Gebruik van meetschalen
1) Nominaal
2) Ordinaal
3) Interval
4) Ratio
1) Nominaal:
- Zwakste schaal
- Enkel onderscheid tussen niet – overlappende groepen
- Voorbeelden
o Woonplaats
o Haarkleur
- Je kan bij dit soort data niet meer berekenen dan frequenties of percentages van de
verschillende gegevens
- LET wel OP: deze observaties worden soms codeert!
➔ Om ze soms eenvoudiger in te voeren in statistische software paketten
- Je kan er wel niet zomaar mee gaan rekenen.
- ONDERSCHEID
2) Ordinaal
- Wanneer nominale gegevens op een natuurlijke manier geordend kunnen worden
- Vermits waarnemingen nu gerangschikt kunnen worden, kunnen we ook
➔ Mediaan berekenen
- Voorbeelden
o Waardering van bepaald product: slecht – goed
o Michelinsterren (v/e resto): 1 ster is beter dan 2 sterren
- ORDENING
➢ Nominaal + ordinaal = kwalitatief/categorisch
Beschrijven een zekere kwaliteit of eigenschap
Wat resulteert in categorieën van gegevens
Gegevens zijn steeds discreet (eindig/telbaar)
Geen vaste meeteenheid
Dus geen rekenkundige bewerkingen mogelijk
,3) Interval
- Wanneer er niet enkel een rangorde is, maar we bovendien verschillen tussen
observaties eenduidig kunnen interpreteren
- VERSCHILLEN
- Geen natuurlijk nulpunt
- Voorbeelden
o Tijd op klok (we kunnen perfect zeggen dat er een tijdsverschil van twee uur zit
tussen twee uur en vier uur, maar we kunnen niet zeggen dat vier uur dubbel zo
laat is als twee uur. En dit wegens het ontbreken van het nul- of beginpunt op de
klok
o Temperatuur in °C
4) Ratio
- Sterkste schaal
- Niet enkel verschillen, maar ook
- Verhoudingen tussen verschillende waarnemingen zijn betekenis vol.
- VERHOUDINGEN
- Natuurlijk nulpunt
- Voorbeelden
o Inkomen (we kunnen perfect zeggen dat iemands inkomen slechts 1/3 bedraagt
van dat van iemand anders)
o Aantal kinderen
➢ Interval + ratio = kwantitatief/metrisch
Gegevens zijn discreet (vb aantal kinderen) of continue (oneindig)
Vaste meeteenheid
Rekenkundige bewerkingen mogelijk (bv. gemiddelde)
,Er is een natuurlijke hiërarchie binnen de meetschalen, elk trapje hoger staat voor een extra
eigenschap. Methoden en technieken die toepasbaar zijn voor een lagere meetschaal zijn op die
manier ook van toepassing voor gegevens met een hogere meetschaal. Maar het omgekeerde telt
niet. Het is dus steeds van groot belang om eerst de meetschaal van gegevens te bepalen om op die
manier de juiste berekeningen, grafieken en technieken te selecteren.
, Hypothesetoetsen: het onderscheidingsvermogen – deel 1: definities
1. Betrouwbaarheid – onderscheidingsvermogen – kans op een type I en II fout:
• Hypothesetoets:
- Doel:
nagaan in hoeverre een uitspraak over een onbekende populatieparameter
waar/niet waar is
- Twee soorten:
nulhypothese (H0) vs. Alternatieve hypothese (H1)
- Nulhypothese (H0) = de bestaande situatie
Alternatieve hypothese (H1) = drukt uit wat de onderzoeker wenst aan te tonen
• Overzichtstabel:
De beslissing om de H0 te aanvaarden of te verwerpen gebeurt o.b.v. verzamelde
steekproefgegevens uit de onderzochte populatie. Deze beslissing kan juist of fout
zijn. Net omdat we ons baseren op slechts een deel van de populatie. Met elke
beslissing, juist of fout, zullen we nu een bepaalde kans associëren.
1) De kans om een H0 te aanvaarden als deze inderdaad overeenkomt met de
werkelijkheid noemen we de betrouwbaarheid van een hypothesetoets. De
gewenste betrouwbaarheid wordt op voorhand door de onderzoeker vastgelegd en
we noteren deze met 1-α.
- H0 aanvaarden
- H0 is waar
- Juiste beslissing
- Kans 1-α (0,95)
2) Het kan ook gebeuren dat we de H0 verwerpen terwijl ze in werkelijkheid wel waar
is. In dat geval nemen we een foutieve beslissing. We zeggen dat we een type I fout
maken. De kans op een type I fout is complementair aan de betrouwbaarheid, en dus
gelijk aan α. Deze kans om de H0 onterecht te verwerpen, noemen we ook wel het
significantieniveau van een hypothesetoets.
- H0 verwerpen
- H0 is waar
- Type I fout
- Kans α (0,05)
Binnen de kiné wereld is een type I fout erger dan een type II fout.
Bij type II fout: Je bedenkt een nieuwe techniek, je onderzoekt die. Je concludeert nieuwe
techniek is niet nuttig terwijl die wel nuttig is. Er zijn geen kosten verloren gegaan, geen
tijd verloren gegaan want jij als kine gaat dit onderzoek niet in uw behandeling steken.
