Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

0 leuk 0 niet-leuks
Beste begeleider,

Ik heb een vraag over de Q-Q-plots. Ik vind het lastig te lezen, omdat er op de x-as en y-as dezelfde waarden staan. Voorbeeld: er zijn 10 mensen met de waarde -3. Ik zie alleen -3 staan maar niet het aantal mensen. Ik weet dan dus waar ik moet zijn op de x-as, maar de waarde 10 kan ik niet vinden op de y-as. Wat bepaalt dan de hoogte van het punt op de y-as? (figuur 2.2.16)

Ik verwacht de plots die je kunt zien bij figuur 2.2.15, als je standaarden en gemeten waarden met elkaar wil vergelijken. Wat heeft de Q-Q-plot voor meerwaarde?

M.a.w.: als ik de grafiek lees, weet ik niet wat ik zie en hoe dat zich verhoudt tot bijv een normale verdeling of een spitse curve.

Ik hoop donderdag de online bijeenkomst te volgen. Mogelijk dat dit dan aan bod kan komen. Misschien kan ik het verder toelichten.

Vriendelijke groeten,

Marjolein Altena
in Inleiding Onderzoek (OIO, PB02x2; was Inleiding Data Analyse, IDA) door (140 punten)

1 Antwoord

0 leuk 0 niet-leuks
De Q-Q plots bevatten gestandaardiseerde datapunten. Om individuen terug te vinden zou je dus de datareeks moeten standaardiseren (i.e. omrekenen in z-scores). Echter, je hoeft hier geen individuen te vinden; je gebruikt de Q-Q plots meestal alleen om te verifieren dat alle stipjes ongeveer op de diagonale lijn liggen. Als de stipjes op de diagonale lijn liggen, weet je dat de data ongeveer normaal zijn verdeeld. Als de stipjes afwijken, dan is die datareeks in je steekproef niet normaal verdeeld. Dit is meestal niet erg, maar als de afwijking erg extreem is (dit bepaal je door tegelijkertijd naar je histogram, boxplot, en de beschrijvingswaarden te kijken) kan het je analyses beinvloedden. In zo'n geval moet je de hulp van een statisticus inroepen. Echter, dan moeten de afwijkingen wel heel extreem zijn; zoals in thema 2 wordt besproken heb je met enkele tientallen deelnemers al zoveel datapunten dat de centrale limietstelling garandeert dat je steekproevenverdeling van het gemiddelde toch normaal is verdeeld.
door (77.8k punten)
...