Stel bijvoorbeeld dat onderzoekers 100 proefpersonen rekruteren om deel te nemen aan een onderzoek waarin ze hopen te begrijpen of twee verschillende pillen wel of niet verschillende effecten op de bloeddruk hebben.<\/span><\/p>\n Ze kunnen besluiten een generator voor willekeurige getallen te gebruiken om elke proefpersoon willekeurig pil #1 of pil #2 te laten gebruiken.<\/span> <\/p>\n Het doel van randomisatie is om te controleren op verborgen variabelen<\/a> : variabelen die niet direct in een analyse zijn opgenomen, maar toch op de een of andere manier invloed hebben op de analyse.<\/span><\/p>\n Als onderzoekers bijvoorbeeld de effecten van twee verschillende pillen op de bloeddruk bestuderen, kunnen de volgende verborgen variabelen de analyse be\u00efnvloeden:<\/span><\/p>\n Door proefpersonen willekeurig aan behandelgroepen toe te wijzen, maximaliseren we de kans dat verborgen variabelen beide behandelgroepen in gelijke mate zullen be\u00efnvloeden.<\/span><\/p>\n Dit betekent dat elk verschil in bloeddruk kan worden toegeschreven aan het type pil en niet aan het effect van een verborgen variabele.<\/span><\/p>\n Een uitbreiding van randomisatie staat bekend als blokrandomisatie<\/strong> . Dit is het proces waarbij proefpersonen eerst in blokken worden verdeeld en vervolgens door middel van randomisatie proefpersonen binnen de blokken aan verschillende behandelingen worden toegewezen.<\/span><\/p>\n Als onderzoekers bijvoorbeeld willen weten of twee verschillende pillen de bloeddruk verschillend be\u00efnvloeden, kunnen ze eerst alle proefpersonen op basis van geslacht in twee blokken verdelen: mannelijk of vrouwelijk.<\/span><\/p>\n Vervolgens kunnen ze in elk blok randomisatie gebruiken om proefpersonen willekeurig pil #1 of pil #2 te laten gebruiken.<\/span> <\/p>\n Het voordeel van deze aanpak is dat onderzoekers direct kunnen controleren of het geslacht invloed heeft op de bloeddruk, omdat we weten dat mannen en vrouwen waarschijnlijk anders op elke pil zullen reageren.<\/span><\/p>\n Door geslacht als blok te gebruiken, kunnen we deze variabele als potenti\u00eble bron van variatie elimineren. Als er verschillen in bloeddruk zijn tussen de twee pillen, kunnen we weten dat geslacht niet de onderliggende oorzaak van deze verschillen is.<\/span><\/p>\n Blokkeren in statistieken: definitie en voorbeeld<\/a> Op het gebied van de statistiek verwijst randomisatie naar het willekeurig toewijzen van proefpersonen aan verschillende behandelingsgroepen. Stel bijvoorbeeld dat onderzoekers 100 proefpersonen rekruteren om deel te nemen aan een onderzoek waarin ze hopen te begrijpen of twee verschillende pillen wel of niet verschillende effecten op de bloeddruk hebben. Ze kunnen besluiten een generator voor […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1431","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n![\"Randomisatie](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/randomisation1.png\")
<\/p>\n Voordelen van randomisatie<\/strong><\/span><\/h3>\n
\n
Randomisatie blokkeren<\/strong><\/span><\/h3>\n
![\"Randomisatie](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/randomisation2.png\")
<\/p>\n Aanvullende bronnen<\/span><\/strong><\/span><\/h3>\n
Randomisatie van gepermuteerde blokken: definitie en voorbeeld<\/a>
Verborgen variabelen: definitie en voorbeelden<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"