Blok 1.3 Statistiek I: samenvatting Introduction to the Practice of Statistics hoofdstuk 1 t/m 5

Samenvatting literatuur

Bijeenkomst 1

Introduction to the practice of statistics
Hoofdstuk 1

1.1 Data
- Statistiek is de wetenschap van het leren van data
o Data  nummerieke of qualitatieve beschrijvingen van de objecten die we
willen bestuderen
- We construeren gegevens (data) door eerst te bepalen welke cases of units we willen
bestuderen
o Voor elke case of unit verzamelen we informatie (= variabelen)
- Begrippen
o Case  onderwerp/voorwerp/persoon die bestudeerd wordt
o Label  speciale variabele die wordt gebruikt om verschillende cases van
elkaar te onderscheiden
o Variabele  kenmerk van een case
o Waarde  wat de case scoort bij een variabele (bv man/vrouw, 20 jaar, 6
punten)
o Data  alle verzamelde gegevens
- Verschillende soorten variabelen
o Categorisch  verdeelt de case in groepen of categorieën
 Kan omgezet worden naar kwantitatief (bv toetsscore A naar 4 en B
naar 3 etc)
o Kwantitatief  geeft een nummer waarmee je dingen kan berekenen zoals
het gemiddelde
- Belangrijk om bij onduidelijkheid te vermelden in welke eenheid wordt gemeten
- Belangrijke vragen om te stellen als je een statistische studie van een ander bekijkt
om de achtergrond informatie te begrijpen en een volledig beeld te creëren (= key
characteristics)
o Wie
 Welke case
 Hoeveel cases
o Wat
 Hoeveel variabelen
 Precieze definities van de variabelen
 Met welke eenheden wordt er gemeten
o Waarom
 Welk doel heeft de data
 Is de data geschikt voor de conclusies die we willen trekken
 Welke specifieke vragen willen we beantwoorden
- Het is belangrijk om goede variabelen te kiezen voor je onderzoek, zorg ervoor dat
deze variabelen meten wat je moet weten
o Bij het kiezen van te weinig of verkeerde variabelen kan je verkeerde
conclusies trekken

, o Bv school A heeft 200 geslaagden en school B 100  betere variabele zou zijn
dat school A 50% geslaagden heeft en school B 100%
 School A heeft hierbij 400 leerlingen en school B 100
o Je kan het ene variabele gebruiken om een ander variabele te berekenen 
bij het vb is dit ook gedaan

1.2 Displaying Distributions with Graphs
- Denk als een ontdekkingsreiziger  eerst beschrijven wat je ziet (= exploring data
analysis)
o Eerst elke variabele los bekijken, daarna relaties tussen de variabelen gaan
bekijken
o Begin met een grafiek en ga van daaruit verder werken
- Categorische variabelen
o Taartdiagram
 Geeft aan hoeveel procent
 Alle categorieën moeten worden gebruikt (evt sommige samenvoegen
als overig), want de taartdiagram moet in totaal 100% zijn
o Staafdiagram
 Hoogte geeft aan hoeveel procent of een aantal
 Geen vaste volgorde
- Het gebruiken van een categorie overig kan handig zijn, maar pas er wel mee op  je
wilt geen belangrijke informatie in de overige categorie stoppen
- Kwantitatieve variabelen
o Bladdiagram
 Werkt het best bij kleine hoeveelheden data die allemaal boven de 0
zijn
 Steel kan heel veel cijfers bevatten, maar het blad bestaat altijd uit
slechts 1 cijfer
 Toont alle waarden
 Rug tegen rug bladdiagram
 Steel in het midden en aan beide kanten een blad
 Handig om 2 sets data mee te vergelijken
 Splitten  bij veel date
 2x bv 1 in de steel en dan bovenste blad eenheden 0 t/m 4 en
onderste blad eenheden 5 t/m 9
 Bij veel decimalen eerst afronden en daarna een bladdiagram maken
o Histogram
 Handiger bij grotere datasets
 Geeft niet elke afzonderlijke waarden weer, maar aantallen of
procenten
 Deel de individuele waarden op in groepen, zorg dat je telkens even
grote sprongen maakt (bv steeds sprongen van 10 als één groep)
 Elke waarde moet precies in 1 groep vallen
 Tel hoeveel waarden er in elke groep zitten (= frequentie)  zit dit in
een tabel (= frequentietabel)
 Teken het histogram  staven tegen elkaar aan
 X-as  waardes

,  Y-as aantal of procenten
o Gebruik een histogram met procenten als je een
vergelijking wilt maken zoals in het voorbeeld van
school A en B
 Extreme waarden worden weergegeven in een staart
 Staart aan links  lage extreme waarden
 Staart aan rechts  hoge extreme waarden
- Verschillen tussen staafdiagrammen en histogrammen
o Histogram geeft verschillende waardes weer over één variabele, staafdiagram
geeft verschillende variabelen weer
o Histogram zit aan elkaar vast, staafdiagram heeft witruimte om de
verschillende variabelen aan te tonen
- Als je je data begrijpt kan je het ‘plotten’, vervolgens bekijk je de geplotte data om te
kijken voor een patroon en voor uitschieters
- Na het maken van een grafiek stel je jezelf de vraag wat je ziet
o Het maken van een grafiek is namelijk geen doel, maar een middel
o Patroon kan je ontdekken door te kijken naar de vorm, midden en spreiding
van de grafiek
 Let op outliers  losse uitschieter
 Niet altijd maximum of minimum, moet ver van de overige
scores vandaan liggen
 Belangrijk om te zoeken waar de outlier vandaan komt, kan bv
ook door technisch mankement komen en dus onjuiste
informatie geven
o Dingen om op te letten bij het aflezen van de grafiek
 Eén of meerdere pieken (= modes)?
 Eén  unimodel
 Symmetrisch of overhangend naar één zijde?
 Overhangend naar rechts  hogere waarden
 Overhangen naar links  lagere waarden
- Als er veel tijd verstrijkt tussen het verzamelen van de gegevens is het belangrijk dit
te verwerken in de grafiek om onjuiste conclusies te voorkomen  door bv nieuwe
technologie kan er sprake zijn van een andere situatie
o Timeplot
 X-as tijd
 Y-as waarde

1.3 Describing Distributions with Numbers
- Nummerieke analyses geven meer specifieke details dan grafieken
o Bij categorische variabelen gebruiken we de getallen/procenten uit de
taartdiagram of staafdiagram om mee te rekenen
- Korte beschrijving van een kwantitatieve variabele zou informatie moeten bevatten
over de vorm en zou cijfers moeten geven die informatie brengen over de
mediaan/gemiddelde en verspreiding
o Vorm aan de hand van histogram of steelbladdiagram
o Mediaan/gemiddelde en verspreiding dmv berekeningen
- We kunnen the center op 2 manieren berekenen