Hoofdstuk 1
Steekproeffluctuate: we mogen de resultaten uit de steekproef niet zomaar generaliseren
naar de populatee we moeten rekening houden met steekproevenfuutuatess oor
steekproevenfuutuates weten we niet of we het versuhil kunnen toesuhrijven door toevals
Steekproefgemiddeldes hebben een grote mate van onzekerheid door steekproevenflutlates: als je
steeds een nieuwe steekproef (met dezelfde N) uit de populate zou trekkene en je zou in elke
steekproef het gemiddelde berekenene dan zie je dat de steekproevengemiddeldes variëren over
steekproevens e steekproevenfuutuates van het gemiddelde (=onzekerheid) nemen af naarmate
de steekproeven groter wordts
Z-scores: hebben een gemiddelde van 0 en standaarddeviate van 1s Ze zijn alleen normaal
verdeeld als de ongestandaardiseerde suore (X) ook normaal verdeeld zijns Bereken je zo:
bij populate gemiddelde is het µx en xe vervolgens kijk je dan in tabel Cs1se je kijkt bij Z-suore die
eruit is gekomen en dan area beyond voorbij Z-waardes
Hoofdstuk 2
Steekproevenverdeling van gemiddelde: niet verdeling van een willekeurig persoone maar
verdeling van steekproefs us de verdeling van steekpoef moet komen uit een populate die
oneindig groot kan zijn en daar neem je maar een stukje vans
De verdeling van is een normaal: gemiddeldes zijn meer normaal verdeeld dan individuele
observatess e vorm is altjd normaal verdeeld indien N groot genoeg ise vuistregel N > 30s
Sigma van steekproevengemiddelde: heet ook wel de standaardfout en wordt zo berekend:
Het is een soort gemiddelde fout die je maakt bij je experimente bij trekken van je steekproefs Hoe
groter (= gemiddelde van steekproef) van alle mogelijke steekproeven van N uit één populates e
de N (aantal proefpersonen)e hoe kleiner de fouts
Frequente polygoon: staafes waarin je de likert-suhaal ziet:
Standaarddeviate berekenen:
1s Bereken het gemiddelde
2s Neem van elk getal de afstand tot het gemiddelde
3s Neem het kwadraat van die afstand
4s Berken het gemiddelde van die kwadraten
5s neem de wortel van de uitkomst
Feiten:
- Het gemiddelde van de steekproevenverdeling is gelijk aan het populate gemiddelde
- e spreiding van de steekproevenverdeling wordt kleiner naarmate N groter wordt (onder uonstant
houding van alle overige omstandigheden)s
- Voor het bepalen van de steekproevenverdeling heb je niet per se steekproeven nodige het is iets
theoretsuh: dus het kan zelf met nul steekproevens
Onafhankelijke experimenten: als je blind gokt dan is er sprake van onafankelijke
experimentens
Hoofdstuk 3
Z-toets: is een toets die je kunt gebruiken op populategemiddelde: is gemiddeld genomen
een efeut in populate is die 0 of ongelijk aan 0s
Steekproef: hier vindt je een efeute je maakt een uonulusie over de hele populate maar weet
nooit zeker of uitspraak over hele populate waar is of niets Kan altjd een fout maken in
generalisate: type 1 en type 2 foutens
Significanteniveau: is het efeut wat we vinden voldoende groot dat we kunnen zeggen dan
moet het in de hele populate wel groot zijns e uontroleert de betrouwbaarheid van je toetss
Signifuanteniveau wordt ook wel betrouwbaarheid genoemds Betrouwbaarheid van de toetss
, Hypothese toetsen is een statstsuhe methode om te bepalen of je vindt dat er voldoende (!)
