Statistiek: steekproeven

1.1 Definitions of Statistics, Probability, and Key Terms

Definities van statistiek, waarschijnlijkheid en kernbegrippen

statistics (statistiek)

Statistiek is de wetenschap van het organiseren, samenvatten en interpreteren van data om conclusies te trekken uit steekproeven. Het omvat twee hoofdgebieden: descriptive statistics (beschrijvende statistiek) voor het ordenen en samenvatten van data (bijv. via grafieken of gemiddelden) en inferential statistics (toetsende statistiek) voor het trekken van betrouwbare conclusies uit data met behulp van waarschijnlijkheidsrekening.

probability (waarschijnlijkheid)

Waarschijnlijkheid is een wiskundig hulpmiddel om toeval te bestuderen. Het beschrijft de kans dat een gebeurtenis zich voordoet, zoals het werpen van een munt. Bij herhaalde experimenten ontstaat een regelmatig patroon: bij 4.000 worpen benadert de verhouding kop/munt de theoretische waarde van 0,5 (50%).

population (populatie)

Een populatie is de volledige verzameling van personen, dingen of objecten die onderzocht worden. Bijvoorbeeld: alle wiskundeklassen in een land of alle inwoners van een stad.

sample (steekproef)

Een steekproef is een deelverzameling van de populatie die wordt onderzocht om informatie over de gehele populatie te verkrijgen. Data zijn de resultaten van het meten of observeren van deze steekproef.

statistic (statistiek)

Een statistiek is een numerieke eigenschap van een steekproef, berekend uit de data. Bijvoorbeeld: het gemiddelde aantal punten in één wiskundeklas als representatie van alle wiskundeklassen.

parameter (parameter)

Een parameter is een numerieke eigenschap van de gehele populatie die geschat wordt door een statistiek. Bijvoorbeeld: het gemiddelde aantal punten per student over alle wiskundeklassen.

representative sample (representatieve steekproef)

Een representatieve steekproef is een steekproef die de kenmerken van de populatie zo goed mogelijk weerspiegelt. De nauwkeurigheid van een statistiek als schatting van een parameter hangt af van hoe goed de steekproef de populatie vertegenwoordigt.

variable (variabele)

Een variabele is een kenmerk of meting die bepaald kan worden voor elk lid van een populatie. Variabelen kunnen numeriek (kwantificeerbaar, bijv. gewicht in kg) of categorisch (in categorieën, bijv. partijvoorkeur) zijn.

data (data)

Data zijn de werkelijke waarden van een variabele. Dit kunnen getallen zijn (bijv. examencijfers) of woorden (bijv. partijnamen). Een enkele waarde heet een datum.

mean (gemiddelde)

Het mean (gemiddelde) is de som van alle waarden gedeeld door het aantal waarden. Bijvoorbeeld: de gemiddelde score van 86, 75 en 92 is 84,3.

In de praktijk worden de termen mean en average vaak door elkaar gebruikt. Technisch gezien is mean de rekenkundige gemiddelde waarde, terwijl average een algemene term is voor een centrummaat. Onder niet-statistici is deze vervanging gebruikelijk.

1.2 Data, Sampling, and Variation in Data and Sampling

1.2 Data, Sampling, en Variatie in Data en Steekproeven

Deze sectie legt uit hoe data (gegevens) worden ingedeeld en hoe je een goede steekproef trekt zonder vertekening (bias). Daarnaast wordt besproken waarom steekproeven altijd variatie vertonen, zelfs als ze willekeurig zijn gekozen.

statistics

De wetenschap die zich bezighoudt met het verzamelen, analyseren, interpreteren, presenteren en organiseren van data.

qualitative data

Data die bestaan uit categorieën of beschrijvingen van eigenschappen van een populatie. Deze worden vaak weergegeven met woorden of letters (bijv. haarkleur: zwart, blond; bloedgroep: AB+, O-).

quantitative data

Data die altijd uit getallen bestaan. Deze kunnen het resultaat zijn van tellen of meten. Voorbeelden: hoeveelheid geld, hartslag, gewicht, aantal inwoners in een stad.

