De McNemar-test wordt gebruikt om te bepalen of er een statistisch significant verschil is in verhoudingen tussen gepaarde gegevens. In deze tutorial wordt uitgelegd hoe u de McNemar-test uitvoert in R. Voorbeeld: McNemar-test in R Stel dat onderzoekers willen weten of...
Om te bepalen of heteroscedasticiteit aanwezig is in een regressieanalyse wordt een Breusch-Pagan-test gebruikt . In deze tutorial wordt uitgelegd hoe u een Breusch-Pagan-test uitvoert in R. Voorbeeld: Breusch-Pagan-test in R In dit voorbeeld passen we een regressiemodel aan met behulp...
Een van de meest gebruikte maatstaven om de voorspellingsnauwkeurigheid van een model te meten is MAPE , wat staat voor Mean Absolute Percentage Error . De formule om MAPE te berekenen is als volgt: MAPE = (1/n) * Σ(|actueel – voorspelling|...
Elke keer dat u een hypothesetest uitvoert, krijgt u een teststatistiek. Om te bepalen of de resultaten van de hypothesetest statistisch significant zijn, kunt u de teststatistiek vergelijken met een kritische Z-waarde . Als de absolute waarde van de teststatistiek groter...
Residuele plots worden vaak gebruikt om te beoordelen of de residuen uit een regressieanalyse normaal verdeeld zijn en of ze al dan niet heteroscedasticiteit vertonen. In deze tutorial wordt uitgelegd hoe u residuele plots maakt voor een regressiemodel in R. Voorbeeld:...
Een relatief frequentiehistogram is een grafiek die de relatieve frequenties van waarden in een dataset weergeeft. In deze zelfstudie wordt uitgelegd hoe u een relatief frequentiehistogram in R kunt maken met behulp van de functie roosterhistogram () , die de volgende...
In deze tutorial wordt uitgelegd hoe u met de Poisson-distributie in R kunt werken met behulp van de volgende functies dpois : retourneert de waarde van de Poisson-kansdichtheidsfunctie. ppois : Retourneert de waarde van de cumulatieve dichtheidsfunctie van Poisson. qpois :...
De root mean square error (RMSE) is een maatstaf die ons vertelt hoe ver onze voorspelde waarden gemiddeld afwijken van onze waargenomen waarden in een regressieanalyse. Het wordt als volgt berekend: RMSE = √[ Σ(P ik – O ik ) 2...
Een van de meest gebruikte maatstaven om de voorspellingsnauwkeurigheid van een model te meten is MSE , wat staat voor mean square error . Het wordt als volgt berekend: MSE = (1/n) * Σ(werkelijk – voorspelling) 2 Goud: Σ – een...
De root mean square error (RMSE) is een maatstaf die ons vertelt hoe ver onze voorspelde waarden gemiddeld afwijken van onze waargenomen waarden in een regressieanalyse. Het wordt als volgt berekend: RMSE = √[ Σ(P ik – O ik ) 2...