Oefeningen Flashcards

1
Q

Lambda

A

ƛ(y/x) = (aantal fouten zonder x - aantal fouten met x) / aantal fouten zonder x

Contigentietabel maken, onafhankelijke (x) rechts
(Kleinste waarde som onderdaan - som twee minste fouten midden) / kleinste som onderaan

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Chi kwadraat

A

𝜒2 = som (O-E)^2/E
Met O = observed en E = expected

Contingentietabel maken, expected values berekenen
E = (som ene variabele . som andere variabele) / totaal

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Variantie

A

s^2 = som (xi - gem)^2/N
Gemiddelde berekenen, frequentietabel maken

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Standaardafwijking

A

s = √som (xi - gem)^2/N

Gemiddelde berekenen, frequentietabel maken
Vierkantswortel van variantie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Covariantie

A

cxy = som (xi-gem).(yi-gem)/N

Gemiddelde van x en y berekenen, frequentietabel maken
(xi-gem), (yi-gem), (xi-gem).(yi-gem)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Correlatie

A

rxy = cxy/sxsy
Met sx = √som(xi-gem)^2/N
Met sy = √som(yi-gem)^2/N

Gemiddelde van x en y berekenen, frequentietabel maken
(xi-gem), (yi-gem), (xi-gem).(yi-gem)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Pearson’s median skewness

A

3.(gem-med)/s

Gemiddelde, mediaan en standaardafwijking berekenen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Rangnummers

A
  1. Orden meetwaarden van hoog naar laag of van beste score naar slechtste score
  2. Hoogste meetwaarde krijgt nummer 1, volgende rangnummer 2, enz…
    Indien gelijke meetwaarde: gemiddelde van rangnummers die normaal zouden gegeven worden
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Percentiele rangen

A
  1. Rangschik meetwaarden van laag naar hoog (xi)
  2. Noteer absolute frequentie bij elke meetwaarde (Fi)
  3. Bereken cumulatieve absolute frequenties (Ci)
  4. Bereken relatieve frequenties (fi = Fi/N)
  5. Bereken cumulatieve relatieve frequenties (ci)
  6. Cumulatieve relatieve frequenties in % (PR = ci.100)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Lineaire z-score

A

zi = (xi-gem)/s

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Genormaliseerde z-score

A
  1. Selecteer uniek waargenomen schaalscores (xi)
  2. Bereken voor elke unieke waargenomen schaalscore hoe vaak deze voorkomt (Fi)
  3. Bereken het aantal keer dat een unieke waargenomen schaalscore of een kleinere unieke waargenomen schaalscore voorkwam (Ci)
  4. Deel de absolute cumulatieve frequenties door het aantal personen (ci)
  5. Zoek voor elke ci op welke z-score hiermee overeenkomt
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Interpretatie genormaliseerde z-score

A

Vb. -1,48: 7% van de deelnemers behalen een score lager of gelijk aan de ruwe score 7 OF (100 –7%) 93% behaalt een score hoger dan de ruwe score 7 OF De ruwe score 7 bevindt zich 1,48 standaardafwijkingen onder het gemiddelde van de genormaliseerde waargenomen verdeling (verdeling van de populatie benaderen).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Lineaire t-score

A

ti = 10.zi + 50
Met zi = lineaire z-score

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Genormaliseerde t-score

A

ti = 10.zi + 50
Met zi = genormaliseerde z-score

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Interpretatie genormaliseerde t-score

A

Vb. 50.8: 53% behaalt een score lager of gelijk aan ruwe score 11 OF
7% van de deelnemers behalen een score hoger dan ruwe score 11 OF
Ruwe score 11 bevindt zich rond het gemiddelde van de genormaliseerde waargenomen verdeling (deze verdeling kan de verdeling van de populatie benaderen)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Lineaire standaardmeetwaarde
(Herschalen z-scores naar een willekeurig gemiddelde (𝑀̅) en standaardafwijking s(M))

A

Mi = s(M) . (xi-gem/2) + Mgem

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Genormaliseerde standaardmeetwaarden

A
  1. Percentiele rang berekenen van xi
  2. PR/100 opzoeken in tabel

PR < 50: tegengestelde van z-waarde
PR > 50: (100-PR/100) berekenen en opzoeken in tabel of 1 - z-waarde

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Stanines

A
  1. Bereken staninebreedte: s/2
  2. Bereken grenzen stanine 5: (gemiddelde - s/4 ; gemiddelde + s/4(
  3. Bepaal grenzen stanine 4: (ondergrens stanine 5 - s/2 ; ondergrens stanine 5(
  4. Bepaal grenzen stanine 6: (bovengrens stanine 5 ; bovengrens stanine 5 + s/2(
  5. Ga na in welke stanine elke ruwe score zich bevindt
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Betrouwbaarheid: variantie en true score

A

Rxx’ = st^2 / si^2
= standaardafwijking van true score / standaardafwijking van geobserveerde score

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Betrouwbaarheid: variantie en meetfouten

A

Rxx’ = 1 - (st^2 / si^2)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Betrouwbaarheid: correlatie en true score

A

Rxx’ = rit^2

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Betrouwbaarheid: correlatie en meetfouten

A

Rxx’ = 1 - rit^2

23
Q

Standaardmeetfout

A

sem = si√1-rxx’

24
Q

Betrouwbaarheid: test-retest

A

Rxx’ = cxx’ / sxsx’
Rxx’ = covariantie / standaardafwijkingen beide tests

Tabel maken met (xi-gem), (xi-gem)^2, (yi-gem), (yi-gem)^2, (xi-gem).(yi-gem)

