Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

Centrummaten, Spreidingsmaten en Samenhang

In dit labo bestuderen we hoe we kansverdelingen kunnen karakteriseren met behulp van samenvattende statistieken. We berekenen verwachtingswaarden, varianties, covarianties en correlaties.

Leerdoelen:

  • Verwachtingswaarde (gemiddelde) berekenen en interpreteren

  • Variantie en standaardafwijking als spreidingsmaten gebruiken

  • Mediaan, modus en percentielen bepalen

  • Covariantie en correlatie berekenen voor lineaire samenhang

  • Het verschil begrijpen tussen ongecorreleerd en onafhankelijk

Centrummaten

Centrummaten geven het “zwaartepunt” van een kansverdeling aan.

Verwachtingswaarde (Expected Value)

De verwachtingswaarde E[x]\mathbb{E}[x] of μ\mu is het gemiddelde dat we verwachten bij oneindig veel observaties.

  • Discreet: E[x]=∑xx⋅P(x)\mathbb{E}[x] = \sum_x x \cdot P(x)

  • Continu: E[x]=∫x⋅p(x)dx\mathbb{E}[x] = \int x \cdot p(x) dx

✍️

De theoretische (populatie-)verdeling van het aantal klanten dat een bepaalde winkel per uur ontvangt, ziet er als volgt uit:

  • P(5 klanten) = 0.10

  • P(10 klanten) = 0.20

  • P(15 klanten) = 0.35

  • P(20 klanten) = 0.25

  • P(25 klanten) = 0.10

Bereken de verwachtingswaarde (het gemiddeld verwacht aantal klanten per uur).


Expected number of customers per hour E[x] = 15.25
Loading...

✍️

Simuleer 10000 uren en toon aan dat het steekproefgemiddelde convergeert naar de verwachtingswaarde (Wet van Grote Aantallen).

Loading...

Mediaan en Modus

  • Mediaan: De waarde waarbij 50% van de kansmassa links en rechts ligt

  • Modus: De meest waarschijnlijke waarde (hoogste kans bij discreet, maximum van PDF bij continu)

✍️

Vergelijk verwachtingswaarde, mediaan en modus voor de volgende drie distributies:

  1. Symmetrische verdeling: Normale verdeling N(0,12)\mathcal{N}(0, 1^2)

  2. Rechts-scheve verdeling: Log-normale verdeling met parameters s=0.8s=0.8, scale=1\text{scale}=1

  3. Links-scheve verdeling: Beta verdeling met parameters α=8\alpha=8, β=2\beta=2

Bereken voor elke distributie het gemiddelde (mean), de mediaan en de modus, en visualiseer deze.

Loading...
Loading...
Loading...

Spreidingsmaten

Spreidingsmaten geven aan hoe sterk waarden variëren rond het centrum.

Variantie en Standaardafwijking

Populatievariantie (theoretische verdeling): σ2=Var(x)=E[(x−μ)2]\sigma^2 = \text{Var}(x) = \mathbb{E}[(x - \mu)^2]

Steekproefvariantie (empirische data): s2=1n−1∑i=1n(xi−xˉ)2s^2 = \frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2

Standaardafwijking: σ=Var(x)\sigma = \sqrt{\text{Var}(x)} (populatie) of s=s2s = \sqrt{s^2} (steekproef)

✍️

  1. Bereken eerst de populatievariantie en -standaardafwijking voor de theoretische kansverdeling van het aantal klanten per uur.

  2. Simuleer vervolgens data en bereken de steekproefvariantie en -standaardafwijking.

1: Population
Variance: 31.19
Std: 5.58
2: Sample
Variance: 32.88
Std: 5.73

Vergelijking van spreiding tussen continue verdelingen

✍️

Visualiseer normale verdelingen met verschillende standaardafwijkingen (bv. 2, 5, 10 en 15) maar hetzelfde gemiddelde (bv. 50 klanten per dag).

Loading...

Interkwartielafstand (IQR)

De IQR is een robuuste maat voor spreiding, minder gevoelig voor uitschieters:

IQR=Q3−Q1=P75−P25\text{IQR} = Q_3 - Q_1 = P_{75} - P_{25}

Uitschieters worden vaak gedefinieerd als waarden buiten [Q1−1.5×IQR,Q3+1.5×IQR][Q_1 - 1.5 \times \text{IQR}, Q_3 + 1.5 \times \text{IQR}]

✍️

Bereken IQR en detecteer uitschieters in volgende dataset met extreme waarden.

