051 2016 4 Afikaanse Hulp Studie Gids

2015 Universiteit van Suid-Afrika
Alle regte voorbehou

Gedruk en gepubliseer deur die
Universiteit van Suid-Afrika
Muckleneuk, Pretoria
IOP2601/MO051/4/2016
Shutterstock.com images used
BELANGRIKE INLIGTING:
Aktiveer asseblief jou myUnisa en myLife e-posadresse en maak seker dat jy gereelde
toegang het tot die myUnisa-modulewerf IOP2601/16/S1 of IOP2601/16/S2;
afhangende vir watter semester jy geregistreer is, sowel as jou groepblad (group
site).
Nota: Dit is n aanlynmodule; die studiemateriaal is daarom op myUnisa

beskikbaar. Jy sal egter ook sekere gedrukte studiemateriaal ontvang om jou in jou
studie te ondersteun.
IOP2601/MO051/4/2016
Geagte student
Hierdie dokument bevat besonderhede oor die inligting wat op myUnisa, die amptelike
leerbestuurstelsel (learning management system) van die universiteit, aangebied word.
Indien hoegenaamd moontlik, wil ons jou aanmoedig om n myLife-rekening by
https://my.unisa.ac.za/portal op te stel en aan te sluit by die aanlynleeromgewing.
myLife
FIGUUR 1: myUnisa-portaal
Hierdie dokument sluit ook die volgende inligting in:
Die Getting started letter

Die verwelkomingsboodskap op die tuisblad
Oorsig, uitkomste en assesseringskriteria
Die hofrekwensievrae (FAQs)
Die besprekingsforums en besprekingsonderwerpe
Leereenhede
4
10
12
16
22
23
IOP2601/MO051/4/2016
Die Getting started letter

Hartlik welkom by die module oor Organisatoriese Navorsingsmetodes (IOP2601).
Ons vertrou dat jy hierdie module interessant en informatief sal vind; en dat dit ook vir jou
van praktiese waarde sal wees in jou werksituasie.
Hierdie brief bevat belangrike inligting om jou te help om weg te spring.
HOE OM AANLYN TE GAAN

GEBRUIK VAN DIE NAVIGASIEBALK EN myUnisa OPSIES
BEPLANNING EN TYDSBESTUUR
DEELNAME AAN DIE AANLYNLEERGEMEENSKAP
SLOTOPMERKINGS
Hoe om aanlyn te gaan

As n geregistreerde Unisa-student sal jy toegang h tot die myUnisa elektroniese portaal.
VOORBEELD 1: Tuisblad van die myUnisa elektroniese portaal
IOP2601/MO051/4/2016
Van hier kan jy toegang kry tot verskeie aanlynhulpbronne om jou in jou studie te help. Maak
asseblief seker dat jy jou myLife e-pos-adres geaktiveer het en raak vertroud met die my
Studies @ Unisa brosjure en ander riglyne.
Jy kan dit ook nuttig vind om toegang te verkry tot die volgende skakels wat betrekking het
op aanlynstudie:
my Studies @ Unisa (1)

http://www.youtube.com/watch?v=j6QZrRF2iVU&feature=related
my Studies @ Unisa (2): What does it mean to be an ODL student at Unisa?
http://www.youtube.com/watch?v=fgO_NcxduGg&feature=related
Get connected before you start to register on myUnisa
http://www.youtube.com/watch?v=MAGvmgdSkEk&feature=related
Sodra jy geregistreer het en jou myUnisa aanteken-besonderhede het, sal jy toegang h tot
die module-webwerwe van al die modules waarvoor jy geregistreer het.
Gebruik van die navigasiebalk en myUnisa opsies
Jy kan verskeie navigasie-opsies gebruik om by die modules waarvoor jy geregistreer is, uit
te kom. Hierdie opsies word op al die webblaaie aan die linkerkant van die skerm vertoon.
Klik op die spesifieke navigasie-opsie en die bladsy met die inligting waarna jy soek, sal
oopmaak. Die eerste skerm wat jy sal sien wanneer jy enige webblad oopmaak, is die
tuisblad.
VOORBEELD 2: Tuisblad of module-webwerf

Onthou, van die IOP2601 tuisblad (home page) af is jou dosente net n klik ver! Ons sal n
weeklikse skedule volg [soortgelyk aan die modulespesifieke studieplan soos getabuleer in
studiebrief 101/3/2016], wat aandui wat vir n spesifieke week gedoen moet word, en die
tuisblad sal gereeld opgedateer word om die fokus van die week aan te gee.
IOP2601/MO051/4/2016
Die volgende is n alfabetiese lys en gepaardgaande verduideliking van ander myUnisa

opsies wat ons vir hierdie module sal gebruik:
myUnisa opsies
Verduideliking
Additional Resources
(Bykomende hulpbronne)
Hierdie opsie stel jou in staat om toegang te kry tot die

verskillende tipes hulpbronne wat relevant is vir jou studies.
Die Additional Resources opsie bevat n aantal vouers met
lers, soos Assignment answer sheet, List of formulas on
Word, Workbook with additional activities, ens. Hierdie
bykomende hulpbronne sal jou studie ondersteun, en nuwe
hulpbronne kan gedurende die semester opgelaai word.
Announcements (Aankondigings)
Van tyd tot tyd sal n aankondiging jou waarsku dat belangrike
inligting geplaas is. Jy sal soms ook n e-pos-kennisgewing in
hierdie verband kry. Daarbenewens sal die jongste
aankondigings op die tuisblad vertoon word.
Assignments (Werkopdragte)
Hierdie opsie stel jou in staat om werkopdragte in te dien en

