STATISTICS Essentials of Statistiek voor Informatiekunde

Presentatie over: "STATISTICS Essentials of Statistiek voor Informatiekunde"— Transcript van de presentatie:

1 STATISTICS Essentials of Statistiek voor Informatiekunde
docent: Frits de Vries assistent: Andreas Slot MARIO F. TRIOLA EDITION 3rd

2 Programma vandaag Organisatie en opzet van de cursus
Waarom Statistiek? Vooruitblik op de stof hoofdstukken 1,2 en 3

3 Website cursus:

4 Website cursus:

5 Boek Literatuur: Mario Triola: Essentials of Statistics, 3rd edition
Addison-Wesley Higher Education, 2008

6 Rooster

7 Organisatie en opzet (1)
Kijk zelf op website naar: Introductie Beoordeling en deadlines Ziekteregeling Rooster Etc.

8 Organisatie en opzet (2)
Uitdelen en inleveren: Week 1: Opdrachten hoofdstuk 1, 2 en 3 Week 2: uitwerkingen hoofdstuk 1,2 en 3 en maak een kopie voor de zelfbeoordeling bij de bespreking

9 Organisatie en opzet (3)
Werkcolleges verplicht? Succes garantie?

10 Samenhang?

11 Waarom Statistiek? Lezen en schrijven artikelen vakgebied IK
Voorbeeld artikel MIS Quarterly Lezen en schrijven in het dagelijks leven Voorbeeld: tabel actiecommitee in de buurt Baisvoorwaarde: logisch denken en redeneren Voorbeeld: het Monty Hall-probleem

12 Tabel (1) artikel MIS Quarterly

13 Tabel (2) artikel MIS Quarterly

14 Tabel buurtcomité

15 Intuïtie is onbetrouwbaar
Monty Hall probleem Quiz: er zijn 3 gesloten deuren, Achter één deur staat een auto, achter beide andere deuren is niets, Jij mag een deur kiezen.. Welke kans op de hoofdprijs?

16 Maar dan … De quizmaster opent NA UW KEUZE een van de twee overgebleven deuren en laat zien dat daar niets achter zit. Probleem: U mag nu nog van deur wisselen. Doet U dit?

17 Analyse Stel de hoofdprijs zit achter deur 1:
2 3 Analyse Stel de hoofdprijs zit achter deur 1: U koos deur 1 (auto). De quizmaster opent een andere deur waarachter niets staat. Ruilen levert verlies op… U koos deur 2 (leeg). De quizmaster opent deur 3 waarachter niets staat. Ruilen levert hoofdprijs! U koos deur 3 (leeg). De quizmaster opent deur 2 waarachter niets staat. Ruilen levert hoofdprijs! Van 50% naar 66% kans? uitleg

18 Aanpak hoorcolleges Geen uitgebreide bespreking
Wel vooruitblik op de stof en bespreking van mogelijke knelpunten Nu: hoofdstuk 1, 2 en 3

19 Sekties hfst 1, 2 en 3 1.1 Overzicht 1.2 Datatypen 1.3 Kritisch denken
1.4 Ontwerp experimenten 2.1 Overzicht 2.2 Frequentieverdeling 2.3 Histogrammen 2.4 Grafische weergave 3.1 Overzicht 3.2 Centrummaten 3.3 Variatiematen 3.4 Relatieve afwijking 3.5 Exploratieve data-analyse

20 Belangrijke definities voor gebruik bij de statistiek
Triola, hoofdstuk 1 Belangrijke definities voor gebruik bij de statistiek

21 Sektie 1.1 Belangrijke definities
Data Statistiek Populatie Census Steekproef

22 Definitie Statistiek a collection of methods for - planning studies and experiments, - obtaining data, - and then organizing, summarizing, presenting, analyzing, interpreting, - and drawing conclusions based on the data

23 Chapter Key Concepts Sample data must be collected in an appropriate way, such as through a process of random selection. If sample data are not collected in an appropriate way, the data may be so completely useless that no amount of statistical torturing can salvage them.

