Chapter 3.3 en 3.4

Question 1

the regression line predicts..

Answer 1

the value for the response variable y as a straight line function of the value x of the explanatory variable.

Question 2

dus welke is y

Answer 2

y = response variable/dependent

Question 3

en welke is x

Answer 3

x = explanatory variable/independent

Question 4

wat is ŷ

Answer 4

the predicted value of y

Question 5

a =

Answer 5

y-intercept

Question 6

b=

Answer 6

slope

Question 7

wat is de formule bij de regressielijn

Answer 7

ŷ = a +bx

Question 8

hoe bereken je y intercept

Answer 8

y aflezen when x=0

Question 9

slope berekenen

Answer 9

verandering in y / verandering in x

(rise/run)

Question 10

when the slope is negative…

Answer 10

ŷ decreases when x increases

Question 11

hoe zie je dat je een steilere regression lijn hebt

Answer 11

als de slope meer negatief of positief is (2 is stijler dan 0,5)

Question 12

residuals heten ook wel de
…

Answer 12

the prediction errors: hoe ver een datapunt van de regressielijn afvalt.

Question 13

every value has a residual

Answer 13

oke

Question 14

positive residual

Answer 14

when y - ŷ > 0. dus actual y is larger than predicted ŷ

Question 15

negative residual

Answer 15

when y - ŷ < 0. dus actual y is smaller than predicted ŷ

Question 16

hoe beter de prediction…

Answer 16

hoe kleiner de residual (want ligt dan dichter bij de voorspelde waarde)

Question 17

hoe zie je een residual in een scatterplot

Answer 17

de vertical distance between data point and line = absolute value.

Question 18

over welke variabele gaat de residual?

Answer 18

de response variable!

Question 19

residual formule

Answer 19

y - ŷ

Question 20

hoe moet je een lijn selecteren

Answer 20

met least squares method (de lijn die gemiddeld de minste afstand heeft tussen de punten en de lijn)

Question 21

evalueren van de regressielijn met de…

Answer 21

residual sum of squares method:

∑( y - ŷ ) ^2

-> hoe kleiner deze waarde is, hoe beter de lijn!

Question 22

drie eisen van de regressielijn

Answer 22

• minste afstand (dus kleinste residual sum of squares)
• heeft positieve en negatieve waardes, bij elkaar opgeteld = 0
• passes through the point of ( x̄ ; ȳ ) -> dus gaat door de gemiddelden heen van beide de x en y as.

Question 23

b = (formule)

Answer 23

b = r * (sx/sy)

Question 24

y intercept = (formule)

Answer 24

a = ŷ - b*(x̄)

Question 25

does the slope depend on the numerical values of the variables?

Answer 25

yes, daarom niet appropriate voor het geven van de strenght van de relatie "So the slope b doesn’t tell us whether the association is strong or weak since we can make b as large or as small as we want by changing the units. By contrast, the correlation does not change when the units of measurement change."

Question 26

dus... verandert de correlatie als we de units veranderen?

Answer 26

nee

Question 27

twee overeenkomsten tussen correlation and regression

Answer 27

- je kan ze alle twee gebruiken als het twee kwantitatieve variabelen zijn waar je een rechte lijn door kan trekken. - de correlatie en de slope van de regression hebben hetzelfde teken: als de een positief is dan is de andere dat ook, als de een negatief is is de andere dat ook.

Question 28

wat is r2

Answer 28

het percentage aan variabiliteit in de response variable dat uitgelegd kan worden door de lineaire relatie tussen x en y.

Question 29

het verschil tussen ŷ en ȳ

Answer 29

ŷ = voorspelde waarde van y ȳ = gemiddelde van y

Question 30

hoe kan je r2 krijgen

Answer 30

kwadraat van r (correlatie) nemen. dit is dus de variabiliteit door de associatie.

Question 31

welke r2 geeft een betere predictie aan?

Answer 31

grotere r2 = betere predictie

Question 32

slope = correlation qua sign!!

Answer 32

oke

Question 33

extrapolation

Answer 33

using the regression line to predict data for x and y that is outside of the available data. (=forecasting)

Question 34

hebben outliers een effect op correlatie en of regressie?

Answer 34

ja, op beiden -> nonresistant!

Question 35

lurking variable

Answer 35

a variable that is unobserved, that influences the association between the variables of primary interest (vaak meerdere factoren die een invloed hebben!). het gaat hierbij echt om causes. Dus er lijkt dan een associatie te zijn tussen twee variabelen, maar dat komt eigenlijk door een derde variabele. Deze variabelen worden niet meegenomen in de studie --> hebben dus confounding potential!

Question 36

Simpson's paradox

Answer 36

the direction of an association changes if we add a third variable

Question 37

confounding

Answer 37

When two explanatory variables are both associated with a response variable but are also associated with each other, confounding occurs

Question 38

confounding

Answer 38

= association met beiden de explanatory en response variable.