Quartile Analysis:
  Q1 (25th percentile) = -0.716
  Q2 (50th percentile, median) = -0.016
  Q3 (75th percentile) = 0.732
  IQR = Q3 - Q1 = 1.447

Outlier Detection:
  Lower bound = Q1 - 1.5×IQR = -2.887
  Upper bound = Q3 + 1.5×IQR = 2.903
  Number of outliers: 7
  Outlier values: [np.float64(-5.0), np.float64(-4.5), np.float64(2.9446914996193203), np.float64(3.512096117817214), np.float64(5.0), np.float64(5.5), np.float64(6.0)]
Loading...
Loading...

Covariantie en Correlatie

Voor twee random variabelen meten we de lineaire samenhang.

Covariantie

Cov(x,y)=E[(x−E[x])(y−E[y])]\text{Cov}(x, y) = \mathbb{E}[(x - \mathbb{E}[x])(y - \mathbb{E}[y])]
  • Positief: gelijktijdige afwijkingen hebben dezelfde richting

  • Negatief: gelijktijdige afwijkingen hebben tegengestelde richting

  • ~0: geen lineaire samenhang

✍️

Gegeven zijn drie datasets:

  1. Positieve correlatie: y=2x+ϵy = 2x + \epsilon met ϵ∼N(0,0.5)\epsilon \sim N(0, 0.5)

  2. Negatieve correlatie: y=−1.5x+ϵy = -1.5x + \epsilon met ϵ∼N(0,0.5)\epsilon \sim N(0, 0.5)

  3. Geen correlatie: xx en yy zijn onafhankelijk normaal verdeeld

Bereken de covariantie voor elk van deze datasets.

Loading...
Loading...
Loading...

Correlatie (Pearson)

Correlatiecoëfficiënt: Genormaliseerde covariantie

ρxy=Cov(x,y)σxσy\rho_{xy} = \frac{\text{Cov}(x, y)}{\sigma_x \sigma_y}

Eigenschappen:

  • −1≤ρ≤1-1 \leq \rho \leq 1

  • ∣ρ∣=1|\rho| = 1: perfecte lineaire relatie

  • ρ=0\rho = 0: geen lineaire correlatie

  • Schaal-onafhankelijk (in tegenstelling tot covariantie)

✍️

Bereken correlaties en vergelijk met covarianties.


Comparison Table:
       Dataset  Covariance  Correlation
      Positive    1.927147     0.969135
      Negative   -1.475871    -0.948614
No correlation   -0.024658    -0.025136

Correlatie bij verschillende sterktes

✍️

Gegeven zijn vier datasets met verschillende correlatiesterktes:

  • Dataset 1: zeer sterke positieve correlatie (ρ ≈ 0.95)

  • Dataset 2: matige positieve correlatie (ρ ≈ 0.7)

  • Dataset 3: zwakke positieve correlatie (ρ ≈ 0.3)

  • Dataset 4: geen correlatie (ρ ≈ 0)

Visualiseer deze datasets en vergelijk de correlatiecoëfficiënten.

Loading...
Loading...
Loading...
Loading...

Covariantie ≈ 0 betekent NIET onafhankelijkheid!

Covariantie/correlatie meet alleen lineaire samenhang. Er kan een sterk niet-lineair verband bestaan met correlatie ≈ 0.

✍️

Gegeven zijn drie datasets met niet-lineaire relaties maar correlatie ≈ 0:

  1. Circulaire relatie: (x,y)(x, y) liggen op concentrische cirkels

  2. Kwadratische relatie: y=x2+ϵy = x^2 + \epsilon

  3. Absolute waarde: y=∣x∣+ϵy = |x| + \epsilon

Bereken de correlatie voor elk van deze datasets en observeer dat deze bijna nul is ondanks duidelijke afhankelijkheid.

Loading...
Loading...
Loading...

Covariantiematrix

Voor een vector van random variabelen kunnen we alle covarianties in een matrix samenvatten:

Σij=Cov(xi,xj)\pmb{\Sigma}_{ij} = \text{Cov}(x_i, x_j)
  • Diagonaal: varianties

  • Off-diagonal: covarianties

✍️

Bereken en visualiseer een covariantiematrix voor meerdere variabelen.

Loading...
Loading...