Samenvatting OP2
- Colleges 1 tot en met 12
- Boeken: MMV en LVG
College 1 – Toetsen en oneway design
Onderzoeksmethoden zijn er om valide uitspraken te kunnen doen. Een manier om te kijken
van wat je zegt, klopt. Dit kunnen we op twee manieren doen:
1. Beschrijvende statistiek
Gemeten data, hoe ziet dit eruit?
2. Inferentiele statistiek
Dit gaat over wat je niet hebt gemeten. Je probeert uitspraken te doen over alle
mogelijke proefpersonen en niet alleen over de proefpersonen die je gemeten hebt.
Wat kan ik zeggen over de populatie op basis van een steekproef.
Verschillend soorten onderzoek
1. Beschrijvend
Ook één-groepsonderzoek genoemd: je hebt 1 groep die je gaat meten.
Je kan hierbij twee dingen doen:
• Beschrijvende statistiek: kijken wat je gemeten hebt (meten en data
samenvatten)
Gemiddelden, mediaan, SD
Boxplots, staafgrafieken, histogrammen
• Inferentiele statistiek: voorspellen
o Betrouwbaarheidsintervallen
o Hypothesetoetsen
Bij beschrijvend onderzoek kan je omschrijven hoe een
participant denkt, zich voelt en gedraagt.
2. (Cor)relationeel
Verband tussen verschillende variabelen.
3. Experimenteel
Oorzaak-gevolg, causaliteit.
4. Quasi-experimenteel
Om een uitspraak te doen over een populatie op basis van
een steekproef gebruik je een steekproevenverdeling. Je hebt
dan van verschillende steekproeven het gemiddelde. Het
gemiddelde van deze verdeling zal op het
populatiegemiddelde vallen. Een steekproevenverdeling van
het gemiddelde is dus een verdeling van de gemiddelde van
alle mogelijke steekproeven met grootte n.
Je kan vragen hoe bijzonder de steekproef eigenlijk is. Je
maakt eigenlijk nooit een steekproevenverdeling van het
gemiddelde want dan ben je oneindig bezig, maar vanuit
theorie kan je hier wel een voorspelling over maken: hoe komt
dit eruit te zien?
De breedte van de standaarddeviatie van deze verdeling;
verdeling van het steekproevengemiddelde is ook voorspelbaar. Dat is namelijk de
𝜎
standaarddeviatie van meetwaarden gedeeld door de wortel uit steekproefgrootte: . Dit
√𝑛
wordt hoogstwaarschijnlijk een normaalverdeling.
1
,Als je het populatiegemiddelde van het steeproefgemiddelde trekt, komen de
steekproefgemiddelden rond 0 te liggen, de standaarddeviatie is nog niet verandert. Van al
die steekproeven het populatiegemiddelde aftrekken en delen door standaarddeviatie van
die verdeling gedeeld door wortel n.
Als je dit doet krijg je een verdeling rond 0 met een SD van 1, dit is een
standaardnormaalverdeling, wat handig is want die kan je opzoeken in een Z-tabel.
Z verdeling T verdeling
Voor betrouwbaarheidsintervallen en Voor betrouwbaarheidsintervallen en
hypothesetoetsen, gebruik je dit als hypothesetoetsen, gebruik je dit als
tussenstap tussenstap
Populatie verdeling σ is bekend Populatieverdeling σ niet bekend, je
gebruikt een geschatte SD uit de steekproef
s.
Standaardnormaalverdeeld Niet normaalverdeeld, maar
studentverdeeld (t-verdeling)met n-1
vrijheidsgraden. Dit heeft een dikkere staart
t(k) of t(df)
Meer probability in de staart en minder in
het midden
ẋ− µ ẋ− µ
𝒛=𝛔 𝑡= 𝑠
⁄ 𝒏 ⁄ 𝑛
√ √
Met een s van degrees of freedom n -1. Er
is dus een verschillende t distributie voor
iedere steekproefgrootte
Als de degrees of freedom k toeneemt,
komt t(k) dichterbij N(0, 1) curve. Dit laat
zien dat s dichterbij σ ligt (meer precies) als
de steekproef toeneemt.
Foutenmarge van µ (margin of error)
𝑧 ∗ σ⁄ 𝑡 ∗ s⁄
√𝑛 √𝑛
Inferentiele statistiek
1. Betrouwbaarheidsinterval
Het populatiegemiddelde valt met C% zekerheid in dit interval.
De beste schatting van µ ± de foutenmarge
𝒔
ẋ ± 𝒕∗
√𝒏
2. Hypothese toetsen
Hoe bijzonder is het steekproefgemiddelde als het populatiegemiddelde µ0 zou zijn
(als H0 waar is)?