Verschil tussen discrete en continue kwantitatieve data.

Kwantitatieve data worden onderverdeeld in twee typen:

• Kwantitatieve discrete data: alleen gehele getallen (bijv. aantal auto’s).
• Kwantitatieve continue data: alle numerieke waarden, inclusief breuken (bijv. lengte, gewicht).

representative sample

Een steekproef die de populatie zo goed mogelijk weergeeft, zodat conclusies over de populatie betrouwbaar zijn.

Om een representatieve steekproef te krijgen, worden verschillende steekproefmethoden gebruikt. Elke methode heeft voor- en nadelen. De belangrijkste methoden zijn:

Vergelijking van steekproefmethoden: enkelvoudig aselecte steekproef, gestratificeerde steekproef, clustersteekproef, systematische steekproef en convenience sampling.

Bij steekproeven wordt onderscheid gemaakt tussen:

• Steekproeven met teruglegging: een lid kan meerdere keren gekozen worden (theoretisch ideaal, maar praktisch zelden toegepast).
• Steekproeven zonder teruglegging: een lid kan slechts één keer gekozen worden (meest gebruikelijk, bijv. bij enquêtes).

sampling error

De variatie die optreedt doordat een steekproef nooit exact dezelfde resultaten geeft als de hele populatie. Een grotere steekproef verkleint deze fout.

sampling bias

Een vertekening in de steekproef doordat sommige leden van de populatie minder kans hebben om gekozen te worden dan andere. Dit leidt tot onjuiste conclusies over de populatie.

Naast sampling errors kunnen ook nonsampling errors optreden. Deze worden veroorzaakt door factoren buiten het steekproefproces, zoals een defect meetinstrument.

1.3 Frequency, Frequency Tables, and Levels of Measurement

Meetniveaus van data

Data kunnen op verschillende meetniveaus worden ingedeeld. Deze niveaus bepalen welke bewerkingen en berekeningen mogelijk zijn:

• Nominaal (nominal scale): Kwalitatieve (categorische) data zonder volgorde. Voorbeelden zijn namen, kleuren, merken (bijv. smartphonefabrikanten) of ja/nee-antwoorden. Deze data kunnen niet worden geordend of gebruikt in berekeningen.

• Ordinaal (ordinal scale): Kwalitatieve data met een betekenisvolle volgorde, maar zonder meetbare verschillen tussen de categorieën. Voorbeelden zijn ranglijsten (bijv. top 5 nationale parken) of enquête-antwoorden zoals "uitstekend", "goed", "voldoende" en "onvoldoende". Ook deze data kunnen niet in berekeningen worden gebruikt.

• Interval (interval scale): Kwantitatieve data met een betekenisvolle volgorde en meetbare verschillen, maar zonder absoluut nulpunt. Temperatuurschalen zoals Celsius en Fahrenheit zijn voorbeelden. Verschillen tussen waarden zijn zinvol (bijv. 40°C is 30 graden warmer dan 10°C), maar een waarde van 0 betekent niet het absolute minimum (bijv. -10°C bestaat).

• Ratio (ratio scale): Kwantitatieve data met een betekenisvolle volgorde, meetbare verschillen én een absoluut nulpunt. Voorbeelden zijn examencijfers, lengte of gewicht. Hier zijn zowel verschillen als verhoudingen zinvol (bijv. een score van 80 is vier keer zo hoog als een score van 20).

De frequentie ($f$) is het aantal keren dat een bepaalde waarde in de dataset voorkomt. Bijvoorbeeld: 3 studenten werken 2 uur, 5 studenten werken 3 uur, etc. De som van alle frequenties geeft het totale aantal waarnemingen in de steekproef.

De relatieve frequentie is de verhouding tussen de frequentie van een waarde en het totale aantal waarnemingen. Deze kan worden uitgedrukt als breuk, percentage of decimaal. Bijvoorbeeld: als 3 van de 20 studenten 2 uur werken, is de relatieve frequentie voor 2 uur gelijk aan $3/20 = 0.15$ of 15%.

