Nederlandse samenvatting van The Analysis of Biological Data, ISBN: 9781319325343 Methoden van Onderzoek en Statistiek

Hoofdstuk 1: Statistics and samples

1.1 Wat is statistiek?

- Statistiek = Bestudeert methodes om metingen en beschrijvingen uit samples te kunnen halen.
- Schatten / statistiek = Een proces waarbij hoeveelheden worden afgeleid van een kleine groep
om het toe te kunnen passen op een populatie.
- Parameters = Een hoeveelheid die een populatie beschrijft.
Wat is wetenschap?
 Kennis opbouwen
o Alledaagse methodes: common sense, intuïtie, ervaring, autoriteit
o Wetenschap
- Autoriteit: Iemand waarvan we aannemen dat ze veel weten van bepaalde onderwerpen

1.2 Steekproefpopulaties

- Bij het kiezen van welke dieren meedoen aan een onderzoek moeten ze allemaal gelijk worden
behandeld (alle katten naar de dieranarts) en ook in elke testgroep ongeveer even veel testers
zitten (van elke verdieping evenveel katten).
- Populatie = alle individuen die interessant kunnen zijn
- Steekproef = Een kleiner deel van de gehele populatie (kunnen meerdere dingen zijn, één cel
etc.)

Fouten die je kan maken bij het kiezen van een steekgroep:
-> Sampling error: De kans dat er verschillen tussen de gehele populatie zitten en de steekproef die
gemaakt is en dus niet helemaal representatief is
-> Sampling bias: Je bent bevooroordeeld bij het kiezen van de groep waardoor hij niet meer
representatief is. Bijv. Als muizen vrouwtjes eerder in vallen lopen dan mannen is het biased door
alleen de muizen uit de vallen te onderzoeken want dat zijn meer vrouwtjes dan mannetjes.
-> Observer bias: Je hebt verwachtingen doordat je een
observatie hebt gedaan. Je bent persoonlijk betrokken bij
het onderzoek.
-> Volunteer bias: Wanneer mensen vrijwillig mee moeten
doen en er is te veel verschil tussen de mensen die er zijn
en bij welk


Dus: Random sampling!!
- Equal = Hierbij heeft iedere persoon van de populatie
evenveel kans om mee genomen te worden in het
onderzoek.
- Independent = Het kiezen van bepaalde individuen
staat los van het kiezen van andere, dit beïnvloed elkaar niet
 Geef alle mensen van de populatie een nummer en laat de computer random het gewenste
aantal mensen kiezen.

Alternatief =
- Sample of convenience: collectie van individuen die makkelijke toegankelijk zijn voor
onderzoekers -> niet goed. Niet representatief.

,1.3 Typen data en variabelen

- Variabelen: Karaktereigenschappen die verschillen onder individuen
1. Categoriale variabelen: Ze beschrijven kwalitatieve karaktereigenschappen van individuen
die niet overeenkomen met nummers, zoals gender, sekse etc.
o Nominaal: Geeft een verschil aan
o Ordinaal: Geeft een volgorde aan waarbij het verschil onduidelijk is (bijv. eens-
neutraal-oneens)
2. Numerieke variabelen: kwantitatieve metingen die iets-zeggende nummers zijn. Zoals
gewicht of leeftijd.
o Discrete numerieke: Een direct nummer over hoe veel van iets er was.
o Doorgaande (continuous) numerieke: Een getal dat gaat over een langere
periode, zoals een dagdeel. Ze kunnen elk nummer aannemen
- Associaties tussen twee variabelen:
 Uitleggende variabelen: De eerste variabele die je gaat vergelijken -> onafhankelijk
 Reagerende variabelen: De tweede variabelen dus reageert op de eerste -> afhankelijk
- Confounding variabele: Een extra variabele die het verband tussen 2 al onderzochte variabelen
verstoort.

1.4 Frequentieverdeling en kansverdeling

- Frequentieverdeling (frequency distribution): Beschrijft hoe vaak elke waarde van een variabele
terug komt in een onderzoek.
o Absolute frequency: Hoe vaak de waarde is geobserveerd
o Relative frequency: De verhouding van individuen die die bepaalde waarde hebben
- Kansverdeling (probability distribution): De verdeling van een variabele onder een hele populatie.
Dit wordt vaak geschat door een ‘normal distribution’ dus door te kijken hoe het over het
algemeen is

