Module 1. Gegevens en beslissingen
Doel? Betere beslissingen kunnen maken
Statistiek = manier van redeneren; samenvatten, modelleren en begrijpen; je
start bij gegevens
Gegevens = vorm van informatie, heeft bepaalde structuur; meetwaarden samen
met hun context te bekijken
Wie? Wat? essentiële elementen (data)
Waar? Wanneer? Waarom? Hoe? meta-data (data over de data)
Gegevenstabel
- elke rij is een casus (Wie?)
- elke kolom is een variabele (Wat?)
Soorten variabelen
Kwalitatief
= waarden zijn de namen van categorieën
- nominaal: gelijkaardig en -waardig, zonder volgorde
- ordinaal: bevat een rangorde (vb leeftijd)
- identificatievariabele: cijfers, maar zonder waarde als cijfer (vb
studentennummer)
Kwantitatief
= de cijfers hebben betrekking tot numerieke hoeveelheden
Hoe ga je meten?
(a) dwarsdoorsnede: je meet bepaalde variabele op een bepaald moment in de
tijd
(b) tijdsreeks: 1 van je variabele is tijd en van 2 de variabele wil je verandering
meten
!je hebt enkel tijdreeks wanneer het tijdsinterval steeds hetzelfde is!
Beschrijvende statistiek = het samenvatten van grote datasets op een beknopte
weergave
Begrippen
Big data Het verzamelen en analyseren van
gegevensverzamelingen die zo groot en complex
zijn dat de traditionele methoden die typische
werden gebruikt niet voldoen.
Business Analytics Het proces van statistische analyse en modellen te
gebruiken om beslissingen te nemen in het kader
van de bedrijfsvoering.
Casus Een casus is een individu (persoon of zaak)
waarover we gegevens hebben.
Kwalitatieve Een variabele die categorieën benoemt (met
variabele woorden of cijfers) wordt een kwalitatieve variabele
genoemd.
Context The context vertelt ons in het ideale geval wie en
wat werd gemeten, hoe en waar de gegevens
, werden verzameld, en wanneer en waarom de
studie werd uitgevoerd.
Dwarsdoorsnede-data Gegevens verzameld over toestanden die in de tijd
(cross-sectional data) veranderen maar die werden gemeten op een enkel
punt in de tijd worden een dwarsdoorsnede van een
tijdreeks genoemd.
Gegevens (data) Waargenomen waarden (cijfers of categorieën)
samen met hun context.
Data mining Het proces om diverse statistische hulpmiddelen te
gebruiken om grote verzamelingen gegevens of
data warehouses te analyseren.
Gegevenstabel Een weergave van gegevens waarbij elke rij een
casus voorstelt en elke kolom een variabele.
Data warehouse Een grote gegevensbank met informatie verzameld
door een onderneming of een andere organisatie,
meestal met als doel de transacties op te tekenen
die de organisatie verricht, maar ook gebruikt voor
analyse aan de hand van data mining.
Experimentele Een individu (persoon of zaak) waarvan in het kader
eenheid van een studie gegevens worden waargenomen. Als
de experimentele eenheden mensen zijn, worden ze
vaak subjecten op participanten genoemd.
Identificatievariabele Een kwalitatieve variabele die een unieke waarde
aanneemt voor elke casus, met de bedoeling om de
casus te kunnen benoemen of identificeren.
Metagegevens Bijkomende informatie over de gegevens in een
gegevensbank, typisch voor het hoe, wanneer, waar
(en indien mogelijk waarom) de gegevens werden
verzameld; wie elke casus voorstelt; en de definities
van alle variabelen.
Nominale variabele De term ‘nominaal’ heeft betrekking op een
variabele waarvan de waarden enkel gebruikt
worden om categorieën te benoemen.
Ordinale variabele De term ‘ordinaal’ heeft betrekking op een variabele
waarvan de kwalitatieve waarden ook een vorm van
ordening hebben.
Participant Een menselijke experimentele eenheid. Ook een
subject genoemd.
Kwantitatieve Een variabele waarvoor de cijferwaarden de
variabele waarden zijn van grootheden gemeten in eenheden.
Rij (record) Informatie over een individu in een gegevensbank.
Relationele Een relationele gegevensbank bewaart gegevens en
gegevensbank laat toe om gegevens op te halen. In de
gegevensbank wordt de informatie bewaard in
gegevenstabellen die aan elkaar gerelateerd kunnen
worden.
Respondent Iemand die een enquête beantwoordt.
Rekenblad Een rekenblad is een opmaak ontwikkeld voor de
(spreadsheet) boekhouding, die vaak wordt gebruikt om
gegevenstabellen te bewaren en te bewerken. Excel
is een veelgebruikt rekenblad.
Subject Een menselijk experimentele eenheid. Ook een
participant genoemd.