1) Nominaal
2) Ordinaal
3) Interval
4) Ratio
1) Nominaal:
- Zwakste schaal
- Enkel onderscheid tussen niet – overlappende groepen
- Voorbeelden
o Woonplaats
o Haarkleur
- Je kan bij dit soort data niet meer berekenen dan frequenties of percentages van de
verschillende gegevens
- LET wel OP: deze observaties worden soms codeert!
➔ Om ze soms eenvoudiger in te voeren in statistische software paketten
- Je kan er wel niet zomaar mee gaan rekenen.
- ONDERSCHEID
2) Ordinaal
- Wanneer nominale gegevens op een natuurlijke manier geordend kunnen worden
- Vermits waarnemingen nu gerangschikt kunnen worden, kunnen we ook
➔ Mediaan berekenen
- Voorbeelden
o Waardering van bepaald product: slecht – goed
o Michelinsterren (v/e resto): 1 ster is beter dan 2 sterren
- ORDENING
➢ Nominaal + ordinaal = kwalitatief/categorisch
Beschrijven een zekere kwaliteit of eigenschap
Wat resulteert in categorieën van gegevens
Gegevens zijn steeds discreet (eindig/telbaar)
Geen vaste meeteenheid
Dus geen rekenkundige bewerkingen mogelijk
,3) Interval
- Wanneer er niet enkel een rangorde is, maar we bovendien verschillen tussen
observaties eenduidig kunnen interpreteren
- VERSCHILLEN
- Geen natuurlijk nulpunt
- Voorbeelden
o Tijd op klok (we kunnen perfect zeggen dat er een tijdsverschil van twee uur zit
tussen twee uur en vier uur, maar we kunnen niet zeggen dat vier uur dubbel zo
laat is als twee uur. En dit wegens het ontbreken van het nul- of beginpunt op de
klok
o Temperatuur in °C
4) Ratio
- Sterkste schaal
- Niet enkel verschillen, maar ook
- Verhoudingen tussen verschillende waarnemingen zijn betekenis vol.
- VERHOUDINGEN
- Natuurlijk nulpunt
- Voorbeelden
o Inkomen (we kunnen perfect zeggen dat iemands inkomen slechts 1/3 bedraagt
van dat van iemand anders)
o Aantal kinderen
➢ Interval + ratio = kwantitatief/metrisch
Gegevens zijn discreet (vb aantal kinderen) of continue (oneindig)
Vaste meeteenheid
Rekenkundige bewerkingen mogelijk (bv. gemiddelde)
,Er is een natuurlijke hiërarchie binnen de meetschalen, elk trapje hoger staat voor een extra
eigenschap. Methoden en technieken die toepasbaar zijn voor een lagere meetschaal zijn op die
manier ook van toepassing voor gegevens met een hogere meetschaal. Maar het omgekeerde telt
niet. Het is dus steeds van groot belang om eerst de meetschaal van gegevens te bepalen om op die
manier de juiste berekeningen, grafieken en technieken te selecteren.
, Hypothesetoetsen: het onderscheidingsvermogen – deel 1: definities
1. Betrouwbaarheid – onderscheidingsvermogen – kans op een type I en II fout:
• Hypothesetoets:
- Doel:
nagaan in hoeverre een uitspraak over een onbekende populatieparameter
waar/niet waar is
- Twee soorten:
nulhypothese (H0) vs. Alternatieve hypothese (H1)
- Nulhypothese (H0) = de bestaande situatie
Alternatieve hypothese (H1) = drukt uit wat de onderzoeker wenst aan te tonen
• Overzichtstabel:
De beslissing om de H0 te aanvaarden of te verwerpen gebeurt o.b.v. verzamelde
steekproefgegevens uit de onderzochte populatie. Deze beslissing kan juist of fout
zijn. Net omdat we ons baseren op slechts een deel van de populatie. Met elke
beslissing, juist of fout, zullen we nu een bepaalde kans associëren.
1) De kans om een H0 te aanvaarden als deze inderdaad overeenkomt met de
werkelijkheid noemen we de betrouwbaarheid van een hypothesetoets. De
gewenste betrouwbaarheid wordt op voorhand door de onderzoeker vastgelegd en
we noteren deze met 1-α.
- H0 aanvaarden
- H0 is waar
- Juiste beslissing
- Kans 1-α (0,95)
2) Het kan ook gebeuren dat we de H0 verwerpen terwijl ze in werkelijkheid wel waar
is. In dat geval nemen we een foutieve beslissing. We zeggen dat we een type I fout
maken. De kans op een type I fout is complementair aan de betrouwbaarheid, en dus
gelijk aan α. Deze kans om de H0 onterecht te verwerpen, noemen we ook wel het
significantieniveau van een hypothesetoets.
- H0 verwerpen
- H0 is waar
- Type I fout
- Kans α (0,05)
Binnen de kiné wereld is een type I fout erger dan een type II fout.
Bij type II fout: Je bedenkt een nieuwe techniek, je onderzoekt die. Je concludeert nieuwe
techniek is niet nuttig terwijl die wel nuttig is. Er zijn geen kosten verloren gegaan, geen
tijd verloren gegaan want jij als kine gaat dit onderzoek niet in uw behandeling steken.
