Lees hier de samenvatting en de meest belangrijke oefenvragen van Deeltoets 4 Youtopiaboekje

• 1 Deeltoets 4 Youtopiaboekje

  Dit is een preview. Er zijn 15 andere flashcards beschikbaar voor hoofdstuk 1
  Laat hier meer flashcards zien

• Bayesiaanse statistiek:- definitie- regel van Bayes (+formule)

  -Een vorm van statistiek waarbij uitspraken worden gedaan over de kans op een uitkomst gegeven de uitkomst van iets anders --> deze 2 zijn afhankelijk
   Dit is een alternatieve manier van hypothesetoetsing. 
   - Voor de kan op gebeurtenis A, gegeven gebeurtenis B geldt:
  P(AIB)= P(BIA)*P(A) / P(B)

• Bayesiaanse statistiek: - Sensiviteit- Specificiteit- kans

  - sensitiviteit: de kans op een positieve uitslag indien deze in de realiteit waar is
  --> p(BIA)
  - specificiteit: de kans op een negatieve uitslag indien deze in de realiteit waar is
  --> P(B^cIA^c)
  - kans volgens de bayesiaanse statistiek = subjectieve waarschijnlijkheid

• - parameter - modellen- data - generatief model

  - parameter: hoe een construct geoperationaliseerd wordt ( de grootheden die onderzocht worden )
   - modellen: de manier waarop parameterd tot uiting komen
  - data: meting van de parameters
  - generatief model: een model dat zich aan past op de data en zo de data steeds beter kan verklaren.

• Bayesiaanse statistiek:- prior- postirior- likelihood- waarom Bayes generatief?

  - prior: de verwachte kans op een hypthese
  - postirior: de kans op de hypohtese op basis van verwachting en data. 
  - likelihood: de kans op de data
  - Bayes is een generatief model omdat de prior zich steeds aanpast door de postirior uit voorgaand onderzoek. (zo klopt de prior steeds meer met wat er in de realiteit gevonden wordt)

• Bayesiaanse statistiek:  - postirior formule - Bayesfactor - BF01= - BF10=

  - P(thetaIdata)= P(dataItheta) *P(theta) / P(data
  Waarbij theta voor de gemeten variabele staat
  - Bayesfactor: het alternatief voor de p-waarde; geeft de kans op de data gegeven de hypothese voor alle hypotheses (dus ook de Ha's)
   - BF01 (voor H0)= P(dataIH0)/P(dataIHa)
   - BF10 (voor Ha)= P(dataIHa)/P(dataIH0)

• Bayesiaanse statistiek:- interpretatie Bayesfactor

  Bij Bayes verwerp je niet maar spreek je een voorkeur uit voor een hypothese. Bij een BF>1 heb je een voorkeur voor deze hypothese bij een BF<1 tegen deze hypothese en een BF=1 geen voorkeur. 
  
   Sterk tegen: negatieve getallen< BF <0.1
   Tegen: 0.1< BF <0.33
   Nouwelijks relevant tegen: 0.33< BF<1
   Nouwelijks relevant voor: 1 <BF < 3
   Voor: 3<BF<10
   Sterk voor: 10<BF<+10

• Frequentistische statistiek:- definitie- 2 manieren van randomisatie- p-waarde- type 1 fout- type 2 fout

  - Een vorm van statistiek die af hangt van de kans dat een bepaald resultaat gevonden wordt op de lange termijn
  
  - Randomisatie:
   1. aselecte steekproef uit populatie
   2. aselecte toewijzing aan condities
  Daarna wordt een normaalverdeling opgesteld voor de kansen na oneindig uitvoeren van het experiment. Op basis hiervan worden intervallen berekend waartussen een bepaalde kans ligt aan de hand van een p-waarde. H0 kan verworpen worden bij een p-waarde<0.05
  
  - p-waarde: de kans dat een waarde of extremer gevonden wordt, gegeven de H0.
  - type 1 fout: de nul hypothese foutief verwerpen
  - type 2 fout: de nul hypothese foutief behouden

• Hoe heeft Bayes het frequentisme proberen te verbeteren? (5)

  1. schrappen van de p-waardes
  2. geen type 1 fout
  3. de definitie van kans te veranderen
  4. Zolang de prior 'degrees of freedom'aangepast wordt kan er oneindig veel data toegevoegd worden
   5. minder zwart/wit maar gradaties in waarschijnlijkheid

• Netwerkmodellen: - definitie (benoem knopen, brugsymptomen en comorbiditeit) - Globale netwerk analyse - Lokale netwerk analyse

  - Netwerkmodel: een aan een schakeling van symptomen (knopen) die met elkaar in verbintenis liggen. Deze verbintenissen zijn sterker binnen stoornissen (clusters knopen). Symptomen die in meerdere stoornissen voorkomen en dus voor comorbiditeit zorgen worden brugsymptomen genoemd. 
  - Globale netwerk analyse: analyseerd de totale structuur van het netwer
  - Lokale netwerk analyse: analyseerd verschillen tussen knopen zoals: hoeveelheid knopen, connecties per knoop, hoeveelheid tussen liggende punten van een knoop, hoe snel je van een knoop naar een andere komt

• Netwerkmodellen:  - perceived causal relations:    definitie?    wat geeft het weer?    wat is het doel?(3)

  - Perceived causal relations: een model dat opgesteld wordt door observaties (uitvragen naar welke symptomen iemand ervaart). 
   Dit geeft weer: Welke symptomen verbonden zijn en in welke vorlgorde de symptomen zich voor doen. 
   Met als doel:
   1. inzicht krijgen in problemen van de cliënt
   2. Viseuze cirkels ontdekken
   3. De meest voorkomende symptomen ontdekken