bewijs is om wetensuhappelijke ulaim te onderbouwen op basis van empirisuhe steekproefgegevenss
Empirisuhe gegevens is je data/steekproefs e vindt empirisuhe gegevens en nu is de vraag kun je dat
generaliseren om een algemene wetensuhappelijke ulaim te doens Hoe werkt hypothese toetsen:
1s We beginnen met een aanname of hypothese
2s We verzamelen empirische gegevens (steekproefgegevens)
3s We gaan in hoeverre onze empirisuhe gegevens onwaarsuhijnlijk zijn onder onze hypotheses
Als de data onwaarsuhijnlijk zijn onder de hypothese geef dit bewijs dat de hypothese
onjuist kan zijns
4s We trekken een conclusie (wel / geen voldoende bewijs voor het verwerpen van de
hypothese)e maar 100% zekerheid over de juistheid van de uonulusie hebben we nooit !
Het formuleren van de nulhypothese en alternateve hypothese
e nllhypothese, aangeduid met H0e besuhrijf over het algemeen ‘geen versuhil’ of ‘geen
efeuts
e alternateve hypothesee aangeduid met H1e besuhrijf over het algemeen ‘wel een versuhil’
of ‘wel een afwijking van een vast waarde’s
Afankelijk van wat je verwauht moet je kiezen welke hypothese moet gebruikens
Werpen nulhypothese: er is voldoende bewijs tegen nulhypothese – dus verwerpen – als het
steekproefgemiddelde dat je gevonden hebt tot de 5% meest extreme gemiddeldes behoort van alle
gemiddeldes die je had kunnen vinden onder H 0s (Extreem = verst weg van µ onder H0)
Stappenplan hypothesetoets voor het gemiddelde:
1s Stel statstsuhe hypothesen voor het gemiddelde op
2s Bereken steekproefgemiddelde
3s Bereken gestandaardiseerd versuhil tussen steekproefgemiddelde en verondersteld
populategemiddelde toetsingsgrootheids
4s Bepaal signifuante
5s Trek inhoudelijke uonulusies
Tabel C1: je hebt een bepaalde grenswaarde en dan bekijk je wat is de kans dat je in dat
gebied komt van de area beyond nog extremere waardess
Tabel C2: e hebt kansen gegeven en bepaalt wat de grenswaarde iss aar staan de large area
en Z-waardes Als je dan 2s5% meest extreme nodig hebt dan kijk je bij 0s975 en dan daar de z-waarde
bij kijkens Valt je eigen gevonden Z-waarde daar in dan mag je H 0 niet verwerpens
- Waar grenswaarden ligt wordt bepaald door signifuanteniveau = α
Tabel C3: uritual values kriteke grenswaardes van een T-verdelings raar voor Z-verdeling
kunnen we kijken naar de onderste rij dan krijg je meteen de kriteke grenswaardes die je nodig hebt
voor de toetse alleen de onderste rij is de Z-verdeling !
α=0.01 is strenger dan α=0.10
Type I fout: eigenlijk is H0 waare maar we verwerpen H0 deze kans is gelijk aan gekozen
signifuanteniveaus us kleinere α is een kleinere kans op type I foute dus een klein
signifuanteniveau leidt tot een strengere toetss Het heef dus niets te maken met vrijheidsgraden en
steekproefgrootes Type I fout wordt geuontroleerd door kritsuhe grenswaardens
Type II fout: H0 is niet waare maar we verwerpen H0 niets
Hoofdstuk 4
Eénzijdig toetsen: als je zegt dat de nulhypothese onjuist ise dan neem ik aan dat het efeut in
ieder geval één riuhtng uit moet vallens us je hebt euht een verwauhtng over de riuhtng van het
efeuts
Statstsche significante: als je efeut in het kriteke gebied komte maar dit wil niet zeggen dat
het praktsch significant iss rissuhien is het maar een klein efeuts Als je efeut signifuant wase
betekend niet dat het onontsloten bewezen is dat er een systematsuh efeut is in de populate want