De cumulatieve relatieve frequentie is de som van alle voorgaande relatieve frequenties tot aan de huidige waarde. De laatste waarde in deze kolom is altijd 1 (of 100%), wat aangeeft dat alle data zijn geaccumuleerd.

Graphs for qualitative data

Grafieken voor kwalitatieve data

Kwalitatieve data worden vaak weergegeven met staafdiagrammen (bar graphs) en cirkeldiagrammen (pie charts). Beide grafieken tonen hoe vaak elke categorie voorkomt, maar op verschillende manieren.

Verschillen tussen staafdiagrammen en cirkeldiagrammen voor kwalitatieve data

Pareto-chart

Een staafdiagram waarbij de staven gesorteerd zijn van grootste naar kleinste categorie. Dit maakt het makkelijker om de belangrijkste categorieën direct te herkennen.

Een Pareto-chart is vooral nuttig wanneer je snel de belangrijkste categorieën wilt identificeren. Het is een speciaal type staafdiagram met een duidelijke ordening.

Wanneer welke grafiek gebruiken voor kwalitatieve data

1.4 Experimental Design and Ethics

1.4 Experimenteel ontwerp en ethiek

Experimenteel ontwerp heeft als doel om oorzaak-en-gevolgrelaties tussen twee variabelen te onderzoeken. Hierbij wordt een explanatory variable (verklarende variabele) gemanipuleerd om de effecten op een response variable (responsvariabele) te meten. De verschillende waarden van de verklarende variabele heten treatments (behandelingen). Een experimental unit (experimentele eenheid) is het object of individu dat wordt gemeten.

Om geldige conclusies te trekken, moeten lurking variables (verstorende variabelen) worden gecontroleerd. Dit gebeurt door random assignment (willekeurige toewijzing) van experimentele eenheden aan behandelingsgroepen. Hierdoor worden alle potentiële verstorende variabelen gelijkmatig verdeeld over de groepen, zodat het enige verschil tussen de groepen de behandeling zelf is.

Een experiment moet voldoen aan ethische en praktische eisen om betrouwbare resultaten te garanderen. Belangrijke aandachtspunten zijn:

• Representatieve steekproef: De steekproef moet de populatie goed weerspiegelen om bias te voorkomen.
• Steekproefgrootte: Een te kleine steekproef kan onbetrouwbare resultaten opleveren, maar in sommige gevallen (bijv. zeldzame aandoeningen) is een kleine steekproef onvermijdelijk.
• Onderzoeksvraag: De vraag moet helder en meetbaar zijn, zoals: Verlaagt aspirine het risico op hartaanvallen?
• Onpartijdigheid: Zelfgefinancierde of belangenbevangen studies kunnen bevooroordeeld zijn; beoordeel de studie op haar merites.
• Verstorende factoren: Confounding (verstoring) treedt op wanneer de effecten van meerdere factoren niet van elkaar kunnen worden gescheiden, waardoor valide conclusies over de oorzaak moeilijk worden.

Een voorbeeld van een slecht ontworpen experiment is het vergelijken van de gezondheid van mensen die vitamine E gebruiken met die van mensen die dat niet doen. Zonder random toewijzing kunnen andere factoren (bijv. dieet, beweging) de resultaten beïnvloeden, waardoor niet kan worden vastgesteld of vitamine E daadwerkelijk effectief is.

