Analyse en interpretatie Week B1
“Kwantitatieve data-analyse” staat centraal deze week. Deze week zal er speci ek worden
stilgestaan bij de achterliggende principes om ervoor te zorgen dat de uitkomsten van de data-
analyse daadwerkelijk te interpreteren zullen zijn. Daarnaast verdiepen we ons verder in
kwantitatieve data-analyse, waarbij we ook toewerken naar het gebruik van het statische software
voor data-analyse: SPSS.
Eerste lmpje: TED: Lies, dammend lies en statistics —> geeft een klein idee van de
mogelijkheden die statistiek ons geeft om analyses te maken.
Deze meneer laat zien hoe statisch en data je allemaal kan vertellen. Hij gebruikt als voorbeeld de
eigen lmpjes van TEDtalks. Hij kan met data analyses zien wat de beste onderwerpen zijn om
over te praten en over welke onderwerpen je juist niet moet praten. Ook dat als je langer praat,
mensen dit leuker beoordelen dan dat de lmpjes korter zijn.
Filmpje introductie periode B:
Leeruitkomsten: De student wordt in staat geacht om…
• (B1&B2) Basisvaardigheden in kwantitatieve data-analyse aan te kunnen tonen door
kwantitatieve data te analyseren. —> gaat over kwantitatieve data-analyse (ook wel statistiek)
• Basisvaardigheden kwalitatieve data-analyse aan te kunnen tonen door kwalitatieve data te
analyseren. —> gaat over kwalitatieve data-analyse, coderen.
• Een veiligheidskundige casus te kunnen analyseren vanuit het perspectief van project- en
procesmanagement. —> perspectief van project en procesmanagement dat voorbij komt
waarbij we veiligheidskundige casus kunnen analyseren.
• Een veiligheidskundige casus te kunnen analyseren vanuit een economisch perspectief. —> ten
slotte het economische perspectief, ook weer van toepassing vanuit het veiligheid casus.
Kennisclip: spreidingsmaten & statistiek
Spreidingsmaten
Boxplot - hoe zat dat ook al weer?
De boxplot is een visuele manier om die spreiding van
data in een data-set in kaart te brengen. We hebben daar
meer manieren van gezien. Maar het is goed om door te
hebben dat er meer is dan alleen die visuele uitdrukking.
Namelijk ook de meer rekenkundige uitwerking ervan.
Boxplot is meer rekenkundige manier, want hier kan je
ook de achterliggende waarde zien die ons in staat stellen
om er op een iets exactere manier over te praten.
fi fi fi fi
, Spreidingsmaten
Wat betekenen nou eigenlijk die stappen die worden gezet. Achter de schermen van die
programma’s van die software, zitten nog formules zoals deze opgesloten, die dus variantie voor
ons kunnen uitrekeningen bijvoorbeeld. Variantie is het begrip wat we hier bekijken. Maar we
moeten wel begrijpen wat het cijfer dat eruit voortkomt nou precies betekent. En een van de
manieren om dit te doen is door zo een formule heen te lopen om te zien, wat stoppen we nu in
zo een formule en wat betekent dit voor de output. En wat kunnen we er dan nog meer in het
vervolg.
Variantie - gemiddelde gekwadrateerde afwijking van het
gemiddelde.
• Bruikbaar bij meetniveau’s interval of ratio;
• Zegt iets over de afstand van alle waarnemingen t.o.v.
gemiddeld;
• Uitgedrukt in 1 getal.
Formule populatievariantie=
Let op: variantie is Q2 en niet Q!!!!
UITLEG: variantie passen we toe op variabelen van het meetniveau interval of ratio. Dat zijn de
variabelen met een wat meer rekenkundige aard. Dit zijn cijfermatige variabelen in tegenstelling tot
nominale en ordinale variabelen. Het is dus belangrijk dat variantie van toepassing is bij interval en
ratio, waar je een wat meer doorlopende schaal hebt en dit soort dingen op kunt toepassen. En
het zegt ons iets over de afstand van alle waarnemingen die in onze datasets zitten ten opzichte
van het gemiddelde van al die waarnemingen. Dat drukken we dan uiteindelijk uit in 1 getal. En
een van de redenen dat we dat willen doen is omdat we er ook weer mee door willen rekenen dus
we willen die variantie ook nog gebruiken voor andere begrippen die straks voorbij komen.
