Hoorcolleges Beschrijvende en Inferentiële Statistiek
Hoorcollege 1.
Hoofdstuk 1 = Methodologie
Hoofdstuk 2 = Beschrijvende univariate statistiek
Significant? = geen toevallige afwijking
Onzekerheidsmarge?
Beschrijvende statistiek: samenvatting van de verkregen data
Inferentiële statistiek: uitspraken en voorspellingen doen over hele populatie op basis van
de verkregen data (steekproef) to infer..
Vandaag alleen beschrijvende, alleen één variabele:
1) Meetniveau van variabelen
Categorisch
a) Categorische variabelen: Je kan er geen gemiddelde van maken of volgorde, statistiek
kan je weinig mee doen. Geen getallen.
Nominaal: meerdere groepen, maar er is geen rangordening zoals studierichting CW en
BO, je hebt geen gemiddelde
Uitzondering: Dichotoom: dummy variabele: 0/1 kenmerk
Ordinaal: De groepen hebben een rangordening, maar geen vaste afstand. Bijv.
rangen in het leger, opleidingsniveau, kledingmaat etc. (Worden ook weleens kwantitatief
behandeld)
“In hoeverre bent u het er mee eens?” ook niet duidelijk de afstanden.
Kwantitatieve variabelen:
“Scale:” Interval/ratio: ze hebben gemeen: rangordening, en gelijke stappen
bijvoorbeeld leeftijd: telkens een jaar er tussen
- Interval:
- Ratio:
Discreet vs. Continu
- Discreet: variabele waarbij slechts bepaalde waarden kunnen voorkomen, bijvoorbeeld
alleen hele getallen (aantal kinderen, je heb geen halve kind).
“Aantal keer dat je per jaar naar de kapper gaat”
- Continu: variabele waarbij oneindig veel mogelijkheiden zijn in waarde, zoals tijd, afstand,
gewicht.
Variabelen: kenmerken waarop onze cases kunnen variëren
Cases (Analyse eenheden): de mensen
, Hoorcolleges Beschrijvende en Inferentiële Statistiek
2) Centrale tendentie (Centrummaten)
- Gemiddelde = Verwachtingswaarde of verwachting
Gemiddelde is beste gok over een waarneming als je verder niks weet
Totaal observaties/Aantal observaties hoeven geen hele getallen te zijn
Wordt aangeduid door een dakje!
- Mediaan = Het middelpunt van de observaties als je ze van laag naar hoog ordent.
Waarom eerder mediaan dan gemiddelde? Als je gemiddelde niet meer betrouwbaar is door
een extreme score (2000 per uur per week).
Wat als je geen exact middelpunt hebt? Dan neem je van de twee middelpunten het
gemiddelde.
50% zit daarboven, 50% zit daaronder
- Modus = de waarde die het vaakst voorkomt (Kunnen er ook 2 zijn)
Waarom deze gebruiken? Denk aan het voorbeeld van vervoer.. (Nominaal) Je kan geen
gemiddelde of mediaan gebruiken. Maar wel een modus: Fiets is meest genoemd.
Dus bij categorische variabelen is modus erg handig.
Bij verschillende data heb je verschillende centrummaten:
Nominaal: Modus
Ordinaal: Modus, Mediaan
Scale: Modus, Mediaan, Scale
3) Verdeling (Distributie)
De waarden die een variabele aanneemt en hoe vaak elke waarde voorkomt
Gemiddelde: 6,5
90% tussen 6 en 7? en de rest echt slecht
Of niemand 6 en 7 maar 50% een 4, en 50% een 9
Daarom belangrijk om een distributie te maken, hoeveel van ieder.
- Frequentietabel
, Hoorcolleges Beschrijvende en Inferentiële Statistiek
559 zijn de haai-aanvallen, dat zijn de cases dus. Zij variëren per regio. Vraag jezelf: Wat
varieert? Proportie is altijd 0 en 1! Percentage is altijd x 100!
- Staafdiagram (bar chart)
Door de ruimte tussen de staven is te zien dat het een staafdiagram. Ze zijn los van elkaar
want de ruimte tussen in is niet inhoudelijk, er is geen ordening. Het wordt niet vergeleken
met elkaar, ze staan los van elkaar.
- Histogram
Hier zijn de balkjes wel naast elkaar, hier gaat het om een kwantitatieve variabele. Dit gaat
namelijk om 0 tot 1, dus de stappen tussen in moeten in begrepen worden.
Die stap van 0 naar 1 betekend ook daadwerkelijk iets, dat er meer doden zijn gevallen
dan 0. Het wordt dus vergeleken.
Dus weer: bij data, hou rekening met welke verdeling je te maken hebt.
Nominaal: Bar chart, balkjes staan los
Ordinaal: Histogram
Scale (interval/ratio): Histogram
, Hoorcolleges Beschrijvende en Inferentiële Statistiek
Histogram kan er op verschillende manieren uitzien:
Symmtetrische verdeling (Unimodal): Het gemiddelde, modus en mediaan vallen samen
Kunnen wij kwantitatieve wetenschappers veel mee. Goede gemiddelde = klokvormig
Tweetoppige verdeling (Bimodal): gemiddelde en mediaan liggen tussen de twee toppen.
Modus is de langste. De standaardafwijking is relatief groot.
Scheve verdelingen: (als je op de berg staat, welke richting ga je op)
Skewed to the right: inkomen in Nederland
Outlier (uitbijter): waarneming die ver af wijkt = oplossing: mediaan
Gemiddelde en mediaan liggen rechts van de top, grote standaardafwijking door de staart
Skewed to the left: levensverwachting (loopt langzaam op)
niemand wordt 130 jaar oud. (modaal inkomen = modus)
Gemiddelde en mediaan liggen links van de top, grote standaardafwijking door de staart
Hoorcollege 1.
