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%
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur emmavanvessem. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €5,99. Vous n'êtes lié à rien après votre achat.
