De twee hoofdstromingen in de statistiek worden vaak gezien als niet verenigbaar, als water en vuur, als Pepsi en Coca cola. Vetes, persoonlijke disputen, een heuse ‘statistiekoorlog’, en ontelbare nerdy grappen zijn er over en weer gemaakt. Diep van binnen verschillen de benaderingen heel sterk van elkaar, in hun gebruik misschien minder dan je zou verwachten. Vandaag: de belangrijkste verschillen tussen Bayesiaanse en frequentistische statistiek. Are you Bayesian?

Wat?! Is er meer dan een soort statistiek? Inderdaad, de statistiek kent verschillende scholen. Een van die scholen is Bayesiaanse statistiek, vernoemd naar Thomas Bayes, de bedenker van de regel van Bayes. In deze aflevering leg ik uit wat Bayesiaanse statistiek is, in de volgende aflevering gaan we zien hoe deze verschilt van de oude vertrouwde ‘frequentistische’ statistiek. Thomas Bayes had een goede vriend, dat leren we ook.

Vroeger was niet alles beter, maar het multiple comparisons problem was tenminste wel behapbaar. In deze aflevering onderzoeken we dit hardnekkige en soms genegeerde probleem in de statistiek.

Onderzoek kan meer verkennend of meer bevestigend van aard zijn. Je hebt een heel duidelijke hypothese, of je weet niet zo goed wat je kan verwachten, dat is het verschil. In deze aflevering meer over deze verschillende typen onderzoek en waarom het belangrijk is om er onderscheid tussen te maken

Deze keer opnieuw ANOVA maar nu kijken we naar wat er gebeurt als we meer dan 1 factor in ons model hebben. Two-way ANOVA, three-way ANOVA, within-subjects, between-subjects, mixed designs, zijn termen die voorbij komen. Ik leg uit dat ANOVA uiteindelijk neerkomt op lineaire regressie, en wat de 'CO' is in ANCOVA.

Soms neem je je voor om het ergens nooit meer over te hebben. Dat had ik met ANOVA. Nu op verzoek toch een aflevering over deze statistische tweetrapsraket. In deze aflevering de one-way between subjects ANOVA, volgende keer de andere varianten.

Factoriële designs zijn de meest gebruikte ontwerpen van onderzoek. Wat zijn het en waarom zijn ze zo krachtig? Daarover gaat deze gistrijke aflevering van Audiotstatistiek.

Het is de grootste teleurstelling voor elke onderzoeker. De data zijn binnen en je beseft: er zit een confound in mijn experiment. We bekijken wat confounds zijn en hoe je ze kunt vermijden, namelijk met goed experimenteel ontwerp. Geen statistische toetsen, maar tijd voor ontwerp, tijd voor design in deze aflevering van Audiostatistiek.

Soms stoppen we mensen in hokjes. Wanneer we dat doen, is er sprake van categorische data. Data kunnen categorisch of continue zijn. Welk type data je hebt, maakt veel uit voor de statistische analyse. Ook predictoren kunnen continue en categorisch zijn. Een power ballad zorgt hoe dan ook voor vooruitgang.