Modules statistiek (BIS)
Week 1:
0. Introductie
Statistische geletterdheid = statistical literacy
Random sampling = willekeurige steekproeftrekking
Random assignment = willekeurige toewijzing
Beschrijvend = hoe ziet de data eruit? (Geluk niveau, tevredenheid enz.).
Samenvatting geven van de verkregen data
Inferentiële = wat zegt de data van steekproef over gehele populatie? (Stel we
onderzoeken ziekteverzuim, met willekeurige steekproef: is dit verschil
significant?). Uitspraken en voorspellingen doen over hele populatie op basis van
verkregen data (steekproef).
To infer = concluderen uit/opmaken uit
1. Statische basisconcepten
1.1. Statistische concepten: variabelen, cases en observaties.
Voorbeeld:
- Spelers, maar ook elftallen zijn cases
- Hun kenmerken zijn variabelen, zoals gewicht, leeftijd en haarkleur
1 criterium om een variabele te zijn; het moet variëren:
- Bijvoorbeeld steden waar de voetbalteams vandaan komen; Valencia,
Barcelona enz. (variatie). Als je bijvoorbeeld kijkt naar het land waar ze
vandaan komen en het is allemaal Spanje, dan kan het niet, want geen
variatie (is een constant).
Verschillende meetniveaus:
- Nominaal niveau. Wel verschil in categorie, geen rangorde. Je kan niet
zeggen dat de ene of een andere categorie beter is (bijvoorbeeld geslacht
of afkomst voetbalspelers).
Een nominale variabele met twee categorieën = dichotoom.
- Ordinale niveau. Wel verschil in categorie, wel een rangorde
(bijvoorbeeld de volgorde (winnaar) in voetbalcompetitie). Je weet alleen
nog niks over de verschillen tussen de categorieën (bijvoorbeeld je weet
niet hoeveel beter nummer 1 was t.o.v. nummer 2 enz.)
Deze twee (variabelen) heten beide categoriale variabelen.
Vervolg verschillende meetniveaus:
- Interval niveau. Wel verschil in categorie, wel een rangorde. Ook zijn er
vergelijkbare intervallen tussen de categorieën (voorbeeld: leeftijd van de
, voetbalspeler, 16 & 18 jaar. Het verschilt in leeftijd, maar je kan ook
zeggen dat 18 ouder is dan 16 jaar, maar we kunnen ook zeggen dat het
verschil hetzelfde is als tussen een 14 en 12-jarige speler).
Temperatuur is een beter voorbeeld! Om te onthouden of er een
betekenisvol nulpunt bestaat: als het gisteren 10 graden Celsius was en
vandaag 20 graden, kun je dan zeggen dat het buiten ‘twee keer zo warm’
is? (10 * 2 = 20). Nee, want als we dit omrekenen naar Fahrenheit (dat een
ander nulpunt heeft), is er alleen sprake van een temperatuurstijging van
50°F naar 68°F). Leeftijd is een interval variabele.
- Ratio niveau. Wel verschil in categorie, wel een rangorde. Ook zijn er
vergelijkbare intervallen tussen de categorieën en nulpunt met betekenis.
Lijkt op interval niveau, maar heeft ook een nulpunt met betekenis
(voorbeeld: een voetbalspeler zijn lengte, gemeten in cm. Er zijn
verschillen in de categorieën).
Voorbeeld: Lengte van 0 cm, betekent dat er geen lengte is. Bij leeftijd kan
je dat niet zeggen: een leeftijd van 0 jaar, betekent niet dat er geen leeftijd
is (want je bent tenslotte 0 jaar). Leeftijd is een interval variabele (maar
meer mensen denken ratio).
Het verschil tussen bovenstaande niet zo belangrijk (wel wat het is)! =
Rangordening met gelijke afstanden
Deze twee (variabelen) heten beide kwantitatieve variabelen: categorieën
staan voor numerieke waarden. Twee verschillende:
- Discrete variabelen = mogelijk dat categorieën een set aparte nummers
vormen (bijvoorbeeld: aantal gescoorde doelpunten door een speler. Je kan
er 1 of 2 scoren, maar geen 1,21 doelpunt).
