Het formularium voor Basisstatistiek voor criminologen PDF

Preview

Summary

Het formularium voor Basisstatistiek voor criminologen...

Description

Beschrijvende statistiek Mediaan

 x n1    2   medn ( x)   x n  x n       2  2 1  2

 n 1  cf  medn ( x )  L    2 f  

n oneven

n even

    

Gemiddelde n

x

i

x

1 x  ( m1 f1  m2 f2  ...  mk f k ) n

i 1

n

Variantie en standaardafwijking n

s2 

s2 

( x

i

i 1

 x) 2

n 1



1 2 2  m1  x  f1  ...   mk  x  fk n 1



s  s2 covariantie

Cov (x , y ) 

 x1  x  y1  y   ...   xn  x  y n  y  n 1

Pearson correlatiecoefficient

rn  r ( x, y) 

cov( x, y) sx s y

Kansregels

P(GC)=1-P(G) P(G1 G2 )=P(G1 )+P (G2 ) als G1  G2 is leeg P(G1 G2 )=P(G1 )+P (G2 ) - P(G1  G2 ) P(G1\ G2 ) = P(G1) – P(G2) als G2 een deelgebeurtenis van G1 P A  B   P AP B A  P  A B 

PA

P  B

P A

Onafhankelijke gebeurtenissen Odds 

A  P  B 

P (event ) P (event )  P( non event) 1  P( event)

X binomiaal verdeeld 

n  P  X  x     p xq n x met x 

n n!   x x n !(  x)!  

Eignschappen populatiegemiddelde en populatievariantie

Centrale limietstelling: voor n voldoende groot

X

X 1  X 2  ...  X n n

normaal verdeeld met

x   en  x 

 n

Als X normaal verdeeld is

~ tn-1

t=

Indien onafhankelijke steekproeven groot genoeg

z

X

1



 X 2  ( 1  2)

 X X   1

x

1 x2



normaal verdeeld met gemiddelde 0 en variantie 1

2

 12 n1



 22 n2



s12 s 22  n1 n2

Als 2 steekproeven van grootte n1 en n2 onafhankelijk en X1 en X2 normaal verdeeld met gemiddelde µ1 en µ2:

sp

s2p 

1 1  n1 n 2

~ t n1+n2-2

 n1 1 s12   n2 1 s22 n1  n2  2

In rxc tabel : Als rij en kolomkenmerk onafhankelijk dan is verwachte frequentie= en is Chi-kwadraat verdeeld met aantal vrijheidsgraden = (R – 1 ) x (C – 1) Als ρ=0 en rn steekproefcorrelatie en X en Y normaalverdeeld dan:

n 

rn n  2 1  rn2

Rijtotaal x kolomtotaal n...