Statistiek: deel 1 beschrijvende statistiek
Belang van statistiek
Statistiek is nodig om de variabiliteit te beheersen en uitspraken te doen over de werkelijke
wereld.
3 functies van statistiek
1. Beschrijven: zo nauwkeurig mogelijk dmv grafieken, tabellen en kerngetallen
2. Verklaren: info obv steekproef (sample) gebruiken om uitspraken te doen over populatie
3. Voorspellen: Obv statistische modellen voorspellingen doen over wat er kan gebeuren
Wat is statistiek?
- Statistiek is de wetenschap van het verzamelen, organiseren, presenteren, analyseren en
interpreteren van gegevens of data volgens een numerieke logica -> wetenschap
overstijgend
- Florence Nightingale was de eerste statici die dus met cijfers en grafieken toonden wat er mis
was met de legerzorg en dat meeste doden voorkomen hadden kunnen worden.
- Florence Nightingale David was de tweede die ook statistische modellen opstelden om de
gevolgen van bomexplosies te voorspellen op basis van bommentellingen en Air Raid
Casualty Cards (cijfers over het aantal slachtoffers, per stad, geslacht,…).
BELANG is dus levens redden – maatschappelijke problemen vaststellen en machthebbers
controleren (corruptie, effect brexit).
Soorten steekproeven en soorten bias
Wat zijn data?
- Info die je verzameld hebt door te meten, wat je gaat meten het kenmerk die je meet noemt
men een variabele neemt dit kenmerk slechts 1 waarde aan dan is dit een constante en is
statistiek niet relevant.
- Meten = observeren en daar informatie uit halen en opslaan
Populatie vs steekproef
- Populatie: grootte N: de groep waarover het onderzoek een uitspraak wil doen -> populatie
onderzoek is biased!
- Steekproef: kleine n: sample: een slectie uit N waarop je onderzoek uitvoert
Problemen bij dataverzameling
CASE 1: Literary Digest schandaal ‘straw poll’
Magazine wilde president voorspellen ging altijd juist maar nu in 1936 fout omdat er niet genoeg
variatie van mensen in de steekproef zaten, mensen kwamen uit de abbo lijsten die dus rijk waren en
meestal voor republicanen stemmen, plus veel no reacties.
-> OORZAAK: Selectiebias want vertekening door een foute selectie van personen en Non
responsbias want mensen die niet gereageerd hebben was groot verschil met hoeveelheid die wel
had geantwoord.
,George Gallup ‘Quotasteekproef’
steekproef van 50k -> conclusie was dat representativiteit veel belangrijker is dan u steekproef
grootte maar als de steekproef heel random is dan is grotere n natuurlijk wel beter.
CASE 2: Kinsey seksonderzoek
Hij ging naar mensen die hij gemakkelijk kon benaderen door zijn netwerk dus, selectiebias. Ook non
respons bias want niet iedereen wilde meedoen. En ook responsbias want mensen die meededen
zouden enkel sociaal wenselijke antwoorden gegeven hebben of de vraagstelling was suggestief dus
respondenten gaven antwoord sneller dan echt na te denken.
De beste sample om te gebruiken is de EAS enkelvoudige aselecte steekproef: papiertjes in
een kom een onschuldige kinderhand neem dus willekeurig een kaartje is dus aselect. Twee
varianten hiervan zijn:
-> Gestratificeerde steekproef waarbij je rekening houd met bepaalde dingen bv weten dat
er 60% man is
->Clustersteekproef waarbij je dus door te clusteren, op verschillende niveaus dus selecteert
zodat het haalbaar is om u steekproef te bereiken.
Soorten bias
1. Selectiebias: vertekening omdat de selectie van proefpersoon leid tot resultaat die afwijkt
van de kenmerken van de populatie
2. Non-responsbias: vertekening omdat er mensen niet reageren die eiglk wel relevanter
zouden zijn voor het onderwerp dan diegene die wel antwoorden.
3. Responsbias: vertekening omdat respondenten onnauwkeurige of valse antwoorden geven
Datamatrix
Onderzoek elementen op aggregatieniveau
- Micro: onderzoekselementen zijn individuen
- Meso: onderzoekselementen zijn functioneel gegroepeerd: groepsniveau bv groep van sport
bv’s, leerlingen op school
- Macro: onderzoekselementen opgeteld per land: data van verschillende scholen
Ecologische meetfout: komt voor bij uitspraak die niet is gedaan op aggregatieniveau
Variabelen
= kenmerk die je gaat onderzoeken
Meten van latente constructen -> verborgen variabelen bijvoorbeeld motivatie
Stap 1. Conceptualisering: wat wil je meten en wat juist niet? Bv mate van autonome motivatie
Stap 2. Indicering: hoe ga je meten? Meetschaal (verschillende items samen) en validiteit (iemand die
op ene hoog scoort, ook op andere?) , bv een vragenlijst = indicering, gaan pijlen naar bepaald
concept die we willen meten.
