In onderzoek zijn statistieken belangrijk om de volgende redenen:<\/span><\/p>\n Reden 1<\/strong> : Statistieken stellen onderzoekers in staat onderzoeken zo te ontwerpen dat onderzoeksresultaten kunnen worden ge\u00ebxtrapoleerd naar een grotere populatie.<\/span><\/p>\n Reden 2<\/strong> : Statistieken stellen onderzoekers in staat hypothesetesten uit te voeren om te bepalen of bepaalde beweringen over een nieuw medicijn, procedure, productiemethode, enz. zijn toegestaan. zijn waar.<\/span><\/p>\n Reden 3<\/strong> : Statistieken stellen onderzoekers in staat betrouwbaarheidsintervallen te cre\u00ebren om de onzekerheid rond populatieschattingen vast te leggen.<\/span><\/p>\n In de rest van dit artikel bespreken we elk van deze redenen.<\/span><\/p>\n Onderzoekers willen vaak vragen over populaties<\/a> beantwoorden, zoals:<\/span><\/p>\n E\u00e9n manier om deze vragen te beantwoorden is door gegevens te verzamelen over elk individu in de populatie van interesse.<\/span><\/p>\n Dit is echter meestal te kostbaar en tijdrovend, dus nemen onderzoekers in plaats daarvan een steekproef<\/strong> uit de populatie en gebruiken ze de steekproefgegevens om conclusies te trekken over de populatie als geheel.<\/span> <\/p>\n Er zijn veel verschillende methoden die onderzoekers kunnen gebruiken om individuen in een steekproef te krijgen. Deze staan bekend als bemonsteringsmethoden<\/strong> .<\/span><\/p>\n Er zijn twee klassen van bemonsteringsmethoden:<\/span><\/p>\n Door gebruik te maken van waarschijnlijkheidssteekproefmethoden kunnen onderzoekers de kansen maximaliseren om een representatieve<\/a> steekproef van de totale populatie te verkrijgen.<\/span><\/p>\n Hierdoor kunnen onderzoekers de resultaten van de steekproef extrapoleren naar de totale populatie.<\/span><\/p>\n Lees hier<\/a> meer over de twee klassen van bemonsteringsmethoden.<\/span><\/p>\n Statistiek wordt ook gebruikt in onderzoek in de vorm van het testen van hypothesen<\/a> .<\/span><\/p>\n Dit zijn tests die onderzoekers kunnen gebruiken om te bepalen of er statistische significantie bestaat tussen verschillende medische procedures of behandelingen.<\/span><\/p>\n Stel bijvoorbeeld dat een wetenschapper gelooft dat een nieuw medicijn de bloeddruk bij zwaarlijvige pati\u00ebnten kan verlagen. Om dit te testen mat hij de bloeddruk van 30 pati\u00ebnten voor en na een maand lang gebruik van het nieuwe medicijn.<\/span><\/p>\n Vervolgens voert het een t-test met gepaarde monsters<\/a> uit, waarbij gebruik wordt gemaakt van de volgende aannames:<\/span><\/p>\n Als de p-waarde<\/a> van de test onder een bepaald significantieniveau ligt (bijvoorbeeld \u03b1 = 0,05), kan deze de nulhypothese verwerpen en concluderen dat het nieuwe medicijn een verlaging van de bloeddruk veroorzaakt.<\/span><\/p>\n Opmerking<\/strong> : dit is slechts \u00e9\u00e9n voorbeeld van het testen van hypothesen dat in onderzoek wordt gebruikt. Andere veelgebruikte tests zijn onder meer een t-test met \u00e9\u00e9n monster<\/a> , een t-test met twee monsters<\/a> , eenzijdige ANOVA<\/a> en tweezijdige ANOVA<\/a> .<\/span><\/p>\n Statistieken worden ook in onderzoek gebruikt in de vorm van betrouwbaarheidsintervallen<\/a> .<\/span><\/p>\n Een betrouwbaarheidsinterval is een reeks waarden die waarschijnlijk een populatieparameter met een bepaald betrouwbaarheidsniveau bevatten.<\/span><\/p>\n Stel dat onderzoekers bijvoorbeeld het gemiddelde gewicht van een bepaalde schildpadsoort willen schatten.<\/span><\/p>\n In plaats van elke schildpad in de populatie rond te lopen en te wegen, kunnen onderzoekers een eenvoudig willekeurig monster van schildpadden nemen met de volgende informatie:<\/span><\/p>\n Met behulp van het betrouwbaarheidsinterval voor een gemiddelde formule<\/a> kunnen onderzoekers vervolgens het volgende betrouwbaarheidsinterval van 95% construeren:<\/span><\/p>\n 95% betrouwbaarheidsinterval:<\/strong> 300 +\/- 1,96*(18,5\/\u221a 25<\/span> ) = [292,75, 307,25]<\/strong><\/span><\/p>\n Onderzoekers zouden dan beweren dat ze er 95% zeker van zijn dat het werkelijke gemiddelde gewicht van deze schildpaddenpopulatie tussen de 292,75 pond en 307,25 pond ligt.<\/span><\/p>\n In de volgende artikelen wordt het belang van statistieken op andere gebieden uitgelegd:<\/span><\/p>\n Het belang van statistiek in de gezondheidszorg<\/a> Het vakgebied statistiek houdt zich bezig met het verzamelen, analyseren, interpreteren en presenteren van gegevens. In onderzoek zijn statistieken belangrijk om de volgende redenen: Reden 1 : Statistieken stellen onderzoekers in staat onderzoeken zo te ontwerpen dat onderzoeksresultaten kunnen worden ge\u00ebxtrapoleerd naar een grotere populatie. Reden 2 : Statistieken stellen onderzoekers in staat hypothesetesten uit […]<\/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-3039","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Reden 1: Statistieken stellen onderzoekers in staat studies te ontwerpen<\/strong><\/span><\/h3>\n
\n
![\"Voorbeeld](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/ciprop1.png\")
<\/p>\n\n
Reden 2: Statistieken stellen onderzoekers in staat hypothesetesten uit te voeren<\/strong><\/span><\/h3>\n
\n
Reden 3: Statistieken stellen onderzoekers in staat betrouwbaarheidsintervallen te cre\u00ebren<\/strong><\/span><\/h3>\n
\n
Aanvullende bronnen<\/strong><\/span><\/h2>\n
Het belang van statistiek in de verpleegkunde<\/a>
Het belang van statistieken in bedrijven<\/a>
Het belang van statistiek in de economie<\/a>
Het belang van statistiek in het onderwijs<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"