Methodologie en toegepaste biostatistiek 2 (AP_470901)
Summary
MTB2 Samenvatting blok 1 ANOVA en Lineaire regressie - premaster gezondheidswetenschappen VU
5 views 0 purchase
Course
Methodologie en toegepaste biostatistiek 2 (AP_470901)
Institution
Vrije Universiteit Amsterdam (VU)
De volgende onderwerpen uit het hoorcollege de werkgroep en aanvullende informatie komen aan bod;
ANOVA: factoriale spreiding en residuele spreiding, rekenen met anova, anova in SPSS
Lineaire regressie: regressievergelijking, lineaire regressie vs anova, LinR in SPSS
Methodologie en toegepaste biostatistiek 2 (AP_470901)
All documents for this subject (11)
Seller
Follow
nvpk
Reviews received
Content preview
Blok 1 ANOVA en lineaire regressie
Analyseren kwantitatieve gegevens
1. One sample t test: één steekproef
a. Vergelijken een steekproefgemiddelde met een verwachtingswaarde
2. Paired t test: twee metingen van één steekproef
a. Twee gepaarde metingen van een steekproef toetsen
3. Independent two samples t test: van twee steekproeven
a. Twee steekproefgemiddelden tegen elkaar toetsen
Introductie BLOK 1
ANOVA
Anova gebruik je voor verwachtingswaarden van meer dan twee populaties vergelijken
Wanneer je meerdere T-toetsen gebruikt om verschillende contrasten te toetsen
- Je maakt geen optimaal gebruik van totale steekproefomvang maar gebruiken dan per toets
de steekproefomvang van twee te vergelijken groepen
- Per T toets alpha kans op het maken van een type-1 fout dus hoe meer toetsen je los doet
hoe meer fouten je kunt maken
Het verschil tussen de spreiding van de populaties samen (factoriële spreiding, tussengroepsvariantie
of between-groups variantie) en de spreiding binnen de populaties (residuele spreiding,
binnengroepsvariantie of within-groups variantie) is wat de ANOVA kwantificeert met behulp van de
F-ratio: als dat contrast groter is dan wat we op grond van toeval zouden verwachten, dan kunnen
we concluderen dat de verwachtingswaarden van elkaar verschillen.
LINEAIRE REGRESSIE
Centraal bij de lineaire regressieanalyse staat het schatten van een verband tussen een dichotome,
categoriale of continue onafhankelijke (ingestelde) variabele en een kwantitatieve afhankelijke
variabele. In ons geval noemen we de onafhankelijke en afhankelijke variabelen vaak respectievelijk
de determinant en uitkomst.
, Wanneer je meerdere steekproeven wilt gelijken ipv twee, wat is een bezwaar tegen het meervoudig
toetsen?
Eerste bezwaar; grote kans op type 1, door corrigeren weer grote kans op type 2 fout.
Je zou 4 T-analyses gaan doen, losse analyses tegen elkaar toetsen in theorie. Dat is niet de juiste
manier want;
- Inefficiënt want; je hebt een alpha kans (meestal 5%) om een fout te maken, een type 1 fout.
Waarbij je onterecht een juiste H0 verwerpt. Je zegt dat er een effect is van een behandeling
wat eigenlijk niet zo is.
- Als je 6 toetsen doet heb je 5% kans op het maken van zo een fout, dus hoe meer toetsen
hoe groter deze kans op de fout.
Hoe kom je hier onderuit? Aanpassen van je alpha niveau, dus delen door het aantal toetsen
bijvoorbeeld. Maar dan krijg je weer hogere kans op type 2 fout.
Tweede bewaar: onvolledig gebruik maken van totale informatie
Per toets gebruik je maar een deel van de informatie die je hebt, terwijl alle steekproeven veel info
geeft waardoor je de totale variabiliteit wilt hebben.
Je wilt dus eigenlijk een uitbreiding van de gepoolde SD van twee naar vier steekproeven.
- Dit doe je met de ANOVA. Aanname hiervoor is homogeniteit; variabiliteit van alle
behandelingen hetzelfde is.
Bij ANOVA: gebruik van normaal verdeelde kwantitatieve gegevens, waarbij geld dat er meer dan
twee onafhankelijke groepen zijn (categoriale factor)
Bij een variantieanalyse factoriele spreiding vergelijken met residuele spreiding.
Factoriale spreiding en residuele spreiding
Rechterboxplot is nieuw, alle mensen staan hier samen in
weergegeven. in de tabel ook gemiddelde van alle 80
mensen en SD van 80 mensen. Wat valt hier op? SD wordt
groter
Als je naar het rechterplaatje kijkt, lijkt er meer spreiding in
gewichtsverschil dan als het je het apart vergelijkt, de
whiskers worden veel langer in de boxplots. Dus lijkt dan dat
er in het totaal melaater spreiding is dan afzonderlijk in de
groepen.
De verwachtingswaarde is per groep anders omdat iedereen anders reageert op behandelingen, dus
met behulp van spreiding doen we nu uitspraken over gemiddelden die van elkaar verschillen.
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 nvpk. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.32. You're not tied to anything after your purchase.