µ = populatiegemiddelde
µ0 = getoetste getal
H0 : µ = µ0
Ha : µ ≠ µ0
Hoe kleiner de p, hoe meer evidentie je hebt voor de alternatieve
hypothese.
2
,P-waarde
De kans dat de toets statistiek (t) behaald of overschreden wordt in de steekproef als H0 waar
is. De P-waarde is dus de overschrijdingskans. Als de overschrijdingskans (p) kleiner is dan
het significantie niveau (α) is de steekproef te bijzonder om H0 te geloven, dus accepteer je
Ha.
Toetsingsschema
1. Onderzoeksvraag
Gaat altijd over de populatie. Teken een situatieschets
2. Hypothese
Schrijf het in woorden uit en in tekens. Kies bij de alternatieve hypothese of je voor
een- of tweezijdig gaat
3. Toetskeuze + significantieniveau
One-sample t-toets, gepaarde t-toets, onafhankelijke t-toets etc. + schrijf toets
statistiek uit
4. Berekening toets statistiek
5. Aflezen van p-waarde
Als de p-waarde kleiner is dan het significantieniveau, accepteer je de alternatieve
hypothese
6. Beslissing (vergelijk p met α)
7. Inhoudelijke conclusie
One-sample t-toets
Toets statistiek
ẋ − µ𝟎
𝒕(𝒏 − 𝟏) = 𝒔
⁄ 𝒏
√
t(n-1)=…;p (Tabel D)
Populatieparameters op zich zijn niet zo interessant, een interessantere vraag is
bijvoorbeeld: Hangt de gemiddelde score samen met andere variabelen?
Verschil in gemiddelden tussen….
Groepen: verschil tussen jongens en meisjes
Variabelen: verschil tussen een voor- en nameting
Dit is niet alleen beschrijvend maar (cor)relationeel of experimenteel. Dit gaat altijd over een
samenhang tussen variabelen.
Experimenteel onderzoek: drie gouden regels
o Manipuleer ten minste 1 variabele (onafhankelijke)
Een onafhankelijke variabele heeft minstens 2 levels/condities
o Zorg voor vergelijkbare groepen
o Houdt andere variabele strikt gelijk
Experimenteel basisdesign
3
, Een experiment kan misgaan doordat het gebruik van de onafhankelijke variabele geen
succes was. Een pilottest kan handig zijn, om te zien of de onafhankelijke variabele
verschillend genoeg is in de condities dat het gedrag verandert. Naast een pilottest wordt er
een manipulatie check gedaan.
Manipulatie check
Een vraag of meerdere vragen dat is ontworpen om te kijken of de onafhankelijke variabele
met succes was gemanipuleerd. Dit word tijdens het experiment zelf gedaan.
Soorten onafhankelijke variabelen
• Omgeving (environment)
Aanpassingen in de onderzoeksetting.
• Instructie
De onafhankelijke variabele verschilt door middel van instructies of informatie dat de
participant ontvangt. Bijvoorbeeld hoe ze een taak moeten oplossen. Gedachte,
emoties en gedrag worden bij deze variabele verandert: denk aan het volgen van een
dieet.
• Invasief
Fysieke veranderingen aanbrengen bij een participant door middel van fysieke
stimulatie. Denk hierbij aan drugs of studies met betrekking tot pijn
Controle groepen zijn niet altijd nodig. Ze zijn handig als je bv. de baseline van het gedrag
wil weten.
3 experimentele basisdesigns
o Randomized groups (between-groups designs of between-subjects)
Je verdeeld mensen random in twee groepen en doet een meting. Iedereen heeft
even veel kans om in een van de condities terecht te komen. vb: kop of munt
o Matched subjects (between-groups designs of between-subjects)
De proefpersonen worden eerst in kleine groepjes verdeeld op een subjectvariabele:
iets wat ze gemeenschappelijk hebben, zoals intelligentie. Hiervoor word vaak een
pre-test uitgevoerd. De individuen in deze groepen worden daarna random verdeeld
over verschillende condities. Het is heel effectief voor het maken van vergelijkbare
groepen. Doordat het een toeval component heeft, wordt vaak ook matched random
assignment toegepast. Dit heeft een matched-subjects design. Je vergroot hierbij de
gelijkheid in experimentele groepen, om zo de onafhankelijke variabele beter te
kunnen testen.
Between-groups designs of between-subjects
Geïnteresseerd in verschillend gedrag tussen verschillende groepen
participanten.
o Repeated measures (within-subjects design)
Zelfde groep personen gebruiken voor alle condities. Vaak wordt de volgorde ook
gemanipuleerd, ofwel counterbalancing. Op deze manier kan worden gekeken of
volgorde effect heeft gehad. De repeated measures is een within-subjects design.
o Voordelen
▪ Meer power, omdat participanten hetzelfde zijn
▪ Minder participanten nodig
4
- Colleges 1 tot en met 12
- Boeken: MMV en LVG
College 1 – Toetsen en oneway design
Onderzoeksmethoden zijn er om valide uitspraken te kunnen doen. Een manier om te kijken
van wat je zegt, klopt. Dit kunnen we op twee manieren doen:
1. Beschrijvende statistiek
Gemeten data, hoe ziet dit eruit?
