, Voorkennis
Correlaties
Correlatiecoëfficiënt: Indicator voor de sterkte van een lineare relatie (gestandaardiseerd) -1-1
Regression equation: Doormiddel van de slope kan de stijging van de lijn voorspelt worden
(hoogte/breedte)
Intercept: De plek waar een lijn de Y as snijdt
Y-value=intercept + slope × X-value
y^=b0 + b1x
Error/residual: verschil tussen de verwachte waarde en de geobserveerde waarde
Least squares method: Het kwadrateren van de errors zodat het getal niet op 0 uitkomt
Dit wordt gebruikt om de parameters van het lineare regressie model in te schatten
Σ (y − y^) 2
b1=r × σy / σx
R-squared: hoeveel de data het gevonden resultaat verklaard (Goodness of fit) 0-1
Een hoge r-squared geld voor die sample en is niet per se generaliserend
Bayesian statistics
Null hypothesis significance testing: Het testen of de 0 hypothese waar is en anders deze verwerpen
Publication bias: Het is makkelijker om met significante resultaten gepubliceerd te worden
Sloppy science: questionable research practices (QRP) om alsnog gepubliceerd te worden
Replicatie crisis: Gevonden resultaten konden niet gerepliceerd worden
Oplossing: The bayesian way
Bayes factor: Hoeveel support er is voor een betreffende hypothese in vergelijking tot andere
hypotheses (1> x betekend meer support voor alternatieve hypothese)
1) De fit van de hypothese voor de data
2) De specificiteit van de hypothese
ANOVA (Analysis Of VAriance)
Anova: een toetsingsmanier voor de vergelijking van 2 of meer gemiddelde (2 independent samples
maar ook mogelijkheid tot meer)
T-tests kunnen ook gebruikt worden om 2 gemiddelde te vergelijken: one sample, 2 paired samples
en 2 independent samples
4 assumpties
1) Binnen elke groep zijn de scores voor de afhankelijke variabele normaal verdeeld.
2) Er zijn geen uitbijters in de scores van de mensen op de afhankelijke variabele.
3) De variantie van de scores op de afhankelijke variabele is in elke groep gelijk.
4) De scores van de mensen op de afhankelijke variabele zijn onderling onafhankelijk.
Variantie: Het verschil tussen twee groepen en de populatie
1. Binnen groep variantie: de variantie van scores binnen elke groep gemiddeld over groepen
(residual)
2. Tussen groep variantie: de variantie van de groepsgemiddelde, een maat voor hoe
verschillend ze zijn (explained)
Is de groep variantie groot in vergelijking tot de tussen groep variantie? F-statistic
F= MS between/ MS within
MS= Mean squares
2
, Bonferroni method: deze betreft voor meerdere testen om type I fout te voorkomen. Hierdoor mag
de P niet hoger zijn van 0.5/3 per test
Week 1: Bayes & Multiple linear regression (MLR)
Prior knowledge: Bestaande kennis voor er naar de date gekeken wordt
Probability: de waarschijnlijkheid van een gebeurtenis wordt verondersteld de frequentie te zijn
waarmee het voorkomt (klassiek/frequentie statistiek)
Bayes theorem: P (A given B) = P (B given A) ⋅ P(A) / P(B)
Voorwaardelijke kansen
Assumpties Multiple Linear Regression (MLR)
1) De afhankelijke variabele is een continue maat (interval of ratio)
2) De onafhankelijke variabele zijn continu of dichotoom
3) Er zijn lineaire relaties tussen de afhankelijke variabele en elk van de continue onafhankelijke
variabelen (scatterplot)
1) Er zijn geen uitschieters (transparant zijn over wat je er mee doet! Erin houden, verbeteren,
verwijderen of het gemiddelde plus 2 SD)
Controleren op uitschieters
Casewise diagnostiek
Gestandaardiseerde residuen: waarden tussen de -3.3 dn +3.3 zijn ongeveer normaal (hier buiten
uitschieters)
Cook’s distance: Controle tussen de XY-ruimte, duimregel: onder de 1 is normaal (boven is
uitschieter)
2) Afwezigheid van multicollineariteit
Multicollineariteit: de relatie tussen twee of meer onafhankelijke variabele sterk zijn
Consequenties: de regressie coëfficiënt is onbetrouwbaar, beperkt de grootte van R, het belang van
individuele onafhankelijke variabelen kan niet of nauwelijks worden bepaald
Controleren
Tolerance of VIF (variance inflation factor): waarden kleiner dan .2 kunnen potentieel voor
problemen zorgen, lager dan .1 is er een probleem en groter dan 10
Het variabel dat voor problemen zorgt verwijderen of combineren van variabelen door factor
analyse
3) Homoscedasticiteit
Homoscedasticiteit: Er is een gelijke spreiding over het hele plot (geen trechter figuur)
4) Normaal verdeelde residuen
Controleren
Q-Q plot: dicht aan de lijn is normaal verdeeld
Histogram: normaalverdeling
Een voorspeller of uitkomst verwijderen of veranderen
Wanneer het niet lineair is kan een kwadratische methode gebruikt worden door een nieuwe
variabele te gebruiken -> squared X
Linear: y=B_0+B_1X+ey=B0+B1X+e
Quadratic: y=B_0+B_1X+B_2X^2+ey=B0+B1X+B2X2+e
3
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 stuuudje. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $4.77. You're not tied to anything after your purchase.
