100% satisfaction guarantee Immediately available after payment Both online and in PDF No strings attached
logo-home
Samenvatting Statistiek voor bedrijfskundigen 2 Handelswetenschappen $5.35   Add to cart

Summary

Samenvatting Statistiek voor bedrijfskundigen 2 Handelswetenschappen

 6 views  0 purchase
  • Course
  • Institution

Samenvatting Statistiek voor bedrijfskundigen Handelswetenschappen

Preview 4 out of 31  pages

  • November 30, 2022
  • 31
  • 2022/2023
  • Summary
avatar-seller
Statistiek voor bedrijfskundigen II -
Handelswetenschappen
Inleiding
1. Begrippen
Experimentele eenheden
• De bestudeerde objecten
• Bv. Studenten, machines, voetbalwedstrijden, ...
Populatie
• De verzameling experimentele eenheden
• bv. alle studenten aan de UGent, alle laptops die een bepaalde firma verkocht heeft, ...
Variabele
• Kenmerk of eigenschap van een individuele eenheid uit de populatie
• Bv. Lengte, levensduur, studieresultaat, ...
Steekproef
• Deelverzameling van de populatie
• Bv. 20 willekeurig gekozen studenten of laptops, ...
Statistische gevolgtrekking
• Veralgemening vanuit de steekproef naar de populatie
Betrouwbaarheidsmaat
• Uitspraak over de (on)zekerheid van de statistische gevolgtrekking

SOORTEN VARIABELEN
Kwantitatieve versus kwalitatieve variabelen
• Kwantitatieve: een getal (bv. Leeftijd)
• Kwalitatieve: een kenmerk (bv. Geslacht)
Discrete versus continue variabelen
• Discrete variabele: kan eindig of aftelbaar oneindig aantal verschillende waarden aannemen (bv.
Aantal studenten)
• Continue variabele: indien ook tussenliggende waarden mogelijk zijn (bv. Gewicht, afstand, …)
Nominale schaal (bv. geslacht)
+ ordening
= Ordinale schaal (bv. mening bij enquête: zeer goed, goed, matig, slecht, zeer slecht)
+ gelijke verschillen
= Intervalschaal (bv. temperatuur in °C)
+ natuurlijk nulpunt
= Ratioschaal (bv. inkomen)

STATISTISCHE TOEPASSINGEN
Beschrijvende statistiek = Beschrijven van verzamelde gegevens
• Grafische voorstellingen
o Staafjesdiagram
o Cirkeldiagram
o Boxplot
• Parameters
o Centrale tendentie – ligging
o Spreiding
Verklarende statistiek = Trekt conclusies over de gehele groep op basis van een deel (steekproef) van deze groep

PARAMETERS VAN LIGGING
Modus: de waarde van de variabele met het hoogste aantal waarnemingen (frequentie) (vb. haarkleur)

Mediaan: grenswaarde die de gerangschikte waarnemingen in twee gelijke groepen verdeelt (kunnen ordenen)
• Bij oneven aantal gegevens: de middelste waarneming

1

, • Bij even aantal gegevens: het rekenkundig gemiddelde van de twee middelste waarnemingen

Rekenkundig gemiddelde: de som van alle waarnemingen x1, x2, …, xn, gedeeld door het totaal aantal
waarnemingen n

PARAMETERS VAN SPREIDING
De variantie is de gemiddelde gekwadrateerde afwijking van de waarnemingen ten opzichte van het rekenkundig
gemiddelde.
De standaarddeviatie (of standaardafwijking) is de positieve vierkantswortel uit de variantie.