24 Sektie 1.2 Data typen Definities:
Populatie parameter versus steekproef statistic Kwantitatieve versus kwalitatieve data Discrete versus continue data Meetnivo’s: nominaal, ordinaal, interval, ratio

25 Levels of Measurement Nominal - categories only
Ordinal - categories with some order Interval - differences but no natural starting point Ratio - differences and a natural starting point

26 Sektie 1.3 Kritisch denken
Misbruik, ondeskundig gebruik, verkeerd gebruik van de statistiek

27 Misuse # 1- Bad Samples Voluntary response sample
(or self-selected sample) - one in which the respondents themselves decide whether to be included. In this case, valid conclusions can be made only about the specific group of people who agree to participate.

28 Misuse # 3- Graphs To correctly interpret a graph, you must analyze the numerical information given in the graph, so as not to be misled by the graph’s shape.

29 Other Misuses of Statistics
Loaded Questions Order of Questions Refusals Correlation & Causality Self Interest Study Precise Numbers Partial Pictures Deliberate Distortions

30 Sektie 1.4 Ontwerp van het onderzoek
Soorten studies Observationeel Experimenteel Retrospectief Prospectief (longitudinaal, cohort)

31 Definition Confounding
occurs in an experiment when the experimenter is not able to distinguish between the effects of different factors

32 Voorbeeld: confounding effects
In de Volkskrant van 21 juni staat een artikel over een onderzoek naar de relatie tussen prostaatkanker en de variabele ‘levenstijl’. Het blijkt dat een levensstijl met een gezond dieet, meer beweging en een uur mediteren per dag via een genetische verandering in celmateriaal waarschijnlijk een positief effect heeft op de vermindering van prostaatkanker. De vraag is alleen welk van de genoemde factoren van deze veranderde levensstijl met dit effect samenhangt. Bij statistieken betekent confounding: verstorend

33 Controlling Effects of Variables
Blinding subject does not know he or she is receiving a treatment or placebo Rigorously Controlled Design subjects are very carefully chosen Blocks groups of subjects with similar characteristics Completely Randomized Exp. Design subjects are put into blocks through a process of random selection

34 Steekproeven

35 Definitions Random Sample Simple Random Sample (of size n)
members of the population are selected in such a way that each individual member has an equal chance of being selected Simple Random Sample (of size n) subjects selected in such a way that every possible sample of the same size n has the same chance of being chosen

36 Methods of Sampling Random Systematic Convenience Stratified Cluster

37 Statistiek voor het samenvatten en weergeven van data
Triola, hoofdstuk 2 Statistiek voor het samenvatten en weergeven van data

38 Important Characteristics of Data CVDOT
Sektie 2.1 Overview Important Characteristics of Data CVDOT 1. Center: A representative or average value that indicates where the middle of the data set is located. 2. Variation: A measure of the amount that the values vary among themselves. 3. Distribution: The nature or shape of the distribution of data (such as bell-shaped, uniform, or skewed). 4. Outliers: Sample values that lie very far away from the vast majority of other sample values. 5. Time: Changing characteristics of the data over time.

39 Sektie 2.2 Frequentieverdelingen
Gewone (rechte) telling van waarden in een tabel Samenvoegen van waarden in categorieën (classes)

40 Frequency Distribution Ages of Best Actresses Frequency Distribution
Original Data Frequency Distribution

41 Samenhangende definities
Lower class limits Upper class limits Class boundaries Class midpoints Class width Relatieve frequenties Cumulatieve frequenties (cumulatieve percentages)

42 Frequency Tables

43 Sektie 2.3 Histogrammen Grafische weergave van verdelingen

44 Histogram A bar graph in which the horizontal scale represents the classes of data values and the vertical scale represents the frequencies

45 Relative Frequency Histogram
Has the same shape and horizontal scale as a histogram, but the vertical scale is marked with relative frequencies instead of actual frequencies

46 Critical Thinking Interpreting Histograms
One key characteristic of a normal distribution is that it has a “bell” shape. The histogram below illustrates this.

47 Sektie 2.4 Statistical graphics
Andere vormen van visuele weergave Polygon Ogive Dot plot Stemplot Pareto chart Pie chart Scatter plot Time series

48 Insert figure 2-6 from page 58
Ogive A line graph that depicts cumulative frequencies Insert figure 2-6 from page 58

49 Dot Plot Consists of a graph in which each data value is plotted as a point (or dot) along a scale of values

50 Other Graphs

51 Statistiek voor het beschrijven, verkennen en vergelijken van data
Triola, hoofdstuk 3 Statistiek voor het beschrijven, verkennen en vergelijken van data

