Vragen bij kennisclips opdrachtensessies
Week 1;
1. Wat is het verschil tussen interval en ratio meetniveau? Kun je voorbeelden van beide
meetniveaus bedenken?
2. Wat wordt er bedoeld met een afhankelijke (dependent) variabele en met een onafhankelijke
(independent) variabele?
3. Waarom worden ze ook wel voorspellende (predictor) en uitkomst (outcome) variabelen
genoemd?
4. Geef een voorbeeld van een statistische centrummaat en een spreidingsmaat.
5. Bij een nominale variabele past het niet om een gemiddelde te rapporteren als beschrijvende
statistiek. Hoe moet je de uitkomsten dan beschrijven?
6. Leeftijd wordt beschouwd als een continue en discrete variabele. Leg uit.
7. Wat is het verschil tussen een normaalverdeling en de Z-verdeling?
8. Wat staat er precies in de Z-tabel en waarvoor kun je de Z-tabel gebruiken?
9. Waarom is het van belang om te weten of je data normaal verdeeld is?
10. Geeft het gemiddelde en de standaard deviatie een goed beeld van je data als je data positief
scheef of negatief scheef verdeeld is?
11. Waarom is het van belang om een aselecte (willekeurige) steekproef te nemen?
12. Leg uit wat er bedoeld wordt met populatie en steekproef. Hoe verhouden deze twee zich tot
elkaar?
13. Wat is het verschil tussen µ en x en tussen σ en sd?
14. Waarom kunnen we met onze steekproefresultaten uitspraken doen over de populatie? We
weten toch niet de resultaten van de gehele populatie?
15. Heeft een statistische hypothese betrekking op de steekproef of op de populatie?
16. Wat wordt er verstaan onder de nulhypothese (H0) en alternatieve hypothese (H1)?
17. Wat is het verschil tussen een tweezijdige en een eenzijdige hypothese?
18. Wanneer maak je gebruik van een eenzijdige hypothese en wanneer van een tweezijdige
hypothese?
19. Wat staat er in een steekproefverdeling en wat in een steekproevenverdeling? Hoe komen
beide verdelingen tot stand?
20. Wat is het verband tussen de populatie, het steekproefresultaat en het al dan niet verwerpen
van de H0?
21. Waarom weet je nooit zeker of je steekproefresultaat en statistische conclusie klopt?
22. Wat houdt alpha in? Wat is het risico van een te grote/kleine alpha?
23. Wat wordt er bedoeld met een type I fout en welke factoren beïnvloeden de kans op het
maken van deze fout?
24. Wat wordt er bedoeld met een type II fout en welke factoren beïnvloeden de kans op het
maken van deze fout?
25. Waarom kun je op basis van je statistische resultaat nooit de H0 ‘bewijzen’? Wat kun je wel
concluderen met betrekking tot je hypothese?
, Antwoorden;
1. Ratio meetniveau heeft een betekenisvolle nul. Voorbeeld; graden Celsius is interval
meetniveau, graden Kelvin is ratio meetniveau (0 graden is een afspraak, er is geen absoluut
nulpunt)
2. De onafhankelijke variabele is de variabele die je zelf manipuleert tijdens je onderzoek, de
afhankelijke variabele is de variabele die veranderd door de manipulaties die je zelf uitvoert.
3. Predictor want je voorspelt wat er gaat gebeuren, outcome want het is de uitkomst van wat
je voorspeld had
4. Centrummaat; gemiddelde, mediaan, modus. Spreidingsmaat; standaard deviatie, bereik,
inter-kwartiel bereik, variantie
5. Met de modus of de frequentie per categorie.
6. Continue variabele want het kan in principe elke waarde aannemen. Discreet want wanneer
je leeftijd in jaren uitdrukt gebruik je alleen hele getallen.
7. De z-verdeling is de gestandaardiseerde vorm van de normaal verdeling. Bij een z-verdeling is
het gemiddelde 0 en de staandaard deviatie 1.
8. In de z-tabel staat de linker en rechter overschrijdingskans. Deze is te gebruiken om op te
zoeken hoe (on) gebruikelijk de gevonden score is. De linker overschrijdingskans geeft hoe
veel er lager gescoord is en de rechter overschrijdingskans hoeveel hoger er gescoord is.
9. De toets die je gebruikt hangt af van het feit of je data normaal verdeeld is of niet. Bij
normaal verdeelde data gebruik je andere statistische toetsen dan bij niet normaal verdeelde
data.
10. Nee, dit geeft alleen de gemiddelde afwijking weer. De skewness en kurtosis geven wel een
goed beeld.
