H1: DOEL VAN STATISTIEK
1.1 Doel van statistiek
1.1.1 Statistiek is overal
Dataficatie: trend waarbij dagdagelijkse acties en interacties worden omgezet
in data.
Kwantitief onderzoek: data in nummers omzetten zodat deze geanalyseerd
kunnen worden dmv statistische methoden.
Data geletterdheid: vermogen om data te verwerken.
Social data science: combi tussen domeinspecifieke kennis van SW,
computerwetenschappen en datawetenschappen.
--> op wetenschappelijke manier sociale data gebruiken
1.1.2 Doel van data-analyse
Data-analyse: kunst en wetenschap vh verzamelen, analyseren en
interpreteren van data met als doel inzicht te verwerven op basis van deze data.
1.2 Van probleemstelling naar data-analyse
1.2.1 Probleemstelling
1.2.2 Data verzamelen
Onderzoekseenheden --> eenheden waarbij kenmerken (data) gemeten
worden.
Populatie: verzameling van alle onderzoekseenheden
--> afbakening tijd en ruimte
Steekproef (sample): deelverzameling van elementen uit de populatie
- elk element heeft berekenbare kans
- representatief als kenmerk in gelijke mate voorkomt als in populatie
- omvang = symbool n
Beschrijvende statistiek: exploratie van steekproefgegevens (bv. gemiddelde)
Altijd bron van onzekerheid: steekproef statistiek ≠ populatieparameter
,Inductieve statistiek: veralgemenen van steekproef naar populatie
Wet van de grote aantallen: hoe groter n, hoe hoger de nauwkeurigheid
Analyse?:
- univariate statistiek: beschrijven 1 kenmerk
- bivariate statistiek: beschrijven verband tss 2 kenmerken
a. Symmetrische samenhang (x1<->x2)
b. Asymmetrische samenhang (x1-->x2)
- meerdere variabelen:
a. Datareductie: meerdere kwantitatieve indicatoren smv in
latentevariabelen
b. Regressie: waarde Y voorspellen op basis van 1 of meerdere X-
variabelen
--> kwantitatieve variabele = lineaire regressie
--> nominale variabele = logistische regressie
Big data: analyseren extreem grote datasets om inzichten te ontdekken die met
gewone methoden niet zichtbaar zijn.
--> 3 v’s: volume, verandering, verscheidenheid
1.2.3 Meten van gegevens
Variabelen: kenmerken of geobserveerde eigenschappen bij
onderzoekseenheden
Uitkomstenverzameling 𝛷: verzameling alle mogelijke uitkomsten van een
variabele.
Meetprocedure: wijze waarop gegevens gemeten worden
- Kwantitatief (categorieën)
- kwalitatief (numeriek)
CLASSIFICATIE OP BASIS VAN:
- AARD van de uitkomstenverzameling = meetniveau
a. kwalitatief: norminaal of ordinaal
b. kwantitatief: interval of ratio
- OMVANG van de uitkomstenverzameling
a. discreet
b. continu
NOMINAAL MEETNIVEAU (kwalitatief):
- meetprocedure = classificeren in categorieën (bv. man/vrouw)
- verschil in waarden --> kwalitatief verschil
- meetschaal is eindig, exhaustief en exclusief + geen bewerkingen
mogelijk
- dichotome variabelen --> 2 uitkomstmogelijkheden
,ORDINAAL MEETNIVEAU (kwalitatief):
- meetprocedure = ordening van elementen (bv. oneens, eens, ...)
- MAAR geen vaste meeteenheid
- geen wiskundige bewerkingen mogelijk
INTERVAL MEETNIVEAU (kwantitatief):
- meetprocedure = vaste, kwantificeerbare meeteenheid (bv. IQ)
- verschil bestaat in hoeveelheden, maar nulpunt is arbitrair
(willekeurig)
- wiskundige bewerkingen zijn mogelijk
RATIO MEETNIVEAU (kwantitatief):
- meetschaal = vaste, kwantificeerbare meeteenheid (bv. inkomen)
- verschil bestaat in hoeveelheden, maar nulpunt is bepaald
- wiskundige bewerkingen zijn mogelijk
DISCRETE UITKOMSTENVERZAMELING:
- aftelbaar (tussen 2 opeenvolgende uitkomsten GEEN derde)
- eindig (bv. duur opleiding) en oneindig (bv. aantal kinderen)
CONTINUE UITKOMSTENVERZAMELING:
- niet telbaar (tussen 2 opeenvolgende uitkomsten derde mogelijke
uitkomst)
- oneindig (bv. temperatuur, gewicht, ...)