Stap 3. Operationaliseren: zaken afspreken, procedures welke vragen er gestel worden om zo
interpersoon betrouwbaarheid te bekomen
, Alle verschillende items die we meten of willen weten vormen onze schaal; de som van deze schaal
noemt met de schaalscore
Meetniveaus
Kwalitatieve meetniveaus
- Nominaal meetniveau: je kan deze niet ordenen, dit zijn categorieën waartussen geen orde
bestaat bv. Geslacht, huidskleur of politieke voorkeur
- Ordinaal meetniveau: je kan deze wel op logische manier rangschikken en ordenen bv.
Volledig eens, noch eens, oneens, mate van overeenkomst of looncategorie
Kwantitatieve meetniveaus
- Interval meetniveau: er is geen nulpunt, kan onder nul gaan en het kenmerk zal er zijn bv.
Temperatuur bv. 0 °C
- Ratio meetniveau: er is een nulpunt, dus wanneer het cijfer 0 betekent dat het kenmerk
ontbreekt dat is het ratio. Bv. 0 KM
- Discreet: je kan geen kommagetal hebben dus er bestaat geen uitkomst tussen 2
getallen
- Continu: alle waarden zijn mogelijk als uitkomst tss een bepaald min en max je hebt
wel decimalen
Dit is ook de hierarchische logica bij meetniveaus
Als ze vraagt achter ‘schaalscore’ gaat dit over meerdere items dus is het interval en niet ordinaal!
Frequentietabel
: Vooral kwalitatieve variabelen en hun verdeling: zien hoe vaak waarde voorkomen
Inn symbolen bij absolute frequenties is dus f 1 = .. f2 = … DUS ∑k 𝑓i = 𝑛 met K het #verschillende
meetwaarden DUS som v alle absolute freq is
∑k
In symbolen bij relatieve frequenties is dus f1* = …. F2* = … DUS 𝑓∗ = 1 DUS som van alle
relatieve freq is
Eigenlijk staat hier dus de som van termen fi waarbij i varieert van 1 tot en met k, dus het kan dat
er staat i = 4 en dan start je eiglk bas bij fi4
Belang van statistiek
Statistiek is nodig om de variabiliteit te beheersen en uitspraken te doen over de werkelijke
wereld.
3 functies van statistiek
1. Beschrijven: zo nauwkeurig mogelijk dmv grafieken, tabellen en kerngetallen
2. Verklaren: info obv steekproef (sample) gebruiken om uitspraken te doen over populatie
3. Voorspellen: Obv statistische modellen voorspellingen doen over wat er kan gebeuren
Wat is statistiek?
- Statistiek is de wetenschap van het verzamelen, organiseren, presenteren, analyseren en
interpreteren van gegevens of data volgens een numerieke logica -> wetenschap
overstijgend
- Florence Nightingale was de eerste statici die dus met cijfers en grafieken toonden wat er mis
was met de legerzorg en dat meeste doden voorkomen hadden kunnen worden.
- Florence Nightingale David was de tweede die ook statistische modellen opstelden om de
gevolgen van bomexplosies te voorspellen op basis van bommentellingen en Air Raid
Casualty Cards (cijfers over het aantal slachtoffers, per stad, geslacht,…).
BELANG is dus levens redden – maatschappelijke problemen vaststellen en machthebbers
controleren (corruptie, effect brexit).
Soorten steekproeven en soorten bias
Wat zijn data?
- Info die je verzameld hebt door te meten, wat je gaat meten het kenmerk die je meet noemt
men een variabele neemt dit kenmerk slechts 1 waarde aan dan is dit een constante en is
statistiek niet relevant.
- Meten = observeren en daar informatie uit halen en opslaan
Populatie vs steekproef
- Populatie: grootte N: de groep waarover het onderzoek een uitspraak wil doen -> populatie
onderzoek is biased!
- Steekproef: kleine n: sample: een slectie uit N waarop je onderzoek uitvoert
Problemen bij dataverzameling
CASE 1: Literary Digest schandaal ‘straw poll’
Magazine wilde president voorspellen ging altijd juist maar nu in 1936 fout omdat er niet genoeg
variatie van mensen in de steekproef zaten, mensen kwamen uit de abbo lijsten die dus rijk waren en
meestal voor republicanen stemmen, plus veel no reacties.
-> OORZAAK: Selectiebias want vertekening door een foute selectie van personen en Non
responsbias want mensen die niet gereageerd hebben was groot verschil met hoeveelheid die wel
had geantwoord.