11. Bij een aselecte steekproef is er minder kans op toeval. Bij een selecte steekproef kies je
binnen een bepaalde groep en sluit je dus al bepaalde zaken uit.
12. Populatie zijn alle personen waarop de resultaten betrekking hebben, steekproef is de groep
personen waaronder het onderzoek gedaan is want er is nooit de mogelijkheid om alle
personen van een populatie te onderzoeken.
13. µ is het gemiddelde van de populatie en x is het gemiddelde van de steekproef. σ is de
standaard deviatie in de populatie en sd de standaard deviatie van de steekproef.
14. Door gebruik te maken van een aselecte steekproef is de steekproef representatief voor de
gehele populatie en mogen we aan de hand van de steekproef uitspraken doen over de hele
populatie.
15. De statistische hypothese heeft betrekking op de populatie.
16. H0 stelt dat er geen invloed is en dat meting 1 en meting 2 aan elkaar gelijk zijn. H1 stelt dat
er wel een invloed is en dat meting 1 en meting 2 niet gelijk aan elkaar zijn.
17. Bij een tweezijdige hypothese wordt er getoetst of er een verschil is tussen de twee
variabelen, bij een eenzijdige hypothese wordt ook de richting van dit verschil getoetst.
18. Een eenzijdige hypothese wordt gebruikt bij onderzoek naar medicijnen (je wil niet dat de
patiënt achteruit gaat), een tweezijdige hypothese wordt opgesteld als er geen voorspelling
is van de richting.
19. Een steekproefverdeling is verdeling van de resultaten van een steekproef, een
steekproevenverdeling is een verdeling van de gemiddelde resultaten van meerdere
steekproeven.
20. Wanneer er geen sprake is van toeval heeft het resultaat van je steekproef betrekking op de
populatie en wordt H0 verworpen.
21. Er kan altijd sprake zijn van toeval, omdat je nooit de hele populatie kunt toetsen
22. Alpha is de kans die je aanneemt om een fout te maken. Bij een te grote alpha heb je een
kans om H0 te verwerpen terwijl deze waar is. Bij een te kleine alpha is er risico op een type
II fout.
23. Bij een type I fout verwerp je H0 terwijl deze waar is. Een grote steekproef en de keuze van
het significantieniveau beïnvloeden de kans op het maken van een type I fout.
Week 1;
1. Wat is het verschil tussen interval en ratio meetniveau? Kun je voorbeelden van beide
meetniveaus bedenken?
2. Wat wordt er bedoeld met een afhankelijke (dependent) variabele en met een onafhankelijke
(independent) variabele?
3. Waarom worden ze ook wel voorspellende (predictor) en uitkomst (outcome) variabelen
genoemd?
4. Geef een voorbeeld van een statistische centrummaat en een spreidingsmaat.
5. Bij een nominale variabele past het niet om een gemiddelde te rapporteren als beschrijvende
statistiek. Hoe moet je de uitkomsten dan beschrijven?
6. Leeftijd wordt beschouwd als een continue en discrete variabele. Leg uit.
7. Wat is het verschil tussen een normaalverdeling en de Z-verdeling?
8. Wat staat er precies in de Z-tabel en waarvoor kun je de Z-tabel gebruiken?
9. Waarom is het van belang om te weten of je data normaal verdeeld is?
10. Geeft het gemiddelde en de standaard deviatie een goed beeld van je data als je data positief
scheef of negatief scheef verdeeld is?
11. Waarom is het van belang om een aselecte (willekeurige) steekproef te nemen?
12. Leg uit wat er bedoeld wordt met populatie en steekproef. Hoe verhouden deze twee zich tot
elkaar?
13. Wat is het verschil tussen µ en x en tussen σ en sd?
14. Waarom kunnen we met onze steekproefresultaten uitspraken doen over de populatie? We
weten toch niet de resultaten van de gehele populatie?
15. Heeft een statistische hypothese betrekking op de steekproef of op de populatie?
16. Wat wordt er verstaan onder de nulhypothese (H0) en alternatieve hypothese (H1)?
17. Wat is het verschil tussen een tweezijdige en een eenzijdige hypothese?
18. Wanneer maak je gebruik van een eenzijdige hypothese en wanneer van een tweezijdige
hypothese?
19. Wat staat er in een steekproefverdeling en wat in een steekproevenverdeling? Hoe komen
beide verdelingen tot stand?
20. Wat is het verband tussen de populatie, het steekproefresultaat en het al dan niet verwerpen
van de H0?