jou assesseringsresultate te monitor. Ons sal duidelike riglyne
gee oor die indiening van werkopdragte.
Discussions/Discussion Forums
(Besprekings/Besprekingsforums)
Hierdie opsie word hoofsaaklik gebruik vir interaktiewe

besprekings en aktiwiteite wat verband hou met die
verskillende onderwerpe en temas van die module. Die forums
en leeraktiwiteite word geskep om jou te help en te
ondersteun in die bemeestering van die leeruitkomste.
Deelname aan die besprekings sal jou ook help om beter
voorbereid te wees vir die werkopdragte en eksamen.
Die module-webwerf bevat n verskeidenheid besprekingsforums. Daar is forums waar jy jou medestudente kan ontmoet
en met hulle gesels (Forum 1: Student Lounge) en vrae aan
jou dosente kan vra (Forum 6: Questions to my lecturer).
In Forum 1: Student Lounge sal jy jou eie besprekings kan
skep indien jy dit wil doen. Om meer uit te vind oor hoe om jou
eie besprekings te skep, raadpleeg die kategorie Technical
issues onder die opsie FAQs (hofrekwensievrae).
FAQs (hofrekwensievrae)
Die FAQs opsie bied vrae en antwoorde wat verband hou met
die module. Dit is in verskillende kategorie gegroepeer wat
wissel van assesseringskwessies tot tegniese aangeleenthede. As jy enige navrae het oor die module, begin deur die
FAQs te raadpleeg. Indien jy nie n antwoord op jou vraag vind
nie, is jy welkom om ons te kontak.
Learning Units (Leereenhede)
Hierdie opsie is die een wat jy die meeste sal gebruik. Hier sal
jy inhoud vind wat die leeruitkomste ondersteun. Die Learning
Units opsie bevat inligting oor leeraktiwiteite, assesserings en
skakels na ander waardevolle hulpbronne. Let asseblief
daarop dat die Learning Units opsie saam met jou
voorgeskrewe boek gebruik sal word.
IOP2601/MO051/4/2016
myUnisa opsies
Verduideliking
Official Study Material (Amptelike

studiemateriaal)
Hierdie opsie stel jou in staat om toegang te kry tot die

amptelike studiemateriaal soos die studiebriewe en dit af te
laai.
Prescribed books (Voorgeskrewe

boeke)
Hierdie opsie word in al die modules gebruik om die

voorgeskrewe boeke vir die module te vertoon.
Schedule (Skedule)
Hierdie opsie vertoon die datums van die verpligte

werkopdragte en eksamens. Die kalender op die tuisblad
vertoon ook al die datums van die verskillende leeraktiwiteite
in die skedule. Om toegang te verkry tot die inligting oor
geskeduleerde gebeure, klik op die datum in die kalender (wat
verlig en onderstreep sal wees indien die aktiwiteite vir
daardie dag geskeduleer is), of klik op die schedule opsie in
die navigasiebalk, wat jou die opsie gee om die kalender
volgens week, maand of jaar te raadpleeg. Jy kan ook die
schedule opsie gebruik om jou te help om jou tyd so te
beplan en te bestuur dat jy kan byhou by die verskillende
leeraktiwiteite vir hierdie module. Ongelukkig sal jy nie
skedule-inskrywings kan byvoeg of verander nie.
Beplanning en tydsbestuur
Almal kry 24 uur in n dag die uitdaging is om die toenemende eise wat om jou aandag
meeding, te bestuur. Ten einde studie, werk, gesinslewe en buitemuurse aktiwiteite te
balanseer moet jy n toepaslike skedule beplan wat sal pas by jou individuele behoeftes en
omstandighede. Afgesien van die voorgestelde studierooster (wat jy kan bereik deur die
learning units opsie Overview te kies), en die doeldatums vir werkopdragte (wat jy kan
bereik deur op die schedule opsie te klik), skryf ons nie n studierooster voor nie. Hier is
egter n paar aanbevelings. In die lig van die tydsbeperkings sal jy dalk sommige van hierdie
aanbevelings wil volg.
Verken die
module-webwerf
Neem tyd om die module-webwerf te verken en raak vertroud met die

vereistes van die module. Dit sal jou in staat stel om die groter prentjie van
die hele module te sien. Die FAQs opsie (op die navigasiebalk van die
module-webwerf) is n waardevolle hulpmiddel en kan n nuttige beginpunt
wees. Evalueer die eise, geleenthede en uitdagings van jou persoonlike
omstandighede en bepaal hoe dit verband hou met die werkopdragdoeldatums en die ander relevante leeraktiwiteite waaraan jy aandag moet
gee. Dit kan n goeie idee wees om hierdie datums onmiddellik in jou
persoonlike dagboek aan te teken.
Stel n persoonlike
studierooster op
Besluit oor strategie vir vooruitbeplanning en stel jou persoonlike

studierooster op. Ons beveel aan dat jy gedissiplineerd by jou skedule
hou. Jy kan moontlik begin met voorbereidende lees van studiebrief 101 en
n verkenning van die module-webwerf om vertroud te raak met die
verskillende opsies. Die hoeveelheid inligting wat op die module-webwerf
aangebied word en die aantal werkopdragte wat voltooi moet word, kan
aanvanklik oorweldigend lyk, maar moenie moed verloor nie!
IOP2601/MO051/4/2016
Benader jou studie

sistematies
Werk sistematies deur die verskillende leeraktiwiteite, besinningsvrae en