ze vinden een efeut die komt in je kriteke gebiede je volgt stappen verwerpt H 0: waarom betekend
Steekproeffluctuate: we mogen de resultaten uit de steekproef niet zomaar generaliseren
naar de populatee we moeten rekening houden met steekproevenfuutuatess oor
steekproevenfuutuates weten we niet of we het versuhil kunnen toesuhrijven door toevals
Steekproefgemiddeldes hebben een grote mate van onzekerheid door steekproevenflutlates: als je
steeds een nieuwe steekproef (met dezelfde N) uit de populate zou trekkene en je zou in elke
steekproef het gemiddelde berekenene dan zie je dat de steekproevengemiddeldes variëren over
steekproevens e steekproevenfuutuates van het gemiddelde (=onzekerheid) nemen af naarmate
de steekproeven groter wordts
Z-scores: hebben een gemiddelde van 0 en standaarddeviate van 1s Ze zijn alleen normaal
verdeeld als de ongestandaardiseerde suore (X) ook normaal verdeeld zijns Bereken je zo:
bij populate gemiddelde is het µx en xe vervolgens kijk je dan in tabel Cs1se je kijkt bij Z-suore die
eruit is gekomen en dan area beyond voorbij Z-waardes
Hoofdstuk 2
Steekproevenverdeling van gemiddelde: niet verdeling van een willekeurig persoone maar
verdeling van steekproefs us de verdeling van steekpoef moet komen uit een populate die
oneindig groot kan zijn en daar neem je maar een stukje vans
De verdeling van is een normaal: gemiddeldes zijn meer normaal verdeeld dan individuele
observatess e vorm is altjd normaal verdeeld indien N groot genoeg ise vuistregel N > 30s
Sigma van steekproevengemiddelde: heet ook wel de standaardfout en wordt zo berekend:
Het is een soort gemiddelde fout die je maakt bij je experimente bij trekken van je steekproefs Hoe
groter (= gemiddelde van steekproef) van alle mogelijke steekproeven van N uit één populates e
de N (aantal proefpersonen)e hoe kleiner de fouts
Frequente polygoon: staafes waarin je de likert-suhaal ziet:
Standaarddeviate berekenen:
1s Bereken het gemiddelde
2s Neem van elk getal de afstand tot het gemiddelde
3s Neem het kwadraat van die afstand
4s Berken het gemiddelde van die kwadraten
5s neem de wortel van de uitkomst
Feiten:
- Het gemiddelde van de steekproevenverdeling is gelijk aan het populate gemiddelde
- e spreiding van de steekproevenverdeling wordt kleiner naarmate N groter wordt (onder uonstant
houding van alle overige omstandigheden)s
- Voor het bepalen van de steekproevenverdeling heb je niet per se steekproeven nodige het is iets
theoretsuh: dus het kan zelf met nul steekproevens
Onafhankelijke experimenten: als je blind gokt dan is er sprake van onafankelijke
experimentens
Hoofdstuk 3
Z-toets: is een toets die je kunt gebruiken op populategemiddelde: is gemiddeld genomen
een efeut in populate is die 0 of ongelijk aan 0s
Steekproef: hier vindt je een efeute je maakt een uonulusie over de hele populate maar weet
nooit zeker of uitspraak over hele populate waar is of niets Kan altjd een fout maken in
generalisate: type 1 en type 2 foutens
Significanteniveau: is het efeut wat we vinden voldoende groot dat we kunnen zeggen dan
moet het in de hele populate wel groot zijns e uontroleert de betrouwbaarheid van je toetss
Signifuanteniveau wordt ook wel betrouwbaarheid genoemds Betrouwbaarheid van de toetss
, Hypothese toetsen is een statstsuhe methode om te bepalen of je vindt dat er voldoende (!)
