Statistiek: theorie - samenvatting in woordenlijst-vorm

H1: Inleiding
Steekproef  Steekproef: onderzoekspopulatie, de groep die bevraagd/onderzocht wordt in het onderzoek
doelpopulatie Doelpopulatie: de volledige populatie die de steekproef moet representeren
Onderzoeksvormen 1. Observationeel onderzoek
 Cohort (kan retrospectief, transversaal of prospectief zijn)
 Case-control (enkel retrospectief)
2. Experimenteel onderzoek
 Cohort (altijd prospectief)
2 soorten AV = afhankelijke variabele = uitkomstvariabele (outcome)
variabelen op vlak OV = onafhankelijke variabele = verklarende variabelen
van gebruik
2 soorten 1. Categorische variabelen (kwalitatieve)
variabelen op vlak  Nominaal (geen ordening) vb. man/vrouw
van inhoud  Ordinaal (wel ordening) vb. disease staging
 Dichotoom (ja/nee, 0/1)
2. Numerieke variabelen (kwantitatieve)
 Discreet (gehele getallen/aantallen) vb. dagen ziekte
 Continu (oneindig aantal getallen) vb. gewicht in kg, lenge,…
 Interval
 Ratio schaal
2 soorten statistiek 1. Beschrijvende statistiek
 Overzichtelijk samenvatten van data: grafische / numerieke weergave
2. Verklarende statistiek
 Schatten van effecten / relaties – hypothese testen
 Betrouwbaarheid van de onderzoeksresultaten

,H2: Beschrijvende statistiek
Grafische 1. Categorische variabelen
weergaven  Staafdiagram (bar chart)
 Taartdiagram (pie chart)
2. 2 Categorische variabelen
 Geclusterde / gesegmenteerde staafdiagram
3. Continue variabelen
 Histogram
 Tak-en-blad diagram (stem-en-leaf plot)
4. 2 continue variabelen
 Puntenwolk (scatterplot)
Numerieke 1. Categorische variabelen
weergaven  Frequentietabel
2. Categorische variabelen met missende waarden
 Frequentietabel met valid percent
Centrummaten 1. Modus
 = de meest voorkomende waarde in de dataset
 Weinig informatief
 Ook voor categorische variabelen
 Voordelen:
 Snel determineerbaar
 Nadelen
 Negeert veel informatie
 Niet zo correct
2. Rekenkundig gemiddelde
 = alle waarden optellen en delen door n
 Enkel indicator bij normaal verdelingen
 Voordelen:
 Gebruikt alle data
 Wiskundig meetbaar
 Nadelen:
 Vervormd door uitschieters en scheve verdelingen
3. Mediaan
 Alle resultaten ordenen en hierbij P50 (percentiel 50%) bekijken
 Er zijn 4 percentielen
 Voordelen:
 Niet vervormd door uitschieters of scheve verdelingen
 Nadelen:
 Negeert veel informatie
 Niet wiskundig gedefinieerd
4. Geometrisch gemiddelde
 Bij transformatie van niet-normaal verdeelde variabelen (rechts scheef)
 Logaritme nemen van elke waarde
 Gemiddelde nemen van getransformeerde waarden
 Dit gemiddelde tot de e^x doen om opnieuw in oorspronkelijke eenheid te praten
 Voordelen:
 Wiskundig meetbaar en maakt gebruik van alle data
 Handig voor rechts scheve verdelingen
 Nadelen:
 Alleen bruikbaar als de logaritme transformatie zorgt voor een normale
verdeling
Normaal- Kenmerken:
verdeling - Observaties zijn symmetrisch verdeeld rond het gemiddelde  gemiddelde =
mediaan (geen uitschieters)
- Klokvormig met 95% van de observaties tussen gem +/- 2 keer sd

, Niet normale Scheef naar rechtse verdeling
verdelingen - Gemiddelde > mediaan
Scheef naar linkse verdeling (vb. geboortegewicht)
- Gemiddelde < mediaan
Spreidingsmaten 1. Variantie
 De gemiddelde afstand van elke variabele tot het gemiddelde
 Omdat het getal in de teller 0 kan zijn en dit vermeden moet worden zal het
kwadraat genomen worden van iedere verhouding (= s²)
 Voordelen:
 Gebruikt elke observaties van de dataset
 Wiskundig gedefinieerd
 Nadelen:
 Er wordt een kwadraat genomen (dus niet de rauwe dataset)
 Gevoelig voor uitschieters
 Gevoelig voor scheef verdeelde variabelen
2. Standaarddeviatie
 Sd is de vierkantswortel van de variantie
 Dit zijn alleen goede indicatoren bij normaal verdeelde variabelen
 Voordelen:
 Gebruikt elke observatie van de dataset
 Wiskundig gedefinieerd
 Zelfde eenheid als de rauwe data (geen kwadraat meer)
 Makkelijk interpreteerbaar
 Nadelen:
 Gevoelig voor uitschieters
 Gevoelig voor scheef verdeelde variabelen
3. Range
 (minimum, maximum)
 Voordelen:
 Snel determineerbaar
 Nadelen:
 Gebruikt maar 2 observaties van de volledige dataset
 Vervormd door uitschieters
 Zal stijgen wanneer de steekproef stijgt
4. Interkwartiel-range
 Tussen percentiel P25 en P75 zit dus 50% van de variabelen
 Voordelen:
 Geen effect van uitschieters
 Onafhankelijk van de grootte van de steekproef
 Kan gebruikt worden bij scheef verdeelde variabelen
 Nadelen:
 Moeilijk te berekenen
 Kan niet gebruikt worden bij kleine steekproeven
 Gebruikt maar 2 observaties van de data set
 Niet wiskundig gedefinieerd
Numerieke / 1. Continue variabelen
grafische  Box-and-whisker plot / boxplot
weergave
Normaliteit - Observeren histogram
nagana - Vergelijken van gemiddelde en mediaan (symmetrie?)
- Vergelijken van gemiddelde en standaarddeviatie (klokvorm?)