2. Inferentiele statistiek
Dit gaat over wat je niet hebt gemeten. Je probeert uitspraken te doen over alle
mogelijke proefpersonen en niet alleen over de proefpersonen die je gemeten hebt.
Wat kan ik zeggen over de populatie op basis van een steekproef.
Verschillend soorten onderzoek
1. Beschrijvend
Ook één-groepsonderzoek genoemd: je hebt 1 groep die je gaat meten.
Je kan hierbij twee dingen doen:
• Beschrijvende statistiek: kijken wat je gemeten hebt (meten en data
samenvatten)
Gemiddelden, mediaan, SD
Boxplots, staafgrafieken, histogrammen
• Inferentiele statistiek: voorspellen
o Betrouwbaarheidsintervallen
o Hypothesetoetsen
Bij beschrijvend onderzoek kan je omschrijven hoe een
participant denkt, zich voelt en gedraagt.
2. (Cor)relationeel
Verband tussen verschillende variabelen.
3. Experimenteel
Oorzaak-gevolg, causaliteit.
4. Quasi-experimenteel
Om een uitspraak te doen over een populatie op basis van
een steekproef gebruik je een steekproevenverdeling. Je hebt
dan van verschillende steekproeven het gemiddelde. Het
gemiddelde van deze verdeling zal op het
populatiegemiddelde vallen. Een steekproevenverdeling van
het gemiddelde is dus een verdeling van de gemiddelde van
alle mogelijke steekproeven met grootte n.
Je kan vragen hoe bijzonder de steekproef eigenlijk is. Je
maakt eigenlijk nooit een steekproevenverdeling van het
gemiddelde want dan ben je oneindig bezig, maar vanuit
theorie kan je hier wel een voorspelling over maken: hoe komt
dit eruit te zien?
De breedte van de standaarddeviatie van deze verdeling;
verdeling van het steekproevengemiddelde is ook voorspelbaar. Dat is namelijk de
𝜎
standaarddeviatie van meetwaarden gedeeld door de wortel uit steekproefgrootte: . Dit
√𝑛
wordt hoogstwaarschijnlijk een normaalverdeling.
1
,Als je het populatiegemiddelde van het steeproefgemiddelde trekt, komen de
steekproefgemiddelden rond 0 te liggen, de standaarddeviatie is nog niet verandert. Van al
die steekproeven het populatiegemiddelde aftrekken en delen door standaarddeviatie van
die verdeling gedeeld door wortel n.
Als je dit doet krijg je een verdeling rond 0 met een SD van 1, dit is een
standaardnormaalverdeling, wat handig is want die kan je opzoeken in een Z-tabel.
Z verdeling T verdeling
Voor betrouwbaarheidsintervallen en Voor betrouwbaarheidsintervallen en
hypothesetoetsen, gebruik je dit als hypothesetoetsen, gebruik je dit als
tussenstap tussenstap
Populatie verdeling σ is bekend Populatieverdeling σ niet bekend, je
gebruikt een geschatte SD uit de steekproef
s.
Standaardnormaalverdeeld Niet normaalverdeeld, maar
studentverdeeld (t-verdeling)met n-1
vrijheidsgraden. Dit heeft een dikkere staart
t(k) of t(df)
Meer probability in de staart en minder in
het midden
ẋ− µ ẋ− µ
𝒛=𝛔 𝑡= 𝑠
⁄ 𝒏 ⁄ 𝑛
√ √
Met een s van degrees of freedom n -1. Er
is dus een verschillende t distributie voor
iedere steekproefgrootte
Als de degrees of freedom k toeneemt,
komt t(k) dichterbij N(0, 1) curve. Dit laat
zien dat s dichterbij σ ligt (meer precies) als
de steekproef toeneemt.
Foutenmarge van µ (margin of error)
𝑧 ∗ σ⁄ 𝑡 ∗ s⁄
√𝑛 √𝑛
Inferentiele statistiek
1. Betrouwbaarheidsinterval
Het populatiegemiddelde valt met C% zekerheid in dit interval.
De beste schatting van µ ± de foutenmarge
𝒔
ẋ ± 𝒕∗
√𝒏
2. Hypothese toetsen
Hoe bijzonder is het steekproefgemiddelde als het populatiegemiddelde µ0 zou zijn
(als H0 waar is)?
