De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Schaalniveau en informatie Nominale data

Verwante presentaties


Presentatie over: "Schaalniveau en informatie Nominale data"— Transcript van de presentatie:

1 Schaalniveau en informatie Nominale data
‘Bruine paarden zijn sneller dan Schimmels’

2 Schaalniveau en informatie Ordinale data (aankomstvolgorde)

3 Schaalniveau en informatie Ratio data (tijden in seconden)

4 Onderdelen van meetwaarde
meetwaarde = beoogd variabel begrip + systematische meetfouten + toevallige meetfouten Invaliditeit Onbetrouwbaarheid

5 Soorten Validiteit Inhoudsvaliditeit Construct validiteit
representativiteit: wiskunde toetsen met wiskunde vragen Construct validiteit verdekking van variabel begrip door variabele(n) Predictieve validiteit Concurrente validiteit Discriminerende validiteit

6 Betrouwbaarheid En Validiteit Bepalen

7 NORMAALVERDELING buigpunt s m X

8 Normale verdeling is bepaald door m en s
0,1 0,2 0,3 0,4 0,5 -10 -5 5 10 m = -5 s = 1 m = 0 s = 1 m = 3 s = 1 s 3 m 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 -10 -5 5 10 m = 0 s = 1 m = 0 s = 0,5 m = 0 s = 3 s

9 Normaalverdeling en frequentieverdeling
Frequentieverdeling (bij benadering) normaal verdeeld: Modus = mediaan = a3=0 a4=3 buigpunten op 1 s afstand van  beroep op de best passende normaalverdeling (m = ,  = s) zodat we gebruik kunnen maken van de eigenschappen van deze verdeling

10 Oppervlakten onder de normaalverdeling
.6826 .9546 .9972 1s 1s 1s 1s 1s 1s 1s 1s -4 -3 -2 -1 1 2 3 4 Oppervlakte van het gebied boven een klasse (interval op horizontale as) is gelijk aan relatieve frequentie van die klasse

11 Relatieve frequentie van klassen in een (benaderd) normaalverdeling
.3413 .3413 .0215 .0215 .1359 .1359 1s 1s 1s 1s 1s 1s 1s 1s -4 -3 -2 -1 1 2 3 4 Oppervlakte boven [-1,0] (= relatieve frequentie) = Oppervlakte boven [0,2] = = Oppervlakte boven [-3,1] = =

12 Deze transparant is fout
Stanines 1s 1s 1s 1s 1s 1s 1s Deze transparant is fout stanines 1 2 3 4 5 6 7 8 9 z-waarden -4 -3 -2 -1 1 2 3 4

13 Voorbeeld: lichaamslengte van jonge vrouwen
Lichaamslengte van vrouwen van 18 tot 24 jaar (X) is ongeveer normaal verdeeld met m=166.4 cm en s=6.4 cm Notatie: N(, ) hier: X: N(166.4 cm, 6.4 cm) Middelste 95% van de jonge vrouwen meet tussen en cm Langste 2.5% vrouwen is langer dan cm Bijna alle jonge vrouwen meten tussen en cm .6826 .9546 .9972 153.6 166.4 179.2 147.2 160.0 172.8 185.6

14 Standaardnormale tabel
z -3 -2 -1 1 2 3 ? Z % waarnemingen tussen 0 en z

15 Voorbeelden Bepaal symmetrisch gebied rond gemiddelde waarin 95% van de waarnemingen vallen. Symmetrisch gebied  47.5% van waarnemingen > gemiddelde Opzoeken in tabel: komt overeen met z = 1.96 DUS: 95% van de waarnemingen liggen in het interval [-1.96 , +1.96 ] Idem voor 99% waarnemingen: opzoeken  z = 2.58 DUS: 99% waarnemingen liggen in [-2.58 , +2.58 ]

16 Voorbeeld: lichaamslengte van jonge vrouwen
Lichaamslengte van vrouwen van 18 tot 24 jaar (X) is ongeveer normaal verdeeld X: N(166.4 cm, 6.4 cm) Hoeveel vrouwen meten tussen 170 en 180 cm? 0.5625 -4 -3 -2 -1 2 3 166.4 X 6.4 170 Z 180 2.1250 [170,180] in N(166.4, 6.4) komt overeen met [0.5625,2.125] in N(0,1) Tabelwerk: f/n[0.5625,2.125] = =0.2711