,George Gallup ‘Quotasteekproef’
steekproef van 50k -> conclusie was dat representativiteit veel belangrijker is dan u steekproef
grootte maar als de steekproef heel random is dan is grotere n natuurlijk wel beter.
CASE 2: Kinsey seksonderzoek
Hij ging naar mensen die hij gemakkelijk kon benaderen door zijn netwerk dus, selectiebias. Ook non
respons bias want niet iedereen wilde meedoen. En ook responsbias want mensen die meededen
zouden enkel sociaal wenselijke antwoorden gegeven hebben of de vraagstelling was suggestief dus
respondenten gaven antwoord sneller dan echt na te denken.
De beste sample om te gebruiken is de EAS enkelvoudige aselecte steekproef: papiertjes in
een kom een onschuldige kinderhand neem dus willekeurig een kaartje is dus aselect. Twee
varianten hiervan zijn:
-> Gestratificeerde steekproef waarbij je rekening houd met bepaalde dingen bv weten dat
er 60% man is
->Clustersteekproef waarbij je dus door te clusteren, op verschillende niveaus dus selecteert
zodat het haalbaar is om u steekproef te bereiken.
Soorten bias
1. Selectiebias: vertekening omdat de selectie van proefpersoon leid tot resultaat die afwijkt
van de kenmerken van de populatie
2. Non-responsbias: vertekening omdat er mensen niet reageren die eiglk wel relevanter
zouden zijn voor het onderwerp dan diegene die wel antwoorden.
3. Responsbias: vertekening omdat respondenten onnauwkeurige of valse antwoorden geven
Datamatrix
Onderzoek elementen op aggregatieniveau
- Micro: onderzoekselementen zijn individuen
- Meso: onderzoekselementen zijn functioneel gegroepeerd: groepsniveau bv groep van sport
bv’s, leerlingen op school
- Macro: onderzoekselementen opgeteld per land: data van verschillende scholen
Ecologische meetfout: komt voor bij uitspraak die niet is gedaan op aggregatieniveau
Variabelen
= kenmerk die je gaat onderzoeken
Meten van latente constructen -> verborgen variabelen bijvoorbeeld motivatie
Stap 1. Conceptualisering: wat wil je meten en wat juist niet? Bv mate van autonome motivatie
Stap 2. Indicering: hoe ga je meten? Meetschaal (verschillende items samen) en validiteit (iemand die
op ene hoog scoort, ook op andere?) , bv een vragenlijst = indicering, gaan pijlen naar bepaald
concept die we willen meten.
Stap 3. Operationaliseren: zaken afspreken, procedures welke vragen er gestel worden om zo
interpersoon betrouwbaarheid te bekomen
, Alle verschillende items die we meten of willen weten vormen onze schaal; de som van deze schaal
noemt met de schaalscore
Meetniveaus
Kwalitatieve meetniveaus
- Nominaal meetniveau: je kan deze niet ordenen, dit zijn categorieën waartussen geen orde
bestaat bv. Geslacht, huidskleur of politieke voorkeur
- Ordinaal meetniveau: je kan deze wel op logische manier rangschikken en ordenen bv.
Volledig eens, noch eens, oneens, mate van overeenkomst of looncategorie
Kwantitatieve meetniveaus
- Interval meetniveau: er is geen nulpunt, kan onder nul gaan en het kenmerk zal er zijn bv.
Temperatuur bv. 0 °C
- Ratio meetniveau: er is een nulpunt, dus wanneer het cijfer 0 betekent dat het kenmerk
ontbreekt dat is het ratio. Bv. 0 KM
- Discreet: je kan geen kommagetal hebben dus er bestaat geen uitkomst tussen 2
getallen
- Continu: alle waarden zijn mogelijk als uitkomst tss een bepaald min en max je hebt
wel decimalen
Dit is ook de hierarchische logica bij meetniveaus
Als ze vraagt achter ‘schaalscore’ gaat dit over meerdere items dus is het interval en niet ordinaal!
Frequentietabel
: Vooral kwalitatieve variabelen en hun verdeling: zien hoe vaak waarde voorkomen
Inn symbolen bij absolute frequenties is dus f 1 = .. f2 = … DUS ∑k 𝑓i = 𝑛 met K het #verschillende
meetwaarden DUS som v alle absolute freq is
∑k
In symbolen bij relatieve frequenties is dus f1* = …. F2* = … DUS 𝑓∗ = 1 DUS som van alle
relatieve freq is
Eigenlijk staat hier dus de som van termen fi waarbij i varieert van 1 tot en met k, dus het kan dat
er staat i = 4 en dan start je eiglk bas bij fi4
