Bijles statistiek in Haacht

Ik wil, naast mijn voltijdse job, graag nog op een zinvolle manier bezig blijven met lesinhouden. Dit bijvoorbeeld om mijn kennis statistiek op peil te houden of om, afhankelijk van de complexiteit van het lessenpakket, nieuwe uitdagingen aan te gaan. Gezien er ook effectief iemand mee geholpen wordt voelt dat als heel waardevol.

Ik heb veel ervaring met statistiek en gaf in het verleden geregeld bijles voor de statistiekvakken in de psychologieopleiding van o.a. KU Leuven. Als duidelijk wordt aangegeven welke cursus gebruikt wordt kan ik me hieraan aanpassen in lesmethoden.

In mijn laatste jaar van het middelbaar heb ik zelf bijles gekregen voor bepaalde vakken in de aanloop tot mijn examens. Ik heb daardoor meer zelfvertrouwen gekregen dat ik kon slagen en bepaalde aspecten werden ineens helderder. Ik wil graag hetzelfde betekenen voor de studenten die ik begeleid.

Ik heb veel verschillende soorten analyses gedaan voor mijn PhD studies, waaronder principal component analysis, data simulation, generalised linear models (glms), machine learning, Bayesian MCMC etc. Inderdaad ben ik ook bekend met klassieke methodes zoals correlatie, regressie en het testen van een null hypothese. Waar ik nu heel enthousiast over ben is het toepassen van de filosofie van causal inference in statistiek.

Ik vind het leuk om andere studenten te helpen.

Ik geef graag bijles omdat het me voldoening geeft om studenten te helpen hun leerstof onder de knie te krijgen. Op deze manier kan ik ook mijn kennis doorgeven aan anderen.

Ik ben in 2014 afgestudeerd als master handelsingenieur (major productie- en logistiek & minor finance). In 2019 heb ik vervolgens een doctoraat in de Toegepaste Economische Wetenschappen behaald aan de KU Leuven. In het doctoraat heb ik vooral met technieken uit het operationeel onderzoek gewerkt (geheeltallige (lineaire) programmering, heuristieken, simulatie). Vervolgens heb ik gewerkt als onderzoeker aan de Koninklijke Militaire School op een project rond het ontwikkelen van machine learning modellen voor de analyse van data in sociale media (Twitter).

Momenteel geef ik als gastdocent aan KU Leuven de vakken Operations Research in de Bachelor Business Engineering (Brussel) en (Inleiding tot) Kwantitatieve Beleidsmethoden in de Master Management (Leuven). In het vak Operations Research behandelen we geheeltallige lineaire programmering, dynamische programmering, complexiteitstheorie en wachtrijmodellen. In de vakken (Inleiding tot) Kwantitatieve Beleidsmethoden behandelen we beschrijvende statistiek, betrouwbaarheidsintervallen, hypothesetoetsen, beslissen onder onzekerheid, lineaire regressie, logistische regressie, tijdreeksen en lineaire optimalisatie. We passen ook alle geziene technieken toe in Excel. Ik ondersteun in mijn vrije tijd graag studenten en volwassenen bij wiskunde, statistiek en Excel.

Statistiek:
- Beschrijvende statistiek (boxplots, histogrammen, spreidingsdiagrammen, ...)
- Hypothesetoetsen (t-toets gemiddelde(s), z-toets proportie(s), Chikwadraattoets onafhankelijkheid, Chikwadraattoets varianties, Wilcoxon-toetsen)
- Betrouwbaarheidsintervallen
- Variantieanalyse (ANOVA) en Kruskal-Wallis-toets
- Lineaire regressie
- Logistische regressie
- Tijdreeksanalyse (regression-based models, autoregressive models, moving-average models, Holt-Winters model)

Toepassing van de technieken in Excel, RStudio en Matlab

Kansrekenen:
- Voorwaardelijke kansen en regel van Bayes
- Stochastische variabelen (kansmassafunctie en kansdichtheidsfunctie, cumulatieve verdelingsfunctie, verwachtingswaarde, variantie, covariantie en correlatie, ...)
- Kansverdelingen (uniform, binomiaal, Poisson, negatief-binomiaal, hypergeometrisch; exponentieel, Erlang, normaal, lognormaal)