17 Normaalverdeling en z-verdeling
-4 -3 -2 -1 1 2 3 4 z z-verdeling : N(0,1) p(z > 1.96) = (= rechteroverschrijdingskans van 1.96) p(z > 2.58) = (= rechteroverschrijdingskans van 2.58) p(z < -1.96) = (= linkeroverschrijdingskans van 1.96) p(z < -2.58) = (= linkeroverschrijdingskans van 2.58) p(|z| > 1.96) = 0.05 p(-1.20 < z < 0.62) = p(-1.96 < z < 1.96) = 0.95

18 Transformatiemeetwaarden en profielen
Ruwe meetwaarde  Transformatiemeetwaarde Omwille van Interpretatie: “Wat betekent score=74 ?” schaal min/max “wat is normaal voor zo iemand? ” standaard Vgl van verschillende variabelen (intra-individueel) Vgl van analyse-eenheden (inter-individueel)

19 Soorten transformatiemeetwaarden

20 Representatieve steekproef
B C D E F G Populatie met strata A B C D E F G A B C D E F G Niet-representatieve steekproef Representatieve steekproef : variabele komt voor zoals in populatie

21 Transformatiemeetwaarden onafhankelijk van anderen
Absolute meetwaarden (% correcte antwoorden) Prestatie wordt vergeleken met perfectie (meetwaarde hangt af van prestatie en moeilijkheid van de test ) Voorbeeld: Jan heeft 25 juiste antwoorden op 40 items, dus Jan heeft

22 Transformatiewaarden afhankelijk van een toevallige groep
Voor Minder afhankelijk van moeilijkheid van test Tegen Resultaat afhankelijk van prestatie van groep Rangnummers Ordenen van cases volgens prestatie Percentiele rangen = Percentiel van prestatie Standaardmeetwaarden Lineair (z- en T-meetwaarde) Genormaliseerd

23 Bezwaar: sterk afhankelijk van aantal analyse-eenheden
Rangnummers Ruwe meetwaarden van minstens ordinale schaal Ordenen naar prestatie Zelfde ruwe meetwaarden  TIE (knoop) rangnummer = rekenkundig gemiddelde van betrokken rangnummers Bezwaar: sterk afhankelijk van aantal analyse-eenheden

24 Cumulatieve frequentiecurve
5 10 15 20 25 30 2.5 7.5 12.5 17.5 22.5 27.5 F

25 Bepalen van het KWANTIEL Xp
Grafische interpolatie (vb. n = 30) 5 10 15 20 25 30 2.5 7.5 12.5 17.5 22.5 27.5 8 18 28 F p Xp 50 60 80 100 F% 40 70 90

26 Grafische interpolatie (vb. n = 30)
Bepalen van de MEDIAAN Grafische interpolatie (vb. n = 30) F 30 28 25 20 18 15 10 8 5 11 2.5 7.5 12.5 17.5 22.5 27.5

27 Percentiele rangen = percentiele meetwaarden ( percentielen)
Percentiele rang (PR) geeft weer met welk percentiel een meetwaarde overeenkomt. Grafische interpolatie 100×f/n 20 40 60 80 100 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 Percentiele rang P80= 7.4 PR voor meetwaarde 7.4 = 80 Percentiel

28 Percentiele rangen - afleiden van formule
Rekenkundige interpolatie b = exacte bovengrens klasse onder Xn i = klassebreedte van kwantielklasse n = steekproefgrootte p = proportie (%) Fb = cumulatieve frequentie van b fp = frequentie van kwantielklasse PR = p × 100

29 Percentiele rangen - grafische voorstelling
Rekenkundige interpolatie = F p×n fp b = exacte bovengrens klasse onder Xn i = klassebreedte van kwantielklasse n = steekproefgrootte p = percentiele rang (ONBEKEND) Fb = cumulatieve frequentie van b fp = frequentie van kwantielklasse Xp = ruwe meetwaarde Fb i b Xp

30 Voorbeeld bepalen percentiele rang
10 20 30 40 50 F 100 80 60 36 40 18 20 12 18 24 30 36 42 48 54 27 p×n = 18  p = 0.36  PR = 36

31 Percentielen en ruwe meetwaarden van een normaalverdeling
10 20 30 5 15 25 35 Percentielen Ruwe scores Percentiele rangen respecteren de afstanden in ruwe meetwaarden niet