µ = populatiegemiddelde
µ0 = getoetste getal
H0 : µ = µ0
Ha : µ ≠ µ0
Hoe kleiner de p, hoe meer evidentie je hebt voor de alternatieve
hypothese.
2
,P-waarde
De kans dat de toets statistiek (t) behaald of overschreden wordt in de steekproef als H0 waar
is. De P-waarde is dus de overschrijdingskans. Als de overschrijdingskans (p) kleiner is dan
het significantie niveau (α) is de steekproef te bijzonder om H0 te geloven, dus accepteer je
Ha.
Toetsingsschema
1. Onderzoeksvraag
Gaat altijd over de populatie. Teken een situatieschets
2. Hypothese
Schrijf het in woorden uit en in tekens. Kies bij de alternatieve hypothese of je voor
een- of tweezijdig gaat
3. Toetskeuze + significantieniveau
One-sample t-toets, gepaarde t-toets, onafhankelijke t-toets etc. + schrijf toets
statistiek uit
4. Berekening toets statistiek
5. Aflezen van p-waarde
Als de p-waarde kleiner is dan het significantieniveau, accepteer je de alternatieve
hypothese
6. Beslissing (vergelijk p met α)
7. Inhoudelijke conclusie
One-sample t-toets
Toets statistiek
ẋ − µ𝟎
𝒕(𝒏 − 𝟏) = 𝒔
⁄ 𝒏
√
t(n-1)=…;p (Tabel D)
Populatieparameters op zich zijn niet zo interessant, een interessantere vraag is
bijvoorbeeld: Hangt de gemiddelde score samen met andere variabelen?
Verschil in gemiddelden tussen….
Groepen: verschil tussen jongens en meisjes
Variabelen: verschil tussen een voor- en nameting
Dit is niet alleen beschrijvend maar (cor)relationeel of experimenteel. Dit gaat altijd over een
samenhang tussen variabelen.
Experimenteel onderzoek: drie gouden regels
o Manipuleer ten minste 1 variabele (onafhankelijke)
Een onafhankelijke variabele heeft minstens 2 levels/condities
o Zorg voor vergelijkbare groepen
o Houdt andere variabele strikt gelijk
Experimenteel basisdesign
3
, Een experiment kan misgaan doordat het gebruik van de onafhankelijke variabele geen
succes was. Een pilottest kan handig zijn, om te zien of de onafhankelijke variabele
verschillend genoeg is in de condities dat het gedrag verandert. Naast een pilottest wordt er
een manipulatie check gedaan.
Manipulatie check
Een vraag of meerdere vragen dat is ontworpen om te kijken of de onafhankelijke variabele
met succes was gemanipuleerd. Dit word tijdens het experiment zelf gedaan.
Soorten onafhankelijke variabelen
• Omgeving (environment)
Aanpassingen in de onderzoeksetting.
• Instructie
De onafhankelijke variabele verschilt door middel van instructies of informatie dat de
participant ontvangt. Bijvoorbeeld hoe ze een taak moeten oplossen. Gedachte,
emoties en gedrag worden bij deze variabele verandert: denk aan het volgen van een
dieet.
• Invasief
Fysieke veranderingen aanbrengen bij een participant door middel van fysieke
stimulatie. Denk hierbij aan drugs of studies met betrekking tot pijn
Controle groepen zijn niet altijd nodig. Ze zijn handig als je bv. de baseline van het gedrag
wil weten.
3 experimentele basisdesigns
o Randomized groups (between-groups designs of between-subjects)
Je verdeeld mensen random in twee groepen en doet een meting. Iedereen heeft
even veel kans om in een van de condities terecht te komen. vb: kop of munt
o Matched subjects (between-groups designs of between-subjects)
De proefpersonen worden eerst in kleine groepjes verdeeld op een subjectvariabele:
iets wat ze gemeenschappelijk hebben, zoals intelligentie. Hiervoor word vaak een
pre-test uitgevoerd. De individuen in deze groepen worden daarna random verdeeld
over verschillende condities. Het is heel effectief voor het maken van vergelijkbare
groepen. Doordat het een toeval component heeft, wordt vaak ook matched random
assignment toegepast. Dit heeft een matched-subjects design. Je vergroot hierbij de
gelijkheid in experimentele groepen, om zo de onafhankelijke variabele beter te
kunnen testen.
Between-groups designs of between-subjects
Geïnteresseerd in verschillend gedrag tussen verschillende groepen
participanten.
o Repeated measures (within-subjects design)
Zelfde groep personen gebruiken voor alle condities. Vaak wordt de volgorde ook
gemanipuleerd, ofwel counterbalancing. Op deze manier kan worden gekeken of
volgorde effect heeft gehad. De repeated measures is een within-subjects design.
o Voordelen
▪ Meer power, omdat participanten hetzelfde zijn
▪ Minder participanten nodig
4