NOTITIE EN FORMULES




2. Stochastische variabelen
Definitie:
• Variabele die numerieke waarden aanneemt bij de toevallige uitkomsten van een experiment.
• Bij elke uitkomst wordt één en slechts één waarde aangenomen.
Twee soorten:
• Discrete stochastische variabelen
• Continue stochastische variabelen
Discrete kansveranderlijken
• Kunnen slechts een eindig of aftelbaar oneindig aantal waarden aannemen
• Bv. Aantal ogen bij een worp met een dobbelsteen
• Experiment: gelijktijdig opwerpen van twee eerlijke muntstukken.
• Stochastische variabele x: aantal keer kruis.
Continue kansveranderlijken
• Neemt een oneindig en niet aftelbaar aantal waarden aan, te vergelijken met een
interval of halfrechte op de reële getallenas
• Bv. Tijdsduur tussen 2 meldingen bij 112

KANSVERDELING EN KANSHISTOGRAM

Eigenschappen van de kansverdeling:
• p(x) ≥ 0 voor alle waarden van x
• ∑x p(x) = 1



SAMENVATTINGSWAARDEN
Verwachtingswaarde:
• gewogen gemiddelde van de mogelijke waarden van de variabele
• µ = E(x) = ∑ x p(x)
Variantie:
• gewogen gemiddelde van de gekwadrateerde afwijkingen t.o.v. µ
• σ2 = E [ (x − µ)2 ] = ∑ (x − µ)2 p(x)
Standaardafwijking:
• σ = √ σ2
2

,CONTINUE KANSVERANDERLIJKE
De functie f(x) – die we de (kans)dichtheidsfunctie noemen – neemt hier de rol over van het kanshistogram bij
discrete stochastische variabelen.




Eigenschappen:





Opmerkingen



SAMENVATTINGSMATEN




3. Verdelingen: binomiale verdeling (discreet), normale verdeling (continu), benaderen
BINOMIAAL EXPERIMENT
Gekenmerkt door:
1. Rij van n identieke deelexperimenten
2. Elk deelexperiment heeft twee uitkomsten: s (‘succes’) en m (‘mislukking’)
3. De kans op s (en dus ook op m) is dezelfde bij elk deelexperiment.
4. De deelexperimenten zijn onafhankelijk van elkaar.
Aantal “successen” in een binomiaal experiment noemt men een binomiale stochastische variabele.

BINOMIALE KANSVERDELING



Waarbij
• n = aantal deelexperimenten
• x = aantal keer “succes”; x is een element van {0,1,2,…,n}
• p = vaste kans op succes per deelexperiment
Voorbeeld
• Rol 5 keer achter elkaar een dobbelsteen en noteer het aantal keer dat je meer dan vier ogen hebt.
• Wat is de kans dat dit aantal gelijk is aan 4?




3

, •


EIGENSCHAPPEN BINOMIALE VERDELING
Verwachtingswaarde: Variantie:




Standaardafwijking:


NORMALE VERDELING: BELANG
• Goede beschrijving van heel wat stochastische variabelen, bv:
o Maandelijks rendement van een aandeel
o Scores op vaardigheidstest
o Wekelijkse omzet van een onderneming
• Vaak gebruikt als benadering van discrete kansverdelingen, zoals de binomiale.
• Vormt de basis van de verklarende statistiek.

NORMALE VERDELING
• Continu
• Heuvelvormig en symmetrisch
• Verwachtingswaarde, mediaan en modus vallen samen.
• Heeft oneindig bereik
Kansdichtheidsfunctie:


Met
• µ = verwachtingswaarde
• σ = standaardafwijking van de bijbehorende normaal verdeelde stochastische
variabele

STANDAARDNORMALE VERDELING
• Normale verdeling met µ = 0 en σ = 1
• Notatie: z
• Dichtheidsfunctie:
Eigenschap (oefeningen):
• Stel x is normaal verdeeld met µ en σ
• Dan is z = (x - µ) / σ standaardnormaal verdeeld

OEFENINGEN OPLOSSEN
• Praktische regels:
o P[ X < -a ] = P[ X > a ] SPIEGELEN
o P [ X > a ] = 1 – P [ X < a] COMPLEMENT
• Vaak handig om een figuur te maken

BENADERING
• In sommige gevallen kan de binomiale verdeling benaderd worden door een normale verdeling:



4

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

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

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

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 mauritshiemstra. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for $5.35. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

67474 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 14 years now

Start selling

Recently viewed by you


$5.35
  • (0)
  Add to cart