Statistische gegevens, statistische afhankelijkheid en causale hypothesen - Causale factoren in populaties
12 belangrijke vragen over Statistische gegevens, statistische afhankelijkheid en causale hypothesen - Causale factoren in populaties
In een deterministisch systeem, als we vb longkanker gebruiken; waarom krijgt niet iedereen die rookt longkanker? En stochastisch?
stochastisch: roken kan de kans op longkanker bij mensen verschillend beïnvloeden.
Statistische afkortingen f(V|C), f(V), f(V|niet-C)
Xc = populatie waarvan alle leden aan de oorzaak C blootstaan, X = werkelijke populatie en Niet-X = populatie waarvan geen enkel lid aan de oorzaak C blootstaat, V = het gevolg
F(V|C) = het gedeelte van de populatie Xc dat V vertoont.
met roken: het gedeelte van de populatie dat rookt dat longkanker heeft
F(V)= het gedeelte van populatie X dat V vertoont
-> dat longkanker vertoont
F(V|Niet C) = het gedeelte van populatie niet-c, dat V vertoont
-> het gedeelte van niet rokende mensen dat longkanker vertoont
Praten over alledaagse causale uitspraken gaan over
herformuleer 'vitamine C verhoogt de weerstand tegen verkoudheid
goed:het innemen van vitamine c is een negatieve causale factor voor verkouden worden in de populatie van alle Nederlanders
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Wat houdt de standaardmethode in om causale hypothesen experimenteel te toetsen?
Op welke manier kunnen we -volgens het stochastische model- de uitspraak 'roken veroorzaakt longkanker' beter verwoorden?
Is f,a de relatieve frequentie van een kenmerk A in de populatie, en X een variabele die een waarde 1 krijgt bij kenmerk A en 0 bij niet-A, dan geldt:
Varx = fa - fa^2 = fa(1-a)
Welke 3 groepen worden er vergeleken bij de uitspraak 'roken veroorzaakt longkanker'?
- Het deel van de hypothetische populatie X met kenmerk C (bijv. alle rokers) dat gevolg V (bijv. Longkanker) vertoont (f(V}C)
- Het deel van de werkelijke populatie X dat V vertoont f(V)
- Het deel van de populatie zonder C dat V vertoont f(V|niet-C)
Alledaagse causale uitspraken kunnen opnieuw geformuleerd worden volgens het model van de causale factor (Positief, negatief of irrelevant). Wat geeft het gebruik van de negatieve causale factor aan?
(bijv. Het slikken van vitamine C is een negatieve causale factor voor verkouden worden in de populatie Nederlanders)
Wat is het voordeel van het praten over causale factoren boven het praten over oorzaken?
Waarom wordt er voor de fractie van de populatie dat het gevolg vertoont zonder het kenmerk te hebben '(f(V |niet-C))' ingevuld in plaats van '0' (geen oorzaak - geen gevolg)?
(bijv. In geval van longkanker: luchtverontreiniging)
Wat verandert er als we uitgaan van een stochastisch model voor individuen in plaats van een deterministisch model?
- Als we aannemen dat voor sommige individuen in de populatie de kans op longkanker verhoogd wordt door roken, dan is het gemiddelde aantal te verwachten gevallen van longkanker per eenheid groter in de hypothetische populatie Xc waarin iedereen rookt dan in de hypothetische populatie X niet-c waarin niemand rookt: er zijn hoogstwaarschijnlijk meer gevallen in Xc dan in Xniet-c.
- In een deterministisch model kunnen we stelliger beweren dat er meer gevallen zullen zijn in Xc dan in X niet-c (dat roken een positieve causale factor is voor longkanker in populatie X)
Wat is belangrijk om te weten bij de definitie van de effectiviteitsmaat Ef(C,V) van causale factoren (2)?
- De definitie slaat alleen op populaties, niet op individuen
- De bepaalde effectiviteit van een causale factor slaat alleen op de beschouwde populatie, in een andere populatie kan de effectiviteit heel anders zijn.
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden