De standaardfout geeft de betrouwbaarheid weer. Het is een maat die aangeeft hoe groot de spreiding in de foutmarge is. Een grotere standaardfout geeft aan dat de metingen minder betrouwbaar zijn. Een lagere standaardfout betekent dat de fout die standaard gemaakt wordt kleiner is en dus betrouwbaarder.

(kijk voor een uitgebreide uitleg van de standaardfout bij het eerdere blog bericht over de standaardfout)

Waar staat de standaarddeviatie dan precies voor?

De standaarddeviatie is een maat die aangeeft hoe groot de spreiding in het gemiddelde is. Het is een beschrijvende maat die aangeeft hoe ver je van het gemiddelde afligt. De standaarddeviatie geeft je positie in de groep ten opzichte van het gemiddelde aan. Met behulp van de standaarddeviatie kan je twee groepen met een verschillend gemiddelde kunt vergelijken.

Voorbeeld:

Stel dat je een 7 hebt gehaald voor een toets. Als je aan je ouders verteld ik heb een 7 gehaald weten ze dat je een voldoende hebt gehaald maar niet of het een goed cijfer is ten opzichte van de behaalde cijfers door de anderen in de klas. Als je zegt ik lig één standaarddeviatie boven het gemiddelde dan weten je ouders meteen dat je beter hebt gescoord dan het gemiddelde van de klas. De standaarddeviatie beschrijft je positie ten opzichte van het gemiddelde. Je weet echter niet of je het significant beter hebt gedaan dan het gemiddelde.

Kortom de standaardfout is een maat voor de betrouwbaarheid waarmee je een significant verschil met het gemiddelde kunt berekenen en de standaarddeviatie is een beschrijvende maat waarmee je de positie ten opzichte van het gemiddelde aangeeft.

Daarna kan je beslissen of je meedoet aan de 3 statistiekklassen die de weken daarop volgen (25 mei, 1 juni en 8 juni), dit is de gehele statistiektraining

Heb je binnenkort je tentamen voor statistiek? Een statistiek/ of SPSS opdracht die je moet inleveren? Ben je bezig met je data-analyse van je scriptie?  Of wil je gewoon bijgespijkerd worden in je statistiekkennis?

Schrijf je dan nu in voor het statistiek klasje! Afstudeerbegeleider.nl geeft een statistiek & SPSS klasje van maximaal 7 personen. Gedurende 4 dagdelen worden er blokken van 3 uur training gegeven. Het is bedoeld voor jou,  zodat je statistiek en SPSS écht gaat begrijpen en jij je tentamen gaat halen of je data-analyse zelfstandig kan toepassen en écht snapt!

Tijdens het statistiek klasje wordt er een training gegeven die bij de basis van statistiek begint, op basis van alledaagse voorbeelden.

Door het gebruik van eenvoudige voorbeelden zal het resultaat zijn dat je inzicht krijgt in de stof van statistiek en het programma SPSS.

Ben je nieuwsgierig geworden? Kijk dan even bij statistiek klas voor meer informatie. Of vul meteen het contactformulier in!

Wil je weten wat de kosten ervan zijn, klik dan hier.

Stel dat je je eigen gewicht gaat meten en wilt weten of je aangekomen bent sinds een half jaar geleden toen je 60 kilo woog. De nul hypothese (Ho) en alternatieve hypothese (Ha) moeten worden opgesteld om deze vraag te beantwoorden.

De nul hypothese geeft het onveranderlijke geval weer, oftewel dat je niet aangekomen bent. De nul hypothese zegt dat de status quo (zoals het was) nog steeds geldt. De alternatieve hypothese geeft aan dat er iets verandert is. In dit voorbeeld dus dat je bent aangekomen. Je weegt niet langer 60 kilo maar je bent aangekomen. De hypothesen komen er in woorden als volgt uit te zien:

• Ho: mijn gewicht is 60 kilo
• Ha: mijn gewicht is meer dan 60 kilo

In symbolen worden de hypothesen (voor gewicht gebruiken we het symbool Y):

• Ho: Y=60
• Ha: Y>60

Dit is een eenzijdige hypothese want je kijkt alleen naar het alternatieve geval dat je zwaarder weegt dan 60 kilo. De vraag die je kan beantwoorden bij het testen van deze hypothese is: Weeg ik zwaarder dan 60 kilo en ben ik dus aangekomen? Nee, als je de Ho niet kan vewerpen.  Ja, als je de nul hypothese kan verwerpen en de alternatieve hypothese aanneemt.

