Samenvatting Statistiek van de sociale wetenschappen | KU Leuven | 2025/26

HOOFDSTUK 1: DOEL VAN STATISTIEK


1. DOEL VAN STATISTIEK

Dataficatie van de samenleving = dagdagelijkse acties en interacties worden omgezet in data die kunnen worden
opgevolgd. Bijv. aantal stappen, hartslag, menstruatiecyclus, Strava, …



Social data science = combinatie tussen domeinspecifieke kennis van sociale wetenschappen, computer-
wetenschappen en datawetenschappen.

=> vormt in grote mate de toekomst van de sociale wetenschappen.



Data-analyse = de kunst en de wetenschap van het verzamelen, organiseren, presenteren, analyseren en
interpreteren van data met als doel inzicht verwerven op basis van deze data.

 Kunst, want interpretatief. Verschillende onderzoekers kunnen tot andere uitkomsten komen.
 Wetenschap, want objectief. Alle onderzoekers moeten tot dezelfde uitkomst komen.
 Data
- Verschillende bronnen: survey, experiment, sociale media data, administratieve data, geodata, …
o Nieuwste bron van data = digital trace data
= de hele dag door genereer je data, bijv. via de muziek die je beluistert of de online posts die je
bekijkt.
- Verschillende vormen: numeriek, tekst, afbeeldingen, audio, …



Met correcte statistiek kun je niets bewijzen. Je kunt nooit met volledige zekerheid een uitspraak doen. Wat je wel
kunt, is de kans op fouten zo klein mogelijk maken.



2. VAN PROBLEEMSTELLING NAAR DATA-ANALYSE

Het startpunt van elk statistisch onderzoek is de onderzoeksvraag: Wat willen we weten? Welke inzichten willen we
verwerven? => start vanuit probleemstelling. Wat is het vraagstuk dat een antwoord of inzicht nodig heeft?




Onderzoekseenheden = objecten waarop het onderzoek betrekking heeft en waarbij kenmerken gemeten worden.

Populatie = verzameling van onderzoekseenheden.

 Hoe definiëren? Kenmerken onderzoekseenheden + afbakening in tijd en ruimte.
- Bijv. alle jongeren in het vierde middelbaar in Vlaanderen in 2013

Steekproef = deelverzameling van elementen uit de populatie.

 Elk element uit de populatie heeft een berekenbare kans verschillend van 0 om in de steekproef te zitten.
 Steekproef moet representatief zijn voor de populatie.
- Een steekproef is representatief voor een kenmerk als dat kenmerk in dezelfde verhouding voorkomt in
de steekproef als in de hele populatie.

,Beschrijvende statistiek = exploratie en samenvatting van ruwe data. Bijv. gemiddelde, variantie, frequentie, …

 Univariate statistiek = het beschrijven van 1 kenmerk.
- Bijv. leeftijd, geslacht, aantal glazen alcohol, …
 Bivariate statistiek = het beschrijven en verklaren van het verband tussen 2 kenmerken.
- Bijv. het verband tussen geslacht en het aantal glazen alcohol

Steekproefstatistiek = het berekenen en samenvatten van cijfers uit een steekproef, zodat je kenmerken van de
populatie kunt inschatten. (= populatieparameter)

Inductieve statistiek = het veralgemenen van de steekproef naar de populatie.

n = omvang van de steekproef / de onderzoekseenheden



Wet van de grote aantallen = hoe meer steekproefgegevens (n) ik heb, hoe groter de nauwkeurigheid + hoe beter de
benadering van populatiewaarde.

 Bijv. als je van 500 leerlingen er 400 om hun leeftijd vraagt en het gemiddelde berekent, zal dit gemiddelde
dichter bij het werkelijke populatiegemiddelde liggen dan wanneer je slechts 100 leerlingen bevraagt.



2.1.Meten van gegevens

Alle antwoorden die verkregen worden, worden genoteerd in een dataset.




De meetprocedure (bijv. minuten, graden, schalen, …) gaat de meettechniek bepalen.

Het is belangrijk om missende waarde ook te noteren, want dit kan invloed hebben op de representativiteit.



Gegevens / kenmerken / variabele = eigenschappen bij onderzoekseenheden.

Uitkomstenverzameling 𝛷 = verzameling van alle mogelijke uitkomsten van een variabele.

Meetprocedure = wijze waarop gegevens gemeten worden. => afhankelijk van de procedure krijg je andere inzichten.

Kwantitatieve meetschalen = numeriek

 Bijv. variabele: politieke links-rechts identificatie
meetprocedure: 0-10 schaal in kwantitatieve meetschaal
uitkomstenverzameling: 𝛷 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}

Kwalitatieve meetschalen = in categorieën

 Bijv. variabele: politieke links-rechts identificatie
meetprocedure: kwalitatieve categorieën
uitkomstenverzameling: 𝛷 = {extreemlinks, links, centrumlinks, centrum, centrumrechts …}

,!!! 𝛷 = {onder 50%, 50%-70%, 70%-90%, boven 90%} is kwalitatief



Data cleaning is nodig om data klaar te maken voor analyse. Input in verschillende vormen (bijv. “10”, “10%”, “tien
procent”) kan fouten veroorzaken. Verwijder tekens en woorden, laat alleen getallen over.