,Tijdreeks (time Gegevens gemeten doorheen de tijd. Doorgaans zijn
series) de tijdsintervallen even groot of op even grote
afstand van elkaar (vb elke week, elk trimester, elk
jaar).
Transactionele Gegevens verzameld om de individuele transacties
gegevens van een onderneming of organisatie op te tekenen.
Eenheden De grootheden die worden gebruikt als een
maatstaf, zoals dollars, uren of gram.
Variabele Een variabele bevat informatie over hetzelfde
kenmerk voor vele casussen.
, Module 2. Kwalitatieve waarden weergeven en
beschrijven
- gegevens weergeven om patronen, verbanden en uitzonderingen (uitschieters)
op te merken
Een kwalitatieve variabele samenvatten
Frequentietabel
stel: gegevenstabel met 226 925 bezoeken aan webstek van KEEN in feb 2013
IP - nummer tijd bron
… … …
- volledige dataset met 226 925 casussen
- bezoeken: rechtstreeks, bing, facebook, google (categorieën)
- tijd is kwantitatief, bron en IP-nummer zijn kwalitatief
voor opstellen
(1) tel casussen per categorie dmv turven
(2) stel frequentietabel op
bron aantal bezoeken
Google 130 158
Rechtstreeks 52 969
… …
Andere 6740
Totaal 226 925
frequenties uitdrukken in percentages van het totaal
(a) bereken fractie: (130 158)/ (226 925) ≈ 0,5736
(b) bereken percentage: fractie x 100% = 0,5736 x 100% = 57,36%
= relatieve frequentie (= aantal van variabele/ totaal van alle variabele x 100%)
bron aantal bezoeken als %
Google 130 158 57,36
Rechtstreeks 52 969 23,34
… … …
Andere 6740 2,97
Totaal 226 925 100,00
- georganiseerd van hoog naar laag om makkelijk de belangrijke bronnen te zien
- totaal van alle relatieve frequenties moet 100,00 % zijn
- om te zetten in staafdiagram (overzichtelijker), taartdiagram
- opp. principe = de oppervlakte van de staaf moet proportioneel zijn aan de
cijfers die het weergeeft
Twee kwalitatieve variabelen
STAP 1: gegevenstabel
stel: enquête bij 5039 mensen in 5 landen, “Gebruikt u sociale media?”
Respondent-ID Sociale-netwerk-sites Land
Doel? Betere beslissingen kunnen maken
Statistiek = manier van redeneren; samenvatten, modelleren en begrijpen; je
start bij gegevens
Gegevens = vorm van informatie, heeft bepaalde structuur; meetwaarden samen
met hun context te bekijken
Wie? Wat? essentiële elementen (data)
Waar? Wanneer? Waarom? Hoe? meta-data (data over de data)
Gegevenstabel
- elke rij is een casus (Wie?)
- elke kolom is een variabele (Wat?)
Soorten variabelen
Kwalitatief
= waarden zijn de namen van categorieën
- nominaal: gelijkaardig en -waardig, zonder volgorde
- ordinaal: bevat een rangorde (vb leeftijd)
- identificatievariabele: cijfers, maar zonder waarde als cijfer (vb
studentennummer)
Kwantitatief
= de cijfers hebben betrekking tot numerieke hoeveelheden
Hoe ga je meten?
(a) dwarsdoorsnede: je meet bepaalde variabele op een bepaald moment in de
tijd
(b) tijdsreeks: 1 van je variabele is tijd en van 2 de variabele wil je verandering
meten
!je hebt enkel tijdreeks wanneer het tijdsinterval steeds hetzelfde is!
Beschrijvende statistiek = het samenvatten van grote datasets op een beknopte
weergave
Begrippen
Big data Het verzamelen en analyseren van
gegevensverzamelingen die zo groot en complex
zijn dat de traditionele methoden die typische
werden gebruikt niet voldoen.
Business Analytics Het proces van statistische analyse en modellen te
gebruiken om beslissingen te nemen in het kader
van de bedrijfsvoering.
Casus Een casus is een individu (persoon of zaak)
waarover we gegevens hebben.
Kwalitatieve Een variabele die categorieën benoemt (met
variabele woorden of cijfers) wordt een kwalitatieve variabele
genoemd.
Context The context vertelt ons in het ideale geval wie en
wat werd gemeten, hoe en waar de gegevens
, werden verzameld, en wanneer en waarom de
studie werd uitgevoerd.
Dwarsdoorsnede-data Gegevens verzameld over toestanden die in de tijd
(cross-sectional data) veranderen maar die werden gemeten op een enkel
punt in de tijd worden een dwarsdoorsnede van een
tijdreeks genoemd.
Gegevens (data) Waargenomen waarden (cijfers of categorieën)
samen met hun context.
