Vakken
Engels
Frans
Duits
Spaans
Nederlands
Grieks
Portugees
Italiaans
Latijn
Japans
Biologie
Aardrijkskunde
Natuur- en scheikunde
Wiskunde, rekenen
Economie
Geschiedenis
Eigen methodes
Alle vakken
Home
›
Alle vakken
›
Eigen methodes
›
Statistiek A+B
› 12 Hoorcollege 12
Helaas is de overhoormodule niet beschikbaar. Wel kun je deze lijst overhoren via StudyGo. Klik op 'Overhoren'
Statistiek A+B
12 Hoorcollege 12
Jaar 3 (universiteit)
Link voor email / website
Link naar overhoring, zonder bewerk/reactiemogelijkheid (ELO)
Open met deze code de oefening in miniTeach
Twitter
Facebook
Google+
LinkedIn
Wat is ANOVA? = Dit is een variant op de independent t-test. Gemiddelde van onafhankelijke groepen bij meer dan drie groepen. In het jargon wordt ook wel gesproken van een weg ANOVA. Onafhankelijke x -› afhankelijke y. Wat is het meetniveau van x? Kan nominaal zijn en ook ordinaal. Meetniveau y: interval of ratio. Dat is nodig om een zinvol gemiddelde te bepalen. Wat is het factorieel experiment met één factor? = Een zuiver experimenteel design x voor groepen en o voor observaties in de groepen. De r staat voor randomisatie: mensen worden op basis van toeval over de groepen verdeeld. Voorbeeld: wie heeft meer overtuigingskracht: politicus, expert, man van de straat. Welke hypothesen heb je bij een factorieel experiment met één factor? = H0: μ1 = μ2 = μ3. Ha tenminste 2 gemiddelden verschillen van elkaar. De lange streep is het gemiddelde totaal. Korte streepjes per groep en de bolletjes geven spreiding in de groep aan. Er is bij H0 geen effect van expertise op overtuigingskracht. Het is vreemd, want de hypothesen gaan over groepsgemiddelden, maar toetsingsgrootheid wordt berekend op basis van varanties: afwijkingen. Om te kunnen toetsen hebben we toetsingsgrootheid nodig. Dat is de f-waarde. Wat is de f-waarde en wat is de kritieke f-waarde? = De f-waarde is de toetsingsgrootheid en de kritieke f-waarde is de f-waarde bij alfa. Hoe kom je tot een toetsconclusie bij een factorieel experiment met één factor? = P vergelijken met alfa. Dat is de overschrijdingskans (sig) en dat kun je in SPSS vinden. Je kun ook naar de F-tabel kijken en de f-waarde vergelijken met de kritieke f-waarde. Wat is die F? = F is de verhouding tussen de twee varianties. Namelijk tussen de variantie msm: mean square model en msr: mean square residu. F is msm/msr. Msm zijn gemiddelden tussen groepen. Als msm klein is dan aanvaarden we de 0 hypothese. Als die verschillen heel erg groot zijn, gaat het richting de alternatieve hypothese. Maar nu is de vraag: wat is groot? Bij h0 weet je dat er twee verschillen, maar je weet niet welke, alleen dat ze verschillen. Als de variantie groot is, dan H0 verwerpen, maar wanneer is de variantie groot? We gebruiken binnen variantie (verspreiding binnen de groep) als criterium. (Door deze met elkaar te delen, maken we de toetsingsgrootheid F?) Wat is F=msm/msr=2? = Dan is de spreiding tussen de groepen twee keer zo groot als de spreiding binnen de groep. Wat is MSR? = Verschillen binnen de groep die we niet kunnen verklaren. Tussen de groepen kunnen we wel verklaren, is in het voorbeeld de mate van expertise. Wanneer is iets significant als je kijkt naar de f-waarde? = Als de gevonden f waarde groter of gelijk is aan de kritieke f waarde. Je hebt dan alleen nog niets gezegd over de sterkte. Wat is de opsplitsing van de kwadratensommen? = Individuele scores: SSt (t staat voor tweetment). Er bestaan verschillen tussen groepen: Ssm. En binnen de groep is er variantie: SSr. SS is sum of squares. Sst is sum of squares total. Y is de score op overtuiginskracht. I is van het individu. SST=SSM+SSR. 