werkopdragte wat daarop gebaseer is. Maak seker dat jy voldoen aan al die
vereistes vir die leeraktiwiteite. Gebruik
die leeruitkomste en
assesseringskriteria, asook die ondersteunende materiaal en leeraktiwiteite
(gestipuleer in die learning units opsie) om jou n grondslag te gee vir die
kennis en vaardighede wat jy moet ontwikkel. Om jou te help om jou studie
met vertroue te benader, kan jy dit nuttig vind om te begin deur die modulewebwerf te verken en vertroud te raak met die leeruitkomste en
assesseringskriteria, die bykomende hulpbronne en leereenhede. Die
leereenhede is ontwerp en ontwikkel in die vorm van hanteerbare brokke
om jou te help om die leeruitkomste op logiese en sistematiese wyse te
bereik.
Kontak jou
dosente
Moenie huiwer om ons, jou dosente, te kontak indien jy probleme ondervind

met enige aspekte van die module nie. Jy kan ons f per e-pos, f per
telefoon f via die discussions opsie kontak. Ons kontakbesonderhede is
beskikbaar op die tuisblad of die module-webwerf. Onthou, hulp is net n klik
ver.
Kontak jou
medestudente
Maak asseblief gereeld kontak met jou medestudente (via die student
lounge en ander forums wat toeganklik is deur middel van die discussions
opsie). Skakel in by jou medestudente om jou begrip van moeilike konsepte
en temas te verhelder en te verbreed. Jy sal vind dat deur deel te neem aan
besprekings en voortdurend na te dink oor jou leerproses jy jou kennisbasis
sal uitbrei en nuwe vaardighede sal ontwikkel wat jy in die werkplek sal kan
toepas. Die meeste studente vind hierdie besprekings met hul dosente of
medestudente uiters nuttig in die voorbereiding van hul werkopdragte.
Deelname aan die aanlynleergemeenskap

As jy voorheen aanlynkursusse gevolg het, sal jy waarskynlik vertroud wees met die manier
waarop n mens deelneem aanaanlyn omgewings. Indien dit egter die eerste keer is wat jy n
aanlynkursus neem, sal jy dalk wil weet hoe om te werk te gaan om in die kuberruim te
kommunikeer. n Belangrike kwessie in aanlyngemeenskappe is hoe mense met mekaar
omgaan. Soos jy waarskynlik weet, het die internet die kuberruim sy eie kultuur en
gepaardgaande konvensies vir e-pos, sosiale netwerke en meer formele aanlynomgewings
soos myUnisa, ons opvoedkundige leerbestuurstelsel.
Wanneer mense elektronies kommunikeer, vergeet hulle dikwels dat die persoon aan die
ontvangkant iemand is met gevoelens, gesigsuitdrukkings, gebare en n unieke stemtoon. As
n mens nie hierdie kommunikasieleidrade kan waarneem nie, is dit heeltemal moontlik dat
die deelnemers se bedoelings misverstaan kan word in die geval van aanlynkommunikasie word betekenis gewoonlik slegs deur die geskrewe woord oorgedra. Omdat
aanlynkommunikasie neig om minder persoonlik te wees, is dit n goeie idee om vertroud te
raak met die riglyne vir sosiale kodes of etiket op die internet (guidelines on netiquette
beskikbaar by http://www.albion.com/netiquette/corerules.html). Hierdie riglyne bied nuttige
inligting oor deelname aan aanlynbesprekings, soos hoe om mekaar aan te spreek, en om
seker te maak dat jy weet waarvan jy praat en dat jy sin maak (sien rel 5).
IOP2601/MO051/4/2016
Let asseblief daarop dat wanneer jy deelneem aan die aanlynbesprekings, ons sterk
aanbeveel dat jy jou response aan jou dosente en medestudente rig deur hulle aan te
spreek aan die begin van jou respons. Wanneer jy jou bydrae afsluit, teken af met jou
naam (of titel en van). Dit sal dien as n aanduiding van hoe jy wil h jou dosente en
medestudente jou moet aanspreek.
Ons wil by jou aandring om hierdie riglyne te volg om seker te maak dat jou aanlynkommunikasie en aksies hoflik en respekvol is.
Nou: om weg te spring, gaan asseblief na Forum 1: Student Lounge en stel jou voor aan
jou medestudente (Bespreking 1).
Slotopmerkings
Raak vertroud met die aanlynomgewing voor die aanvang van die module in Januarie/Julie
2016.
Ons sien uit daarna om jou vordering op n persoonlike en professionele vlak gedurende die
semester dop te hou.
Dit is werklik n plesier om jou as n student te h, en ons wens jou alle sukses met jou
studie toe.
Jou dosent
Me Nomfusi Bekwa
IOP2601/MO051/4/2016
Welcome message op die tuisblad
Welkom by die module Organisatoriese Navorsingsmetodes (IOP2601). Ons hoop jy vind