2.1.1. Classificatie van gegevens

Classificatie op basis van …

Aard van de uitkomstenverzameling (= meetniveau)

 Kwalitatief
- Nominaal
= classificeren in categorieën. Bijv. geslacht, nationaliteit, …
Geen logische ordening.
Geen wiskundige bewerkingen mogelijk.
Meetschaal is eindig, exhaustief en exclusief: elke respondent moet in een categorie thuishoren.
Codes om het even welk symbool: letters, cijfers, woorden
o Bijv. 1 = man, 2 = vrouw, 3 = ander
o 𝛷 = {1, 2, 3}

- Ordinaal
= elementen van de uitkomstenverzameling kunnen geordend worden.
Geen wiskundige bewerking mogelijk, tenzij bewerkingen die gebruik maken van de ordening (bijv. de
mediaan)
Codes zijn uitdrukkingen van ordeningscriterium (best in cijfers)
o Bijv. 1 = helemaal oneens, 2 = oneens, 3 = neutraal, 4 = eens, 5 = helemaal eens
o 𝛷 = {1, 2, 3, 4, 5}

 Kwantitatief
- Interval
= vaste, kwantificeerbare meeteenheid. Bijv. temperatuur, IQ, …
Verschil kan uitgedrukt worden in hoeveelheden, maar nulpunt is arbitrair waardoor verhoudingen
tussen waarden betekenisloos zijn.
=> het nulpunt is willekeurig, 0 heeft geen vaste betekenis. Bijv. Celsius vs Fahrenheit
Wiskundige bewerkingen zijn mogelijk.
Codes zijn getallen met numerieke betekenis., zijn meetresultaten.
o Bijv. graden, IQ-punten, …

- Ratio
= vaste, kwantificeerbare meeteenheid. Bijv. inkomen, misdaadcijfers, aantal kinderen, …
Verschil kan uitgedrukt worden in hoeveelheden, nulpunt is bepaald waardoor verhoudingen tussen
waarden zinvol zijn.
=> 0 heeft een vaste betekenis: de afwezigheid van …
Wiskundige bewerkingen zijn mogelijk.
Codes zijn getallen met numerieke betekenis, zijn meetresultaten.
o Bijv. euro, aantal inbraken, …


Het meetniveau is cruciaal voor het kiezen van de statistische methode. Data-analyse is afhankelijk van het type
variabelen.

, Omvang van de uitkomstenverzameling

 Discreet
Een discrete uitkomstenverzameling is aftelbaar.
- Tussen twee opeenvolgende uitkomsten kan je geen derde uitkomst bedenken.
- Aftelbaar eindig: 𝛷 = {m1, m2, … mk}
o Bijv. nominale variabele ‘bloedgroep’ => 1 = A, 2 = B, 3 = AB, 4 = O
o 𝛷 = {1, 2, 3, 4}
- Aftelbaar oneindig: 𝛷 = {m1, m2, … mk} ⊂ ℝ
o Bijv. ratio variabele ‘aantal kinderen’

 Continu
Een continue uitkomstenverzameling is niet telbaar.
- Voor elke twee willekeurige waarden van de 𝛷 is er een derde mogelijke uitkomst die tussen de twee
eerste ligt.
- Uitkomsten verzameling is oneindig: 𝛷 ⊂ ℝ
o Bijv. temperatuur, gewicht, …
- In de praktijk: de variabelen zijn continu, maar worden voorgesteld als discrete variabelen.
o Bijv. temperatuurverschillen afronden tot het dichtstbijzijnde gehele getal. 21,645 °C



!!! Soms worden kwantitatieve variabelen gegroepeerd tot ordinale / nominale variabelen.

 = kwantitatieve variabelen groeperen in klasse zodat je kwalitatieve variabelen krijgt.
 Bijv. leeftijdsgroepen: 18-30, 31-40, 41-50, 50 plus => verlies aan informatie.



!!! Soms worden ordinale variabelen als quasi-interval variabelen beschouwd, indien de ordinale meetschaal breed
genoeg is (meestal 7-puntenschaal of meer).

 Bijv.




Samenvatting classificaties van gegevens:

Aard van 𝛷 Omvang van 𝛷
= meetniveau
Discreet Continu
Kwalitatief
- Nominaal Eindig: 𝛷 = {m1, m2, … mk}
- Ordinaal

Kwantitatief
- Interval Eindig of aftelbaar oneindig: Oneindig: 𝛷 ⊂ ℝ
- Ratio 𝛷 = {m1, m2, … mk} ⊂ ℝ