Je kan ook een tweezijdige hypothese opstellen.

Een ander voorbeeld:

Stel dat je wilt weten of de gemiddelde leeftijd van een groep mensen gelijk is aan 30 jaar.

De nul hypothese gaat er van uit dat je gelijk hebt en de gemiddelde leeftijd gelijk is aan 30. De alternatieve hypothese zegt dat de leeftijd niet gelijk is aan 30. De hypothesen worden in woorden:

• Ho: de gemiddelde leeftijd is gelijk aan 30
• Ha: de gemiddelde leeftijd is ongelijk aan 30

In symbolen worden de hypothesen (voor leeftijd gebruiken we het symbool X):

Dit is een tweezijdige hypothese omdat de gemiddelde leeftijd zowel hoger als lager kan zijn. Door deze hypthesen te toetsen kan je antwoord geven op de vraag: is de gemiddelde leeftijd gelijk aan 30? Ja, als je H0 niet kan vewerpen. Nee, als je H0 kan verwerpen en de alternatieve hypothese aanneemt.

Thomas kijkt jouw scriptie na op:

NEDERLANDSE TAAL

CORRECTE SPELLING

GRAMMATICA

LOGISCHE OPBOUW

ZINSFORMULERING

ACADEMISCH SCHRIJFNIVEAU

Bel of stuur even een mailtje naar info@afstudeerbegeleider.nl als je jouw scriptie PERFECT GESCHREVEN wilt inleveren!

Laat je scriptie, geschreven in het ENGELS, redigeren op grammatica, schrijfstijl en spelling door professionele taalexperts in de ENGELSE taal!

Met als resultaat: een perfect geschreven scriptie in Engelse taal!

Vanaf 15.000 woorden voor 250 euro en dan heb je binnen één week je scriptie in perfect geschreven ENGELSE taal terug!

Wil je meer weten? Stuur een mail naar: info@afstudeerbegeleider.nl

De Levene’s test kijkt of de varianties van de groepen gelijk zijn. SPSS geeft in de output van de t-toets standaard de uitslag voor deze toets.

• Ho= de varianties tussen de groepen zijn gelijk
• Ha= de varianties tussen de groepen zijn niet gelijk

Je wilt graag een niet significante uitkomst van de Levene’s test want dat betekend dat de varianties gelijk zijn en je appels met appels aan het vergelijken bent. De Levene’s test is niet significant als de waarde van sign. groter is dan 0.05. Dan neem je H0 aan dat de varianties gelijk zijn.

Als voor de Levene’s test onder sign. een waarde is gegeven die lager is dan 0.05 verwerpen we H0 en nemen we de alternatieve hypothese aan. Dit betekend dat de varianties tussen de groepen niet gelijk zijn en weet je dat je appels met peren aan het vergelijken bent. In de output voor  de uitgevoerde t-toets moet je dan kijken naar de onderste regel waarvoor staat: equal variances is not asssumed. Gelijkheid in varianties kan niet worden aangenomen. De t-waarde op die regel gebruik je voor het trekken van conclusies over de t-test.

In één makkelijk woord geeft de SE de betrouwbaarheid aan. SE staat voor de standard error of standaardfout in het Nederlands.

De standaardfout geeft aan hoe groot de gemiddelde fout is die wordt gemaakt bij het meten van het gemiddelde. Dus het geeft aan hoe betrouwbaar het gemiddelde is. Een grotere SE zegt minder betrouwbaar; dit kan je zien in de plaatjes: langere pijlen (grotere SE) is minder betrouwbaar, kortere pijlen is een kleinere standaardfout dus betrouwbaarder.

, 

Twee keer hebben we het gemiddelde gemeten van een 6. In het eerste plaatje is de standaardfout groter, een grotere SE waarde, dus minder betrouwbaar. De tweede keer is de standaardfout kleiner, lagere SE waarde, dus betrouwbaarder.

De formule voor de T-toets ziet er als volgt uit:

•   deze variabele staat voor het gemiddelde van de metingen. Bijvoorbeeld als je van een klas het gemiddelde voor een rekentoets uitrekent.
• µ staat voor je verwachting. Bijvoorbeeld als je wilt kijken of het gemiddelde van de klas gelijk is aan een 7.
•  - µ  boven de streep staat samen voor het verschil. Dus je meet het gemiddelde cijfer van de klas (bijvoorbeeld een 6) en vergelijkt die met je verwachting (een 7). In dit geval vind je een verschil van 1. Wat je met behulp van de statistiek wil onderzoeken is of dit verschil een daadwerkelijk verschil is.

• SE staat voor de betrouwbaarheid van je meting. Je kan metingen op verschillende manieren uitvoeren. Daarom moet je corrigeren voor de betrouwbaarheid van je meetinstrument.
• t staat voor de uitkomst van de toets. Bij deze uitkomst is het van belang rekening te houden met het aantal metingen. Als je maar één meting hebt is er een grotere kans dat de waarde toeval is. Als je meerdere metingen uitvoert is het zekerder dat de daadwerkelijke waarde van de variabele dicht in de buurt ligt van de gemeten waarde. De uitkomst voor t zoek je op in de t-tabel waarbij je kijkt bij de waarde die correspondeert met het aantal metingen.

Oftewel: Bij het uitvoeren van een t-toets bereken je een gemiddelde van de variabele die je wilt onderzoeken. Dan kijk je of er een verschil is tussen de gemeten waarde en je verwachting. Als je corrigeert voor de betrouwbaarheid van je meting krijg je de t-waarde. Of je met 95% zekerheid kan zeggen dat het gevonden verschil een daadwerkelijk verschil is zoek je het op in de t-tabel rekening houdend met het aantal metingen.

Het is belangrijk om in de gaten te houden dat er een belangrijk verschil is tussen deze twee termen.

1. Allereerst geeft de validiteit aan of je meet wat je beweert te willen meten. Bijvoorbeeld als je wilt onderzoeken of iemand gelukkig is kan je dat doen door middel van het stellen van vragen over hoe gelukkig iemand is met zijn werk, hobby’s en vrienden. Meten van de hoogte van zijn inkomen is niet de juiste meting voor hoe gelukkig iemand is. De hoogte van iemands inkomen kan natuurlijk wel van invloed zijn op geluk maar daar moet je achter komen door te vragen hoe gelukkig hij is met de hoogte van zijn inkomen en niet door alleen zijn inkomen te meten.
2. De betrouwbaarheid geeft aan hoe betrouwbaar je metingen zijn. De betrouwbaarheid hangt dus af van de nauwkeurigheid van je meet instrument. Zo kan je het gewicht van een doos meten met een weegschaal of door iemand het te laten tillen en het gewicht te laten schatten. De eerste methode geeft een hogere betrouwbaarheid van de gevonden metingen dan de tweede methode.

Er zijn vier verschillende type data:

1. nominaal
2. ordinaal
3. interval
4. ratio

Nominale data: is data waaraan je willekeurig aan categorieën een naam geeft zoals man/vrouw

Ordinale data: is data waar een ordening in zit zoals MBO HBO WO

Interval data: heeft geen arbitrair nulpunt zoals IQ. Dit betekent dat je niet kan zeggen dat twee mensen met een IQ van 60 samen even slim zijn als één ander met een IQ van 120.

Ratio data: heeft wel een arbitrair nulpunt zoals leeftijd. Je kan namelijk wel zeggen dat iemand van 50 2x zo oud is dan iemand met de leeftijd 25.

Bepaal dus voordat je aan de slag gaat altijd eerst met wat voor een soort data je te maken hebt. Van nominale en ordinale data kan je geen gemiddelde uitrekenen wat wel mogelijk is bij interval en ratio data. Op basis van die kennis kan je daarna bepalen welke toetsen je kan gebruiken om de juiste analyse uit te voeren!