Welke analysemethodes zijn er?

Welke statistische technieken zijn er?

Welke statistische technieken zijn er? Nou, zeg nou zelf, een berg! Je hebt de basisdingen, zoals:

• Gemiddelden: Zo simpel als het tellen van schapen, maar dan met cijfers. Je telt alles op en deelt door het aantal. Klaar is Kees!

• Standaarddeviaties: Dit ding laat zien hoe ver de cijfers van het gemiddelde afwijken. Denk aan een klas vol pubers: de standaarddeviatie laat zien hoe verspreid hun cijfers voor wiskunde zijn – van helden tot… nou ja, jullie snappen het wel.

• Correlaties: Dit beestje kijkt of twee dingen met elkaar te maken hebben. Eten ijsjes en zonneschijn samen? Correlaties zoeken dat uit. Of je gewicht en hoeveel pizza je eet... er is waarschijnlijk een sterke correlatie!

Dan heb je nog de gevorderde spulletjes:

• Regressieanalyse: Dit is de grote broer van correlaties. Niet alleen kijkt hij of twee dingen samenhangen, hij probeert ook te voorspellen wat er gaat gebeuren. Handig voor bijvoorbeeld het voorspellen van de aankomende ijsjesverkoop op een mooie zomerdag.

En vergeet niet alle andere leuke dingen: t-toetsen, ANOVA, chi-kwadraat testen... het is een zooitje, net een kleuterschool tijdens de knutselmiddag. Maar hey, je bent statistiek aan het doen. Niets is te gek!

Welke soorten statistische analyses zijn er?

• Beschrijvende analyse: OK, dat is dus gewoon data samenvatten. Gemiddelden, medianen...zoiets. Heb ik vroeger wel eens gedaan in Excel toen ik nog bij die pizzatent werkte. Wat een ellende was dat!
• Inferentiële analyse: Huh? Conclusies trekken uit een sample. Klinkt ingewikkeld. Lijkt me niks voor mij.
• Voorspellende analyse: Voorspellen. Met data. Alsof je de toekomst kan zien. Zou wel handig zijn voor de lotto. Ik moet echt eens stoppen met roken.
• Voorschrijvende analyse: Aanbevelingen doen. Dus vertellen wat er moet gebeuren op basis van die voorspellingen. Alsof je een glazen bol hebt.
• Verkennende data-analyse (EDA): Data ontdekken. Patronen zoeken. Klinkt als detective spelen, maar dan met cijfers. Misschien toch wel iets voor mij. Wat ga ik vanavond eigenlijk eten?
• Causale analyse: Oorzaak en gevolg. Eieren en kippen. Welke was er eerst? Is mijn slechte humeur eigenlijk wel echt mijn eigen schuld?
• Bedrijfsleven en economie: Analyse voor bedrijven. Omzet, winst, verlies. Allemaal van die enge woorden. Ik moet echt mijn administratie eens doen.
• Gezondheidszorg: Analyse in ziekenhuizen. Patiënten, behandelingen, resultaten. Hopelijk niet te vaak nodig voor mij. Ik moet echt eens meer bewegen.

Welke methoden worden gebruikt bij statistische analyses?

Oké, hier komt-ie, alsof ik net een frikandelbroodje heb weggehapt en snel moet antwoorden:

Statistische analyses? Da's toch die tovenarij met cijfers? Nou, even serieus (voor zover dat kan):

• Beschrijvende analyse: Alsof je een roddelblad leest, gewoon opsommen wat je ziet. Gemiddelde leeftijd van je schoonfamilie? Check! Meest voorkomende schoenmaat in Volendam? Gedaan!

• Inferentiële analyse: Nu ga je speculeren! Je trekt conclusies alsof je een waarzegster bent met een slechte dag. "Als Pietje meer bier drinkt, gaat-ie harder snurken," zoiets.

• Exploratieve analyse: Net een nieuwsgierig aagje. Je graaft in de data alsof je op zoek bent naar een verloren sok onder de bank. Je zoekt verbanden waarvan je niet eens wist dat ze bestonden.

• Causale analyse: De Sherlock Holmes onder de analyses. Je probeert oorzaak en gevolg te vinden. Bijvoorbeeld: "Komt het nou door die zure haring dat ik zo chagrijnig ben, of is het andersom?".

• Voorspellende analyse: De glazen bol van de statistiek. Je probeert de toekomst te voorspellen. Gaat het morgen regenen? Stijgt de prijs van de kaas? Je gooit er wat data in en poef, een voorspelling. Nou ja, poef...vaak zit je er naast, maar dat zeggen we niet hardop.

Meest gebruikt? Beschrijvend en inferentieel. Dus roddelen en speculeren. Klinkt als een doorsnee verjaardagsfeestje, toch?

Hoe kies je een statistische analysemethode?

Het is stil. Buiten. Binnen. Ik zit hier maar.

• Doel van het onderzoek: Wat wil je eigenlijk te weten komen? Echt, wat is de vraag die je probeert te beantwoorden. Niet wat je denkt dat cool is, of wat anderen willen dat je onderzoekt. Wat drijft jou.

• Type data: Getallen? Categorieën? Heb je mooie, gladde data of is het een rommeltje? Ik heb ooit een dataset gehad, die leek wel een emotionele achtbaan. De verdeling was...nou ja, laten we zeggen dat het niet normaal was.

• Gepaard of ongepaard: Zijn de metingen aan elkaar verbonden, zoals voor en na een behandeling? Of zijn het gewoon twee losse groepen? Ik weet nog dat mijn oma altijd zei: "Alles is met elkaar verbonden." In statistiek soms wel, soms niet.

De keuze...hangt er allemaal vanaf.