Advies en Trainingen
Datamanagement
Statistische data-analyse
Over tridata Diensten Klanten Cursusaanbod De mensen Brochure Contact

Cursus toegepaste statistiek en data-analyse

Doel
De cursus Toegepaste Statistiek is bij uitstek de cursus om te volgen als u een gedegen basis wilt leggen voor uw statistische en methodologische kennis óf als u deze kennis wilt opfrissen. Aansprekende theoretische voorbeelden worden direct toegepast. Dit zorgt voor een optimaal leereffect. Na vier dagen beheerst u de basisbeginselen van statistiek, kunt u zelfstandig onderzoeksvragen formuleren, eenvoudige statistische analyses toepassen én heeft u een kritische houding ten aanzien van onderzoek ontwikkeld.

In de cursus staat de praktische toepasbaarheid centraal.  Het gaat namelijk vooral om de juiste toepassing en de juiste interpretatie van de uitkomsten.

Inhoud Dag 1

  • Kennismaken met statistiek
  • Uitleg steekproef
  • Centrum en spreidingsmaten
  •  Normaliteit
  • Uitleg meetniveaus
  •  Waarschijnlijkheid: de kans dat een bepaald resultaat voorkomt
  • Toepassen kennis 
  •  
  • Dag 2
  • Validiteit en betrouwbaarheid, grafische weergave, analyses
  • Representativiteit van de steekproef (1)
  • Validiteit en betrouwbaarheid
  • Keuze bepaling statistische analyse
  • Begrijpend leren lezen van onderzoeksvragen
  • Verschillende grafische weergaves
  • Cumulatieve diagrammen
  • Uitbijters
  •  
  • Dag 3
  • Analyses
  •  Herhaling dag 1 en dag 2
  •  Klassebreedtes
  • Hypotheses testen
  • Correlatie
  • Regressie
  • Diverse statistische analyses toepassen en interpreteren
  •  
  • Dag 4
  • Hoe rapporteer ik data? Grafische en tekstuele weergave van gegevens
  • Logtransformatie
  • Tijdreeksen
  • Effect size
  • Representativiteit steekproef
  • Cumulatieve grafieken
  •  Rapportage
  • Doelgroep
    De statistiek cursus wordt afgestemd op HBO-ers en WO-ers die hun kennis willen verbreden en/of opfrissen. De inhoudsopgave kan worden aangepast aan de wensen van de cursisten. 

    Docent
    Mw. drs. S.S.A.A (Selene) Fagel studeerde Neuropsychologie aan de Universiteit Utrecht en was werkzaam als onderzoeksmedewerker bij Altrecht en het VU  Medisch Centrum. Heden is zij voor haar promotieonderzoek werkzaam bij de Universiteit Leiden. Haar promotie wordt verwacht in 2012.
    Mevrouw Fagel is tevens verbonden aan de Vrije Universiteit (VU) als postdoc. Zij heeft ruime ervaring in het geven van onderwijs en het verzorgen van trainingen in o.a. statistiek en data-analyse. Zij is v.a. 2008 verbonden aan Tridata als adviseur en trainer. 

    In-company training
    De statistiek cursus kan tevens als in-company training (op een locatie van uw keuze) worden gegeven. In overleg wordt het aantal deelnemers van uw organisatie bepaald en past Tridata de cursus aan uw specifieke wensen. Neemt u voor een maatwerkofferte contact op met Tridata.

    Cursusdata
    4, 11, 18 en 22 juni

    Kosten en inschrijving
    De kosten van de cursus bedragen € 2175. De cursusprijs is vrijgesteld van BTW (BTW-tarief 0%) en is inclusief cursusmateriaal, deelnamecertificaat, koffie / thee en lunch.

    Plaats
    Laan Copes van Cattenburch 62, Den Haag. 

    Aanmelden | Brochure

    Vervolgcursus
    Cursus data-analyse


    Uitgewerkte voorbeeld (met Excel) van een van de onderwerpen die tijdens de cursus aan bod zullen komen

    Variantie-analyse uitvoeren in Excel

    Variantie-analyse,een begrip uit de statistiek, vaak aangeduid als ANOVA, is een toetsingsprocedure om na te gaan of de populatiegemiddelden van twee of meer groepen van elkaar verschillen.

    A. Overzicht van ANOVA
    B. Stap-voor-stap instructies voor het uitvoeren van ANOVA in Excel
    C.Excel output interpreteren


    A. Overzicht van ANOVA

    We willen vaak weten of de gemiddelden van twee normaal verdeelde populaties aan elkaar gelijk zijn. Bijvoorbeeld, verdienen vrouwen even veel als mannen? Dit is makkelijk te achterhalen door een onafhankelijke t-test voor twee steekproeven uit te voeren. Wanneer we nu willen weten of Friezen, Groningers en Limburgers gemiddelde hetzelfde verdienen dan kunnen we een variantie-analyse gebruiken, ook wel aangeduid als ANOVA (Engels: 'ANalysis Of VAriance'). Dit is een toetsingsprocedure om na te gaan of de populatiegemiddelden van twee of meer groepen van elkaar verschillen. Dit in tegenstelling tot een t-test waarbij we analyseren of twee steekproefgemiddeldes van elkaar verschillen.

