Woordenlijst
De kernbegrippen — met een klik naar de plek waar ze worden uitgelegd
Alfabetische lijst van de belangrijkste begrippen uit dit werkboek. Achter elk begrip staat een korte omschrijving en een pijl naar het thema en de sectie waar je het uitgelegd vindt — klik erop en je springt er meteen heen. In de hoofdstukken zelf zijn veel van deze begrippen ook klikbaar (je herkent ze aan het stippellijntje): klik, en je belandt hier.
- Alternatieve hypothese (\(H_1\))
- wat je vermoedt dat er wél aan de hand is — de tegenhanger van de nulhypothese. → T8 · H₀, H₁ en de bakker
- Betrouwbaarheidsinterval
- een bereik rond je steekproefgemiddelde waarvan je redelijk zeker bent dat de echte waarde erin ligt. → T7 · Het betrouwbaarheidsinterval
- Chi-kwadraat (\(\chi^2\))
- toets voor categorische data: vergelijkt geobserveerde met verwachte aantallen onder \(H_0\). → T11 · Chi-kwadraat goodness-of-fit
- Correlatie (Pearson \(r\))
- gestandaardiseerde maat voor lineaire samenhang tussen twee variabelen, van −1 tot +1. → T5 · Ruw is ruk → de Pearson-correlatie
- Covariantie (\(s_{xy}\))
- gezamenlijke afwijking van twee variabelen in één getal — de motor onder correlatie en regressie. → T5 · Covariantie: samen afwijken
- Foutenmarge (\(M\))
- de halve breedte van een betrouwbaarheidsinterval: \(M = z^* \cdot SE\). → T7 · Foutenmarge en steekproefgrootte
- Gemiddelde (\(\bar{y}\))
- som van alle waarden gedeeld door hun aantal; je beste gok zonder verdere informatie. → T1 · Het gemiddelde
- Helling (\(b_1\))
- hoeveel \(y\) verandert per stap in \(x\) — de richtingscoëfficiënt van de regressielijn. → T6 · De lijn berekenen
- Intercept (\(b_0\))
- de (rekenkundige) startwaarde van de regressielijn, waar \(x = 0\). → T6 · De lijn berekenen
- Kritieke waarde (\(z^*\), \(t^*\))
- de grens waarboven je \(H_0\) verwerpt; bepaald door \(\alpha\) en de verdeling. → T8 · De kritieke waarde
- Kwadratensom
- de som van de gekwadrateerde afwijkingen — de bouwsteen onder variantie. → T1 · Van streepjes naar vierkantjes
- Mediaan
- de middelste waarde van een geordende rij; ongevoelig voor uitschieters. → T2 · Centrum: modus, mediaan, gemiddelde
- Nulhypothese (\(H_0\))
- de aanname dat er niets aan de hand is; dát is wat je toetst. → T8 · H₀, H₁ en de bakker
- Power (onderscheidingsvermogen)
- de kans dat je een echt effect ook echt vangt: \(1 - \beta\). → T10 · Power = onderscheidingsvermogen
- p-waarde (\(p\))
- de kans op “dit of nog extremer”, gegeven dat \(H_0\) waar is. → T8 · Methode 1: de p-waarde
- Regressie
- één variabele voorspellen uit een andere — de wolk terugbrengen tot een lijn. → T6 · Van dubbele pijl naar enkele pijl
- Regressielijn (\(\hat{y} = b_0 + b_1 x\))
- de best passende lijn door de puntenwolk. → T6 · De regressielijn
- Residu (\(e = y - \hat{y}\))
- wat het model mist: het verschil tussen de geobserveerde en de voorspelde waarde. → T6 · Voorspellen en residuen
- R² (verklaarde variantie) (\(R^2\))
- het deel van de variatie in \(y\) dat het model vangt. → T6 · Hoe goed past het model?
- Significantieniveau (\(\alpha\))
- het vooraf afgesproken risico op een type-I-fout (vaak .05). → T8 · α = hoeveel vals alarm je accepteert
- Simpson’s paradox
- een globaal verband dat omkeert binnen subgroepen; aggregeren verbergt de richting. → T11 · De val van Simpson
- Standaardafwijking (\(s\), \(\sigma\))
- de wortel van de variantie; de typische gokfout, in de eigen eenheden. → T1 · Variantie en standaardafwijking
- Standaardfout (\(\sigma_{\bar{x}}\))
- de spreiding van het steekproefgemiddelde: \(\sigma_x / \sqrt{n}\). → T7 · De standaardfout
- Standaardiseren / z-score (\(z\))
- een score uitdrukken in het aantal standaardafwijkingen van het gemiddelde. → T3 · z = het aantal lineaaltjes
- Steekproevenverdeling
- de verdeling van het steekproefgemiddelde over heel veel mogelijke steekproeven. → T7 · Drie verdelingen
- SST · SSM · SSE
- de totale, verklaarde en overgebleven kwadratensom: \(\text{SST} = \text{SSM} + \text{SSE}\) (DATA = FIT + RESIDU, opgeteld). → T6 · DATA = FIT + RESIDU
- t-toets
- de toets als \(\sigma\) onbekend is: je schat de standaardfout en gebruikt de \(t\)-verdeling. → T9 · Van z naar t
- t-verdeling
- lijkt op de normaalverdeling maar met dikkere staarten; valt bij grote \(df\) samen met \(z\). → T9 · De t-verdeling
- Type-I-fout · Type-II-fout (\(\alpha\), \(\beta\))
- een ware \(H_0\) verwerpen (vals alarm, kans \(\alpha\)), of een onware \(H_0\) niet verwerpen (gemiste vondst, kans \(\beta\)). → T8 · Beslissing ≠ werkelijkheid
- Variantie (\(s^2\), \(\sigma^2\))
- de gemiddelde gekwadrateerde afwijking; spreiding in kwadraten. → T1 · Variantie en standaardafwijking
- Verwachtingswaarde (\(E(X)\))
- het gewogen gemiddelde van een kansvariabele, met de kansen als gewichten. → T4 · De verwachtingswaarde
- Vrijheidsgraden (\(df\))
- het aantal vrij in te vullen waarden; \(n-1\) bij de variantie, \((r-1)(c-1)\) bij de kruistabel. → T1 · Waarom delen door n−1
- z-tabel
- vertaalt een \(z\)-score naar een kans (en omgekeerd). → T3 · De z-tabel · Bijlage · Tabellen
- z-toets
- de toets als \(\sigma\) bekend is; je standaardiseert en zoekt de kans op met \(z\). → T8 · De snelle weg