Week 1
Statistiek:
- Beschrijvend: hoe ziet de (gemeten) data eruit? Gemiddelde, sd, boxplots, staafgrafieken, etc.
- Inferentiele statistiek: wat kan ik zeggen over de populatie op basis van 'n steekproef. Betrouwbaarheidsintervallen,
hypothesetoetsen.
Statistische inferentie = het generaliseren van waarnemingen, kenmerken, eigenschappen uit steekproeven naar de
gehele populatie
In echt onderzoek weet je het gemiddelde niet, je kan Z dus niet uitrekenen, daarom gebruik je de t-toets. De s is een
schatting van mu, dus het is NET niet normaal verdeeld, maar een student (t) verdeeld.
Vrijheidsgraden = steekproefgrootte - 1
Betrouwbaarheidsintervallen
Hypothesetoetsen
Oefening met de T-toets:
Populatiegemiddelde = 537 Je gaat kijken of het gemiddelde niet 537 is.
N = 64
Streekproefgemiddelde = 450
Steekproef sd = 8
Ho : u = 537
Ha : u # 537
N = 64, DF wordt dan 63, dit zoek je op in de tabel. Bij 60 zoek je wat er het meest dichtbij de 3 ligt, dat is 2,915 je gaat omhoog
en je ziet .0025 staan. P = .0025 omdat we hebben gekozen voor een # doe je ALTIJD de P-waarde maal 2. Je P-waarde wordt
dus .005.
Conclusie: p < a dus je kiest voor Ha,
Ipv mu / wortel n, doe je nu S / wortel n. Dit noem je de standaard error
Experimenteel, qua-experimenteel en (cor) relationeel onderrzoeken de samenhang met andere variabelen. 3 regels:
- manipuleer ten minste 1 var
- zorg voor vergelijkbare groepen
- houd andere variabele strikt gelijk
3 soorten onafhankelijke variabelen:
- omgeving manipulatie:
- instructie manipulatie
- invasive manipulatie: omvatten het creëren van fysieke veranderingen in het lichaam van de deelnemer door middel van
fysieke stimulatie, bijv. pijn of drugs/medicijnen.
Experimenteel (basis) design: ten minste 2 groepen, beide groepen hebben 'n ANDERE conditie. De proefpersonen zijn random
toegewezen aan 'n conditie. Dit is de makkelijkste vorm van een one-way design
One-way designs: tenminste 2 groepen/condities/levels en er wordt 1 onafhankelijke variabele gemanipuleerd. De condities
worden ook levels genoemd, er kunnen meerdere levels zijn.
Week 1 Pagina 1
,Oneway = 1 onafhankelijke variabele
Twoway = 2 onafhankelijke variabele
Etc.
Er zijn 3 experimentele basisdesign:
1. Randomized groups : (zie hierboven) je verdeeld de proefpersonen random over 2 (of meer) groepen en je manipuleerd 1
variabelen. Hiermee kan je goed het verschil zien tussen de 2 groepen
2. Matched subjects/ matched random assignment: van je steekproef maak je kleine groepjes op basis van 'n subject variabele
die mogelijk relevant is voor je experiment, een oninteressante variabelen. Je verhoogt de power, het wordt makkelijker om 'n
verschil aan te tonen.
Als je een groepje hebt worden de proefpersonen random verdeeld over de condities.
Groepjes van 2 maken, wel beloning en geen beloning. Die koppels worden gemaakt op basis van leeftijd
Het idee is dat overeenkomende onderwerpen meer op elkaar lijken dan niet-overeenkomende onderwerpen, dus het
vergelijken van resultaten binnen elk paar is efficiënter (kleinere σ ). Overeenkomende paren komen ook vaak voor wanneer
randomisatie niet mogelijk is.
3. Repeated measures: lijkt beetje op matched, voor verschillende condities gebruik je dezelfde proefpersonen. De mensen zijn
net iets anders geworden, beetje moe er dan 1e conditie.
Dus conditie I -> meting -> conditie II -> meting
Je kan ook nog de VOLGORDE manipuleren; Counterbalancing of cross-over
Eigenlijk to-way design: 2 onafhankelijke variabel, hier volgorde en conditie.
Nadelen hiervan is:
- je wordt moe
- sensitization, op een gegeven moment wen je eraan/heb je door hoe het zit
- praactice effects: je wordt beter omdat je 't een paar keer hebt gedaan
Pre-post test: voor meting en na meting, je onderzoekt de VERSCHILscore. Dit kan je op alle basisdesigns doen. Het voordeel
hiervan is dat ze meer powerful zijn, nadeel is de pretest sensitization:je raakt ergens aan gewend
Subject / participant variabele: variabele die je wilt meten, maar die je niet kan manipuleren, bijv. geslacht.
Group membership, subject variabele.
Je kan 'n subject variabele hebben of een experimentele variabelen
Toetsboom: welke designs/toetsen gebruik je wanneer?
Robuuste statistische procedure:
Een statistische inferentieprocedure wordt robuust genoemd als de vereiste kansberekeningen zijn ongevoelig voor
overtredingen van de aannames gedaan.
Dat de statistische procedure niet sterk beinvloed wordt door de niet normaal verdeelde populatie
Modus en mediaan zijn ongevoelig voor extreme waarneming: resistente/robuuste centrummaten
Gemiddelde en sd zijn wel gevoelig voor extreme waarnemingen: geen robuuste centrummaat
Week 1 Pagina 2
, Wanneer de N-waarde onder de 15 ligt, de data niet normaal verdeeld is en de data uitbijters bevat
moet je nooit een T-toets uitvoeren.
Wanneer de N-waarde 40 is of groter, kun je vrijwel altijd een T-toets uitvoeren.
Week 1 Pagina 3