25
Betrouwbaarheid: parallelle test
Rxx' = cx1cx2 / sx1sx2 = Betrouwbaarheid parallelle test na tijdsinterval
26
Betrouwbaarheid: split-half
Rxx' = 2r'split-half1' / 1+r'split-half1' = Betrouwbaarheid: odd/even 1. Scores oneven (= odd) vragen optellen (x) 2. Scores even (= even) vragen optellen (y) 3. Bereken correlatie tussen odd en even subschalen 4. De odd/even formule toepassen 5. Bereken de standaardmeetfout
27
Betrouwbaarheid: ruwe cronbach alpha
ⲁ = (k/k-1) . (1- som si^2/sx^2) ⲁ = (k/k-1) . (1- som cii/sx^2)
28
Betrouwbaarheid: gestandaardiseerde cronbach alpha
Rxx' = krii / 1+(k-1)rii
29
Betrouwbaarheid: Kuder-Richardson 20 (KR20)
Rxx' = (k/k-1) . (1- somp.q/sx^2) Met p = proportie deelnemers die item i juist hadden Met q = proportie deelnemers die item i fout hadden
30
Betrouwbaarheid: verlengde/verkorte test
Rxx'-herzien = nRxx'-origineel / 1+(n-1).Rxx'-origineel
31
Betrouwbaarheid: n zoeken bij verlengde/verkorte test
n = rxx'herzien.(1-rxx'origineel) / rxx'origineel.(1-rxx'herzien)
32
Omega
⍵ = (somƛ)^2 / ((somƛ)^2 + som se^2)
33
Betrouwbaarheid
Monotrait-monomethode Sterke correlatie: > 0,70
34
Convergente validiteit
Monotrait-hetermethode Gemiddelde-sterke correlatie: 0,44-0,60
35
Discriminante validiteit
Heterotrait-monomethode Zwakke-gemiddelde correlatie: 0,18-0,30
36
Nonsense validiteit
Heterotrait-heteromethode Zwakke correlatie: < 0,30
37
Item-moeilijkheidsindex
pi optimaal = (1+g)/2 Best rond 0,50 (tussen 0,30 en 0,70)
38
Item-betrouwbaarheidsindex
sirit = si . rit (deelformules op formularium) Met gem xp = gemiddelde score van personen die vraag juist hebben Met pi = proportie personen die vraag juist hebben
39
Item-validiteitsindex
siric = si . ric (deelformules op formularium) Met gem xp = gemiddelde score van personen die vraag juist hebben Met pi = proportie personen die vraag juist hebben Zelfde formules als item-betrouwbaarheidsindex (sirit)
40
Item-discriminatieindex
di = (Uc-Lc)/U Met Uc = aantal hoogscoorders dat item juist heeft Met Lc = aantal laagscoorders dat item juist heeft Met U = totaal aantal hoogscoorders
41
Item karakteristiek curve (ICC)
Hoe meer naar rechts, hoe moeilijker Hoe steiler, hoe betere differentiatie Hoe hoger het begint, hoe minder antwoordopties (beginnen op x-as → geen gokkans)
42
IRT Meetmodellen
1-parameter logistisch model (Rasch model): trait-level en moeilijkheid 2-parameter logistisch model: trait-level, moeilijkheid en discriminerend vermogen 3-parameter logistisch moden: trait-level, moeilijkheid, discriminerend vermogen en gokkans
43
Graded respons model
Trait-level, moeilijkheid, discriminerend vermogen Vier moeilijkheidsparameters: geen rekening houden met 'helemaal niet akkoord' Eerst kans op elke optie of hoger berekenen, dan kansen aftrekken voor exacte kans
44
Item informatie en test informatie
I(ϑs) = 1-parameter logistisch model . (1 - 1-parameter logistisch model)
45
Sensitiviteit
TP / TP+FN Verhouding tussen het aantal correct geïdentificeerde respondenten met het geteste kenmerk, ten opzichte van alle personen die in werkelijkheid het geteste kenmerk hebben
46
Specificiteit
TN / TN+FP Verhouding tussen het aantal correct geïdentificeerde respondenten zonder het geteste kenmerk, ten opzichte van alle personen die in werkelijkheid het kenmerk niet hebben
47
False positive rate (FPR)
FP / FP+TN = 1 - specificiteit Verhouding tussen het aantal fout geïdentificeerde respondenten zonder het geteste kenmerk, ten opzichte van alle respondenten die in de werkelijkheid het kenmerk niet hebben
48
False negative rate (FNR)
FN / FN+TP = 1 - sensitiviteit Verhouding tussen het aantal fout geïdentificeerde respondenten met het geteste kenmerk, ten opzichte van alle respondenten die in de werkelijkheid het kenmerk hebben
49
Positive predictive value (PPV)
TP / TP+FP Kans dat een persoon met een positief testresultaat in werkelijkheid het kenmerk heeft
50
Negative predictive value (NPV)
TN / TN+FN Kans dat een persoon met een negatief testresulaat in werkelijkheid het kenmerk niet heeft
51
Positive likelihood ratio (PLR)
sensitiviteit / 1-specificiteit
52
Negative likelihood ratio (NLR)
1-sensitiviteit / specificiteit
53
Bayes theorem
P(A/B) = P(B/A).P(A) / P(B) P(A) = kans dat iemand het gemeten kenmerk heeft P(B) = kans dat iemand een positieve diagnose krijgt P(A/B) = de kans dat iemand het gemeten kenmerk heeft indien deze persoon ook een positieve diagnose krijgt P(B/A) = de kans dat iemand een positieve diagnose krijgt indien deze persoon werkelijk het gemeten kenmerk heeft