Basis van statistiek voor Wiskunde A (HAVO)
In wiskunde A op HAVO-niveau komt statistiek vaak voor bij je toetsen en het eindexamen, vooral in hoofdstuk D. Hier leer je de basisbegrippen kennen die je moet beheersen, zoals hoe je een onderzoek opzet en verbanden tussen variabelen herkent. Dit helpt je om vragen over steekproeven en correlaties snel en zeker te beantwoorden. Laten we stap voor stap doornemen wat je echt moet weten, met praktische voorbeelden die je meteen kunt toepassen.
Kernbegrippen: van populatie tot steekproef
Stel je voor dat je wilt weten hoe gelukkig scholieren op jouw school zijn. De populatie is dan de hele groep die je onderzoekt: alle leerlingen van de school, van brugklas tot eindexamenkandidaten. Je gaat niet iedereen ondervragen, want dat zou te veel tijd kosten. In plaats daarvan neem je een steekproef, een klein deel van die populatie waar je het onderzoek afneemt. Bijvoorbeeld door per klas een paar leerlingen te kiezen. De mensen die daadwerkelijk meedoen en de vragen beantwoorden, zijn de respondenten. Als iemand bijvoorbeeld ziek is en niet reageert, telt die niet mee als respondent.
Wat maakt een steekproef betrouwbaar?
Een goede steekproef voldoet aan een paar belangrijke eisen, anders kloppen je conclusies niet. Allereerst moet hij as elect zijn, wat betekent dat de keuze willekeurig verloopt en puur op toeval berust. Iedereen in de populatie heeft dan evenveel kans om geselecteerd te worden, bijvoorbeeld door namen te loten uit een hoed. Zo voorkom je vooroordelen.
Daarnaast moet de steekproef representatief zijn, een goede afspiegeling van de hele populatie. Alle groepen binnen die populatie moeten ongeveer evenredig vertegenwoordigd zijn. Neem dat geluksonderzoek: als je alleen bovenbouwers vraagt, mis je de mening van onderbouwers en is je steekproef niet representatief. De resultaten kloppen dan niet voor de hele school.
Ten slotte moet de steekproef voldoende groot zijn. Hoe meer mensen je ondervraagt, hoe betrouwbaarder je uitkomsten. Voor een school van 1000 leerlingen zijn 50 respondenten vaak genoeg, maar als je vraagt naar het geluk van alle Nederlanders, heb je duizenden nodig, enquêteren onder 20 mensen zegt dan bar weinig.
Verbanden tussen variabelen: correlatie en meer
Met statistiek onderzoek je vaak hoe twee variabelen samenhangen, zoals lengte en gewicht of temperatuur en ijsverkopen. Die samenhang heet statistische samenhang, of kortweg correlatie. Er zijn twee hoofdvarianten. Bij positieve correlatie stijgt de ene variabele als de andere stijgt. Denk aan buitentemperatuur en het aantal verkochte ijsjes: warmer weer betekent meer ijsverkoop. Bij negatieve correlatie gebeurt het omgekeerd: stijgt de ene, dan daalt de andere. Bijvoorbeeld meer gegeten fruit en minder ziektedagen, hoe gezonder je eet, hoe minder vaak je ziek bent.
Let op: correlatie is geen bewijs voor een oorzakelijk verband, oftewel dat de ene variabele de oorzaak is van de andere. Er kan een verband zijn tussen opleidingsniveau en inkomen, waarbij hoger onderwijs vaak leidt tot meer verdienen, dat is causaliteit. Maar bij ijs en temperatuur weten we dat hitte de verkoop veroorzaakt, niet andersom. Bij correlatie zeg je alleen: er hangt iets samen, zonder oorzaak-gevolg te claimen. Andersom geldt niet altijd: causaliteit impliceert wel correlatie.
Correlatie herkennen in een puntenwolk
In het examen krijg je vaak een puntenwolk, een grafiek met stippen die twee variabelen tonen. Daaraan lees je direct af of er correlatie is en hoe sterk. Als de punten een rechte lijn vormen, omhoog of omlaag, is er samenhang. De steilheid van die denkbeeldige lijn zegt niets over de sterkte; dat bepaalt de spreiding. Liggen de punten strak langs de lijn? Dan is de correlatie sterk. Spreiden ze wijd uit? Dan is het verband zwak of afwezig. Oefen dit met voorbeelden uit je boek, want dit komt regelmatig terug.
Met deze basis snap je statistiek helemaal en scoor je makkelijk punten op je toets of examen. Oefen de begrippen door eigen voorbeelden te bedenken, zoals bij je eigen school of sportclub, en je bent er klaar voor!