Statistiek 2
Vorige les: introductie + statistiek 1 in vogelvlucht
Deze les:
Hoofdstuk 1: inductieve statistiek in onderzoek
+
Inleiding tot kwalitatieve data-analyse -> niet met cijfers maar met woorden
Hoofdstuk 1:
inductieve statistiek in onderzoek
ECTS-fiche Statistiek 2
Examen is ontworpen om de leerdoelen te evalueren.
Hou deze bij de hand tijdens het studeren!
,Doel?
Nut van inductieve statistiek in gedragswetenschappelijk onderzoek aantonen
De empirische cyclus
- Elk soort onderzoek volgt hetzelfde stappen plan
- Duidelijk geformuleerde vragen stelling -> niet vaag en zo kunnen we vaststellen in wat we
geintresseerd zijn
- Dan heb je de variable en de onafhakelijke variabele
- We hebben geschikte meet instrument kiezen voor de variable die je moet weten
- Bv, zijn brunette intelligenter dan blondinen -> de onafhankelijke (haarkleur), afhakelijke
(intelligentie), operationalisatie (de juiste meetintrument kiezen, de wais)
, - Steekproef -> zoveel blonde en zoveel bruine
- Gegevens verzamelen -> zaken die we berekenen om de data inzichtelijker te maken
- Klopt het resultaat of is het te wijten aan toeval -> als we dan een andere steekproef zouden
samen stellen zou dan het resultaat hetzelfde zijn -> kunnen we de steekproef generaliseren
naar de populatie -> moeilijk bij de beschrijvende statistiek -> daarom de inductieve statistiek
nodig
- Statistisch significant of niet -> is het verschil tussen de bruine of blonde echt betekenis vol in
de populatie of is het te wijten aan toeval -> inductieve analyse
- Het is geen significant verschil -> dus de blonde en bruine zijn even slim
- De conclusie kan aanleiding geven tot een nieuwe vraagstelling -> zo blijft de cyclus
doorlopen
- Alles wat we doen moet in de contect van de cyclus
Waarom statistiek?
Statistiek is louter een hulpmiddel bij empirisch onderzoek (geen doel op zich!)
Doel: gefundeerde uitspraken doen over de wetmatigheden (zoals menselijk gedrag) waarnaar we
onderzoek verrichten.
- Op welke manier kan de inductieve statistiek helpen om
uitspraken te doen
Kunnen mannen beter kaartlezen dan vrouwen?
> Gemeten via een test kaartlezen
> 40 deelnemers -> 20 mannen en 20 vrouwen
> 3 steekproeven: -> drie keer opnieuw 40 deelnemers verzamelen
Mannen 45/60 51/60 51/60
Vrouwen 44/60 39/60 39/60
- Dit zijn de drie steekproeven -> welke conclusie moeten we nu nemen -> inductieve statistiek
kan heir een antwoord op geven aan de hand van regels -> maar met een bepaalde
onzekerheid
>> statistiek biedt regels om te beslissen
, Problemen in de inductieve statistiek
Dus statistiek biedt zekerheid en houvast? Niet helemaal! -> het is nooit een absolute waarheid
• onderzoek meestal in steekproeven
• steekproef geen perfecte afspiegeling van populatie -> nooit tperfect de populatie is
eigenlijk veel te groot je kan niet heel de populatie bevragen -> omwille van de
perfecte grote gaat de steekproef nooit helemaal perfect zijn, dus je kan nooit
absoluut zeker zijn
• foutieve variatie mogelijk alsook toevallige meetfouten
We zijn dus nooit 100% zeker van conclusies, statistiek berust daarom op kansberekening -> gaat
aanduiden hoe zeker we zijn over de resultaten
• inschatten hoe zeker we zijn van onze conclusies
• kansberekening nodig (bv: “We concluderen met 95% zekerheid dat vrouwen meer
levenstevredenheid ervaren dan mannen”)
Wanneer zijn zulke uitspraken geoorloofd? >> significantie -> wanneer de kans groot genoeg is om
te zeggen dat het representatief is
Statistische significantie -> examenvraag van vorig jaar
• Op basis van steekproeven geen zekerheden
• Zijn de verschillen tussen de resultaten wel
betekenisvol -> statistisch significant? -> zijn ze groot genoeg om significant te zijn
• Voorbeeld: Is de groep van studenten die één uur naar Channel Zero luistert intelligenter
dan de groep die voor de test één uur naar Netsky heeft geluisterd?
• Is het verschil in scores eerder klein (dan is het verschil zo klein dat wilt zeggen dat het klein
genoeg is om aan toeval te wijden) (en dus te wijten aan toevalligheden) of is het groot (wel
significant, het moet dan wel in de populatie een betekenis hebben) genoeg?
• Hypothesetoetsing: -> om te bepalen of iets significant is of niet
• Statistische significantie helpt ons dus om onze hypothesen te toetsen. Het helpt ons
inschatten wanneer een waargenomen verband/verschil groot genoeg/betekenisvol
is.
