Thema 5: Participanten bepalen Flashcards
Populatie
- Gehele groep waarin we geïnteresseerd zijn
- e.g., alle mensen, alle adolescenten, alle leerkrachten in Vlaanderen)
Steekproef
Subset v individuen uit populatie die de populatie representeert in een studie
- data van steekproef veralgemenen naar populatie
Representatieve steekproef
Om uitspraken te doen over populatie moet de steekproef dezelfde karakteristieken hebben dan de populatie
Steekproef bias
- Indien de steekproef andere karakteristieken heeft dan de populatie (e.g., sneller, ouder, slimmer)
- Vaak gevolg van selectiebias
Selectiebias
Individuen worden geselecteerd op een manier die de kans vergroot op het verkrijgen van een gebiaste steekproef
Steekproefgrootte
- Moeilijk antwoord
- Law of larger numbers: hoe groter steekproef, hoe accurater deze de populatie representeert
- MAAR grote steekproeven kunnen ook gabiast zijn
=> berekenen van n of zich baseren op voorgaande wetenschappelijke literatuur
Probability sampling
De kans (“probability”) om een specifiek individu te selecteren is gekend en kan berekend worden
3 voorwaarden van probability sampling
- Exacte grootte van populatie is gekend en moet (theoretisch) mogelijk zijn om alle individuen op te lijsten
- Elk individu in de populatie heeft een gespecifieerde kans om geselecteerd te worden
- Selectie moet een random proces zijn gebaseerd op de kansen
Random proces
- Produceert een uitkomst uit een set van mogelijke uitkomsten
- De uitkomst moet elke keer opnieuw onvoorspelbaar zijn
- Elke mogelijke uitkomst moet een gelijke kans hebben om op te treden
Simple random sampling
- Elk individu in populatie evenveel kans
- Elke selectie onafhankelijk van de andere
- 3 stappen
1) Populatie definieren
2) Leden van populatie polijsten
3) Random proces gebruiken om uit lijst te selecteren
MAAR kan nog altijd niet representatieve steekproef hebben => meer restricties leggen
Simple random sampling met teruglegging
Geselecteerd individu wordt teruggelegd in de populatie
- Garandeert dat de kans om geselecteerd te worden identiek blijft doorheen het selectieproces
- Kansen blijven constant (e.g., 1/100), waardoor onafhankelijkheid van de selecties verzekerd is
Simple random sampling zonder teruglegging
Individu dat geselecteerd wordt voor de steekproef wordt als deel van de steekproef genoteerd, en dan verwijderd uit de populatie
- Garandeert dat geen enkel individu meer dan 1 keer in de steekproef voorkomt
- MAAR: bij elke verwijdering ve individu, veranderen de kansen (e.g., 1/100, 1/99, 1/98, etc.) waardoor de selecties niet onafhankelijk zijn
Systematische sampling
- Gelijkaardig aan simple random sampling
- Startpunt = random –> zelfde procedure als simple random sampling om 1e individu te selecteren
- Nadien: geen random proces meer MAAR elk kde individu wordt geselecteerd
- k=N/n
- Minder random en garandeert hogere mate van representativiteit
Gestratificeerde random sampling
- Populatie bestaat uit subgroepen (“strata”
- Representatieve steekproef -> garanderen dat elk subgroepen adequaat vertegenwoordigd is in steekproef
- 3 stappen
1) Identificeer subgroepen
2) Selecteer random steekproeven van vergelijkbare grootte uit elk van deze subgroepen (n1 ≈ n2 ≈ n3 ≈ …)
3) Combineer de subgroep steekproeven tot 1 steekproef= gestratificeerde random steekproef
Nadelen gestratificeerde random sampling
- Vertekend beeld van de populatie (cf. voorb hierboven)
- Elk individu uit de populatie heeft niet meer evenveel kans om geselecteerd te worden (cf. voorb hierboven) ≠ random