We zien:
• sigma kwadraat staan= Q2. Staat voor populatievariantie.
• 1 / N= N staat voor populatie (het aantal mensen bijvoorbeeld dat in die populatie bevind).
• n= is een steekproef.
• Omgekeerde drie = sigma (die staat voor de som die wij moeten gaan bepalen. Namelijk die
rekenkundige bewerking die erna komt en tussen haakjes staat en gekwadrateerd wordt).
• Omgekeerd u= mu = populatiegemiddelde
Uitleg door middel van een voorbeeld
Stap 1: het gemiddelde berekenen (mu (omgekeerde u). Dit
doe je door alle eindcijfers van de studenten bij elkaar op te
tellen en delen door het geheel van de studenten= dus
4+8+5+..+..etc.= = 5,833.
Stap 2: (x-mu) —> dit ga je per student toepassen. Dus de
eerste leerling had een vier als cijfers. Dus ga je 4 -
gemiddelde = 4 - 5,833= -1,833. Hetzelfde pas je toe dus bij
elke student en daarmee komen we dus bij elke student van
x - mu. We kunnen kijken wat we hier mee uitkomen als we
het nog niet kwadrateren en dan zie je dat je uitkomt op
som= 0,000. Dit is best logisch: we zijn hier elke keer aan
het kijken hoe er 1 bepaalde student a igt van het
gemiddelde maar dat gemiddelde is juist berekent op al die
studenten. Dus we zien hier dat sommige er onder liggen en
sommige erboven en dat als we dit dan weer bij elkaar
optellen dat dat juist dan weer elkaar in balans brengt
waardoor we de uitkomt van 0 krijgen.
fl
“Kwantitatieve data-analyse” staat centraal deze week. Deze week zal er speci ek worden
stilgestaan bij de achterliggende principes om ervoor te zorgen dat de uitkomsten van de data-
analyse daadwerkelijk te interpreteren zullen zijn. Daarnaast verdiepen we ons verder in
kwantitatieve data-analyse, waarbij we ook toewerken naar het gebruik van het statische software
voor data-analyse: SPSS.
Eerste lmpje: TED: Lies, dammend lies en statistics —> geeft een klein idee van de
mogelijkheden die statistiek ons geeft om analyses te maken.
Deze meneer laat zien hoe statisch en data je allemaal kan vertellen. Hij gebruikt als voorbeeld de
eigen lmpjes van TEDtalks. Hij kan met data analyses zien wat de beste onderwerpen zijn om
over te praten en over welke onderwerpen je juist niet moet praten. Ook dat als je langer praat,
mensen dit leuker beoordelen dan dat de lmpjes korter zijn.
Filmpje introductie periode B:
Leeruitkomsten: De student wordt in staat geacht om…
• (B1&B2) Basisvaardigheden in kwantitatieve data-analyse aan te kunnen tonen door
kwantitatieve data te analyseren. —> gaat over kwantitatieve data-analyse (ook wel statistiek)
• Basisvaardigheden kwalitatieve data-analyse aan te kunnen tonen door kwalitatieve data te
analyseren. —> gaat over kwalitatieve data-analyse, coderen.
• Een veiligheidskundige casus te kunnen analyseren vanuit het perspectief van project- en
procesmanagement. —> perspectief van project en procesmanagement dat voorbij komt
waarbij we veiligheidskundige casus kunnen analyseren.
• Een veiligheidskundige casus te kunnen analyseren vanuit een economisch perspectief. —> ten
slotte het economische perspectief, ook weer van toepassing vanuit het veiligheid casus.
Kennisclip: spreidingsmaten & statistiek
Spreidingsmaten
Boxplot - hoe zat dat ook al weer?
