Inleiding statistiek: samenvattingspakket

Beschrijvende statistiek: het gemiddelde is de som gedeeld door n; de mediaan is de middelste waarde van de gesorteerde gegevens (het gemiddelde van de twee middelste als n even is). De steekproefstandaardafwijking is s = √(Σ(x − x̄)²/(n − 1)). Een z-score z = (x − μ)/σ zegt hoeveel standaardafwijkingen een waarde van het gemiddelde ligt.

Beschrijvende statistiek: het gemiddelde is de som gedeeld door n; de mediaan is de middelste waarde van de gesorteerde gegevens (het gemiddelde van de twee middelste als n even is). De steekproefstandaardafwijking is s = √(Σ(x − x̄)²/(n − 1)). Een z-score z = (x − μ)/σ zegt hoeveel standaardafwijkingen een waarde van het gemiddelde ligt.

Discrete stochasten: een kansverdeling geeft elke waarde x die een variabele kan aannemen met haar kans p(x); de kansen liggen tussen 0 en 1 en tellen op tot 1. De verwachtingswaarde (het gemiddelde) is E(X) = Σx·p(x), het gemiddelde op de lange termijn. De variantie is Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ², en de standaardafwijking σ = √Var(X). Voor een lineaire transformatie Y = aX + b geldt: E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) en σ_Y = |a|·σ_X; een constante optellen verandert de spreiding niet.

Kansrekening: bij even waarschijnlijke uitkomsten is P(A) = gunstig/totaal. Bij onafhankelijke gebeurtenissen vermenigvuldig je: P(A en B) = P(A)·P(B). De complementregel helpt vaak: P(minstens één) = 1 − P(geen). Binomiaal: bij n onafhankelijke pogingen met succeskans p geldt P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

Sommen en verschillen van normale variabelen: als X en Y onafhankelijk en normaal verdeeld zijn, zijn X + Y en X − Y ook normaal verdeeld. Gemiddelden tellen op of worden afgetrokken: E(X ± Y) = μ_X ± μ_Y. Varianties tellen altijd op, ook bij een verschil: Var(X ± Y) = σ_X² + σ_Y², dus σ = √(σ_X² + σ_Y²). Standaardafwijkingen tellen nooit rechtstreeks op. Het totaal van n onafhankelijke items met dezelfde verdeling heeft gemiddelde n·μ en standaardafwijking σ·√n. Standaardiseer daarna zoals gewoonlijk: z = (x − gemiddelde)/σ en lees Φ(z) af.

Sommen en verschillen van normale variabelen: als X en Y onafhankelijk en normaal verdeeld zijn, zijn X + Y en X − Y ook normaal verdeeld. Gemiddelden tellen op of worden afgetrokken: E(X ± Y) = μ_X ± μ_Y. Varianties tellen altijd op, ook bij een verschil: Var(X ± Y) = σ_X² + σ_Y², dus σ = √(σ_X² + σ_Y²). Standaardafwijkingen tellen nooit rechtstreeks op. Het totaal van n onafhankelijke items met dezelfde verdeling heeft gemiddelde n·μ en standaardafwijking σ·√n. Standaardiseer daarna zoals gewoonlijk: z = (x − gemiddelde)/σ en lees Φ(z) af.

Betrouwbaarheidsinterval voor een gemiddelde: x̄ ± foutmarge. Met een bekende populatie-σ is de marge z·σ/√n; heb je alleen de steekproefstandaardafwijking s, gebruik dan t met n − 1 vrijheidsgraden: t·s/√n. Kritieke waarden: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). Voor een marge van E of kleiner heb je n ≥ (z·σ/E)² nodig, naar boven afgerond.

Interval voor een variantie: (n − 1)s²/σ² heeft een χ²-verdeling met n − 1 vrijheidsgraden. Het 95%-interval voor σ² loopt van (n − 1)s² gedeeld door de bovenste χ²-waarde (2,5% erboven) tot (n − 1)s² gedeeld door de onderste χ²-waarde (2,5% eronder); het interval voor σ is de wortel van beide grenzen. Het is niet symmetrisch rond s.

Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.

Toetsen van een gemiddelde: de toetsingsgrootheid meet hoeveel standaardfouten het steekproefgemiddelde van de waarde in H₀ af ligt: z = (x̄ − μ₀)/(σ/√n) als σ bekend is, t = (x̄ − μ₀)/(s/√n) als die uit de steekproef wordt geschat. Een betrouwbaarheidsinterval is x̄ ± (kritieke waarde)·(standaardfout).

Kleinstekwadratenregressie: met x̄ en ȳ de gemiddelden, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² en Sxy = Σ(x − x̄)(y − ȳ) heeft de lijn ŷ = a + b·x helling b = Sxy/Sxx en snijpunt a = ȳ − b·x̄, dus gaat ze altijd door (x̄, ȳ). De correlatiecoëfficiënt van Pearson r = Sxy/√(Sxx·Syy) ligt tussen −1 en 1; r² is het deel van de variatie in y dat door de lijn wordt verklaard.

Kleinstekwadratenregressie: met x̄ en ȳ de gemiddelden, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² en Sxy = Σ(x − x̄)(y − ȳ) heeft de lijn ŷ = a + b·x helling b = Sxy/Sxx en snijpunt a = ȳ − b·x̄, dus gaat ze altijd door (x̄, ȳ). De correlatiecoëfficiënt van Pearson r = Sxy/√(Sxx·Syy) ligt tussen −1 en 1; r² is het deel van de variatie in y dat door de lijn wordt verklaard.