Differentiation, integration
Exponential functions
Function evaluation
Making plots of plynomial, rational and exponential functions
2. Descriptive statistics
Measurement level
Measures of central tendency (mean / mode / median)
o Where the mean doesn’t make sense, the variance and SD also don’t make sense.
Measures of dispersion
o From variance (σ 2) to standard deviation (σ ) use √ σ 2
Data visualization
o Bar chart shows just the observed values
o Histogram uses all values in between as well
3. Basic probability theory
Frequency, probability
The AND rule, NOT rule and OR rule
o Dependency If you know one variable, you can say something about the other
variable.
o Independency One variable does not influence the other. You cannot say anything
about the 2nd variable knowing something about the 1st variable.
Combinations and permutations
4. Binomial experiments & Sampling theory
Binomial experiments
o Binomial distribution
5. Sampling theory
The normal distribution
var X
o Var( X ) =
N
The distribution of sample means
o Averages have a normal distribution.
o Mean sample mean = population mean = μ
o Variance of sample means
o The bigger the sample, the closer it will get to the mean
Confidence intervals of the mean
o Critical values low probability (< 5%) of being of the sample population
o H0 and H1 (Null and alternative hypotheses)
Descriptive VS inferential
Statistical hypothesis testing
o Small sample cannot say whether or not a die f.e. is ‘unfair’
o Binomial experiment add up probabilities (Pr. x3 f.e.) when order does not matter
o The outcome shows the probability of the given happening if the die was fair
Reject when P < 5% / < 0,05
7. Statistical independence
Rationales of statistical testing
1. Postulate a population model (keyword: ‘null hypothesis’)
2. Compute the probability that your sample comes from that population (keyword: ‘p-
value’)
3. Reject the model if that probability is small 5% or < (keyword: ‘significance level’)
Probabilistic theory
Pearson’s Chi Square Test
o Contingency table
o Independence you can predict based on this independence
o Difference between what we expect and what we observe X2
o If X2 <0,05 we reject the H0 hypothesis that the two variables are independent
They are dependent
NEW RM2:
8. The two-sample (student) t-test
Compares the sample means of two samples (m1 and m2)
o Sample means differ
o When is the difference so big that they could not come from the same population?
… Assuming that the samples come from the same distribution (with mean μ)
o H0 : m1 = m2 = μ
o If H0 is true the distribution will be
m1−m2
t=
var ( m1−m2 )
… And that therefore ……….
9. Simple regression and correlation
Dependent, independent variable
R-square, F test
t statistics for coefficients (constant, beta)
Standardized beta
Correlation as linear regression
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 Kirsten311. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €6,49. Je zit daarna nergens aan vast.