- De student kan grafische samenvattingen van een data set goed interpreteren (histogram, boxplot, QQ-plot)
- De student weet wat een schatter is, kan nagaan of een schatter zuiver is, en kan de verwachte kwadratische fout van een schatter berekenen
- De student kan de maximum likelihood methode toepassen voor concrete verdelingen met meerdere parameters
- De student kan voor een gegeven a priori verdeling, de a posteriori verdeling opstellen, en deze goed interpreteren, alsmede de Bayes schatter uitrekenen
- De student weet in het algemeen hoe zij een hypothese moet opstellen, en hoe zij deze kan toetsen, eventueel met behulp van de computer. De student heeft ervaring opgedaan met het statistische programma R
- De student kan veel voorkomende toetsen over de verwachting van een of twee samples uitvoeren
|
|
In dit vak introduceren we de belangrijkste parametrische modellen voor data sets met 1 variabele. We bespreken grafische methoden om zo'n data set te beschrijven. We introduceren de begrippen schatters, hypothese toetsen en Bayesiaanse statistiek. Er wordt ook aandacht besteed aan het zelf analyseren van datasets, en het uitvoeren van toetsen aangaande de parameters, met gebruik van het statistisch computerpakket R. |
|