Samenvatting Statistiek

Statistiek




Hoofdstuk 1: Van probleemstelling naar data-analyse
1.1 Doel van statistiek

1.1.1 Statistiek is overal

Dataficatie: de trend waarbij dagdagelijkse acties en interacties worden omgezet in
data die kunnen worden opgevolgd, geanalyseerd en geoptimaliseerd

Kwantitatief onderzoek: data worden in nummers omgezet zodat deze geanalyseerd
kunnen worden door middel van statistische methoden

Data-analyse: het toepassen van statistische methoden in een bepaald domein




1.1.2 Doel van data-analyse

Methodologie van het sociaalwetenschappelijk onderzoek: behandelt de
overkoepelende fundamenten van sociaal wetenschappelijk onderzoek, waarvan
kwantitatieve data-analyse een onderdeel is

Wetenschappelijke houding: data-analyse moet objectief en onafhankelijk van de
beoefenaars

Creatieve houding: data-analyse is een creatief en interpretatief dat net wel
afhankelijk is van de beoefenaar. De beslissingen die een onderzoeker neemt bij het
verzamelen van data, het meten van bepaalde kenmerken en de vraagformulering
ervan, het analyseren van de data en interpreteren van de data, kan een grote
invloed hebben op het inzicht dat verworven kan worden

,1.2 Van probleemstelling naar data-analyse

1.2.1 Probleemstelling




1.2.2 Data verzamelen

Onderzoekseenheden: eenheden of objecten waarop het onderzoek betrekking
heeft en waarbij geen kenmerken gemeten worden

Populatie: een verzameling van alle onderzoekseenheden die gekenmerkt worden
door een afbakening in tijd en ruimte

Steekproef: een deelverzameling van onderzoekseenheden uit de populatie

Willekeurige steekproef: elke onderzoekseenheid heeft een even grote kans om
geselecteerd te worden

Representatieve steekproef: als het kenmerk in gelijke mate voorkomt in de
steekproef als in de populatie

Omvang van een steekproef = n

Surveys: respondenten krijgen enkele gesloten en/of gesloten vragen
voorgeschoteld die demografische kenmerken, attitudes en gedrag pogen te meten

Experimenten: hebben als doel een oorzaak-gevolg in kaart te brengen. Dit wordt
gedaan door onderzoekseenheden willekeurig over verschillende groepen te
verdelen, waarna deze groepen aan verschillende omstandigheden worden
blootgesteld. De groepen verschillen maar op één punt van elkaar, namelijk aan
welke interventie ze werden blootgesteld

, 1.2.3 Meten van gegevens

Uitkomstenverzameling ϕ: alle mogelijke uitkomsten voor een variabele

Geobserveerde waarnemingen: de uitkomsten die daadwerkelijk geobserveerd zijn
in de steekproef of populatie

Aard van de gegevens:

Kwalitatief meetniveau: kenmerken hebben geen vaste, kwantificeerbare
meeteenheid -> nominale en ordinale gegevens

Kwantitatief meetniveau: kenmerken hebben wel een vaste, kwantificeerbare
meeteenheid -> interval en ratio gegevens

Omvang van de gegevens:

Discrete gegevens: de uitkomstenverdeling is eindig, er is geen kommagetal mogelijk
(bv. aantal kinderen)

Continue gegevens: de uitkomstenverzameling is oneindig groot, er is een
kommagetal mogelijk (bv. gewicht, lengte, tijd)



Aard van de Omvang van de uitkomstenverzameling
uitkomstenverzameling Discreet Continu
= meetniveau
Kwalitatief: Eindig: ϕ = {m1 , m2 , … , m k }
- Nominaal
- Ordinaal
Kwantitatief: Eindig of aftelbaar oneindig: Oneindig: ϕ ⊂ ℝ
- Interval ϕ = { m1 , m2 , … , m k } ⊂ R
- Ratio

Nominaal meetniveau:

 Niet te interpreteren via groter of kleiner, meer of minder
 Codes kunnen om het even welk symbool aannemen (bv. letters, cijfers,
woorden)
 Meetschaal is eindig, exhaustief en exclusief: elke observatie hoor maar thuis
in één categorie en alle mogelijke categorieën zijn gegeven in de meetschaal




Ordinaal meetniveau:

,  De elementen van de meetschaal kunnen geordend of geïnterpreteerd
worden in termen van meer en minder, hoger en lager
 Hebben geen vaste meeteenheid en verschillen niet in vastgelegde
hoeveelheden
 Is eindig, exhaustief en exclusief


Interval gegevens: hebben een kwantificeerbare meeteenheid, maar het nulpunt is
arbitrair waardoor de verhoudingen tussen waarden betekenisloos zijn (bv.
temperatuur, IQ)

Ratio gegevens: hebben een kwantificeerbare meeteenheid en het nulpunt is
bepaald waardoor verhoudingen wel zinvol zijn (bv. aantal vrienden)




1.2.4 Opkuisen, transformeren en operationaliseren

Data cleaning: ‘fouten’ in de dataset worden verwijderd en een plan wordt
opgesteld om met missende waarden om te gaan

Transformeren van variabelen: op basis van bestaande gemeten kenmerken worden
nieuwe variabelen geconstrueerd. Dit kan door de meetschaal te transformeren of
door wiskundige bewerkingen uit te voeren

Operationaliseren van concepten: het meetbaar maken van abstracte concepten




1.2.5 Presenteren, visualiseren en analyseren

Beschrijvende of descriptieve statistiek: wordt gebruikt om kenmerken te ordenen,
te verkennen en samen te vatten aan de hand van frequenties, centrummaten en
spreidingskenmerken

Steekproefstatistiek: een maat die wordt berekend op basis van de
steekproefgegevens

Populatieparameter: een maat die wordt berekend op basis van de volledige
populatie

Inductieve statistiek: op basis van de gegevens bij een steekproef met een beperkte
omvang n, uitspraken te doen over de volledige populatie

Wet van de grote aantallen: stelt dat hoe meer steekproefgegevens, hoe groter de
nauwkeurigheid en hoe beter de steekproefstatistieken de exacte populatiewaarde
zullen benaderen