Samenvatting Compleet stappenplan voor Statistiek- Schakeljaar Patrick Wessa

Skewness and Kurtosis Test
Skewness = 0 (scheefheid verdeling)
Kurtosis = 3 (gepiektheid verdeling)
 D’Agostino Skewness Test:
o P-value: toont kans op vergissen bij het verwerpen van de nulhypothese terwijl
de nulhypothese wel waar is
 nulhypothese skewness: verdeling is symmetrisch
 alternatieve hypothese skewness: verdeling is niet symmetrisch
 Wordt gebruikt om te kijken of verdeling normaal verdeeld is
o normaal verdeeld als skew=0 en kurt=3
o dus 2x nulhypothese aanvaarden anders niet normaal verdeeld = p-waarde moet
tweemaal groter zijn dan de alpha-waarde

Skewness and Kurtosis Plot
 zelfde als test maar dan grafisch
 Kurtosis en Skewness is blauw bolletje
 Sterretje is normaalverdeling
o In oranje zone?
 Ja  nulhypothese aanvaarden (dus normaal verdeeld)
 Nee  nulhypothese verwerpen (niet normaal verdeeld)
 Oranje bolletjes zijn het betrouwbaarheidsinterval

Notched Boxplots
 medianen vergelijken  dus alles met medianen
o kijken of deze significant verschillend zijn van elkaar
 upper- en lowerbound zijn betrouwbaarheidsintervallen
o overlappen deze ‘inkepingen’ elkaar  nulhypothese verwerpen
o in de tabel kan je ook zien of ze elkaar overlappen of niet
 nulhypothese: tegenovergestelde van wat in de stelling wordt beweerd
o nul is dat ze gelijk zijn aan mekaar
o alternatief is dat ze verschillend zijn
bv.: 4 types van motivatie en jij gaat testen welke motivatie het hoogste is.




1

,Multiple Regression
Wij gaan binnen multiple regression de Assumpties moeten gaan testen.
 2 tail p value
o waarde < gekozen alfa fout?  significant
o waarde > gekozen alfa fout?  niet significant
 Verwijderen uit het model (getoonde formule) want leveren geen
bijdrage
  volgende stap is het berekenen van het nieuwe multiple regression
model nadat waardeloze parameters zijn verwijderd
 R² adjusted zegt iets over de verklarende kracht van het model
 endogenous series: variabele waarop je wil testen
 residu’s moeten:
o een gemiddelde van 0 hebben (one sample t-test)
o onafhankelijk zijn van elkaar (auto correlatie functie)
o normaal verdeeld zijn  skewness en Kurtosis test/plot of QQ plot
o constante variantie doorheen de tijd  Goldfeld Quandt test for
Heteroskedasticitiy


Chi Kwadraat Test
 enkel kwalitatieve variabelen waar tussen we een verband willen zoeken ( vb geslacht en
opleiding het zijn 2 keer woorden) (of leeftijd en geslacht= alleen categorieen= tussen
labels!).
 nulhypothese: er is geen verband tussen de gegevens
 alternatieve hypothese: er is wel een verband tussen de gegevens
 weer kijken naar p-waarde voor het aanvaarden van H0 of Ha
o p-waarde > alpha-waarde  H0 aanvaarden  niet significant = geen verband
tussen de gegevens
o p-waarde < alpha-waarde  H0 verwerpen  significant = verband tussen de
gegevens
 voorwaarden:
o celfrequentie > 5 in elke cel

One Sample T-Test
 1 meting op 1 steekproef (meestal test met gemiddelde)
 nulhypothese: tegenovergestelde van wat er in de stelling verondersteld wordt
 2 sided confidence interval:
o ligt nulhypothese hierin? Ja!
 Geen significant verschil
 Nulhypothese wordt aanvaard
 of je kan p-waarde gebruiken( leest makkelijker)
o als p-waarde >alfa fout dan ga je de H0 aanvaarden
o als p-waarde < alfa fout dan ga je de Ha aanvaarden
 Voorwaarden gebruik:
o Aselecte steekproef
o Steekproef moet groot genoeg zijn


2

, o centrale limietstelling

Paired Two Sample T-Test
Test voor het verschil tussen rekenkundige gemiddelden.
 2 metingen gedaan op 1 steekproef ( vb gemiddelde voor en na een behandeling)
 voorwaarden gebruik:
o aselecte steekproef
o onafhankelijke steekproef
o centrale limietstelling
 nulhypohtese: gemiddelde zijn gelijk moet in CI invterval liggen  zo niet 
hypothese verwerpen
o of met p-waarde werken als p-waarde < alfa fout gaan we Ha aanvaarden dus dat
de gemiddelde verschillen.
 alternatieve hypothese: gemiddelde zijn niet gelijk
 enkel kijken naar eerste deel tabel

Unpaired Two Sample T-Test
 2 steekproeven vergelijken met verschillende individuen ( verschillende grootes)
 id praktijk is standarddeviatie 1 en std dev 2 niet gekend en niet gelijk
 zelfde principe als bij paired kijken of ze verschillend zijn (nul hypothese en alternatieve
zijn gelijk
 nu ook naar 2de deel tabel kijken om te kijken of de varianties gelijk zijn en je de test mag
gebruiken
o diagnostische test men wil bewijzen dat varianties gelijk zijn (H0=1) weer kijken
of p-waarde > alfa fout zo ja zijn de varianties gelijk en mag je de test gebruiken.

One Way Anova Test
Als je 2 variabelen gaat vergelijken, namelijk 1 kwalitatieve en 1 kwantitatieve.
 response variabele: kwantitatieve  factor variabele: kwalitatieve
 include intercept term?  TRUE (!!!)
 diff > 0  variabele 1 > variabele 2
o ligt deze waarde in zijn betrouwbaarheidsinterval?
 Ja:
 Nulhypothese wordt niet verworpen
 Geen verband tussen variabelen
 Nulhypothese: gemiddelde tussen variabelen is gelijk
 Alternatieve hypothese: gemiddelde tussen variabelen is niet gelijk
o Variabele interaction is product dummies

Two Way Anova
 Meer dan 2 variabelen die je gaat vergelijken (3 variabelen  2 kwal, 1 kwant)
 Nulhypothese: er is geen effect van de kwalitatieve variabelen op de kwantitatieve
variabele
 Alternatieve hypothese: er is wel een effect van de kwalitatieve variabelen op de
kwantitatieve variabele
 include intercept term?  TRUE (!!!) = nulhypothese is waar



3