21. Waarom weet je nooit zeker of je steekproefresultaat en statistische conclusie klopt?
22. Wat houdt alpha in? Wat is het risico van een te grote/kleine alpha?
23. Wat wordt er bedoeld met een type I fout en welke factoren beïnvloeden de kans op het
maken van deze fout?
24. Wat wordt er bedoeld met een type II fout en welke factoren beïnvloeden de kans op het
maken van deze fout?
25. Waarom kun je op basis van je statistische resultaat nooit de H0 ‘bewijzen’? Wat kun je wel
concluderen met betrekking tot je hypothese?
, Antwoorden;
1. Ratio meetniveau heeft een betekenisvolle nul. Voorbeeld; graden Celsius is interval
meetniveau, graden Kelvin is ratio meetniveau (0 graden is een afspraak, er is geen absoluut
nulpunt)
2. De onafhankelijke variabele is de variabele die je zelf manipuleert tijdens je onderzoek, de
afhankelijke variabele is de variabele die veranderd door de manipulaties die je zelf uitvoert.
3. Predictor want je voorspelt wat er gaat gebeuren, outcome want het is de uitkomst van wat
je voorspeld had
4. Centrummaat; gemiddelde, mediaan, modus. Spreidingsmaat; standaard deviatie, bereik,
inter-kwartiel bereik, variantie
5. Met de modus of de frequentie per categorie.
6. Continue variabele want het kan in principe elke waarde aannemen. Discreet want wanneer
je leeftijd in jaren uitdrukt gebruik je alleen hele getallen.
7. De z-verdeling is de gestandaardiseerde vorm van de normaal verdeling. Bij een z-verdeling is
het gemiddelde 0 en de staandaard deviatie 1.
8. In de z-tabel staat de linker en rechter overschrijdingskans. Deze is te gebruiken om op te
zoeken hoe (on) gebruikelijk de gevonden score is. De linker overschrijdingskans geeft hoe
veel er lager gescoord is en de rechter overschrijdingskans hoeveel hoger er gescoord is.
9. De toets die je gebruikt hangt af van het feit of je data normaal verdeeld is of niet. Bij
normaal verdeelde data gebruik je andere statistische toetsen dan bij niet normaal verdeelde
data.
10. Nee, dit geeft alleen de gemiddelde afwijking weer. De skewness en kurtosis geven wel een
goed beeld.
11. Bij een aselecte steekproef is er minder kans op toeval. Bij een selecte steekproef kies je
binnen een bepaalde groep en sluit je dus al bepaalde zaken uit.
12. Populatie zijn alle personen waarop de resultaten betrekking hebben, steekproef is de groep
personen waaronder het onderzoek gedaan is want er is nooit de mogelijkheid om alle
personen van een populatie te onderzoeken.
13. µ is het gemiddelde van de populatie en x is het gemiddelde van de steekproef. σ is de
standaard deviatie in de populatie en sd de standaard deviatie van de steekproef.
14. Door gebruik te maken van een aselecte steekproef is de steekproef representatief voor de
gehele populatie en mogen we aan de hand van de steekproef uitspraken doen over de hele
populatie.
15. De statistische hypothese heeft betrekking op de populatie.
16. H0 stelt dat er geen invloed is en dat meting 1 en meting 2 aan elkaar gelijk zijn. H1 stelt dat
er wel een invloed is en dat meting 1 en meting 2 niet gelijk aan elkaar zijn.
17. Bij een tweezijdige hypothese wordt er getoetst of er een verschil is tussen de twee
variabelen, bij een eenzijdige hypothese wordt ook de richting van dit verschil getoetst.
18. Een eenzijdige hypothese wordt gebruikt bij onderzoek naar medicijnen (je wil niet dat de
patiënt achteruit gaat), een tweezijdige hypothese wordt opgesteld als er geen voorspelling
is van de richting.
19. Een steekproefverdeling is verdeling van de resultaten van een steekproef, een
steekproevenverdeling is een verdeling van de gemiddelde resultaten van meerdere
steekproeven.
20. Wanneer er geen sprake is van toeval heeft het resultaat van je steekproef betrekking op de
populatie en wordt H0 verworpen.
21. Er kan altijd sprake zijn van toeval, omdat je nooit de hele populatie kunt toetsen
22. Alpha is de kans die je aanneemt om een fout te maken. Bij een te grote alpha heb je een
kans om H0 te verwerpen terwijl deze waar is. Bij een te kleine alpha is er risico op een type
II fout.
23. Bij een type I fout verwerp je H0 terwijl deze waar is. Een grote steekproef en de keuze van
het significantieniveau beïnvloeden de kans op het maken van een type I fout.