Data mining Het proces om diverse statistische hulpmiddelen te
gebruiken om grote verzamelingen gegevens of
data warehouses te analyseren.
Gegevenstabel Een weergave van gegevens waarbij elke rij een
casus voorstelt en elke kolom een variabele.
Data warehouse Een grote gegevensbank met informatie verzameld
door een onderneming of een andere organisatie,
meestal met als doel de transacties op te tekenen
die de organisatie verricht, maar ook gebruikt voor
analyse aan de hand van data mining.
Experimentele Een individu (persoon of zaak) waarvan in het kader
eenheid van een studie gegevens worden waargenomen. Als
de experimentele eenheden mensen zijn, worden ze
vaak subjecten op participanten genoemd.
Identificatievariabele Een kwalitatieve variabele die een unieke waarde
aanneemt voor elke casus, met de bedoeling om de
casus te kunnen benoemen of identificeren.
Metagegevens Bijkomende informatie over de gegevens in een
gegevensbank, typisch voor het hoe, wanneer, waar
(en indien mogelijk waarom) de gegevens werden
verzameld; wie elke casus voorstelt; en de definities
van alle variabelen.
Nominale variabele De term ‘nominaal’ heeft betrekking op een
variabele waarvan de waarden enkel gebruikt
worden om categorieën te benoemen.
Ordinale variabele De term ‘ordinaal’ heeft betrekking op een variabele
waarvan de kwalitatieve waarden ook een vorm van
ordening hebben.
Participant Een menselijke experimentele eenheid. Ook een
subject genoemd.
Kwantitatieve Een variabele waarvoor de cijferwaarden de
variabele waarden zijn van grootheden gemeten in eenheden.
Rij (record) Informatie over een individu in een gegevensbank.
Relationele Een relationele gegevensbank bewaart gegevens en
gegevensbank laat toe om gegevens op te halen. In de
gegevensbank wordt de informatie bewaard in
gegevenstabellen die aan elkaar gerelateerd kunnen
worden.
Respondent Iemand die een enquête beantwoordt.
Rekenblad Een rekenblad is een opmaak ontwikkeld voor de
(spreadsheet) boekhouding, die vaak wordt gebruikt om
gegevenstabellen te bewaren en te bewerken. Excel
is een veelgebruikt rekenblad.
Subject Een menselijk experimentele eenheid. Ook een
participant genoemd.
,Tijdreeks (time Gegevens gemeten doorheen de tijd. Doorgaans zijn
series) de tijdsintervallen even groot of op even grote
afstand van elkaar (vb elke week, elk trimester, elk
jaar).
Transactionele Gegevens verzameld om de individuele transacties
gegevens van een onderneming of organisatie op te tekenen.
Eenheden De grootheden die worden gebruikt als een
maatstaf, zoals dollars, uren of gram.
Variabele Een variabele bevat informatie over hetzelfde
kenmerk voor vele casussen.
, Module 2. Kwalitatieve waarden weergeven en
beschrijven
- gegevens weergeven om patronen, verbanden en uitzonderingen (uitschieters)
op te merken
Een kwalitatieve variabele samenvatten
Frequentietabel
stel: gegevenstabel met 226 925 bezoeken aan webstek van KEEN in feb 2013
IP - nummer tijd bron
… … …
- volledige dataset met 226 925 casussen
- bezoeken: rechtstreeks, bing, facebook, google (categorieën)
- tijd is kwantitatief, bron en IP-nummer zijn kwalitatief
voor opstellen
(1) tel casussen per categorie dmv turven
(2) stel frequentietabel op
bron aantal bezoeken
Google 130 158
Rechtstreeks 52 969
… …
Andere 6740
Totaal 226 925
frequenties uitdrukken in percentages van het totaal
(a) bereken fractie: (130 158)/ (226 925) ≈ 0,5736
(b) bereken percentage: fractie x 100% = 0,5736 x 100% = 57,36%
= relatieve frequentie (= aantal van variabele/ totaal van alle variabele x 100%)
bron aantal bezoeken als %
Google 130 158 57,36
Rechtstreeks 52 969 23,34
… … …
Andere 6740 2,97
Totaal 226 925 100,00
- georganiseerd van hoog naar laag om makkelijk de belangrijke bronnen te zien
- totaal van alle relatieve frequenties moet 100,00 % zijn
- om te zetten in staafdiagram (overzichtelijker), taartdiagram
- opp. principe = de oppervlakte van de staaf moet proportioneel zijn aan de
cijfers die het weergeeft
Twee kwalitatieve variabelen
STAP 1: gegevenstabel
stel: enquête bij 5039 mensen in 5 landen, “Gebruikt u sociale media?”
Respondent-ID Sociale-netwerk-sites Land