- Continue variabelen = mogelijk dat waarden een interval vormen
(bijvoorbeeld: lengte van een speler. Je kan 170 of 171 cm zijn, maar ook
171,23 cm). Er is geen set van aparte nummers, maar oneindig regio van
waarden.
Het is belangrijk dit verschil te onderscheiden, omdat de methode hoe we dit
meten verschilt!!
Bijvoorbeeld survey die vraagt: op schaal van 0 tot 10, hoe goed vindt je speler
X? Dit is eigenlijk een ordinale variabele, maar in praktijk mag je valsspelen en
doen alsof dit een kwantitatieve variabele is.
2. Het samenvatten en visualiseren van data
2.1. Beschrijven van data: tabellen en grafieken
Tabellen
Wat is een datamatrix? Cases in de rijen, variabelen in kolommen en
observaties (waarden) in de cellen. Je hebt een datamatrix nodig voor al je
statistische analyses.
Ontbrekende waarden = missing cases
, Frequentietabel = lijst met alle mogelijke waarden. Goeie manier om samen te
vatten. Voorbeeld van categorische variabele: haarkleur: absolute en relatieve
frequenties (percentage)
Cumulatieve percentages = percentages van elke categorie opgeteld
Kwantitatieve variabele omgezet naar een ordinale variabele = recoded
(andersom is dit onmogelijk!). Kwantitatieve variabele (bijvoorbeeld: gewicht): we
kunnen de variabele omzetten in een ordinale variabele met categorieën
(bijvoorbeeld groep 60-70 kg, 70-80 kg enz.)
Grafieken/graphs
Vat gegevens van een categorische variabele samen met behulp van
frequentietabel.
Nadelen en voordelen van taartdiagram (pie chart) en (bar chart).
Kwantitatieve variabele samenvatten/visualiseren: spreidingsdiagram
(scatterplot) en histogram (voorbeeld: gewicht), dit gebruiken we als we veel
observaties hebben.
Histogram: verschil is dat de staven elkaar raken
Week 1:
0. Introductie
Statistische geletterdheid = statistical literacy
Random sampling = willekeurige steekproeftrekking
Random assignment = willekeurige toewijzing
Beschrijvend = hoe ziet de data eruit? (Geluk niveau, tevredenheid enz.).
Samenvatting geven van de verkregen data
Inferentiële = wat zegt de data van steekproef over gehele populatie? (Stel we
onderzoeken ziekteverzuim, met willekeurige steekproef: is dit verschil
significant?). Uitspraken en voorspellingen doen over hele populatie op basis van
verkregen data (steekproef).
To infer = concluderen uit/opmaken uit
1. Statische basisconcepten
1.1. Statistische concepten: variabelen, cases en observaties.
Voorbeeld:
- Spelers, maar ook elftallen zijn cases
- Hun kenmerken zijn variabelen, zoals gewicht, leeftijd en haarkleur
1 criterium om een variabele te zijn; het moet variëren:
- Bijvoorbeeld steden waar de voetbalteams vandaan komen; Valencia,
Barcelona enz. (variatie). Als je bijvoorbeeld kijkt naar het land waar ze
vandaan komen en het is allemaal Spanje, dan kan het niet, want geen
variatie (is een constant).
Verschillende meetniveaus:
- Nominaal niveau. Wel verschil in categorie, geen rangorde. Je kan niet
zeggen dat de ene of een andere categorie beter is (bijvoorbeeld geslacht
of afkomst voetbalspelers).
Een nominale variabele met twee categorieën = dichotoom.
- Ordinale niveau. Wel verschil in categorie, wel een rangorde
(bijvoorbeeld de volgorde (winnaar) in voetbalcompetitie). Je weet alleen
nog niks over de verschillen tussen de categorieën (bijvoorbeeld je weet
niet hoeveel beter nummer 1 was t.o.v. nummer 2 enz.)
Deze twee (variabelen) heten beide categoriale variabelen.
