Samenvatting 1 Statistiek& Excel wat is data?
Data kun je grofweg verdelen in 2 soorten:
1. Kwantitatief: nummers, kan je meten, heeft een eenheid (bijv cm, ml etc). Voorbeeld:
haarlengte in centimeter
2. Kwalitatief: woorden, plaatjes, symbolen etc, kan je niet meten, heeft geen eenheid.
Voorbeeld: haarkleur van de studenten in VL1224
Kwantitatieve data
Bij kwantitatieve data maken we onderscheid tussen de datatypes interval en ratio.
1. Bij ratio data is de verhouding tussen twee uitkomsten een zinvolle grootheid: zo is bv. de
lengte van een stuk hout van 2 meter ook 2 keer zo lang als van een stuk hout van 1
meter. Het heeft een absoluut nulpunt. Voorbeelden: leeftijd, gewicht.
2. Bij interval data geldt dat niet: De hoeveelheid warmte-energie in een voorwerp van 20
graden Celsius is niet twee keer zoveel als in een voorwerp van 10 graden Celsius. Dat
komt omdat het nulpunt bij dit soort data niet echt “niks” betekent. Voorbeelden: tijd,
tempratuur in graden Celsius.
Kwalitatieve data
Kwalitatieve data kun je opdelen in nominale en ordinale data.
1. Bij nominale data heb je categorieën, maar de ene categorie is niet hoger of lager dan de
andere categorie. Als je bijvoorbeeld vraagt of docenten met de fiets, auto of trein naar
de HU komen, dan is hun antwoord (“fiets,” “auto,” “trein”). Voorbeelden: bloedgroep,
geslacht, godsdienst, ras.
2. Bij ordinale data is er wel een rangorde te maken (de ene waarde is groter dan de
andere), maar niet uit te drukken in een nummertje dat iets betekent (dan zou het
kwantitatieve data zijn). Bijvoorbeeld als je docenten vraagt of ze er erg lang, lang of kort
over doen om op de HU te komen. Lang is meer dan kort, maar hoeveel meer? Geen idee.
De intervallen zijn dus niet steeds gelijk. Voorbeelden: mate van activiteit,
kwaliteitsoordeel, aantal sterren van een restaurant.
Een variabele is “iets dat kan variëren,” oftewel, het is niet altijd hetzelfde. Variabelen heb je in
onderzoek in twee smaken:
1. De onafhankelijk variabele is wat je weet: wat je weet, iets wat de onderzoeker zelf bepaalt
of controleert in het experiment.
2. De afhankelijke variabele is wat je meet: wat je meet, Een meetbaar kenmerk van zo’n
object.
Soorten kwantitatieve onderzoeksvragen
Kwantitatieve onderzoeksvragen (vragen die gaan over iets dat je kunt meten) kun je grofweg
onderverdelen in drie groepen:
1. Verschilvragen (bijv: Zijn mannen langer dan vrouwen?)
2. Verbandvragen (bijv: Wat is het verband tussen hoeveel water per dag gedronken wordt en
lichaamslengte bij mannen?)
3. Beschrijvende vragen (bijv: hoe lang is de gemiddelde Nederlandse man eigenlijk?)
Woordenlijst:
1. Populatie: alle objecten (personen, dieren, planten, voorwerpen, cellen, eiwitten enz) waar
je vraag over gaat.
2. Steekproef: (als het goed is random) selectie van n objecten uit een populatie.
, Samenvatting 2 Statistiek& Excel: Meten en onnauwkeurigheid
De perfecte meting bestaat niet. Wanneer we de temperatuur van een vloeistof meten, zal de
gemeten waarde altijd (een klein beetje) afwijken van de werkelijke temperatuur. Met andere
woorden, we kunnen de werkelijke temperatuur alleen maar benaderen door te meten. Deze
onnauwkeurigheid komt voort uit zogenaamde meetfouten. We onderscheiden drie type
meetfouten: toevallige fouten, systematische fouten en vermijdbare fouten.
Verschillende type meetfouten
Toevallige fouten zijn altijd aanwezig; ze zijn niet te vermijden.
(Ze zijn in die zin dus ook niet “fout,” zo heten ze alleen.
Statistici houden er van om dingen namen te geven die niet zo
handig zijn in een andere context!) Toevallige fouten zijn het
gevolg van twee dingen die te maken hebben met je meting:
- Fouten bij het aflezen van de apparatuur. Wanneer je
een analoge thermometer afleest zal je moeilijk
onderscheid kunnen maken tussen 37,2 en 37,3
graden.
- Beperkte gevoeligheid van de meetapparatuur. Een
goedkope thermometer kan onderscheid maken
tussen 37 en 38 graden, maar niet tussen 37 en 37,2
graden.
En tot slot een ding dat te maken heeft met je populatie: - Biologische variatie. Wanneer je bij
verschillende mensen de temperatuur exact zou kunnen bepalen, zal je bij de ene persoon 36,5
graden meten en bij de andere 37,5 graden. Oftewel, we zeggen wel dat mensen een
lichaamstemperatuur hebben van 37 graden, maar in werkelijkheid is die
lichaamstemperatuur gemiddeld 37 graden, maar variëren mensen pak ’m beet tussen de 36.5 en
37.5 graden.
Systematische fouten geven een consequente overschatting of een onderschatting van de werkelijke
waarden. Er zijn verschillende oorzaken van systematische fouten:
- Wanneer je de lengte van proefpersonen meet terwijl ze nog schoenen dragen, zal je
consequent de lengte van deze proefpersonen overschatten.
- Het gevolg zijn van verkeerde kalibratie van je apparatuur, verouderde materialen en
oplossingen.
Systematische fouten zijn erg moeilijk om te herkennen en op te sporen. Maar wanneer de oorzaak
en de afwijking bekend is kunnen we er wel gemakkelijk voor corrigeren of de fouten geheel
elimineren.
Vermijdbare fouten zijn echte fouten of blunders. Een thermometer geeft bijvoorbeeld aan dat de
lichaamstemperatuur 37,5 graad is, maar we noteren 36,5 graad. Ook kan het gebeuren dat een
thermometer de temperatuur kan meten in graden Celsius én in Fahrenheit, en we per abuis de
temperatuur aflezen in graden Fahrenheit terwijl we denken te meten in graden Celsius. Ook het
gebruiken van een verkeerd reagens of het gebruiken van een verkeerde voorschrift zijn voorbeelden
van vermijdbare fouten. Vermijdbare fouten leiden tot uitschieters. Gelukkig zie je meestal aan de
uitkomst al dat er iets fout is gegaan en is dit soort fouten snel op te sporen.
Biologische variatie
Als gevolg van biologische variatie is niemand even lang. Biologische variatie is een voorbeeld van
een toevallige fout. Wanneer de lengte van alle Nederlandse mannen bekend is, dan tel je het aantal
individuen met een lengte in een bepaald bereik. Het aantal individuen per interval zetten we
vervolgens uit in een histogram.
