STATISTIEK 2
INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN
Hoofdstuk 1: inductieve statistiek in onderzoek
Welke plaats heeft statistiek in onderzoek en wat is het kernprobleem van de inductieve
statistiek? (1.1 – 1.4)
Bv: we vragen ons af of verschillende soorten muziek
een invloed heeft op onze gemoedstoestand
- We zetten een experiment op met
deelnemers
o Groep 1: luistert naar muziek A
▪ Zwaarmoedige muziek
o Groep 2: luistert naar muziek B
▪ Opgewekte muziek
- Wat kunnen we zeggen over de depressieve
gevoelens van deze personen na het
beluisteren van deze muziek?
o De score van A heeft een score van 102
o De score van B heeft een score van 99
o Hoe hoger de score → hoe meer depressieve gevoelens
- De muziek van groep A wakkert meer depressieve gevoelens aan, maar verschil
tussen 99 en 102 is erg klein
- De muziek heeft dus geen effect gehad op MEER depressieve gevoelens
→ Belangrijker verschil, met een groot verschil met dus een duidelijk
effect van muziek op depressieve gevoelens
→ Al moeilijker
PROBLEEM: wanneer is het verschil groot genoeg?
Statistiek biedt regels om te beslissen; berekeningen zijn nodig om regels te kunnen
toepassen
, We vertrekken vanuit een hypothese → wat
doet de verzamelde data met onze theorie
Behouden/aanpassen van theorie?
- Wanneer is een verschil groot genoeg = kernprobleem van de inductieve statistiek
- Wanneer kunnen we het verschil generaliseren naar populatie?
o Verschil significant → generaliseren naar populatie
- Statistiek biedt regels om te beslissen via HYPOTHESETOETSING EN SIGNIFICANTIE
Wat is de rol van kansberekening en toetsen in de statistiek? (1.5 - 1.6)
- Statistische significantie nagaan d.m.v. kansberekening
- Is het geobserveerde verschil groot genoeg om significant te zijn?
- Kansberekening nodig
Als we een hypothese gaan toetsen →
Data verzamelen → stuk populatie in behandeling genomen en
observaties gedaan en hier een kansberekening opdoen
Als we kans hebben berekend → grote kans = wellicht geen echt
verschil → onze behandeling heeft niet echt een effect gehad, ook
niet in de werkelijkheid
, → Als er een kleine kans: dan is er misschien een echt verschil
in werkelijkheid
Als de kans klein is dat we een verschil gaan zien tussen
condities
- Hoe moeten we die kans berekenen?
o Op basis van kansverdelingen (bv: standaardnormale verdeling)
o Met behulp van verschillende toetsen
- Wat is dan een “grote” en wat is dan een “kleine” kans?
o 5% of 0,05 meest courant → grens
Kunnen we met 100% zekerheid zeggen of de behandeling werkt?
- In de statistiek zijn we NOOIT 100% zeker van een conclusie
o Maar dat is niet zo erg
- Onzekerheid is geen probleem, als we maar de mate van onzekerheid kennen
o Bv: “we concluderen met 95% zekerheid dat popfunk zorgt voor een betere
gezondheidstoestand dan melancholische rock”
o Maar 50% zekerheid is geen zekerheid
, Zekerheid neemt toe met aantal studies:
- Bv: fietshelmen: nut?
- Studies die het ene aanwijzen, maar andere die
ook het andere uitwezen
Vanuit sociale psychologie weten we → veel
omstaanders → weinig effect maar niet omdat
één studie eens iets anders aanwijst dat we alles
overboord moeten gooien van andere conclusies
Toetsingssituaties zijn heel uiteenlopend:
➔ Uiteenlopende toetsen
Hoe kan statistiek misbruikt worden en wat doen we daaraan? (1.7 – 1.8)
→ In reclame – klinkt heel sterk: maar wat
betekent dit? Zijn ALLE BELGEN ondervraagd?
Steekproef? Veel onduidelijkheden
→ 5 maal langer mee, dan wat?
