Vak: Statistiek 4 credits: 3

De student kan na afloop van deze module:

• matrix/vector berekeningen uitvoeren in R
• gemiddelden, varianties, covarianties en correlaties berekenen door middel van operaties op vectoren
• uitleggen wat de begrippen variantie, covariantie en correlatie betekenen
• gegeven een dataset modellen opstellen voor multipele lineaire regressie en de parameters voor die modellen schatten met R
• gegeven een dataset de kwaliteit van de fit tegen een (multi)lineair model evalueren
• de resultaten van een (multi)lineaire fit grafisch presenteren
• principale componentenanalyse (PCA) uitvoeren
• uitleggen wat principale componenten zijn in abstracte zin en concreet in relatie tot een gegeven dataset
• dimensiereductie toepassen door middel van principale componentenanalyse
• hoogdimensionele datasets visualiseren en presenteren door middel van projectie op eigenvectoren 
• afstandsmatrices bepalen voor een gegeven dataset met behulp van de R functie dist met een gefundeerde keuze voor het soort afstand
• hierarchische clustering uitvoeren op een afstandsmatrix met een gefundeerde keuze voor de methode voor clustering
• de resultaten van hierarchische clustering grafisch presenteren 
• de resultaten van hierarchische clustering evalueren
• k-means clustering uitvoeren op een gegeven dataset
• de resultaten van k-means clustering grafisch presenteren
• bepalen van het optimaal aantal clusters voor k-means aan de hand van de total within sum-of squares