Hoofdstuk 1 = Methodologie
Hoofdstuk 2 = Beschrijvende univariate statistiek
Significant? = geen toevallige afwijking
Onzekerheidsmarge?
Beschrijvende statistiek: samenvatting van de verkregen data
Inferentiële statistiek: uitspraken en voorspellingen doen over hele populatie op basis van
de verkregen data (steekproef) to infer..
Vandaag alleen beschrijvende, alleen één variabele:
1) Meetniveau van variabelen
Categorisch
a) Categorische variabelen: Je kan er geen gemiddelde van maken of volgorde, statistiek
kan je weinig mee doen. Geen getallen.
Nominaal: meerdere groepen, maar er is geen rangordening zoals studierichting CW en
BO, je hebt geen gemiddelde
Uitzondering: Dichotoom: dummy variabele: 0/1 kenmerk
Ordinaal: De groepen hebben een rangordening, maar geen vaste afstand. Bijv.
rangen in het leger, opleidingsniveau, kledingmaat etc. (Worden ook weleens kwantitatief
behandeld)
“In hoeverre bent u het er mee eens?” ook niet duidelijk de afstanden.
Kwantitatieve variabelen:
“Scale:” Interval/ratio: ze hebben gemeen: rangordening, en gelijke stappen
bijvoorbeeld leeftijd: telkens een jaar er tussen
- Interval:
- Ratio:
Discreet vs. Continu
- Discreet: variabele waarbij slechts bepaalde waarden kunnen voorkomen, bijvoorbeeld
alleen hele getallen (aantal kinderen, je heb geen halve kind).
“Aantal keer dat je per jaar naar de kapper gaat”
- Continu: variabele waarbij oneindig veel mogelijkheiden zijn in waarde, zoals tijd, afstand,
gewicht.
Variabelen: kenmerken waarop onze cases kunnen variëren
Cases (Analyse eenheden): de mensen
, Hoorcolleges Beschrijvende en Inferentiële Statistiek
2) Centrale tendentie (Centrummaten)
- Gemiddelde = Verwachtingswaarde of verwachting
Gemiddelde is beste gok over een waarneming als je verder niks weet
Totaal observaties/Aantal observaties hoeven geen hele getallen te zijn
Wordt aangeduid door een dakje!
- Mediaan = Het middelpunt van de observaties als je ze van laag naar hoog ordent.
Waarom eerder mediaan dan gemiddelde? Als je gemiddelde niet meer betrouwbaar is door
een extreme score (2000 per uur per week).
Wat als je geen exact middelpunt hebt? Dan neem je van de twee middelpunten het
gemiddelde.
50% zit daarboven, 50% zit daaronder
- Modus = de waarde die het vaakst voorkomt (Kunnen er ook 2 zijn)
Waarom deze gebruiken? Denk aan het voorbeeld van vervoer.. (Nominaal) Je kan geen
gemiddelde of mediaan gebruiken. Maar wel een modus: Fiets is meest genoemd.
Dus bij categorische variabelen is modus erg handig.
Bij verschillende data heb je verschillende centrummaten:
Nominaal: Modus
Ordinaal: Modus, Mediaan
Scale: Modus, Mediaan, Scale
3) Verdeling (Distributie)
De waarden die een variabele aanneemt en hoe vaak elke waarde voorkomt
Gemiddelde: 6,5
90% tussen 6 en 7? en de rest echt slecht
Of niemand 6 en 7 maar 50% een 4, en 50% een 9
Daarom belangrijk om een distributie te maken, hoeveel van ieder.
- Frequentietabel
, Hoorcolleges Beschrijvende en Inferentiële Statistiek
559 zijn de haai-aanvallen, dat zijn de cases dus. Zij variëren per regio. Vraag jezelf: Wat
varieert? Proportie is altijd 0 en 1! Percentage is altijd x 100!
- Staafdiagram (bar chart)
Door de ruimte tussen de staven is te zien dat het een staafdiagram. Ze zijn los van elkaar
want de ruimte tussen in is niet inhoudelijk, er is geen ordening. Het wordt niet vergeleken
met elkaar, ze staan los van elkaar.
- Histogram
Hier zijn de balkjes wel naast elkaar, hier gaat het om een kwantitatieve variabele. Dit gaat
namelijk om 0 tot 1, dus de stappen tussen in moeten in begrepen worden.
Die stap van 0 naar 1 betekend ook daadwerkelijk iets, dat er meer doden zijn gevallen
dan 0. Het wordt dus vergeleken.
Dus weer: bij data, hou rekening met welke verdeling je te maken hebt.
Nominaal: Bar chart, balkjes staan los
Ordinaal: Histogram
Scale (interval/ratio): Histogram
, Hoorcolleges Beschrijvende en Inferentiële Statistiek
Histogram kan er op verschillende manieren uitzien:
Symmtetrische verdeling (Unimodal): Het gemiddelde, modus en mediaan vallen samen
Kunnen wij kwantitatieve wetenschappers veel mee. Goede gemiddelde = klokvormig
Tweetoppige verdeling (Bimodal): gemiddelde en mediaan liggen tussen de twee toppen.
Modus is de langste. De standaardafwijking is relatief groot.
Scheve verdelingen: (als je op de berg staat, welke richting ga je op)
Skewed to the right: inkomen in Nederland
Outlier (uitbijter): waarneming die ver af wijkt = oplossing: mediaan
Gemiddelde en mediaan liggen rechts van de top, grote standaardafwijking door de staart
Skewed to the left: levensverwachting (loopt langzaam op)
niemand wordt 130 jaar oud. (modaal inkomen = modus)
Gemiddelde en mediaan liggen links van de top, grote standaardafwijking door de staart