bewijs is om wetensuhappelijke ulaim te onderbouwen op basis van empirisuhe steekproefgegevenss
Empirisuhe gegevens is je data/steekproefs e vindt empirisuhe gegevens en nu is de vraag kun je dat
generaliseren om een algemene wetensuhappelijke ulaim te doens Hoe werkt hypothese toetsen:
1s We beginnen met een aanname of hypothese
2s We verzamelen empirische gegevens (steekproefgegevens)
3s We gaan in hoeverre onze empirisuhe gegevens onwaarsuhijnlijk zijn onder onze hypotheses
Als de data onwaarsuhijnlijk zijn onder de hypothese geef dit bewijs dat de hypothese
onjuist kan zijns
4s We trekken een conclusie (wel / geen voldoende bewijs voor het verwerpen van de
hypothese)e maar 100% zekerheid over de juistheid van de uonulusie hebben we nooit !
Het formuleren van de nulhypothese en alternateve hypothese
e nllhypothese, aangeduid met H0e besuhrijf over het algemeen ‘geen versuhil’ of ‘geen
efeuts
e alternateve hypothesee aangeduid met H1e besuhrijf over het algemeen ‘wel een versuhil’
of ‘wel een afwijking van een vast waarde’s
Afankelijk van wat je verwauht moet je kiezen welke hypothese moet gebruikens
Werpen nulhypothese: er is voldoende bewijs tegen nulhypothese – dus verwerpen – als het
steekproefgemiddelde dat je gevonden hebt tot de 5% meest extreme gemiddeldes behoort van alle
gemiddeldes die je had kunnen vinden onder H 0s (Extreem = verst weg van µ onder H0)
Stappenplan hypothesetoets voor het gemiddelde:
1s Stel statstsuhe hypothesen voor het gemiddelde op
2s Bereken steekproefgemiddelde
3s Bereken gestandaardiseerd versuhil tussen steekproefgemiddelde en verondersteld
populategemiddelde toetsingsgrootheids
4s Bepaal signifuante
5s Trek inhoudelijke uonulusies
Tabel C1: je hebt een bepaalde grenswaarde en dan bekijk je wat is de kans dat je in dat
gebied komt van de area beyond nog extremere waardess
Tabel C2: e hebt kansen gegeven en bepaalt wat de grenswaarde iss aar staan de large area
en Z-waardes Als je dan 2s5% meest extreme nodig hebt dan kijk je bij 0s975 en dan daar de z-waarde
bij kijkens Valt je eigen gevonden Z-waarde daar in dan mag je H 0 niet verwerpens
- Waar grenswaarden ligt wordt bepaald door signifuanteniveau = α
Tabel C3: uritual values kriteke grenswaardes van een T-verdelings raar voor Z-verdeling
kunnen we kijken naar de onderste rij dan krijg je meteen de kriteke grenswaardes die je nodig hebt
voor de toetse alleen de onderste rij is de Z-verdeling !
α=0.01 is strenger dan α=0.10
Type I fout: eigenlijk is H0 waare maar we verwerpen H0 deze kans is gelijk aan gekozen
signifuanteniveaus us kleinere α is een kleinere kans op type I foute dus een klein
signifuanteniveau leidt tot een strengere toetss Het heef dus niets te maken met vrijheidsgraden en
steekproefgrootes Type I fout wordt geuontroleerd door kritsuhe grenswaardens
Type II fout: H0 is niet waare maar we verwerpen H0 niets
Hoofdstuk 4
Eénzijdig toetsen: als je zegt dat de nulhypothese onjuist ise dan neem ik aan dat het efeut in
ieder geval één riuhtng uit moet vallens us je hebt euht een verwauhtng over de riuhtng van het
efeuts
Statstsche significante: als je efeut in het kriteke gebied komte maar dit wil niet zeggen dat
het praktsch significant iss rissuhien is het maar een klein efeuts Als je efeut signifuant wase
betekend niet dat het onontsloten bewezen is dat er een systematsuh efeut is in de populate want
ze vinden een efeut die komt in je kriteke gebiede je volgt stappen verwerpt H 0: waarom betekend
