Onafhankelijke en afhankelijke variabelen

Je plant een hypothesetoets om te zien of er een verschil is tussen de hoeveelheid zonneschijn die een stad per jaar krijgt en hoeveel uren er jaarlijks worden gewerkt. Je alternatieve hypothese is dat meer zonneschijn samenhangt met minder gewerkte uren.

Je houdt in drie steden de hoeveelheid zonneschijn honderd dagen lang bij en verzamelt gegevens over het aantal gewerkte uren van 30 mensen in elke stad.

Jouw taak is te bepalen wat in deze hypothesetoets de afhankelijke variabele is.

Deze oefening maakt deel uit van de cursus

Inleiding in statistiek

Interactieve oefening met praktijkervaring

Zet theorie om in actie met een van onze interactieve oefeningen

Deze oefening maakt deel uit van de cursus

Inleiding in statistiek

SkillTag.level.beginnerSkillTag.label

4.8+

Begin gratis met de cursus

Samenvattende statistieken geven je de tools om je gegevens te beschrijven. In dit hoofdstuk verken je maatstaven zoals het gemiddelde, de mediaan en de standaarddeviatie, en leer je ze correct te interpreteren. Je scherpt ook je kritisch denkvermogen, zodat je de beste samenvattende statistieken voor jouw gegevens kunt kiezen.

Exercise 1: Wat is statistiek?Exercise 2: Statistiek in de praktijk Exercise 3: Gegevenstypen herkennen Exercise 4: Beschrijvende vs. inferentiële statistiek Exercise 5: Maten van centrum Exercise 6: Typisch aantal overvallen per London Borough Exercise 7: Een maat kiezen Exercise 8: Londense stadsdelen met de meest voorkomende misdrijven Exercise 9: Maten van spreiding Exercise 10: Maten voor spreiding definiëren Exercise 11: Boxplots om spreiding te meten Exercise 12: Welke misdaad heeft de grotere standaarddeviatie

Kansrekening vormt de basis van een groot deel van de statistiek en wordt gebruikt om de kans op gebeurtenissen te berekenen. Je werkt met echte verkoopgegevens en leert hoe gegevens met verschillende waarden kunnen worden geïnterpreteerd als een kansverdeling. Je maakt kennis met discrete en continue kansverdelingen, inclusief de ontdekking van de normale verdeling en waarom die zo vaak voorkomt bij natuurlijke verschijnselen!

Exercise 1: Wat zijn de kansen?Exercise 2: Wat is waarschijnlijker?Exercise 3: Kans dat de volgende verkoop hoger is dan het gemiddelde Exercise 4: Voorwaardelijke kans Exercise 5: Afhankelijke vs. onafhankelijke events Exercise 6: Bestellingen met meer dan 10 mandproducten Exercise 7: Discrete verdelingen Exercise 8: Verdelingen herkennen Exercise 9: Steekproefgemiddelde vs. theoretisch gemiddelde Exercise 10: Continue verdelingen Exercise 11: Discrete vs. continue verdelingen Exercise 12: De normale verdeling herkennen Exercise 13: Kansberekening met een uniforme verdeling

Tijd om meer kansverdelingen te verkennen. Je leert over de binomiale verdeling om de kans op binaire uitkomsten te visualiseren, en over een van de belangrijkste verdelingen in de statistiek: de normale verdeling. Je ziet hoe verdelingen kunnen worden beschreven aan de hand van hun vorm, en ontdekt de Poissonverdeling en de rol daarvan bij het berekenen van kansen op gebeurtenissen over de tijd. Ook krijg je begrip van de centrale limietstelling!

Exercise 1: De binomiale verdeling Exercise 2: Een binomiale verdeling herkennen Exercise 3: Hoe kans de binomiale verdeling beïnvloedt Exercise 4: n en p bepalen Exercise 5: De normale verdeling Exercise 6: De normale verdeling herkennen Exercise 7: Wat maakt de normale verdeling bijzonder?Exercise 8: Scheefheid herkennen Exercise 9: Verdelingen beschrijven met kurtosis Exercise 10: De centrale limietstelling Exercise 11: Steekproefverdelingen visualiseren Exercise 12: De CLT vs. de wet van de grote aantallen Exercise 13: Wanneer gebruik je de centrale limietstelling Exercise 14: De Poissonverdeling Exercise 15: Poisson-processen herkennen Exercise 16: Lambda herkennen in de Poisson-verdeling

In het laatste hoofdstuk maak je kennis met hypothesetoetsen en hoe je die gebruikt om nauwkeurig conclusies te trekken over een populatie. Je ontdekt wat correlatie is en hoe je daarmee een lineair verband tussen twee variabelen kunt kwantificeren. Je maakt kennis met experimentele ontwerptechnieken zoals randomisatie en blinderen. Ook leer je over concepten die helpen het risico te verkleinen dat je een verkeerde conclusie trekt uit de resultaten van hypothesetoetsen!

Exercise 1: Hypothesetoetsen Exercise 2: Zonlicht en slaap Exercise 3: De workflow voor hypothesetoetsen Exercise 4: Onafhankelijke en afhankelijke variabelen

Huidige oefening

Exercise 5: Experimenten Exercise 6: Gecontroleerde onderzoeken herkennen Exercise 7: Waarom randomisatie gebruiken?Exercise 8: Correlatie Exercise 9: Correlatie tussen variabelen herkennen Exercise 10: Wat kan correlatie je vertellen?Exercise 11: Verstorende variabelen Exercise 12: Resultaten van hypothesetoetsen interpreteren Exercise 13: Significantieniveaus vs. p-waarden Exercise 14: Type I- en type II-fouten Exercise 15: Gefeliciteerd!