Hoofdstuk 1: Inductieve statistiek in onderzoek
Welke plaats heeft statistiek in onderzoek en wat is het kernprobleem van de inductieve statistiek?
Boek 1.1-1.4
Voorbeeld:
Heeft muziek een invloed op de gemoedstoestand van mensen?
We ontwerpen een experiment om dit te onderzoeken
Deelnemers opdelen in 2 groepen
Groep 1: laten luisteren naar bepaald soort muziek – melancholisch (radiohead)
Groep 2: laten luisteren naar andere soort muziek – opgewekt
Is er een verschil tussen bv depressieve gevoelens die mensen ervaren na beluisteren van
die muziek?
Gemiddelde score: (hoe hoger de score hoe meer depressieve gevoelens)
Wat is de uitkomst van experiment?
Mogelijke denkwijze: melorock heeft hoogste score dus deze muziek wakkert meer
depressieve gevoelens aan dan popfunk
MAAR verschil is wel heel klein
Scores variëren sowieso (= variabiliteit) we kunnen verwachten dat er sowieso een verschil gaat
zijn tussen gemiddelde van groep 1 & gemiddelde van groep 2 (met of zonder muziek)
Kunnen we dan wel zeggen dat het door de muziek komt? Nee
Stel: verschil van 120 – 92
verschil groter dus toont aan dat in ene conditie meer depressieve gevoelens heeft dan
andere + muziek heeft effect
Stel: verschil van 105-97
iets minder groot verschil
1
, Moeilijk om op het zicht te zeggen of muziek effect gehad of niet
= belangrijk probleem: wanneer is een verschil/verband groot genoeg?
Regels om te kunnen zeggen of het verschil wel of niet groot genoeg is – berekeningen nodig om
regels toe te kunnen passen
1. Empirische cyclus
Hoe zit statistiek in geheel van het onderzoek?
2. Statistische significantie
Samengevat:
Kernprobleem inductieve statistiek = wanner is een verschil groot genoeg?
Wanneer kunnen we het verschil generaliseren naar populatie?
Statistiek biedt regels om te beslissen via:
o Hypothesetoetsing
o Significantie
Als verschil significant is kunnen we generaliseren naar de populatie
2
,3. Kansberekening
Wat is de rol van kansberekening en toetsen in de statistiek?
Boek 1.5-1.6
Statistische significantie nagaan dmv kansberekening: Is het geobserveerde verschil groot genoeg om
significant te zijn?
1. Hypothesetoetsen is omgekeerde redenering: ervan uitgaan dat er in werkelijkheid geen verschil
tussen 2 condities
2. Dan data verzamelen & kans berekenen dat we in dit geval bepaalde observaties doen in
steekproef
“hoe waarschijnlijk is het dat we deze observaties hebben gedaan/dat we dit verschil observeren?”
Daarna 2 mogelijkheden
3.1. Grote kans: wellicht geen echt verschil
Als de kans groot is dat we deze observaties zouden doen terwijl er in werkelijkheid geen
effect is van de behandeling dan is er geen echt verschil
3.2. Kleine kans: mogelijk een echt verschil
Als de kans klein is dat we een verschil tussen 2 condities vinden (bv 105 vs 97) terwijl er in
werkelijkheid geen effect is en we vinden toch een verschil vinden in de condities waarbij we
bereken dat de kans klein is dat we dat verschil gaan vinden terwijl er in werkelijkheid geen
effect is dan klopt onze assumptie misschien niet dat er in de werkelijkheid geen verschil is.
Want als het zo zou zijn is het heel onwaarschijnlijk dat we deze observaties doen.
3
, 1e stap: we veronderstellen dat in de populatie er geen effect is van muziek op gemoedstoestand
Populatie die naar melorock luistert geen verschil vertoont tov populatie die naar popfunk
luistert
2e stap: In steekproef stellen we vast dat er wel een hogere score is voor groep die heeft geluisterd
naar melorock.
3e stap: kleine of grote kans die ons vertelt hoe we moeten beslissen
Nieuwe vragen:
Hoe moeten we die kans berekenen?
Obv kansverdelingen (bv standaardnormale verdeling)
Met behulp van verschillende toetsen
Wat is dan een grote en een kleine kans?
5% of 0.05 meest courante grens om te bepalen of het een kleine of grote kans is
Nooit 100% zeker van een conclusie!
Maar onzekerheid is geen probleem, als we maar de mate van onzekerheid kennen!
Bijvoorbeeld: we concluderen met 95% zekerheid dat popfunk zorgt voor een betere
gemoedstoestand dan melancholische rock.
