100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
Hoorcollege aantekeningen Advanced Research Methods and Statistics (ARMS) for Psychology €2,99
In winkelwagen

College aantekeningen

Hoorcollege aantekeningen Advanced Research Methods and Statistics (ARMS) for Psychology

1 beoordeling
 41 keer bekeken  3 keer verkocht

Hoorcollege aantekeningen voor het vak Advanced Research Methods and Statistics (ARMS) for Psychology gevolgd aan de Universiteit Utrecht () General Part () Het vak wordt gegeven in het Engels, maar de aantekeningen zijn bijna compleet in het Nederlands geschreven.

Voorbeeld 3 van de 16  pagina's

  • 12 december 2022
  • 16
  • 2022/2023
  • College aantekeningen
  • Irene klugkist
  • Alle colleges
Alle documenten voor dit vak (19)

1  beoordeling

review-writer-avatar

Door: 710M • 1 jaar geleden

reply-writer-avatar

Door: stuuudje • 1 jaar geleden

Beste Meikewellen7, zou je willen aangeven waarom je dit document 1 ster waard vind?

avatar-seller
stuuudje
ARMS hoorcollege
aantekeningen
Hoorcollege 1
Frequentist framework: mainstream gebaseerd op 0 hypotheses, p-waarde, confidence intervals,
effect groottes en power analyses
Bayesian framework: toegenomen in aandacht sinds de replicatie crisis
Toegenomen kritiek tegen NHT-fouten, verkeerde interpretaties of resultaten, p-hacking, te veel
nadruk op significantie, studies met te weinig power
- Prior information over µ (naast likelihood function)
Centraal idee/mechanisme: prior kennis is geüpdatet met informatie over de data en samen zorgt dit
voor de Posterior distribution for µ
Voordeel: accumuleren van data (‘vandaag posterior is morgen weer prior’)
Nadeel: resultaten hangen af van de keuze van prior

Beide zijn gebaseerd op empirisch onderzoek en deze informatie wordt
gesorteerd in Likelihood function (bij bayesian en frequensist)
MLE (maximum likelihood estimation): De top in een model

1. Noninformtieve/ignorante prior
(flat/difuse): elke waarde heeft een
gelijke kans
Geen prior informatie, gewoon leren van de data.
 Resultaat hetzelfde als frequentie
2. Flat prior met grenzen: Elke waarde heeft
een gelijke kans, maar met afkap
waarden, nog steeds non informatief en
gelijk met frequentie
3. Normale verdeling prior (flat/difuse):
weinig informatie maar iets meer kans in
het midden
4. Specifieke prior: Je weet waar het
gemiddelde ongeveer zit en hier heeft
een grote kans. Het is specifiek




Wanneer de data en de voorinformatie overeenkomen is de
posterior extra gepiekt, want posterior = data + prior

Bayesian schatting
Posterior distributie zorgt voor gewenste schatting
Posterior mean or mode: gemiddelde van posterior distributie
Posterior SD: SD van posterior distributie
Posterior 95% credible interval: Geeft grenzen voor waar 95% van de posterior massa zich bevindt
Credible interval is typerend voor de bayesiaanse methode




1

, Bayesian oplossing
De bayes condities zijn gebaseerd op geobserveerde data en frequentie op de H0
Pr (Hj|data): De kans dat hypothese Hj wordt support door de data
Pr(data|H0): P-waarde = kans dat de geobserveerde waarde gelijk of meer extreme data is gegeven
dat H0 de waarheid is

PMP= Posterior model probability
 De (bayesiaanse proability van de hypothese na de data)
Er wordt dus daadwerkelijk naar de hypothese gekeken en niet naar of als de hypothese er niet is
 Byesiaanse test is vergelijkend: hypothesis worden tegen elkaar getest en niet los (Bayes
factor)
BF10: P(data|H1)/P(data|H0)
10= support voor H1 is 10 keer sterker dan voor H0
1= support is gelijk
Het gaat hier om support en niet of de hypothese daadwerkelijk waar is

2 criteria of de hypothese waar is:
1) Hoe sensible het is gebaseerd op de huidige kennis (prior)
2) Hoe goed past het nieuwe bewijs (data)

Posterior probabilities of hypotheses (PMP) zijn ook relatieve kansen

Beide frames gebruikende probability theorie
Frequentie: probability is relatief frequentie
Frequentie 95% toevalsinterval: elke keer testen zal 95% van de intervallen de echte waarde hebben
Bayesiaan: probability is de mate van een geloof
Bayesian 95% credibility interval: 95% kans dat de waarde in het interval zit

Multiple regression
Lineare regressie: een lineaire verband gebaseerd op de afstand tussen verticale stippen (error in
prediction) de som hiervan is zo klein als mogelijk

Elke voorspeller heeft een eigen bx


Elke voorspeller heeft een relatie met Y




Model assumpties
- Serieuze overtredingen leiden tot incorrecte resultaten
- Soms zijn er makkelijke oplossingen (uitschieter verwijderen, kwadrateren) en soms niet
- Per model weet wat de assumpties zijn en check ze altijd



2

, MLR gaat uit van interval/ratio variabelen (uitkomsten en voorspellers)

Dummy variabelen: de categorische variabele met 1 of meer dummy variabelen vervangen. Dit is
altijd 0 (vergelijkingsgroep) en 1


Evalueren van het model

Frequentie: schatting van parameters van het model, test met NHST of parameters significant 0 zijn
Bv. H0= R2 = 0 vs. Ha: R2> 0 of β = 0 vs. β ≠ 0
Bayesian: schatting van parameters van het model, vergelijking van support in de date van
verschillende modellen/hypothese door gebruik van de Bayes factor

Adjusted R squared leidt tot een eerlijke schatting in de populatie. Toevoegen van variabelen zorgt
dat R squared altijd stijgt en de aangepaste versie kijkt of het ook echt iets toevoegde
B en β: unieke contributie. Het effect van combinatie van variabele

Hierarchical lineair regression analysis: verschillende modellen maken door verschillende dingen toe
te voegen in stappen. Hiermee test je niet of het een goed model is, maar verbeterd het model bij
toevoeging
 Kijk naar R squared change en is dit statistisch (p-waarde)

Exploration of theorie evaluatie
Frequentie:
Method enter: data-analyse beslist wat er in het model gaat
Method stepwise: (forward/backward): het beste voorspellende model is gebaseerd op de
resultaten van deze sample
Kapitaliseren per ongeluk: er is altijd iets te vinden in een data set

Bayesiaan model selectie: in jasp is het soort van exploratief
BAIN van evaluatief informatieve hypothese geven -> confirmatory

Seminar 1
Je hebt de minste controle over de resultaten ondanks dat dit je carrière ervan afhangt

P-hacking: data verzamelen of selecteren voor statistische analyse tot niet significante resultaten
significant worden
P-HARKING: Je verandert je hypothese of maakt hem pas na je resultaten




3

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 stuuudje. 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.

Is Stuvia te vertrouwen?

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

Afgelopen 30 dagen zijn er 53340 samenvattingen verkocht

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

Start met verkopen
€2,99  3x  verkocht
  • (1)
In winkelwagen
Toegevoegd