100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
College aantekeningen MAT-15403 Statistics 2 (MAT15403) €5,49   In winkelwagen

College aantekeningen

College aantekeningen MAT-15403 Statistics 2 (MAT15403)

 5 keer bekeken  0 keer verkocht

College aantekeningen van Statistiek 2 van alle hoorcolleges.

Voorbeeld 2 van de 10  pagina's

  • 3 februari 2022
  • 10
  • 2020/2021
  • College aantekeningen
  • Eric boer
  • Alle colleges
Alle documenten voor dit vak (4)
avatar-seller
valentinevinagredossantosdionisio
Statistics 2

- Tutorial 1
Are observations normally distributed?
Q-Q plot = Quantile Plot

- Tutorial 2
A method that also shows the uncertainty of the estimated mean  confidence interval.

 Biased: low accuracy (=precisie)
 Unbiased: high accuracy
y is unbiased estimator for μ y , because μ y =μ y .

2 σ 2y σy
σ y= σ y=
n √n
y is a consistent estimator for μ y (the larger the sample, the coser we tend to the unknown true
value μ y ).
And the outcome of y is an estimate of μ y . How precise this estimate is, indicates the confidence
interval (CI). CI has the form estimator ± error margin. The confidence coefficient (1 - a) reflects a
degree of trust. E.g. 1 – a = 0.95, means that 95% of the procedure is a correct statement.

( μ−2 σ , μ+2 σ )=95 %

( √)
y N ( μ y , σ y )=N μ ,
σy
n
→ z=
y−μ
σy
√n
z a /2∗σ y
Limits (1 – a) x 100% confidence interval for μ: y ± .
√n
Bereken de confidence interval:
1. Bepaal of je t of z gaat gebruiken;
z α/ 2∗σ t α / 2 ,n−1∗s
y± or y±
√n √n
2. Vul de formule in
3. Trek en tel de error margin af/op van de estimator. (Estimator ( y ) ± error margin)
4. …% confidence interval for μ: (results by 3.)
5. In other words: In …% of all possible samples the confidence interval based on the sample
will contain the population mean … μ.


We estimate σ by using the sample standard deviation s, the square root of the sample variance s2 .
s2=Σ ni=1 ¿ ¿
We estimate the standard deviation of the mean:
σy s
σ y= =
√n √n
The standard deviation of the sample mean is a measure for the precision of the sample mean y as
estimator for the population mean μ. That’s why we call it a standard error of a sample mean and we

, s
note it as: SE ( y )=
√n
Standard normal distribution is replaced by t-distribution with a certain degrees of freedom (df).
df = infinity  standard normal distribution


σ = known σ = unknown

100(1 – a)% CI for μ equals: 100(1 – a)% CI for μ equals:

z a∗σ t a∗s
2 2
y± y±
√n √n
z a from N(0,1) distribution t a from t(n - 1) distribution
2 2
a a
(df = inf., right-tail p= ) (df = n - 1, right-tail p= )
2 2
! note: s = als je de standaard deviatie berekent vanuit je sample. σ = als het voor de hele populatie geldt.
When constructing a confidence interval we assume a normal distribution for response variable y.
Check if this assumption is reasonable in practice  Q-Q plot. Observations must be approximately
normally distributed. Additionally the oservations have to be mutually independent (as if from a
random sample).

- Tutorial 3
Define parameters and specify sequentially:
1. Null-hypothesis H 0 and alternative hypothesis Ha
2. The Test Statistic as a formula, fill in allowed parts
3. The probability distribution of th T.S. under H 0 (when H 0 is true)
4. The behavior of the T.S. under Ha (under Ha the T.S. tends to higher/lower/higher or lower
values than under H 0)
5. The type of P-value (rigt-, left-, two-sided)
! note: determine step 1 till 5 prior to the expeirment !
6. The outcome of the T.S.
7. There are two options: conclusion with P-value or with Rejection Region (R.R.)
a. The appropriate P-value
b. The rejection region (R.R.)
8. The conclusion (also in non-statistical terms)
a. P-value ≤ a  reject H0, Ha has been shown
P-value > a  do not reject H0, Ha has not been shown
b. Outcome T.S. in R.R.  reject H0, Ha has been shown
Outcome T.S. not in R.R.  do not reject H0, Ha has not been shown

Model assumptions: based on a random sample of size n from N(μ,σ) population; observations y1, y2, …, yn
z-test  σ known t-test  σ unkown


Define μ = … Define μ = …
1. H0: μ = μ0 1. H0: μ = μ0
y −μ0 y−μ 0
2. T.S.: z= 2. T.S.: t=
σ y / √n sy/√n

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

Verzekerd van kwaliteit door reviews

Verzekerd van kwaliteit door reviews

Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!

Snel en makkelijk kopen

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

Focus op de essentie

Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper valentinevinagredossantosdionisio. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €5,49. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 66579 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€5,49
  • (0)
  Kopen