werkcollege ............................................................................................................................................................................. 3
Week 2: Sampling en bias .................................................................................................................................... 3
College 2 ................................................................................................................................................................................... 3
Week 3: Sampling en betrouwbaarheidsintervallen ........................................................................................ 4
College 3 ................................................................................................................................................................................... 4
Hypothesis testing ................................................................................................................................................................. 5
Data processing leftovers .................................................................................................................................................... 5
Week 4: Statistische modellen en lineaire regressie ....................................................................................... 5
College 4 ................................................................................................................................................................................... 5
Lineaire regressie ................................................................................................................................................................... 6
Multiple lineaire regressie................................................................................................................................................... 7
Week 5: Biasvariantie trade-off en classificatie ................................................................................................ 7
College 5 ................................................................................................................................................................................... 7
Logistische regressie ............................................................................................................................................................. 9
Decision tree .......................................................................................................................................................................... 10
Week 7: Bias in voorspellende modellen ........................................................................................................ 11
College 7 ................................................................................................................................................................................. 11
1
, Week 1: Introductie
College 1
• Intelligente data-analyse is het gebruiken van data om kwantitatieve inzichten te geven
in maatschappelijke, wetenschappelijke en organisatorische vraagstukken.
o Hiermee kun je problemen in kaart brengen, maar ook nieuwe inzichten,
patronen en kennis opdoen: data-mining.
o Data is ooit gemeten, in een bepaalde tijd en context.
o Met data-analyse gebruik je niet alleen data, maar je genereert ook nieuwe data.
• Operationaliseren.
o Begin met een doel.
o Verfijn het doel door vragen te
stellen.
o Bepaal specifieke meetbare
variabelen.
• Geoperationaliseerde vragen zijn specifiek
en te beantwoorden met de beschikbare data.
o Niet alle vragen kunnen worden beantwoord met data!
Data en variabelen
• Een data-attribuut is een ‘instance’ van een data-object. Soorten data-
attributen/variabelen:
o Nominale of categorische variabelen: eindige set categorieën, niet geordend op
een bepaalde schaal.
▪ Bv.: boolean
o Ordinale variabelen: zijn wel geordend maar niet numeriek.
▪ Bv.: de waarden MBO, HBO, WO
o Numerieke variabelen geschaald op een interval, met een arbitrair nulpunt.
Hierbij kan men geen ratio’s berekenen.
▪ Bv.: temperatuur, positie
o Numerieke variabelen geschaald op een ratio, met een echt nulpunt. Hierbij kan
men wel ratio’s berekenen.
▪ Bv.: snelheid, afstand, aantal objecten
• Variabelen kunnen ook worden onderverdeeld in discrete en continue waarden.
o Discrete variabelen nemen een eindig aantal waarden aan. Deze kunnen
categorisch, ordinaal of numeriek zijn.
o Continue variabelen kunnen elke waarde aannemen. Deze zijn altijd numeriek
(zowel interval- als ratio-geschaald). Omdat meetinstrumenten een beperkte
nauwkeurigheid hebben, worden continue waarden vaak gediscretiseerd.
Basisstatistieken
• Het steekproefgemiddelde is de centrale tendens: np.mean().
• De sample/empirische standaarddeviatie is een maat van de verspreiding van de data,
en is gevoelig voor uitschieters: np.std().
2
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 sganoud. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $3.26. You're not tied to anything after your purchase.
