De binominale verdeling is een waarschijnlijkheidsverdeling die wordt gebruikt om de waarschijnlijkheid te modelleren dat een bepaald aantal „successen“ optreedt over een vast aantal pogingen. De binominale verdeling is geschikt om te gebruiken als aan de volgende drie aannames wordt voldaan:...
Een puntplot is een soort plot dat de frequenties van waarden in een dataset weergeeft met behulp van gestapelde punten. Als we een puntendiagram maken, willen we vaak het centrum en de distributie kwantificeren: Midden : het centrale punt van de...
Een histogram is een soort diagram waarmee we de verdeling van waarden in een reeks gegevens kunnen visualiseren. De X-as toont de waarden van de dataset en de Y-as toont de frequentie van elke waarde. Afhankelijk van de waarden in de...
Een uitschieter is een waarneming die abnormaal ver verwijderd is van andere waarden in een dataset. We definiëren een waarneming vaak als een uitschieter als deze 1,5 maal de interkwartielafstand boven het derde kwartiel of 1,5 maal de interkwartielafstand onder het...
Een betrouwbaarheidsinterval is een reeks waarden die waarschijnlijk een populatieparameter met een bepaald betrouwbaarheidsniveau bevatten. Wanneer we betrouwbaarheidsintervallen rapporteren, gebruiken we altijd het volgende formaat: 95% CI [LL, UL] Goud LL : Ondergrens van het betrouwbaarheidsinterval UL : Bovengrens van het...
Een waarschuwingsbericht dat u in R kunt tegenkomen is: Warning message: glm.fit: fitted probabilities numerically 0 or 1 occurred Deze waarschuwing verschijnt wanneer u een logistisch regressiemodel aanpast en de voorspelde waarschijnlijkheid van een of meer waarnemingen in uw database niet...
Vaak normaliseren we in statistieken en machinaal leren variabelen zodanig dat het bereik van waarden tussen 0 en 1 ligt. De meest voorkomende reden voor het normaliseren van variabelen is wanneer we een soort multivariate analyse uitvoeren (dwz we willen de...
Een ANOVA (“variantieanalyse”) wordt gebruikt om te bepalen of de gemiddelden van drie of meer onafhankelijke groepen al dan niet gelijk zijn. Een ANOVA gebruikt de volgende nul- en alternatieve hypothesen: H 0 : Alle groepsgemiddelden zijn gelijk. H A :...
De Manhattan-afstand tussen twee vectoren, A en B , wordt als volgt berekend: Σ|A ik – B ik | waarbij i het i -de element van elke vector is. Deze afstand wordt gebruikt om de ongelijkheid tussen twee vectoren te meten...
Een gepoolde standaarddeviatie is eenvoudigweg een gewogen gemiddelde van de standaarddeviaties van twee of meer onafhankelijke groepen. In de statistieken komt het meestal voor in de t-test met twee steekproeven , die wordt gebruikt om te testen of de gemiddelden van...