hierdie module interessant, sinvol en verrykend.
Tyd wag vir niemand nie ...
IOP2601 neem jou deur die basiese toepassings van navorsingsontledingstegnieke,
-berekenings en interpretasie van navorsingsinligting.
Ons vind dikwels dat studente skrikkerig is vir enigiets met syfers die module is so
opgestel dat dit n stap-vir-stap-prosedure bied vir die reis wat voorl.
Hierdie webbladsy het ten doel om jou te ondersteun in jou studie van hierdie module. As jy
n gewoonte daarvan maak om gereeld jou Module-webblaaie na te gaan, kan jy volle
voordeel trek uit hierdie eienskappe:
1.
2.
3.
4.
Gaan na Official Study Material en jy sal daar PDF-lers vind vir jou studiebriewe en
MO001 Brief. Daar is ook n aantal vorige eksamenvraestelle opgelaai om jou n idee
te gee van hoe die finale assessering uitgevoer word. Enige ander dokumente wat
voorsien word, is beskikbaar in die Additional Resources opsie.
Gaan na Prescribed Textbooks om die voorgeskrewe boek vir hierdie module te sien.
Gaan na die Discussion Forum dit is n ruimte waar jy met jou medestudente en jou
dosente oor hierdie module kan gesels. Ons sal moontlik ander Topics en Forums
insluit namate die semester vorder.
Gaan na die Schedule en gaan jou werkopdrag-doeldatums na.
Ons sal hierdie MO001 gebruik om jou deur die inhoud van hierdie module te lei. Afgesien
van die hardekopie is daar ook n elektroniese weergawe beskikbaar onder die Additional
10
IOP2601/MO051/4/2016
Resources opsie in myUnisa. Raak asseblief vertroud met ons module-webwerf ons
beveel aan dat jy die Getting started letter eerste raadpleeg.
Besoek asseblief die module-webwerf gereeld om op hoogte te bly van al die leeraktiwiteite.
Jy sal dit moontlik ook nuttig vind om toegang te verkry tot die volgende skakels wat
betrekking het op aanlynstudie:
myStudies @Unisa (1)

http://www.youtube.com/watch?v=j6QZrRF2iVU&feature=related
myStudies @ Unisa (2): What does it mean to be an ODL student at Unisa?
http://www.youtube.com/watch?v=fgO_NcxduGg&feature=related
Get connected before you start to register on myUnisa
http://www.youtube.com/watch?v=MAGvmgdSkEk&feature=related
Moenie huiwer om ons te kontak deur middel van Discussion Forum 6: Questions to my
lecturer, via e-pos, of deur ons by ons kantore op die Muckleneuk-kampus in Pretoria te
besoek nie. Indien u beplan om ons op die kampus te besoek, onthou asseblief om vooraf n
afspraak te maak (kantoorure: 08:3016:00)
Die kontakbesonderhede is soos volg:
Me Nomfusi Bekwa
Kantoor: AJH van der Walt Gebou 3-91
Telefoon:+27(0)12 429 8054 of 8033
E-pos-adres: deptiop@unisa.ac.za
Dui asseblief aan of dit n AKADEMIESE NAVRAAG OF N ADMINISTRATIEWE
NAVRAAG IS
Die volgende stap
Kies die Discussion Forums opsie (in die kieslys aan die linkerkant), gaan na Forum 1:
Student Lounge en stel jou bekend aan jou medestudente onder Discussion 1.
11
IOP2601/MO051/4/2016
Oorsig, uitkomste en assesseringskriteria

Die IOP2601-module word aangebied deur die Departement Bedryfs- en
Organisasiesielkunde en is bedoel vir studente wat n loopbaan wil volg in die veld van
bedryfsen organisasiesielkunde, insluitende praktisyns op die gebied van
mensehulpbronne. Dit is n semestermodule wat 12 krediete bydra tot jou kwalifikasie.
Die fokus van hierdie module is hoofsaaklik op die data-ontleding-stap van die
navorsingsproses waarin jy meer sal leer oor die tegnieke wat gebruik kan word om sin te
maak uit kwantitatiewe data wat versamel word en hoe om afleidings en betekenisvolle
gevolgtrekkings te maak. Die doel van studie in hierdie module is om studente in staat te stel
om n soliede kennisbasis en deeglike begrip te ontwikkel van hoe om basiese beskrywende
en inferensile statistiek te bereken en te interpreteer as deel van n navorsingsprojek in n
organisasiekonteks. Jy moet ook in staat wees om toepaslike beskrywende en inferensile
statistiese tegnieke wat algemeen in die bedryfsen organisasiesielkunde gebruik word,
effektief te selekteer en toe te pas. Daar word van jou verwag om jou kennisbasis toe te pas
in die hantering van onbekende maar goed gedefinieerde kwantitatiewe navorsingsprobleme
in die werkplek, deur korrekte prosedures te volg en toepaslike bewyse te lewer. Daar word
ook van jou verwag om inligting met betrekking tot die spesifieke leeruitkomste duidelik en
betroubaar aan te bied en oor te dra. Verder moet jy jouself akkuraat assesseer en jou eie
leerbehoeftes, wat spruit uit die leer wat in hierdie module bereik is, identifiseer en werk
maak daarvan.
Die module word in vier dele aangebied:
Agtergrond
Toepassing
1. Inleiding tot navorsing en statistiek
16. Data-analise: 'n fiktiewe organisasie
2. Die taal van statistiek

3. Basiese wiskundige berekenings wat in
statistiek gebruik word
Dataverwerking: Inferensieel
Dataverwerking:
Beskrywend
9. Basiese konsepte van waarskynlikheid
4. Voorstelling van data
10. Die normaalverspreiding
5. Maatstawwe van sentrale

neiging
11. Steekproefdistribusies en hipotesetoetsing

12. Hipotesetoetse vir gemiddeldes: t-toetse
6. Maatstawwe van
varieerbaarheid
13 Hipotesetoetse vir gemiddeldes: eenrigtingvariansieontleding
7. Korrelasie
14. Die chi-kwadraattoets

