H1 Inleiding Flashcards
Beschrijvende statistiek
Samenvatten van data
- Data: numerieke gegevens van populatie of steekproef
2 manieren om data samen te vatten
- verdeling maken
- steekproefgrootheden
Populatie
- alle leden van een gedefinieerde groep
- parameters zijn maten voor eigenschappen van de scores in de populatie
- Griekse letters geven de parameters weer (mu en sigma)
Steekproef
- deelverzameling van leden van een groep
- steekproefgrootheden zijn maten voor eigenschappen van de scores in de steekproef
- Latijnse letters geven steekproefgrootheden weer (X en s)
Verdeling
- data samenvatten door groeperen van data met dezelfde score
- dit kan onder andere door middel van een frequentieverdeling of histogram
Steekproefgrootheden
- Data samenvatten door kenmerkende eigenschappen van de verdeling van de data
- wat zijn deze kenmerkende eigenschappen:
–> centrale tendenties en spreiding
Centrale tendenties
Gemiddelde, mediaan en modus
- mediaan is middelste getal
- modus is getal met hoogste frequentie
Spreiding
Range (max en min), variantie en standaarddeviatie
Variantie
s^2 = ss/N-1
–> ss = som vam alle (X-gem)^2 (deviatiescore in het kwadraat) –> sum of squares
- gebruik N bij populatie en N-1 bij steekproef
Standaarddeviatie
Wortel van s^2
Inferentiële statistiek
- beschijvende statistiek volstaat als we data hebben van de gehele populatie
- bijna altijd hebben we alleen data van een steekproef en niet van de hele populatie want: te duur, te lang en soms onmogelijk
3 procedures van de inferentiële statistiek
- hypothese toetsen
- puntschatten
- intervalschatten –> betrouwbaarheidsinterval
Hypothese testen
- Formuleren van hypothesen
- Beslissingsregels bepalen voor een significant resultaat p<a
- P-waarde bepalen uit SPSS
- Beslissing over significantie en inhoudelijke conclusie –> p<a
Logica van hypothesetoetsen
- je maakt een aanname over de waarde van een parameter
- gegeven dat de waarde juist is, bepaal je de verdeling van de mogelijke waarden die de steekproefgrootheid kan aannemen bij een enkelvoudige toevallige steekproef van N cases
–> p-waarde: de kans dat de waarde van gemiddelde of extremer optreedt
Als p-waarde kleiner is dan a
‘als mijn H0 waar is, dan is de kans dat ik deze waarde voor X vind of nog extremer, kleiner dan a. Deze kans is zo klein, dat ik geen vertrouwen meer heb in mijn nulhypothese. Ik verwerp H0.’