1.5 Verschillende onderzoeken

1. Kwalitatief vs. kwantitatief
o Kwalitatief = bijv. interviews. Is wel moeilijk om objectief te houden.
o Kwantitatief = alles omzetten in getallen
2. Observatie vs. Experiment
o Observatie = alleen naar iets kijken. Er wordt dus geen behandeling aangewezen
o Experiment = het manipuleren, dus zorg je dat je kan weten wat er precies gebeurd met de
deelnemers. De onderzoeker geeft dus de specifieke behandeling aan bepaalde mensen
3. Deductief vs. Inductief
o Deductief (beschrijvend) = Je blijft binnen het systeem, dus kijkt alleen naar de proefdieren
-> Beschrijvende statistiek = Het samenvatten van je metingen
o Inductief (inferentie) = Je gaat verder kijken naar nieuwe elementen en maakt
voorspellingen over allemaal.
-> Toets-statistiek = Met behulp van kansrekening inschatten of we te maken hebben
met een toevalstreffer
Deductief
Observationeel ->
Kwaliteit of kwantitatief!! -> Inductief
Experimenteel

,Kwantitatief -> Vb. Hoeveel kleuren heeft een pauw in zijn veren t.o.v. de hoeveelheid dat ze paren
wat in een grafiek kan worden weergegeven.

- Heterogeen: Variatie op de belangrijke eigenschappen
- Homogeen: Geen variatie op de belangrijke eigenschappen.
Empirische cyclus: (Adriaan de Groot)
Waarneming
1. Inductiefase - Bewering van hoe je denkt dat iets zit
Onderzoekshypothese -> - Hij moet spaarzaam zijn = niet te veel rotzooi
2. Deductiefase er om heen
Voorspellingen - Hij moet falsificeerbaar zijn (Popper)
3. Toetsingsfase
Resultaten
4. Evaluatiefase

Niet of moeilijk testbaar: paranormale gaven, homeopathie, psychoanalyse, gevolgen van
evolutietheorie etc.

Correctiemechanisme:
- Peer review: Voordat het wordt gepubliceerd laten ‘checken’ door andere mensen.
- Replicatie: Resultaten moeten worden gerepliceerd, dus door andere mensen worden uitgevoerd
1. Directe replicatie: Een onderzoek wordt in exact dezelfde onderzoekssetting gerepliceerd
2. Systematische replicatie: Enkele aspecten uit de onderzoekssetting worden veranderd en
je doet het ongeveer na. Als dit klopt is het dus niet heel gevoelig voor de exacte
omstandigheden.
3. Conceptuele replicatie: Toetst dezelfde onderzoeksvraag maar in een gehele nieuwe
setting. Hierbij wordt het generaliseerd naar waar je het allemaal voor kunt gebruiken.


Hoofdstuk 2: Het weergeven van data

2.1 Hulpmiddelen voor een effectieve grafiek

2 doelen van grafieken:
1. Het laten zien van een patroon in data = analyse
2. Het makkelijker te lezen maken voor een groter publiek = presentatie

Wel doen:
- Laat de data goed zien
- Maak patronen duidelijk om te zien
- De grootte van de getallen moeten kloppen t.o.v. elkaar, dus de staaf van 500 ligt dicht bij die
van 510
- Maak grafiek elementen duidelijk

2.2 Data laten zien voor één variabele

Categoriale data: frequentie en bargrafiek

, Bell-shaped
Vermijden = cirkeldiagram!!!
Numerieke data: frequentietabel en histogram
- Mode: De frequentie die het vaakst voorkomt
- Symmetrisch = Als de linker kant een exacte kopie
is van de andere kant van de grafiek
- Outliner: Een meting die ver buiten alle andere metingen vallen

2.3 De connectie tussen twee variabelen en twee groepen laten zien

- Connecties tussen categoriale variabelen laten zien:
o Kruistabel (Contingency table): Dit is vooral handig voor
experimentele data. Het laat de frequentie van de
verschillende categorieën zien als reactie op een
bepaalde variabele.
o Groeperende staafgrafiek: Gebruikt de hoogte van de
staven om de frequentie te laten
zien van meerdere categoriale
variabelen.
o Mozaïek plot: Hetzelfde als de group
staafgrafiek maar zijn ze
opgestapeld.

- Connecties laten zien tussen numerieke variabelen:
o Spreidingsdiagram (scatter plot):

- Connectie laten zien tussen een numerieke en categoriale variabele:
o Strip grafiek: Alle data is laten zien met een rondje
o Violin grafiek: Geeft de ruwe frequentie verdeling weer van
een numerieke variabele in elke groep en zijn spiegelbeeld.




2.4 Het laten zien van trends in tijd en ruimte

- Gebruikt als een soort van samenvatting voor de data op een bepaalde tijd en locatie gemeten
o Een lijn grafiek
o Een kaart