15. Onderskeidingsvermo
12
8. Regressie
IOP2601/MO051/4/2016
Uitkomste
Assesseringskriteria
Verduidelik die basiese

beginsels en konsepte van
wetenskaplike navorsing
van n kwantitatiewe aard,
asook die
navorsingsproses
Die kenmerke van die wetenskaplike benadering tot navorsing word

verduidelik.
Die kwantitatiewe navorsingsproses wat in n navorsingsprojek gevolg
word, word beskryf.
n Veranderlike word gedefinieer, n onderskeid word gemaak tussen
diskrete en kontinue veranderlikes, asook tussen onafhanklike en
afhanklike veranderlikes, en voorbeelde van elk in n kwantitatiewe
studie word voorsien.
Nominale, ordinale, interval- en ratioskale word onderskei en
voorbeelde van elk word gegee.
Verskillende konsepte van kwantitatiewe data soos beskrywende
versus inferensile statistiek, populasie versus steekproef,
parameters versus statistiek en metingsdata versus kategoriese data
word gedefinieer en onderskei en voorbeelde van elk word gegee.
Beskryf n datastel deur

gebruik te maak van
beskrywende statistiek.
n Frekwensietabel word saamgestel, n frekwensieveelhoek en n

histogram word getrek en beskryf in terme van die eienskappe van
skeefheid en kurtose. Die grafiese voorstelling in terme van tipe en
eienskappe op rekenaardrukstukke word ook gedentifiseer.
Omvangstelling: Die samestelling van n frekwensietabel en die optrek
van n frekwensieveelhoek en n histogram sluit gegroepeerde en
ongegroepeerde data in. Skeefheid sluit simmetriese, bimodale,
unimodale, negatief skewe en positief skewe verspreidings in. Kurtose
sluit platikurtiese, leptokurtiese en mesokurtiese verspreidings in.
Die maatstawwe van sentrale neiging (modus, mediaan en
gemiddelde) word beskryf en bereken, melding word gemaak van die
voordele en nadele van elk van die drie maatstawwe van sentrale
neiging, en elke maatstaf vir die verskillende tipes verspreidings
(normale, bimodale, positiewe en negatiewe verspreidings) word
gedentifiseer. Die gemiddelde waarde word op rekenaardrukstukke
gedentifiseer en genterpreteer.
Varieerbaarheid word beskryf, die drie maatstawwe van varieerbaarheid (omvang, variansie en standaardafwyking) word gedefinieer,
bereken en genterpreteer, en variansie en standaardafwyking word
op n rekenaardrukstuk gedentifiseer en genterpreteer.
Die konsep korrelasie en die faktore wat korrelasie benvloed, word
beskryf.
Omvangstelling: Pearson se produk-moment- korrelasiekoffisint
word bereken en genterpreteer in terme van sterkte (deur die
korrelasie-interpretasieskaal te gebruik), aard (deur die korrelasieinterpretasieskaal te gebruik), die afleidings wat gemaak kan word en
die proporsie en persentasie van gemeenskaplike variansie asook
effekgrootte. Die korrelasie tussen twee spesifieke veranderlikes word
korrek gedentifiseer vanaf n korrelasiematriks en genterpreteer
vanaf n rekenaardrukstuk. Die veranderlikes se datastel word op n
strooidiagram gestip en die verhouding wat op die grafiek vertoon
13
IOP2601/MO051/4/2016
word, word genterpreteer in terme van die korrelasie tussen die

veranderlikes.
Regressie word beskryf en daar word verduidelik hoe voorspellingsakkuraatheid met korrelasie gekoppel is.
Omvangstelling: Die algemene regressievergelyking word gedentifiseer, die b-waarde (helling) en die a-waarde (afsnit) word bereken,
Y-waardes word voorspel deur a, b en gegewe X-waardes te
substitueer in die vergelyking en n grafiese voorstelling van hierdie
regressielyn word gegee. Die helling (b), afsnit (a) en regressiekoffisint word korrek gedentifiseer en genterpreteer op n
rekenaardrukstuk.
Verduidelik basiese
konsepte van inferensile
statistiek
Omvangstelling: Die basiese konsepte van inferensile statistiek sluit

in die standaard normale verspreiding, waarskynlikheid en
steekproefdistribusies.
Die normale verspreiding asook die standaard normale verspreiding
word beskryf. Die belangrikheid van die standaard normale
verspreiding word verduidelik en grafies gellustreer.
Die linere transformasie van die berekening van z-waardes word
uitgevoer, proporsies word vanaf die relevante tabel gedentifiseer en
in terme van persentasies en aantal gevalle genterpreteer.
Betroubaarheidsgrense vir waarnemings word bereken en genterpreteer.
Die terme en wette van waarskynlikheid word verduidelik.
Omvangstelling: Terme van waarskynlikheid sluit in n gebeurtenis,
onafhanklike gebeurtenis, onderlinge uitsluitendheid en volledigheid.
Wette van waarskynlikheid sluit in die optellings- en vermenigvuldigingswette.
Die konsepte gesamentlike, voorwaardelike en onvoorwaardelike
waarskynlikheid word beskryf en onderskei en waarskynlikheid word
bereken.
Ewekansige steekproefneming, steekproefdistribusie en steekproeffout word beskryf en n steekproefdistribusie word met n diagram
gellustreer.
Doen hipotesetoetsing
deur die toepassing van
inferensile statistiek
Omvangstelling: Die stappe in hipotesetoetsing sluit in, maar is nie

