Aantekeningen college 1a - Statistische modellen 1
Docenten: Rink Hoekstra
Paula Hebbink ()
Stof: H4.4 t/m H9
Tijdens de practica (6 in totaal) oefen je met de stof en SPSS. De practica moeten wekelijks voor
zondag 23:59 uur ingeleverd worden en worden nagekeken door de practiumbegeleider. Alle
practica dienen gemaakt en ingeleverd te zijn, om deel te nemen aan het tentamen.
Bij dit vak gaan we uitkomsten uit een steekproef generaliseren voor een grotere groep. Hoe moet je
generaliseren? Welke technieken zijn er en welke gebruik je wanneer? Hoe kan SPSS helpen bij het
generaliseren? Doen onderzoekers het zelf wel altijd goed? Wat zijn valkuilen?
We gaan technische vaardigheden leren voor het uitvoeren van eigen onderzoek en leren kritisch te
kijken naar bestaand onderzoek.
Iedereen krijgt een unieke dataset tijdens het tentamen, die geanalyseerd moet worden.
Zie de samenvatting van Inleiding Onderzoek
--------------------------------------------------------------------------------------------------------------------------------------
1
,H4.4 Sampling distributions (steekproefverdeling)
Wat zou er gebeurt zijn als er heel veel steekproeven zouden worden genomen? Wat voor waardes
kunnen er allemaal uitkomen? Dit is een kansverdeling voor steekproeven. Iedere steekproef die je
trekt heeft een net andere uitkomst. De uitkomst van een steekproef is dus een random variabele.
De kansverdeling geeft aan wat de kans is voor iedere mogelijke uitkomst.
Stel je trekt heel vaak een steekproef uit een populatie, dan gelden de volgende bevindingen (dia
28):
1. De steekproefgemiddelden variëren minder van elkaar dan de losse scores in de populatie.
2. De verdeling van de steekproefgemiddelden is meer normaal verdeeld dan de losse scores in de
populatie. Hoe de variabelen in de populatie ook verdeeld zijn, de steekproefverdeling lijkt altijd
redelijk normaal verdeeld te zijn.
3. Het gemiddelde van de steekproefgemiddelden is hetzelfde als het gemiddelde van de scores in
de populatie.
2
, Standaardfout = 0, dan heb je een perfecte schatting van de parameter
Standaardfout > 0, dan heb je geen perfecte schatting van de parameter
Kurtosis = gepiektheid
3
Docenten: Rink Hoekstra
Paula Hebbink ()
Stof: H4.4 t/m H9
Tijdens de practica (6 in totaal) oefen je met de stof en SPSS. De practica moeten wekelijks voor
zondag 23:59 uur ingeleverd worden en worden nagekeken door de practiumbegeleider. Alle
practica dienen gemaakt en ingeleverd te zijn, om deel te nemen aan het tentamen.
Bij dit vak gaan we uitkomsten uit een steekproef generaliseren voor een grotere groep. Hoe moet je
generaliseren? Welke technieken zijn er en welke gebruik je wanneer? Hoe kan SPSS helpen bij het
generaliseren? Doen onderzoekers het zelf wel altijd goed? Wat zijn valkuilen?
We gaan technische vaardigheden leren voor het uitvoeren van eigen onderzoek en leren kritisch te
kijken naar bestaand onderzoek.
Iedereen krijgt een unieke dataset tijdens het tentamen, die geanalyseerd moet worden.
Zie de samenvatting van Inleiding Onderzoek
--------------------------------------------------------------------------------------------------------------------------------------
1
,H4.4 Sampling distributions (steekproefverdeling)
Wat zou er gebeurt zijn als er heel veel steekproeven zouden worden genomen? Wat voor waardes
kunnen er allemaal uitkomen? Dit is een kansverdeling voor steekproeven. Iedere steekproef die je
trekt heeft een net andere uitkomst. De uitkomst van een steekproef is dus een random variabele.
De kansverdeling geeft aan wat de kans is voor iedere mogelijke uitkomst.
Stel je trekt heel vaak een steekproef uit een populatie, dan gelden de volgende bevindingen (dia
28):
1. De steekproefgemiddelden variëren minder van elkaar dan de losse scores in de populatie.
2. De verdeling van de steekproefgemiddelden is meer normaal verdeeld dan de losse scores in de
populatie. Hoe de variabelen in de populatie ook verdeeld zijn, de steekproefverdeling lijkt altijd
redelijk normaal verdeeld te zijn.
3. Het gemiddelde van de steekproefgemiddelden is hetzelfde als het gemiddelde van de scores in
de populatie.
2
, Standaardfout = 0, dan heb je een perfecte schatting van de parameter
Standaardfout > 0, dan heb je geen perfecte schatting van de parameter
Kurtosis = gepiektheid
3