Begrippen

statistics

The science of statistics deals with the collection, analysis, interpretation, and presentation of data.

descriptive statistics

Organizing and summarizing data is called descriptive statistics; inferential statistics uses probability, after probability and probability distributions, to draw conclusions from data, and statistical inference uses probability to determine how confident we can be that our conclusions are correct.

probability

Probability is a mathematical tool used to study randomness and the chance (the likelihood) of an event occurring; repeated random trials can show a regular pattern of outcomes even when a few repetitions are uncertain.

population

In statistics, a population is the collection of persons, things, or objects under study; a sample is a portion or subset of the larger population chosen to gain information about the population; sampling is the act of selecting that portion, and data are the result of sampling from a population.

statistic

A statistic is a number that represents a property of the sample, while a parameter is a numerical characteristic of the whole population that can be estimated by a statistic.

representative sample

A representative sample is a sample that contains the characteristics of the population, and the accuracy of a statistic as an estimate of a parameter depends on how well the sample represents the population.

variable

A variable is a characteristic or measurement that can be determined for each member of a population; variables may be numerical or categorical, and numerical variables can be used for arithmetic while categorical variables cannot in the same way.

data

Data are the actual values of a variable, and a datum is a single value.

mean

Mean and proportion are common statistical quantities: the mean is found by adding values and dividing by the number of values, and a proportion is the fraction of a group in a given category.

qualitative data

Qualitative data, also called categorical data, are the result of categorizing or describing attributes of a population; quantitative data are numbers produced by counting or measuring attributes of a population.

quantitative discrete data

Quantitative discrete data are counting-number data that take on only certain numerical values, while quantitative continuous data may include fractions, decimals, or irrational numbers and are often the results of measurements such as lengths, weights, or times.

nominal scale

Een nominale schaal is een kwalitatieve schaal bestaande uit categorieën zoals kleuren, namen, labels of ja/nee-antwoorden. De categorieën hebben geen ordening en kunnen niet worden gebruikt voor berekeningen.

ordinal scale

Een ordinale schaal is een kwalitatieve schaal waarbij de categorieën kunnen worden gerangschikt, maar waarbij de verschillen tussen de waarden niet meetbaar zijn en er geen berekeningen op kunnen worden uitgevoerd.

interval scale

Een intervalschaal is een numerieke schaal met een duidelijke ordening en betekenisvolle verschillen tussen waarden, maar zonder absoluut nulpunt.

ratio scale

Een ratioschaal is een numerieke schaal die alle eigenschappen van een intervalschaal heeft, maar met een absoluut nulpunt, waardoor ook verhoudingen kunnen worden berekend.

frequency

Een frequentie is het aantal keren dat een bepaalde waarde in de data voorkomt. Een relatieve frequentie is de verhouding van die frequentie ten opzichte van het totale aantal waarnemingen. Een cumulatieve relatieve frequentie is de som van alle voorgaande relatieve frequenties.

Pareto chart

Pie charts and bar graphs are used to display qualitative data; pie-chart wedges are proportional to category percentages, bar lengths are proportional to category counts or percentages, and a Pareto chart is a bar graph with categories sorted from largest to smallest.

simple random sample

A simple random sample is one in which any group of n individuals is equally likely to be chosen as any other group of n individuals; each sample of the same size has an equal chance of being selected.

stratified sample

A stratified sample divides the population into strata and then takes a proportionate simple random sample from each stratum; a cluster sample divides the population into clusters, randomly selects some clusters, and includes all members of those selected clusters; a systematic sample randomly selects a starting point and then takes every n-th piece of data.

convenience sampling

Convenience sampling uses results that are readily available and may be highly biased; sampling with replacement allows a chosen member to be selected again, while simple random sampling without replacement allows each member to be chosen only once.

sampling error

Sampling error comes from the sampling process itself, nonsampling error comes from factors outside the sampling process, and sampling bias occurs when some members of the population are not as likely to be chosen as others.

confounding

Good statistical practice requires critical evaluation of studies for representative samples, self-selected samples, sample-size problems, undue influence, nonresponse, causality errors, self-funded or self-interest studies, misleading displays or incomplete data, and confounding.

explanatory variable

The purpose of an experiment is to investigate the relationship between two variables; the explanatory variable is the one that causes change, the response variable is the one affected, treatments are the different values of the explanatory variable, and an experimental unit is a single object or individual to be measured.

lurking variable

Lurking variables are additional variables that can cloud a study, and random assignment of experimental units to treatment groups is used to spread lurking variables among groups so that cause-and-effect conclusions can be drawn.