Vorige les: introductie + statistiek 1 in vogelvlucht
Deze les:
Hoofdstuk 1: inductieve statistiek in onderzoek
+
Inleiding tot kwalitatieve data-analyse -> niet met cijfers maar met woorden
Hoofdstuk 1:
inductieve statistiek in onderzoek
ECTS-fiche Statistiek 2
Examen is ontworpen om de leerdoelen te evalueren.
Hou deze bij de hand tijdens het studeren!
,Doel?
Nut van inductieve statistiek in gedragswetenschappelijk onderzoek aantonen
De empirische cyclus
- Elk soort onderzoek volgt hetzelfde stappen plan
- Duidelijk geformuleerde vragen stelling -> niet vaag en zo kunnen we vaststellen in wat we
geintresseerd zijn
- Dan heb je de variable en de onafhakelijke variabele
- We hebben geschikte meet instrument kiezen voor de variable die je moet weten
- Bv, zijn brunette intelligenter dan blondinen -> de onafhankelijke (haarkleur), afhakelijke
(intelligentie), operationalisatie (de juiste meetintrument kiezen, de wais)
, - Steekproef -> zoveel blonde en zoveel bruine
- Gegevens verzamelen -> zaken die we berekenen om de data inzichtelijker te maken
- Klopt het resultaat of is het te wijten aan toeval -> als we dan een andere steekproef zouden
samen stellen zou dan het resultaat hetzelfde zijn -> kunnen we de steekproef generaliseren
naar de populatie -> moeilijk bij de beschrijvende statistiek -> daarom de inductieve statistiek
nodig
- Statistisch significant of niet -> is het verschil tussen de bruine of blonde echt betekenis vol in
de populatie of is het te wijten aan toeval -> inductieve analyse
- Het is geen significant verschil -> dus de blonde en bruine zijn even slim
- De conclusie kan aanleiding geven tot een nieuwe vraagstelling -> zo blijft de cyclus
doorlopen
- Alles wat we doen moet in de contect van de cyclus
Waarom statistiek?
Statistiek is louter een hulpmiddel bij empirisch onderzoek (geen doel op zich!)
Doel: gefundeerde uitspraken doen over de wetmatigheden (zoals menselijk gedrag) waarnaar we
onderzoek verrichten.
- Op welke manier kan de inductieve statistiek helpen om
uitspraken te doen
Kunnen mannen beter kaartlezen dan vrouwen?
> Gemeten via een test kaartlezen
> 40 deelnemers -> 20 mannen en 20 vrouwen
> 3 steekproeven: -> drie keer opnieuw 40 deelnemers verzamelen
Mannen 45/60 51/60 51/60
Vrouwen 44/60 39/60 39/60
- Dit zijn de drie steekproeven -> welke conclusie moeten we nu nemen -> inductieve statistiek
kan heir een antwoord op geven aan de hand van regels -> maar met een bepaalde
onzekerheid
>> statistiek biedt regels om te beslissen
, Problemen in de inductieve statistiek
Dus statistiek biedt zekerheid en houvast? Niet helemaal! -> het is nooit een absolute waarheid
• onderzoek meestal in steekproeven
• steekproef geen perfecte afspiegeling van populatie -> nooit tperfect de populatie is
eigenlijk veel te groot je kan niet heel de populatie bevragen -> omwille van de
perfecte grote gaat de steekproef nooit helemaal perfect zijn, dus je kan nooit
absoluut zeker zijn
• foutieve variatie mogelijk alsook toevallige meetfouten
We zijn dus nooit 100% zeker van conclusies, statistiek berust daarom op kansberekening -> gaat
aanduiden hoe zeker we zijn over de resultaten
• inschatten hoe zeker we zijn van onze conclusies
• kansberekening nodig (bv: “We concluderen met 95% zekerheid dat vrouwen meer
levenstevredenheid ervaren dan mannen”)
Wanneer zijn zulke uitspraken geoorloofd? >> significantie -> wanneer de kans groot genoeg is om
te zeggen dat het representatief is
Statistische significantie -> examenvraag van vorig jaar
• Op basis van steekproeven geen zekerheden
• Zijn de verschillen tussen de resultaten wel
betekenisvol -> statistisch significant? -> zijn ze groot genoeg om significant te zijn
• Voorbeeld: Is de groep van studenten die één uur naar Channel Zero luistert intelligenter
dan de groep die voor de test één uur naar Netsky heeft geluisterd?
• Is het verschil in scores eerder klein (dan is het verschil zo klein dat wilt zeggen dat het klein
genoeg is om aan toeval te wijden) (en dus te wijten aan toevalligheden) of is het groot (wel
significant, het moet dan wel in de populatie een betekenis hebben) genoeg?
• Hypothesetoetsing: -> om te bepalen of iets significant is of niet
• Statistische significantie helpt ons dus om onze hypothesen te toetsen. Het helpt ons
inschatten wanneer een waargenomen verband/verschil groot genoeg/betekenisvol
is.