32 Gebruik van percentiele rangen
Voordelen Interpretatie onafankelijk van n Nadelen PR zijn meetwaarden van ordinaal niveau, zelfs als ruwe meetwaarden van hoger niveau zijn Gevolg: Men mag geen rekenkundig gemiddelde berekenen van PR PR en ruwe meetwaarden kunnen niet vergeleken worden

33 Standaardmeetwaarden - lineaire
z -meetwaarde T -meetwaarde Geeft het aantal s tussen Xi en Vereiste: Ruwe meetwaarden van minstens intervalniveau Eigenschap: z en T meetwaarden hebben zelfde meetniveau als X

34 Lineaire standaardmeetwaarden - een voorbeeld
AB heeft ruwe meetwaarde (XAB = 27) We vergelijken AB met een toevallige groep leerlingen waarvoor we weten dat: AB scoorde 0.33 standaarddeviaties lager dan het gemiddelde in de vergelijkingsgroep

35 Genormaliseerde standaardmeetwaarden
Frequentieverdeling van ruwe meetwaarden X wordt behandeld ALSOFze normaalverdeeld is Genormaliseerde standaardmeetwaarden worden bepaald door PR in oorspronkelijke frequentieverdeling toe te passen op normale verdeling Werkwijze: Ruwe meetwaarde Xi  Percentiele rang in oorspronkelijke verdeling (vb. X=17  PR = 35, dus 35 % van waarnemingen zijn lager dan 17 ) Voor PR overeenkomstige z-waarde in normale verdeling opzoeken ( p(Z<z)=0.35  z = -0.39)

36 Genormaliseerde standaardmeetwaarden een voorbeeld
EF heeft ruwe meetwaarde (XEF = 38) Tabelwerk: p(z < zEF) = 0.81  p(z > zEF ) =  p(z < 0.88) = 0.81 38 12 18 24 30 36 42 48 54 20 40 60 80 100 81 81% 19% P1 P10 P81 z -3 -2 -1 0.88 1 2 3 Xi = 38  PR=81  P81  zi = Ti = = 58.8

37 Frequentietabel Van Ruwe Scores

38 Genormaliseerde standaardscores
0.2 0.4 0.6 0.8 1 1.2 65 75 85 95 105 115 125 135 145 Ruwe score Genormaliseerde z- score Normaalverdeling Frequentiecurve Cumulatieve Frequentiecurve Cumulatieve Normaalverdeling

39 Standaardnormale tabel
z -4 -3 -2 -1 1 2 3 4 z

40 Transformatiemeetwaarden afhankelijk van representatieve steekproef: NORMEN
Normgroep Bepaalt voor welke populatie referentiegroep representatief is (vb meisjes 6de LO, recruten, …) Probleem bij vertaling van tests ! Norm (= referentiekader. Ruwe scores vergelijken met norm, onafhankelijk van prestatie in toevallige groep) Leeftijdsnormen Klasnormen Percentielnormen Standaardnormen Quotiëntnormen

41 Quotiëntnormen Klassiek : Intelligentie quotiënt
Interpretatie afhankelijk van frequentieverdeling van IQ Gevoeligheid voor chronologische leeftijd Nu : Deviatie IQ (standaardmeetwaarden) IQ  N(100,15) Vb. WAIS

42 Profielen Verzameling van testmeetwaarden van een persoon, uitgedrukt in gemeenschappelijke meeteenheid Gemeenschappelijke meeteenheid wordt bekomen dmv transformatiemeetwaarden Voorbeelden: zie cursus P. 91 tabel 6.6 P. 92 figuur 6.3 P. 93 figuur 6.4

43 Voorbeeld: een MMPI-profiel
============================================================================= MMPI RESULTATEN EN PROFIELEN versie 1.2 Vert.: H. Sloore, J. Derksen, G. Hellenbosch en H. De Mey. Softw.: P. Theuns Naam : Miss X Leeftijd : Datum : Geboren op : Geslacht : Vrouw VALIDITEITSSCHALEN EN KLINISCHE HOOFDSCHALEN L F K Hs D Hy Pd Mf Pa Pt Sc Ma Si : : : : * : * * : : * * * : : : : * - : : * * - * : : * : * : : L T Voorbeeld: een MMPI-profiel


Download ppt "Schaalniveau en informatie Nominale data"

Verwante presentaties


Ads door Google