Vervolg verschillende meetniveaus:
- Interval niveau. Wel verschil in categorie, wel een rangorde. Ook zijn er
vergelijkbare intervallen tussen de categorieën (voorbeeld: leeftijd van de
, voetbalspeler, 16 & 18 jaar. Het verschilt in leeftijd, maar je kan ook
zeggen dat 18 ouder is dan 16 jaar, maar we kunnen ook zeggen dat het
verschil hetzelfde is als tussen een 14 en 12-jarige speler).
Temperatuur is een beter voorbeeld! Om te onthouden of er een
betekenisvol nulpunt bestaat: als het gisteren 10 graden Celsius was en
vandaag 20 graden, kun je dan zeggen dat het buiten ‘twee keer zo warm’
is? (10 * 2 = 20). Nee, want als we dit omrekenen naar Fahrenheit (dat een
ander nulpunt heeft), is er alleen sprake van een temperatuurstijging van
50°F naar 68°F). Leeftijd is een interval variabele.
- Ratio niveau. Wel verschil in categorie, wel een rangorde. Ook zijn er
vergelijkbare intervallen tussen de categorieën en nulpunt met betekenis.
Lijkt op interval niveau, maar heeft ook een nulpunt met betekenis
(voorbeeld: een voetbalspeler zijn lengte, gemeten in cm. Er zijn
verschillen in de categorieën).
Voorbeeld: Lengte van 0 cm, betekent dat er geen lengte is. Bij leeftijd kan
je dat niet zeggen: een leeftijd van 0 jaar, betekent niet dat er geen leeftijd
is (want je bent tenslotte 0 jaar). Leeftijd is een interval variabele (maar
meer mensen denken ratio).
Het verschil tussen bovenstaande niet zo belangrijk (wel wat het is)! =
Rangordening met gelijke afstanden
Deze twee (variabelen) heten beide kwantitatieve variabelen: categorieën
staan voor numerieke waarden. Twee verschillende:
- Discrete variabelen = mogelijk dat categorieën een set aparte nummers
vormen (bijvoorbeeld: aantal gescoorde doelpunten door een speler. Je kan
er 1 of 2 scoren, maar geen 1,21 doelpunt).
- Continue variabelen = mogelijk dat waarden een interval vormen
(bijvoorbeeld: lengte van een speler. Je kan 170 of 171 cm zijn, maar ook
171,23 cm). Er is geen set van aparte nummers, maar oneindig regio van
waarden.
Het is belangrijk dit verschil te onderscheiden, omdat de methode hoe we dit
meten verschilt!!
Bijvoorbeeld survey die vraagt: op schaal van 0 tot 10, hoe goed vindt je speler
X? Dit is eigenlijk een ordinale variabele, maar in praktijk mag je valsspelen en
doen alsof dit een kwantitatieve variabele is.
2. Het samenvatten en visualiseren van data
2.1. Beschrijven van data: tabellen en grafieken
Tabellen
Wat is een datamatrix? Cases in de rijen, variabelen in kolommen en
observaties (waarden) in de cellen. Je hebt een datamatrix nodig voor al je
statistische analyses.
Ontbrekende waarden = missing cases
, Frequentietabel = lijst met alle mogelijke waarden. Goeie manier om samen te
vatten. Voorbeeld van categorische variabele: haarkleur: absolute en relatieve
frequenties (percentage)
Cumulatieve percentages = percentages van elke categorie opgeteld
Kwantitatieve variabele omgezet naar een ordinale variabele = recoded
(andersom is dit onmogelijk!). Kwantitatieve variabele (bijvoorbeeld: gewicht): we
kunnen de variabele omzetten in een ordinale variabele met categorieën
(bijvoorbeeld groep 60-70 kg, 70-80 kg enz.)
Grafieken/graphs
Vat gegevens van een categorische variabele samen met behulp van
frequentietabel.
Nadelen en voordelen van taartdiagram (pie chart) en (bar chart).
Kwantitatieve variabele samenvatten/visualiseren: spreidingsdiagram
(scatterplot) en histogram (voorbeeld: gewicht), dit gebruiken we als we veel
observaties hebben.
Histogram: verschil is dat de staven elkaar raken