beperk nie tot, die formulering van n nulhipotese, formulering van die
alternatiewe hipotese, bepaling of die toets eenkantig of tweekantig is,
bepaling van die beduidendheidspeil, berekening van die
toetsstatistiek, bepaling van die grade van vryheid, bepaling van die
kritieke waarde, verwerping of nieverwerping van die nulhipotese en
interpretasie van die bevindings.
Die konsep hipotese word beskryf, daar word verduidelik waar
hipotese in die navorsingsproses inpas, en die stappe van die proses
van hipotesetoetsing word in detail bespreek.
Die korrekte toetsstatistiek word gedentifiseer vir die beantwoording
van n spesifieke navorsingsvraag gebaseer op kwantitatiewe data.
14
IOP2601/MO051/4/2016
Omvangstelling: Die tipe navorsingsvrae is beperk tot die insluiting

van twee verwante steekproewe, twee onafhanklike steekproewe, drie
of meer onafhanklike steekproewe en kategoriese data.
Die stappe in statistiese hipotesetoetsing word toegepas vir n t-toets
vir twee verwante steekproewe, n t-toets vir twee onafhanklike
steekproewe en n eenrigting-ANOVA.
Omvangstelling: Die toepassing van toetsstatistiek (twee verwante
steekproewe, twee onafhanklike steekproewe en drie of meer
onafhanklike steekproewe) is beperk tot normaal verspreide metings(kwantitatiewe) data. Die toetsstatistiek vir drie of meer onafhanklike
steekproewe is beperk tot di met een onafhanklike veranderlike
(eenrigting-ANOVA).
Die toepaslike nieparametriese ekwivalente van n t-toets vir twee
verwante steekproewe, n t-toets vir twee onafhanklike steekproewe
en n eenrigting-ANOVA word gelys.
n Rekenaardrukstuk van die resultate van n t-toets vir twee verwante
steekproewe, n t-toets vir twee onafhanklike steekproewe en n
eenrigting-ANOVA word genterpreteer.
Die korrekte toetsstatistiek vir kategoriese (frekwensie-) data
(pasgehalte-toets en tweerigting-tabel) word gedentifiseer uit n
probleemstelling.
Die chi-kwadraattoetsstatistiek word toegepas binne die proses van
hipotesetoetsing en genterpreteer vanaf n rekenaardrukstuk.
Omvangstelling: Die chi-kwadraattoetsstatistiek is beperk tot normaal
verspreide kategoriese (frekwensie-) data en sluit die pasgehaltetoets vir een klassifikasieveranderlike en n tweerigting-tabel vir twee
klassifikasieveranderlikes in.
15
IOP2601/MO051/4/2016
Hofrekwensievrae (FAQs)
KATEGORIE
VRAE EN ANTWOORDE
Studiebriewe
Vraag 1: Watter inligting bevat die studiebriewe?

Antwoord:
Die studiebriewe bevat belangrike inligting oor die werkskema, hulpbronne en
werkopdragte vir hierdie module. Lees dit asseblief noukeurig en hou dit
byderhand wanneer jy deur die studiemateriaal werk, die werkopdragte
voorberei, vir die eksamen voorberei en vrae aan jou dosente rig.
Meer spesifiek, in Studiebrief IOP2601/101/3/2016 vind jy die werkopdragte en
assesseringskriteria asook instruksies oor die voorbereiding en indiening van
die werkopdragte. Hierdie studiebrief bied ook al die inligting wat jy nodig het
met betrekking tot die studiemateriaal, ander hulpbronne en hoe om dit te
verkry.
Studiebrief IOP2601 201/1/2016 of IOP2601 201/2/2016 bevat terugvoering
oor Werkopdrag 01, 02 en 03; terwyl Studiebrief IOPALLA/301/2016
belangrike inligting bevat wat van toepassing is op alle studente wat in die
Departement Bedryfs- en Organisasiesielkunde geregistreer is.
Ons wil uit die staanspoor daarop wys dat jy al die studiebriewe wat jy
gedurende die semester ontvang het, moet lees aangesien dit altyd belangrike
en soms dringende inligting bevat.
Maak asseblief seker dat jy deur die studiebriewe werk voordat jy enige werk
in die module aanpak.
Vraag 2: Sal ek al my studiemateriaal ontvang wanneer ek registreer?
Antwoord:
Let asseblief daarop dat nie al jou studiemateriaal beskikbaar mag wees
wanneer jy registreer nie.
Studiemateriaal wat nie beskikbaar is wanneer jy registreer nie, sal so gou
moontlik aan jou gepos word.
Let wel: Dit is nie moontlik om uitstaande studiebriewe aan studente te faks
nie. Dit is egter moontlik om dit van die module-webwerf af te laai onder die
opsies Official Study material en Additional Resources.
Dit is dus tot jou voordeel om as n aanlynstudent te registreer sodat jy
onmiddellik toegang het tot jou studiemateriaal.
Studentesteundienste
Vraag 1: Wie moet ek kontak betreffende administratiewe navrae?