    Een eenvoudig voorbeeld zal de gedachtegang verduidelijken.
    We vragen ons af of er tussen drie verschillende beroepsgroepen systematische verschillen zijn wat betreft werkgerelateerde stress. We vergelijken : OG makelaars, advocaten en effectenmakelaars.
    De onderzoeksvraag die je kunt beantwoorden met behulp van de ANOVA is de volgende:
    Is de werkgerelateerde stress gemiddeld genomen dezelfde voor de drie groepen, of zijn er systematische verschillen?
    Hieruit volgt direct de vraag of er ook tussen de drie groepen verschillen zijn. Of bijvoorbeeld de stress bij de makelaars anders is dan de stress bij de advocaten.
    Natuurlijk zullen de gemiddelden van de drie groepen niet precies aan elkaar gelijk zijn. We vragen ons daarom af of deze verschillen tussen de groepen vergelijkbaar zijn met, of veel groter zijn dan de verschillen binnen de groepen. Om dit te analyseren wordt middels steekproeven van de drie groepen de totale "variantie", die een maat is voor de spreiding van de geobseerveerde waarden, in twee componenten geanalyseerd , namelijk de variantie binnen de drie groepen en de variantie tussen de drie groepen.
    Het onderzoek ziet erals volgt uit:
    De drie groepen (makelaars, advocaten en effectenmakelaars) kregen elk 15 vragen voorgelegd over de mate van stress die zij ondervonden tijdens hun werk. Deze 15 vragen werden op een vijf punts-schaal geevalueerd, waarbij een hoger getal een hogere mate van stress indiceert. De reacties zijn per beroepsgroep samengevoegd om tot een numerieke maat voor werkgerelateerde stress te komen.
    De gevonden resultaten zijn hieronder in het Excel-bestand weergegegeven.

    B. Stap-voor-stap instructies voor het uitvoeren van ANOVA in Excel


    OG makelaars advocaten effectenmakelaars
    81 43 65
    48 63 48
    68 60 57
    69 52 91
    54 54 70
    62 77 67
    76 68 83
    56 57 75
    61 61 53
    65 80 71
    64 50 54
    69 37 72
    83 73 65
    85 84 58
    75 58 58

    Het bovenstaande is een voorbeeld van one-way ANOVA, ook wel éénweg -variantie analyse. Er is sprake van één factor (stress), en drie niveaus (de drie groepen,: nl OG makelaars, advocaten en effectenmakelaars).

    Stap 1: Formuleer de hypothesen

    H0: μ1 = μ2 = μ3
    H1 : μ1 # μ2 # μ3

    Waarbij
    H0 = nulhypothese
    H1 = alternatieve hypothese
    μ1 = het gemiddelde van groep 1,
    μ2 = het gemiddelde van groep 2,
    μ3 = het gemiddelde van groep 3


    De nulhypothese die men bij deze vraagstelling toetst is de volgende: Het gemiddelde van de populaties waaruit de steekproeven respectievelijk komen is gelijk.
    De alternatieve hypothese is: Er is een significant (statistisch merkbaar) verschil tussen de gemiddelden van de drie groepen.
    Als de nulhypothese waar is, dan zal de "variantie tussen de groepen (bijna) gelijk zijn aan de" variantie binnen de groepen. "

    De testgrootheid van de ANOVA is de F, waarbij F is gedefinieerd als de verhouding van de twee varianties (tussen en binnen de groepen).

    Stap 2: Kies een kritische waarde (α) van bijvoorbeeld 0.05 of 0.10 voor de test.

    Stap 3: Bereken de F-statistiek met behulp van Excel data-analyse.
    Klik op Extra en kies DATA ANALYSE, volgens kiest u het juiste type van ANOVA:



    Er zijn 3 soorten ANOVA in Excel. "Single factor" ANOVA is hetzelfde als "one-way" ANOVA. Dat is wat we hebben in dit voorbeeld, omdat we alleen één factor (stress) in ogenschouw nemen. Excel kan omgaan met een willekeurig aantal groepen, zolang ze maar in kolommen zijn weergegeven. Na het kiezen van "ANOVA: Single Factor" zie je het volgende:

    In "Input Range" selecteert u het bereik A1:C16, incl. de labels op de eerste Rij.
    Labels in first Row aanvinken.

    Geef de kritische waarde (α) aan (standaard staat het op 0.05).

    Kies voor New Worksheet en klik vervolgend op OK waarna de volgende output verschijnt.

    SUMMARY
    Groups Count Sum Average Variance
    OG makelaars 15 1016 67,73333 117,6381
    advocaten 15 917 61,13333 179,981
    effectenmakelaars 15 987 65,8 137,1714
    ANOVA
    Source of Variation SS df MS F P-value F crit
    Between Groups 345,3778 2 172,6889 1,191532 0,313814 3,219938
    Within Groups 6087,067 42 144,9302
    Total 6432,444 44


    C. Excel output interpreteren

    Zoals we kunnen zien is het gemiddelde niveau van stress zoals ervaren bij makelaars (M=67,73) hoger dan die van beurshandelaren (M=65,8) of advocaten (M=61,33). Maar zijn deze verschillen statistisch significant?
    Volgens de testresultaten F = 1,19, α = 0.05, is de kritiek F waarde 3,219. Omdat de berekende waarde F (1,19) kleiner is dan de kritische waarde resulteert dit in p=.31, waardoor de nulhypothese niet verworpen wordt.

    Samengevat
    De verschillen tussen de gemiddelden van de drie groepen waren niet significant (p=.31), waardoor de nulhypothese de mate van stress is gemiddelde genomen gelijk voor alle beroepsgroepen niet verworpen wordt.



     

    Terms & Conditions | Privacy Policy | Disclaimer