Alles wat je moet weten voor het tentamen van Intelligente Data-analyse: over operationaliseren, soorten variabelen, basisstatieken, betrouwbaarheidsintervallen, bias, lineaire regressie, ROC-curve, decision tree etc. Nutige begrippen in het blauw. Inclusief functies van pandas (Python). Inclusief ...
Week 1: Introductie................................................................................................................................................ 2
College 1 ................................................................................................................................................................................... 2
Data en variabelen ................................................................................................................................................................. 2
Basisstatistieken ..................................................................................................................................................................... 2
Werkcollege ............................................................................................................................................................................. 3
Week 2: Sampling en bias .................................................................................................................................... 3
College 2 ................................................................................................................................................................................... 3
Week 3: Sampling en betrouwbaarheidsintervallen ........................................................................................ 4
College 3 ................................................................................................................................................................................... 4
Hypothesis testing ................................................................................................................................................................. 5
Data processing leftovers .................................................................................................................................................... 5
Week 4: Statistische modellen en lineaire regressie ....................................................................................... 5
College 4 ................................................................................................................................................................................... 5
Lineaire regressie ................................................................................................................................................................... 6
Multiple lineaire regressie................................................................................................................................................... 7
Week 5: Biasvariantie trade-off en classificatie ................................................................................................ 7
College 5 ................................................................................................................................................................................... 7
Logistische regressie ............................................................................................................................................................. 9
Decision tree .......................................................................................................................................................................... 10
Week 7: Bias in voorspellende modellen ........................................................................................................ 11
College 7 ................................................................................................................................................................................. 11
1
, Week 1: Introductie
College 1
• Intelligente data-analyse is het gebruiken van data om kwantitatieve inzichten te geven
in maatschappelijke, wetenschappelijke en organisatorische vraagstukken.
o Hiermee kun je problemen in kaart brengen, maar ook nieuwe inzichten,
patronen en kennis opdoen: data-mining.
o Data is ooit gemeten, in een bepaalde tijd en context.
o Met data-analyse gebruik je niet alleen data, maar je genereert ook nieuwe data.
• Operationaliseren.
o Begin met een doel.
o Verfijn het doel door vragen te
stellen.
o Bepaal specifieke meetbare
variabelen.
• Geoperationaliseerde vragen zijn specifiek
en te beantwoorden met de beschikbare data.
o Niet alle vragen kunnen worden beantwoord met data!
Data en variabelen
• Een data-attribuut is een ‘instance’ van een data-object. Soorten data-
attributen/variabelen:
o Nominale of categorische variabelen: eindige set categorieën, niet geordend op
een bepaalde schaal.
▪ Bv.: boolean
o Ordinale variabelen: zijn wel geordend maar niet numeriek.
▪ Bv.: de waarden MBO, HBO, WO
o Numerieke variabelen geschaald op een interval, met een arbitrair nulpunt.
Hierbij kan men geen ratio’s berekenen.
▪ Bv.: temperatuur, positie
o Numerieke variabelen geschaald op een ratio, met een echt nulpunt. Hierbij kan
men wel ratio’s berekenen.
▪ Bv.: snelheid, afstand, aantal objecten
• Variabelen kunnen ook worden onderverdeeld in discrete en continue waarden.
o Discrete variabelen nemen een eindig aantal waarden aan. Deze kunnen
categorisch, ordinaal of numeriek zijn.
o Continue variabelen kunnen elke waarde aannemen. Deze zijn altijd numeriek
(zowel interval- als ratio-geschaald). Omdat meetinstrumenten een beperkte
nauwkeurigheid hebben, worden continue waarden vaak gediscretiseerd.
Basisstatistieken
• Het steekproefgemiddelde is de centrale tendens: np.mean().
• De sample/empirische standaarddeviatie is een maat van de verspreiding van de data,
en is gevoelig voor uitschieters: np.std().
2
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
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
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
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 sganoud. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €2,99. Je zit daarna nergens aan vast.