- in praktijk: variabelen intrinsiek continue maar voorgesteld als discreet)
--> bv. kilogram (50kg ipv 50,1452...kg)
Noot 1: soms worden kwantitatieve variabelen gegroepeerd tot
ordinale/nominale variabele
--> bv. leeftijdsgroepen (18-30, 31-40, ...) --> verlies info
Noot 2: soms worden ordinale variabelen als quasi-interval variabelen
beschouwd
--> afstanden tussen categorieën worden als ongeveer ongelijk
verondersteld
TABEL: classificatie van gegevens
, HIËRARCHIE VAN MEETNIVEAUS:
1. nominale variabelen (classificatie)
2. ordinale variabelen (+ ordening)
3. interval variabelen (+ meeteenheid)
4. ratio variabelen (+ betekenisvol nulpunt)
1.2.4 Data cleaning, transformeren en operationaliseren
Datacleaning: fouten in de dataset verwijderen en plan opstellen hoe er met
missende waarden wordt omgegaan.
Datamatrix lezen:
- rij: waarden per onderzoekseenheid
- kolom: waarden per variabele
Transformeren: op basis van bestaande gemeten kenmerken nieuwe
variabelen construeren.
Abstracte concepten (bv. populisme)--> niet direct waarneembaar
--> gemeten adhv meetbare
stellingen/indicatoren
Operationaliseren: het meetbaar maken van abstracte concepten.
Gebruik van meerdere geobserv. variabelen om niet-geobserveerde (=latente)
variabele te meten.
--> latente variabelen: variabelen die niet rechtstreeks worden
waargenomen
<-> manifeste variabelen
Gemiddelde somschaal: scores van stellingen optellen en delen door het
aantal stellingen.
Datareductie --> manifeste variabelen reduceren tot 1 latent variabele.
1.2.5 Presenteren, visualiseren en statistische analyse
Beschrijvende/descriptieve statistiek: kenmerken ordenen, verkennen en
samenvatten
- Steekproefstatistiek: maat die berekend wordt op basis van
steekproefgegevens
- Populatieparameter: maat die berekend wordt op basis van volledige
populatie
--> steekproefstatistiek is benadering van populatieparameter
Voorspellingen: via steekproefgegevens modellen schatten met verschillende
algoritmes.
- veralgemening --> onzekerheid
1.1 Doel van statistiek
1.1.1 Statistiek is overal
Dataficatie: trend waarbij dagdagelijkse acties en interacties worden omgezet
in data.
Kwantitief onderzoek: data in nummers omzetten zodat deze geanalyseerd
kunnen worden dmv statistische methoden.
Data geletterdheid: vermogen om data te verwerken.
Social data science: combi tussen domeinspecifieke kennis van SW,
computerwetenschappen en datawetenschappen.
--> op wetenschappelijke manier sociale data gebruiken
1.1.2 Doel van data-analyse
Data-analyse: kunst en wetenschap vh verzamelen, analyseren en
interpreteren van data met als doel inzicht te verwerven op basis van deze data.
1.2 Van probleemstelling naar data-analyse
1.2.1 Probleemstelling
1.2.2 Data verzamelen
Onderzoekseenheden --> eenheden waarbij kenmerken (data) gemeten
worden.
Populatie: verzameling van alle onderzoekseenheden
--> afbakening tijd en ruimte
Steekproef (sample): deelverzameling van elementen uit de populatie
- elk element heeft berekenbare kans
- representatief als kenmerk in gelijke mate voorkomt als in populatie
- omvang = symbool n
Beschrijvende statistiek: exploratie van steekproefgegevens (bv. gemiddelde)
Altijd bron van onzekerheid: steekproef statistiek ≠ populatieparameter
,Inductieve statistiek: veralgemenen van steekproef naar populatie
Wet van de grote aantallen: hoe groter n, hoe hoger de nauwkeurigheid
Analyse?:
- univariate statistiek: beschrijven 1 kenmerk
- bivariate statistiek: beschrijven verband tss 2 kenmerken
a. Symmetrische samenhang (x1<->x2)
b. Asymmetrische samenhang (x1-->x2)
- meerdere variabelen:
a. Datareductie: meerdere kwantitatieve indicatoren smv in
latentevariabelen
b. Regressie: waarde Y voorspellen op basis van 1 of meerdere X-
variabelen
--> kwantitatieve variabele = lineaire regressie
--> nominale variabele = logistische regressie
Big data: analyseren extreem grote datasets om inzichten te ontdekken die met
gewone methoden niet zichtbaar zijn.