Antwoord:
Alle administratiewe navrae in die Departement Bedryfs- en Organisasiesielkunde moet aan die departementele hulplessenaar gerig word:
E-pos-adres: DeptIOP@unisa.ac.za
Tel: +27 (0)12 4298033 of +27 (0)12 4298054
16
IOP2601/MO051/4/2016
KATEGORIE
VRAE EN ANTWOORDE
Vraag 2: Wie moet ek kontak betreffende akademiese navrae?
Antwoord:
Alle navrae oor die inhoud van hierdie module (IOP2601) moet aan die
departementele hulplessenaar gerig word met duidelike aanduiding van die
modulekode.
Telefoonoproepe moet gedurende kantoorure (08:3016:00) gemaak word.
Probleme wat tyd verg moet eerder per e-pos gehanteer word.
Jy is welkom om jou dosente in hul kantore op die Muckleneuk Kampus te
besoek, maar maak asseblief vooraf n afspraak. Afsprake moet minstens
drie dae voor die tyd gemaak word. Die dosente kan nie waarborg dat hulle
jou te woord kan staan indien jy sonder afspraak by die Departement Bedryfsen Organisasiesielkunde opdaag nie.
Die kontakbesonderhede van jou dosent is:
Me Nomfusi Bekwa
Kantoor: AJH van der Walt Gebou 3-91
Telefoon:+27(0)12 429 8054 of 8033
E-pos-adres: deptiop@unisa.ac.za
Dui asseblief aan of dit AKADEMIESE
ADMINISTRATIEWE NAVRAAG IS
NAVRAAG
OF
Vraag 3: Watter steun kan ek van my dosente verwag?

Antwoord:
Jou dosente sal van die tuisblad gebruik maak om gereelde boodskappe te
plaas om jou deur die semester te begelei. Verder sal jy gereelde
aankondigings ontvang om jou aandag te vestig op belangrike
leergebeurtenisse en assesseringstake. Ons het ook ondersteunende
leerhulpbronne en verskillende besprekingsforums en -onderwerpe voorberei
wat jy deur myUnisa kan bereik. Jy kan dus gereelde kommunikasie van ons
(jou dosente) verwag. Onthou, hulp is net n klik ver.
Vraag 4: Tot watter hulpbronne kan ek toegang verkry via myUnisa?

Antwoord:
Ons besef dat jy as n afstandleerstudent nie altyd die biblioteek kan besoek
wanneer jy op soek is na inligting nie. Ons het dus aanlynhulpbronne op ons
module-webwerf ingesluit waartoe jy te eniger tyd toegang kan verkry.
Op hierdie webwerf sal jy die volgende materiaal vind:
Elektroniese kopie van die hierdie dokument (MO001) en studiebriewe

(onder Official Study material)
Artikels en/of koerantberigte wat verband hou met organisatoriese

navorsingsmetodes (onder Additional Resources)
17
IOP2601/MO051/4/2016
KATEGORIE
VRAE EN ANTWOORDE
n direkte skakel na die Unisa biblioteek (van die kieslys aan die linkerkant
van jou module-webwerf)
opsommings van besprekingsforums (in die relevante forums)
Let wel: Daar is geen voorgeskrewe boeke of boeke wat via die elektroniese
e-reserwestelsel gereserveer is nie.
Vraag 5: Watter ander steundienste is beskikbaar betreffende algemene
studenteaangeleenthede?
Antwoord:
Indien jy die universiteit moet kontak oor sake wat nie van toepassing is op
die inhoud van hierdie module nie, raadpleeg asseblief die publikasie my
Studies @ Unisa wat jy saam met jou studiemateriaal ontvang het. Hierdie
brosjure bevat inligting oor hoe jy die universiteit moet kontak (bv. aan wie jy
verskillende navrae kan rig, belangrike telefoonnommers en faksnommers,
adresse en besonderhede van die besigheidsure van sekere fasiliteite).
Verstrek altyd jou naam, studentenommer en modulekode wanneer jy
kontak maak met die universiteit.
Vraag 6: Is daar enige studiegroepe vir hierdie module?
Antwoord:
Daar is geen amptelike studiegroepe vir hierdie module nie. Ons beveel egter
sterk aan dat jy jou eie studiegroepe vorm met medestudente wat in jou area
woon.
Om n studiegroep te vorm kan jy jou kontakbesonderhede met jou
medestudente in die Student Lounge forum deel in Topic 2: Fellow student
contact detail. Kontak studente wat naby jou woon en nooi hulle uit om n
studiegroep te vorm.
Aanlynstudie
Vraag 1: Is dit makliker om aanlyn te studeer as deur middel van

gedrukte materiaal?
Antwoord:
Nee. Die kursusinhoud van n aanlynklas is gewoonlik dieselfde as di van n
gedrukte afstandleer-kursus oor dieselfde onderwerp. Vergeleke met gereelde
fisiese klasbywoning dink sommige mense die werklading is meer veeleisend
omdat jy n selfrigtende leerder moet wees en gemotiveer moet bly om by te
hou met jou werk.
Die suksesvolste aanlynstudente word deur die volgende eienskappe
gekenmerk. Hulle:
18
Is selfgemotiveer en kan hulself aan die gang kry

Het goeie organisasie- en tydsbestuurvaardighede
Is redelik vertroud met rekenaars en die internet
Is vindingryk en soek aktief na antwoorde en oplossings vir vrae en
probleme
IOP2601/MO051/4/2016
KATEGORIE
VRAE EN ANTWOORDE
Vraag 2: Wat is die voordele van aanlynleer?
Antwoord:
In die aanlynwreld kan jy enige tyd op enige plek studeer, teen n pas wat
geskik is vir jou individuele leerstyl. Onthou eegter dat jy steeds sal moet hou
by die vereiste doeldatums vir die indiening van werkopdragte.
Vraag 3: Watter internetvaardighede is nuttig vir aanlynleer?
Antwoord:
Die suksesvolste studente het die volgende vaardighede:
Vertroudheid met hul webblaaier
Vertroudheid met n e-pos-program (insluitende die aanheg van