〖SS〗_T= ∑▒〖(Y_i-Y ̅)^2 〗 Dit wil zeggen dat je alle individuele scores – gemiddelde score bij elkaar op moet tellen. Kijken wat het verschil is van elk individu ten opzichte van het totaal gemiddelde van iedereen. Dat kwadrateren en optellen. Daar kan een idioot groot getal uitkomen. Je telt de scores van elk individu op. Dus voor elk individu doe je (Y_i-Y ̅)^2 en al die scores tel je op. Dan kom je bij de totaal verschillen. SSM zijn de verschillen door groepen die je wel kunt verklaren. SSR zijn de verschillen binnen een groep die je niet kunt verklaren. Verschillen door groepen: 〖SS〗_m= ∑▒〖(Y_k-Y ̅)^2 〗 Sum of squares model. We hebben bekeken wat de aard van het verband is en wat significant is, maar niet naar de sterkte. SPSS rekent dit niet uit. Je moet het zelf uitrekenen: 〖SS〗_M/〖SS〗_T = R^2=percentage verklaarde variantie. Stel dat de verklaarde variantie 30% is, betekent dat dat 30% van de verschillen verklaard wordt door wat voor typen bijvoorbeeld overtuigingskracht. Hoe maak je een ANOVA in SPSS met single factor designs? = Analyze à Compare Means à One-Way ANOVA. Hoe maak je een ANOVA in SPSS met meerdere designs? = Analyze à General Linear Model àUnivariate Wat is het kwadraat van de standaarddeviatie? = De variantie. Hoe noem je het als de varianties gelijk zijn? = homoscedasticiteit. Hoe noem je het als de varianties verschillen? = heteroscedasticiteit. Wat is de formule van de mean square? = Mean square= SS/df= (Sum of squares)/(aantal vrijheidsgraden). Sum of Squares is dus kwadrateren. Welke twee basisassumpties zijn er bij het gebruik van ANOVA? = 1. Normaliteit van de verdelingen: beide groepen zijn even groot en de n van de groepen is groter dan 30. Als daar niet aan voldaan is, mogen we deze toets niet gebruiken. Daarvoor heb je nonparametrisch toetsen. 2. Homoscedasticiteit: de spreiding binnen elke groep moet even groot zijn. Hoe kun je onderzoeken of dit het geval is? Met Levene’s test. Hoe moet je checken op homoscedasticiteit? = Met de Levene’s test. H0 is dat de varianties gelijk zijn en Ha is dat niet alle varianties gelijk zijn. Als de varianties niet gelijk zijn, moeten we op een andere manier gaan toetsen. Dat heten de robuuste toetsen. Als je H0 verwerpt bij toets van gelijke varianties, ga je over tot een van de robuuste toetsen (Welch of Brown-Forsythe). Wat weet je als je H0 verwerpt? = We willen achterhalen waar die verschillen in zitten als er verschillen zijn. Dat weet je nog niet. Waar houdt Multiple comparisons rekening mee? = Stel je hebt drie groepen en daar wil je verschil tussen bepalen, waarom doe je dan niet drie verschillende t-toetsen? Als je drie keer met een alfa van 0,05 toetst, toets je eigenlijk met een alfa van 〖0,005〗^3=0,005×0,005×0,005=0,14. Daar houdt multiple comparisons rekening mee. Bij post hoc testen. Je hebt er heel veel. Je moet een adequate test kiezen of varianties gelijk zijn of niet. En misschien ook met meerdere dingen rekening houden. Gekeken naar laag, gemiddeld, hoog. We gebruiken dit om te kijken waar het verschil zit. Hij houdt er hier rekening mee dat je niet overall alfa wil toetsen.
Ingezonden op 31-05-2019 - 1445x bekeken.
Nog niet genoeg stemmen voor waardering: geef je mening!
voting system
1
2
3
4
5
Maak gratis account aan
Toon volledig menu
Door deze site te gebruiken, ga je akkoord met het gebruik van cookies voor analytische doeleinden, gepersonaliseerde inhoud en advertenties.
Meer informatie.
Overhoor en verbeter je talenkennis op woordjesleren.nl. De grootste verzameling van Franse, Engelse, Duitse en anderstalige oefeningen. Naast talen zijn ook andere vakken beschikbaar, zoals biologie, geschiedenis en aardrijkskunde!