Zekerheid neemt toe met aantal studies (voorbeeld bystander effect: omstanders hielpen wel)
4
Welke plaats heeft statistiek in onderzoek en wat is het kernprobleem van de inductieve statistiek?
Boek 1.1-1.4
Voorbeeld:
Heeft muziek een invloed op de gemoedstoestand van mensen?
We ontwerpen een experiment om dit te onderzoeken
Deelnemers opdelen in 2 groepen
Groep 1: laten luisteren naar bepaald soort muziek – melancholisch (radiohead)
Groep 2: laten luisteren naar andere soort muziek – opgewekt
Is er een verschil tussen bv depressieve gevoelens die mensen ervaren na beluisteren van
die muziek?
Gemiddelde score: (hoe hoger de score hoe meer depressieve gevoelens)
Wat is de uitkomst van experiment?
Mogelijke denkwijze: melorock heeft hoogste score dus deze muziek wakkert meer
depressieve gevoelens aan dan popfunk
MAAR verschil is wel heel klein
Scores variëren sowieso (= variabiliteit) we kunnen verwachten dat er sowieso een verschil gaat
zijn tussen gemiddelde van groep 1 & gemiddelde van groep 2 (met of zonder muziek)
Kunnen we dan wel zeggen dat het door de muziek komt? Nee
Stel: verschil van 120 – 92
verschil groter dus toont aan dat in ene conditie meer depressieve gevoelens heeft dan
andere + muziek heeft effect
Stel: verschil van 105-97
iets minder groot verschil
1
, Moeilijk om op het zicht te zeggen of muziek effect gehad of niet
= belangrijk probleem: wanneer is een verschil/verband groot genoeg?
Regels om te kunnen zeggen of het verschil wel of niet groot genoeg is – berekeningen nodig om
regels toe te kunnen passen
1. Empirische cyclus
Hoe zit statistiek in geheel van het onderzoek?
2. Statistische significantie
Samengevat:
Kernprobleem inductieve statistiek = wanner is een verschil groot genoeg?
Wanneer kunnen we het verschil generaliseren naar populatie?
Statistiek biedt regels om te beslissen via:
o Hypothesetoetsing
o Significantie
Als verschil significant is kunnen we generaliseren naar de populatie
2
,3. Kansberekening
Wat is de rol van kansberekening en toetsen in de statistiek?
Boek 1.5-1.6
Statistische significantie nagaan dmv kansberekening: Is het geobserveerde verschil groot genoeg om
significant te zijn?
1. Hypothesetoetsen is omgekeerde redenering: ervan uitgaan dat er in werkelijkheid geen verschil
tussen 2 condities
2. Dan data verzamelen & kans berekenen dat we in dit geval bepaalde observaties doen in
steekproef
“hoe waarschijnlijk is het dat we deze observaties hebben gedaan/dat we dit verschil observeren?”
Daarna 2 mogelijkheden
3.1. Grote kans: wellicht geen echt verschil
Als de kans groot is dat we deze observaties zouden doen terwijl er in werkelijkheid geen
effect is van de behandeling dan is er geen echt verschil
3.2. Kleine kans: mogelijk een echt verschil
Als de kans klein is dat we een verschil tussen 2 condities vinden (bv 105 vs 97) terwijl er in
werkelijkheid geen effect is en we vinden toch een verschil vinden in de condities waarbij we
bereken dat de kans klein is dat we dat verschil gaan vinden terwijl er in werkelijkheid geen
effect is dan klopt onze assumptie misschien niet dat er in de werkelijkheid geen verschil is.
Want als het zo zou zijn is het heel onwaarschijnlijk dat we deze observaties doen.
3
, 1e stap: we veronderstellen dat in de populatie er geen effect is van muziek op gemoedstoestand
Populatie die naar melorock luistert geen verschil vertoont tov populatie die naar popfunk
luistert
2e stap: In steekproef stellen we vast dat er wel een hogere score is voor groep die heeft geluisterd
naar melorock.
3e stap: kleine of grote kans die ons vertelt hoe we moeten beslissen
Nieuwe vragen:
Hoe moeten we die kans berekenen?
Obv kansverdelingen (bv standaardnormale verdeling)
Met behulp van verschillende toetsen
Wat is dan een grote en een kleine kans?
5% of 0.05 meest courante grens om te bepalen of het een kleine of grote kans is
Nooit 100% zeker van een conclusie!
Maar onzekerheid is geen probleem, als we maar de mate van onzekerheid kennen!
Bijvoorbeeld: we concluderen met 95% zekerheid dat popfunk zorgt voor een betere
gemoedstoestand dan melancholische rock.
Zekerheid neemt toe met aantal studies (voorbeeld bystander effect: omstanders hielpen wel)
4