De boxplot is een visuele manier om die spreiding van
data in een data-set in kaart te brengen. We hebben daar
meer manieren van gezien. Maar het is goed om door te
hebben dat er meer is dan alleen die visuele uitdrukking.
Namelijk ook de meer rekenkundige uitwerking ervan.
Boxplot is meer rekenkundige manier, want hier kan je
ook de achterliggende waarde zien die ons in staat stellen
om er op een iets exactere manier over te praten.
fi fi fi fi
, Spreidingsmaten
Wat betekenen nou eigenlijk die stappen die worden gezet. Achter de schermen van die
programma’s van die software, zitten nog formules zoals deze opgesloten, die dus variantie voor
ons kunnen uitrekeningen bijvoorbeeld. Variantie is het begrip wat we hier bekijken. Maar we
moeten wel begrijpen wat het cijfer dat eruit voortkomt nou precies betekent. En een van de
manieren om dit te doen is door zo een formule heen te lopen om te zien, wat stoppen we nu in
zo een formule en wat betekent dit voor de output. En wat kunnen we er dan nog meer in het
vervolg.
Variantie - gemiddelde gekwadrateerde afwijking van het
gemiddelde.
• Bruikbaar bij meetniveau’s interval of ratio;
• Zegt iets over de afstand van alle waarnemingen t.o.v.
gemiddeld;
• Uitgedrukt in 1 getal.
Formule populatievariantie=
Let op: variantie is Q2 en niet Q!!!!
UITLEG: variantie passen we toe op variabelen van het meetniveau interval of ratio. Dat zijn de
variabelen met een wat meer rekenkundige aard. Dit zijn cijfermatige variabelen in tegenstelling tot
nominale en ordinale variabelen. Het is dus belangrijk dat variantie van toepassing is bij interval en
ratio, waar je een wat meer doorlopende schaal hebt en dit soort dingen op kunt toepassen. En
het zegt ons iets over de afstand van alle waarnemingen die in onze datasets zitten ten opzichte
van het gemiddelde van al die waarnemingen. Dat drukken we dan uiteindelijk uit in 1 getal. En
een van de redenen dat we dat willen doen is omdat we er ook weer mee door willen rekenen dus
we willen die variantie ook nog gebruiken voor andere begrippen die straks voorbij komen.
We zien:
• sigma kwadraat staan= Q2. Staat voor populatievariantie.
• 1 / N= N staat voor populatie (het aantal mensen bijvoorbeeld dat in die populatie bevind).
• n= is een steekproef.
• Omgekeerde drie = sigma (die staat voor de som die wij moeten gaan bepalen. Namelijk die
rekenkundige bewerking die erna komt en tussen haakjes staat en gekwadrateerd wordt).
• Omgekeerd u= mu = populatiegemiddelde
Uitleg door middel van een voorbeeld
Stap 1: het gemiddelde berekenen (mu (omgekeerde u). Dit
doe je door alle eindcijfers van de studenten bij elkaar op te
tellen en delen door het geheel van de studenten= dus
4+8+5+..+..etc.= = 5,833.
Stap 2: (x-mu) —> dit ga je per student toepassen. Dus de
eerste leerling had een vier als cijfers. Dus ga je 4 -
gemiddelde = 4 - 5,833= -1,833. Hetzelfde pas je toe dus bij
elke student en daarmee komen we dus bij elke student van
x - mu. We kunnen kijken wat we hier mee uitkomen als we
het nog niet kwadrateren en dan zie je dat je uitkomt op
som= 0,000. Dit is best logisch: we zijn hier elke keer aan
het kijken hoe er 1 bepaalde student a igt van het
gemiddelde maar dat gemiddelde is juist berekent op al die
studenten. Dus we zien hier dat sommige er onder liggen en
sommige erboven en dat als we dit dan weer bij elkaar
optellen dat dat juist dan weer elkaar in balans brengt
waardoor we de uitkomt van 0 krijgen.
fl
