Mede als docent statistiek aan de HAS Hogeschool ‘s-Hertogenbosch heb ik veel ervaring met het overbrengen, in theorie en praktijk, van kennis en vaardigheden.
Er zijn meerdere trainingen mogelijk:<\/p>\n\n\n\n
Statistiek met Excel, R of Jamovi<\/strong> (of met uw eigen statistiekpakket) Basiskennis statistiek<\/strong> (verdelingen, verschiltoetsen) Meervoudige regressieanalyse<\/strong> Ontwerpen van experimenten<\/strong> Inleiding in kwantitatieve risicoanalyse en -management Lees op deze pagina<\/a> de reactie van de teamleider op deze training voor 13 personen.<\/p>\n\n\n\n Monte-Carloanalyse<\/strong> Mede als docent statistiek aan de HAS Hogeschool ‘s-Hertogenbosch heb ik veel ervaring met het overbrengen, in theorie en praktijk, van kennis en vaardigheden.Er zijn meerdere trainingen mogelijk: Statistiek met Excel, R of Jamovi (of met uw eigen statistiekpakket)Ik kan u en uw medewerkers leren werken met Excel, R (gratis) of Jamovi (ook gratis, gebaseerd … <\/p>\n
Ik kan u en uw medewerkers leren werken met Excel, R (gratis) of Jamovi (ook gratis, gebaseerd op R), maar ook met het statistiekpakket dat u zelf gebruikt.<\/p>\n\n\n\n
– Eigenschappen van verdelingen: normaal, binomiaal, Poisson etc.
– Verschiltoetsen: toetsen van verschillen tussen groepen waarnemingen:
– Formuleren van hypotheses, fouten van de eerste orde (alpha) en tweede orde (b\u00e8ta)
– Basisprincipe: hoe berekenen we de kans op fouten van de eerste en tweede orde?
– Steekproefomvang in relatie tot de kansen op toetsfouten.
– Normaal verdeelde gegevens: variantieanalyse en t-toetsen.
– Verdelingsvrije toetsen (met Jamovi, R of een statistiekpakket)
– Meervoudige vergelijkingen (o.a. met Jamovi, R of een statistiekpakket).<\/p>\n\n\n\n
Deze techniek integreert het onderzoek naar oorzakelijke verbanden tussen variabelen met de bekende toetsen van verschillen tussen groepen waarnemingen (t-toetsen, variantieanalyse). Het resultaat is een model dat voorspelt hoe een variabele be\u00efnvloed wordt door (veel) andere variabelen.<\/p>\n\n\n\n
Gericht op toetsen van verschillen tussen groepen of op meervoudige regressieanalyse.<\/p>\n\n\n\n
<\/strong>Risicomanagement kun je samenvatten als het kennen en beheersen van de kans op en de gevolgen van bedreigingen voor de kwaliteit en de kosten van producten.
Kwantitatief risicomanagement is het rekenen aan kansen en effecten, rekening houdend met variabiliteit en onzekerheid. Dit is heel gebruikelijk in de lucht- en ruimtevaart, de (petro)chemie, de financi\u00eble sector en bij de ontwikkeling van nucleaire systemen. Het lijkt daarom weggelegd voor de zogenaamde \u2018rocket scientists\u2019 .
De methoden worden echter in steeds meer bedrijfstakken en vakgebieden met succes toegepast. De basistechnieken zijn namelijk veel gemakkelijker, effectiever en effici\u00ebnter dan het lijkt. Wat levert het op?<\/strong><\/em><\/p>\n\n\n\n
Als een model, bijvoorbeeld een regressiemodel, eenmaal beschikbaar is, kunt u uiteraard gaan berekenen hoe de toekomst er uit zult zien: prognoses maken.
Maar welke proces- en productgegevens voert u in?
– Het gemiddelde (of de mediaan) houdt geen rekening met extreme waarden.
– Het gebruik van alle maximum- of minimumwaarden levert meestal een proces of product op dat onwerkbaar is.
Gelukkig kunnen we, in Microsoft Excel, met Monte-Carloanalyse rekenen met alle waarden uit een kansverdeling, voor elke variabele in het model. Ik gebruik daarvoor de Excel-add-in ModelRisk (Vose Software<\/a>), maar desgewenst kunnen we ook werken met @Risk (Palisade<\/a>) of Crystal Ball (Oracle<\/a>).<\/p>\n","protected":false},"excerpt":{"rendered":"