--> 3 v’s: volume, verandering, verscheidenheid
1.2.3 Meten van gegevens
Variabelen: kenmerken of geobserveerde eigenschappen bij
onderzoekseenheden
Uitkomstenverzameling 𝛷: verzameling alle mogelijke uitkomsten van een
variabele.
Meetprocedure: wijze waarop gegevens gemeten worden
- Kwantitatief (categorieën)
- kwalitatief (numeriek)
CLASSIFICATIE OP BASIS VAN:
- AARD van de uitkomstenverzameling = meetniveau
a. kwalitatief: norminaal of ordinaal
b. kwantitatief: interval of ratio
- OMVANG van de uitkomstenverzameling
a. discreet
b. continu
NOMINAAL MEETNIVEAU (kwalitatief):
- meetprocedure = classificeren in categorieën (bv. man/vrouw)
- verschil in waarden --> kwalitatief verschil
- meetschaal is eindig, exhaustief en exclusief + geen bewerkingen
mogelijk
- dichotome variabelen --> 2 uitkomstmogelijkheden
,ORDINAAL MEETNIVEAU (kwalitatief):
- meetprocedure = ordening van elementen (bv. oneens, eens, ...)
- MAAR geen vaste meeteenheid
- geen wiskundige bewerkingen mogelijk
INTERVAL MEETNIVEAU (kwantitatief):
- meetprocedure = vaste, kwantificeerbare meeteenheid (bv. IQ)
- verschil bestaat in hoeveelheden, maar nulpunt is arbitrair
(willekeurig)
- wiskundige bewerkingen zijn mogelijk
RATIO MEETNIVEAU (kwantitatief):
- meetschaal = vaste, kwantificeerbare meeteenheid (bv. inkomen)
- verschil bestaat in hoeveelheden, maar nulpunt is bepaald
- wiskundige bewerkingen zijn mogelijk
DISCRETE UITKOMSTENVERZAMELING:
- aftelbaar (tussen 2 opeenvolgende uitkomsten GEEN derde)
- eindig (bv. duur opleiding) en oneindig (bv. aantal kinderen)
CONTINUE UITKOMSTENVERZAMELING:
- niet telbaar (tussen 2 opeenvolgende uitkomsten derde mogelijke
uitkomst)
- oneindig (bv. temperatuur, gewicht, ...)
- in praktijk: variabelen intrinsiek continue maar voorgesteld als discreet)
--> bv. kilogram (50kg ipv 50,1452...kg)
Noot 1: soms worden kwantitatieve variabelen gegroepeerd tot
ordinale/nominale variabele
--> bv. leeftijdsgroepen (18-30, 31-40, ...) --> verlies info
Noot 2: soms worden ordinale variabelen als quasi-interval variabelen
beschouwd
--> afstanden tussen categorieën worden als ongeveer ongelijk
verondersteld
TABEL: classificatie van gegevens
, HIËRARCHIE VAN MEETNIVEAUS:
1. nominale variabelen (classificatie)
2. ordinale variabelen (+ ordening)
3. interval variabelen (+ meeteenheid)
4. ratio variabelen (+ betekenisvol nulpunt)
1.2.4 Data cleaning, transformeren en operationaliseren
Datacleaning: fouten in de dataset verwijderen en plan opstellen hoe er met
missende waarden wordt omgegaan.
Datamatrix lezen:
- rij: waarden per onderzoekseenheid
- kolom: waarden per variabele
Transformeren: op basis van bestaande gemeten kenmerken nieuwe
variabelen construeren.
Abstracte concepten (bv. populisme)--> niet direct waarneembaar
--> gemeten adhv meetbare
stellingen/indicatoren
Operationaliseren: het meetbaar maken van abstracte concepten.
Gebruik van meerdere geobserv. variabelen om niet-geobserveerde (=latente)
variabele te meten.
--> latente variabelen: variabelen die niet rechtstreeks worden
waargenomen
<-> manifeste variabelen
Gemiddelde somschaal: scores van stellingen optellen en delen door het
aantal stellingen.
Datareductie --> manifeste variabelen reduceren tot 1 latent variabele.
1.2.5 Presenteren, visualiseren en statistische analyse
Beschrijvende/descriptieve statistiek: kenmerken ordenen, verkennen en
samenvatten
- Steekproefstatistiek: maat die berekend wordt op basis van
steekproefgegevens
- Populatieparameter: maat die berekend wordt op basis van volledige
populatie
--> steekproefstatistiek is benadering van populatieparameter
Voorspellingen: via steekproefgegevens modellen schatten met verschillende
algoritmes.
- veralgemening --> onzekerheid