→ Slechte methodologie, geen juiste deelnemers,
geen controlegroep, …
INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN
Hoofdstuk 1: inductieve statistiek in onderzoek
Welke plaats heeft statistiek in onderzoek en wat is het kernprobleem van de inductieve
statistiek? (1.1 – 1.4)
Bv: we vragen ons af of verschillende soorten muziek
een invloed heeft op onze gemoedstoestand
- We zetten een experiment op met
deelnemers
o Groep 1: luistert naar muziek A
▪ Zwaarmoedige muziek
o Groep 2: luistert naar muziek B
▪ Opgewekte muziek
- Wat kunnen we zeggen over de depressieve
gevoelens van deze personen na het
beluisteren van deze muziek?
o De score van A heeft een score van 102
o De score van B heeft een score van 99
o Hoe hoger de score → hoe meer depressieve gevoelens
- De muziek van groep A wakkert meer depressieve gevoelens aan, maar verschil
tussen 99 en 102 is erg klein
- De muziek heeft dus geen effect gehad op MEER depressieve gevoelens
→ Belangrijker verschil, met een groot verschil met dus een duidelijk
effect van muziek op depressieve gevoelens
→ Al moeilijker
PROBLEEM: wanneer is het verschil groot genoeg?
Statistiek biedt regels om te beslissen; berekeningen zijn nodig om regels te kunnen
toepassen
, We vertrekken vanuit een hypothese → wat
doet de verzamelde data met onze theorie
Behouden/aanpassen van theorie?
- Wanneer is een verschil groot genoeg = kernprobleem van de inductieve statistiek
- Wanneer kunnen we het verschil generaliseren naar populatie?
o Verschil significant → generaliseren naar populatie
- Statistiek biedt regels om te beslissen via HYPOTHESETOETSING EN SIGNIFICANTIE
Wat is de rol van kansberekening en toetsen in de statistiek? (1.5 - 1.6)
- Statistische significantie nagaan d.m.v. kansberekening
- Is het geobserveerde verschil groot genoeg om significant te zijn?
- Kansberekening nodig
Als we een hypothese gaan toetsen →
Data verzamelen → stuk populatie in behandeling genomen en
observaties gedaan en hier een kansberekening opdoen
Als we kans hebben berekend → grote kans = wellicht geen echt
verschil → onze behandeling heeft niet echt een effect gehad, ook
niet in de werkelijkheid
, → Als er een kleine kans: dan is er misschien een echt verschil
in werkelijkheid
Als de kans klein is dat we een verschil gaan zien tussen
condities
- Hoe moeten we die kans berekenen?
o Op basis van kansverdelingen (bv: standaardnormale verdeling)
o Met behulp van verschillende toetsen
- Wat is dan een “grote” en wat is dan een “kleine” kans?
o 5% of 0,05 meest courant → grens
Kunnen we met 100% zekerheid zeggen of de behandeling werkt?
- In de statistiek zijn we NOOIT 100% zeker van een conclusie
o Maar dat is niet zo erg
- Onzekerheid is geen probleem, als we maar de mate van onzekerheid kennen
o Bv: “we concluderen met 95% zekerheid dat popfunk zorgt voor een betere
gezondheidstoestand dan melancholische rock”
o Maar 50% zekerheid is geen zekerheid
, Zekerheid neemt toe met aantal studies:
- Bv: fietshelmen: nut?
- Studies die het ene aanwijzen, maar andere die
ook het andere uitwezen
Vanuit sociale psychologie weten we → veel
omstaanders → weinig effect maar niet omdat
één studie eens iets anders aanwijst dat we alles
overboord moeten gooien van andere conclusies
Toetsingssituaties zijn heel uiteenlopend:
➔ Uiteenlopende toetsen
Hoe kan statistiek misbruikt worden en wat doen we daaraan? (1.7 – 1.8)
→ In reclame – klinkt heel sterk: maar wat
betekent dit? Zijn ALLE BELGEN ondervraagd?
Steekproef? Veel onduidelijkheden
→ 5 maal langer mee, dan wat?
→ Slechte methodologie, geen juiste deelnemers,
geen controlegroep, …