52 Descriptive Statistics
Sektie 3.1 Overzicht Descriptive Statistics summarize or describe the important characteristics of a known set of data Inferential Statistics use sample data to make inferences (or generalizations) about a population

53 Sektie 3.2 Centrummaten Gemiddelde (mean) Mediaan (x-tilde) Modus
Van steekproef (x-streep) en van populatie (mu) Mediaan (x-tilde) Modus Midrange Gewogen gemiddelde

54 Notation is pronounced ‘x-bar’ and denotes the mean of a set of sample values x = n  x µ is pronounced ‘mu’ and denotes the mean of all values in a population N µ =  x

55 Round-off Rule for Measures of Center
Carry one more decimal place than is present in the original set of values.

56 Mean from a Frequency Distribution
use class midpoint of classes for variable x

57 Best Measure of Center

58 Skewness

59 Sektie 3.3 Variatiematen Range Standaard deviatie
steekproef (s) en populatie (sigma) Variantie (s-kwadraat) Variatiecoëfficiënt (CV)

60 Key Concept Because this section introduces the concept of variation, which is something so important in statistics, this is one of the most important sections in the entire book. Place a high priority on how to interpret values of standard deviation.

61 Definition The standard deviation of a set of sample values is a measure of variation of values about the mean.

62 Sample Standard Deviation Formula
 (x - x)2 n - 1 s =

63 Population Standard Deviation
 (x - µ) 2  = N This formula is similar to the previous formula, but instead, the population mean and population size are used.

64 Standard Deviation - Important Properties
The standard deviation is a measure of variation of all values from the mean. The units of the standard deviation s are the same as the units of the original data values. The value of the standard deviation s can increase dramatically with the inclusion of one or more outliers (data values far away from all others).

65 standard deviation squared
Variance - Notation standard deviation squared s  } 2 Sample variance Notation 2 Population variance

66 Estimation of Standard Deviation
Range Rule of Thumb For estimating a value of the standard deviation s, Use Where range = (maximum value) – (minimum value) Range 4 s 

67 Estimation of Standard Deviation
Range Rule of Thumb For interpreting a known value of the standard deviation s, find rough estimates of the minimum and maximum “usual” sample values by using: Minimum “usual” value (mean) – 2 X (standard deviation) = Maximum “usual” value (mean) + 2 X (standard deviation) =

68 The Empirical Rule

69 Definition The coefficient of variation (or CV) for a set of sample or population data, expressed as a percent, describes the standard deviation relative to the mean. Sample Population s x CV = 100% m CV = s 100%

70 Sektie 3.4 Maten van relatieve afwijking
Z-scores Quartielen Percentielen

71 Key Concept This section introduces measures that can be used to compare values from different data sets, or to compare values within the same data set. The most important of these is the concept of the z score.

72 z Score (or standardized value)
Definition z Score (or standardized value) the number of standard deviations that a given value x is above or below the mean

73 Measures of Position z score Round z to 2 decimal places
Sample Population x - µ z =  z = x - x s Round z to 2 decimal places

74 Interpreting Z Scores Whenever a value is less than the mean, its corresponding z score is negative Ordinary values: z score between –2 and 2 Unusual Values: z score < -2 or z score > 2

75 divide ranked scores into four equal parts
Quartiles Q1, Q2, Q3 divide ranked scores into four equal parts 25% Q3 Q2 Q1 (minimum) (maximum) (median)

76 Percentiles Just as there are three quartiles separating data into four parts, there are 99 percentiles denoted P1, P2, P99, which partition the data into 100 groups.

77 Sektie 3.5 EDA Uitbijters (outliers) Boxplot

78 Important Principles An outlier can have a dramatic effect on the mean. An outlier can have a dramatic effect on the standard deviation. An outlier can have a dramatic effect on the scale of the histogram so that the true nature of the distribution is totally obscured.

79 Definitions For a set of data, the 5-number summary consists of the minimum value; the first quartile Q1; the median (or second quartile Q2); the third quartile, Q3; and the maximum value A boxplot ( or box-and-whisker-diagram) is a graph of a data set that consists of a line extending from the minimum value to the maximum value, and a box with lines drawn at the first quartile, Q1; the median; and the third quartile, Q3

80 Boxplots

81 Boxplots - cont

82 Einde vooruitblik 1, 2 en 3 Volgende week:
Vragenuur hoofdstukken 1, 2 en 3 Vooruitblik hoofdstukken 4 en 5