dokumente en en die lees van aanhegsels)
n Mate van vertroudheid met webgebaseerde interaksies e-pos, sosiale
netwerke, leerbestuurstelsels
Vertroudheid met woordverwerking (MS Word)
Ervaring van suksesvolle internet-soektogte deur die gebruik van n
verskeidenheid blaaiers en soekenjins
Vraag 4: Hoe belangrik is gesindheid om sukses te behaal in my studies

en in n aanlynleeromgewing?
Antwoord:
Jou gesindheid is baie belangrik om sukses te verseker.
Ons weet dat jy belangstel in hierdie onderwerp, anders sou jy nie vir hierdie
module ingeskryf het nie. Ons wil jou aanmoedig om n positiewe gesindheid
jeens jou studie en die aanlynleeromgewing te ontwikkel. Om dit te bereik is
daar n aantal dinge wat in gedagte gehou moet word.
TYD is belangrik vir n afstandleer-student. Jy moet in beheer wees van jou tyd
en dit doeltreffend bestuur. Stel n studieprogram aan die begin van die
semester op en hou daarby. Dit verg dissipline, maar verseker dat jy:
genoeg tyd het om deur al die relevante studiemateriaal te werk

in staat is om die relevante take en werkopdragte op die doeldatums in te
dien
genoeg tyd het vir hersiening en voorbereiding vir die werkopdragte en
eksamen
Ons wil jou aanmoedig om die riglyne hieronder te volg:
MOENIE agter raak in jou beplanning nie.

Werk gereeld en konsekwent.
Maak seker dat jy die werk verstaan namate jy vorder.
MOENIE moed verloor met moeilike werk nie; kry eerder dadelik hulp.
19
IOP2601/MO051/4/2016
KATEGORIE
VRAE EN ANTWOORDE
Ons hoop hierdie inligting vergemaklik jou studie en help jou om sukses te
behaal.
Vraag 5: Hoe moet ek my aanlynleer benader?
Antwoord:
Ons het almal verskillende leerstyle en voorkeure. Neem egter die volgende
riglyne in ag:
Laat tyd toe om deur elke leereenheid te werk en doen die aktiwiteite.
Laat ekstra tyd toe vir moeilike werk of werk waarmee jy probleme
ondervind.
Wanneer jy n studieplan opstel, ruim tyd in vir persoonlike

verantwoordelikhede (bv gesinsverantwoordelikhede, werksverpligtinge,
sosiale verpligtinge, verlof).
Gebruik jou mees produktiewe tyd vir studie (bv. laataand wanneer die
kinders bed toe is of vroegoggend voordat die res van die gesin wakker
word)
Tegniese
kwessies met
betrekking tot
myUnisa
Dit is meer doeltreffend om gereeld te studeer (bv. n uur op n dag) as

sporadies (bv. een keer maand vir tien ure aaneen). Besluit nou
hoeveel uur per week jy gaan gebruik om te studeer. Ons stel voor dat jy
een of twee uur per dag daarvoor opsysit.
Hou rekord van jou vordering. Dit sal jou goed doen om te sien wat jy al
bereik het en dit sal jou inspireer indien jy agter raak. Wees daarop
voorbereid dat jou studieprogram onderbreek kan word as gevolg van
onvoorsiene omstandighede. Jy behoort jou vordering te monitor sodat jy
onmiddellik kan inhaal as jy agter raak. Onthou dat dit makliker is om een
week se verlore studietyd in te haal as n hele maand sn.
Vraag 1: Hoe skep ek n nuwe onderwerp met gebruik van die

Discussion Forum opsie?
Antwoord:
Om n nuwe onderwerp in n forum te skep moet jy die volgende doen:
Kies die Student Lounge forum uit die lys forums in die Discussion Forums
opsie.
Kies nou bo aan die bladsy die opsie Add a new Topic.
Gee jou onderwerp n beskrywende naam in die Topic Title raampie.
Skryf in die Message raam die instruksies vir die bespreking.
Klik op die Submit knoppie om jou onderwerp vir bespreking in te dien.
Vraag 2: Wat word van my verwag wanneer ek deelneem aan
besprekingsforums?
Antwoord:
Onthou, aanlynbesprekingsforums is nie dieselfde as e-pos-boodskappe, of n
brief aan die dosent of n kletskamer nie. Die myUnisa besprekingsforums
moet dus nie gebruik word vir persoonlike boodskappe aan jou dosente of aan
mekaar nie. Jy is egter welkom om gebruik te maak van die forum gemerk
Student Lounge om jou aan jou medestudente bekend te stel, om
studiegroepe te vorm en om jou eie onderwerpe te skep.
20
IOP2601/MO051/4/2016
KATEGORIE
VRAE EN ANTWOORDE
In hierdie module gebruik ons die aanlynbesprekingsforum vir akademiese
doeleindes. Om hierdie rede sal die besprekings gebaseer wees op
onderwerpe verwant aan die module-uitkomste, die assesserings en die
ondersteunende inhoud.
Aanlynbesprekingsforums is meer soos klasbesprekings in n gewone
klaskamer waar die dosente besprekingspunte opper en vrae vra. Al die
studente kan dan reageer op die dosent se vrae asook op mekaar se
response. Die dosent kan dan onsekerhede opklaar en moontlik n opsomming
gee aan die einde van n bespreking.
Deelname aan besprekingsforums bied jou geleenthede om:
onderwerpe in die vakgebied te bespreek en op te klaar

ervarings en idees met medestudente en dosente te deel
probleme in samewerking met ander op te los
oor belangrike kwessies te debatteer
vrae te vra oor die onderwerp onder bespreking
die jongste ontwikkelings in die vakgebied bekend te stel
onmiddellik terugvoering oor werkopdragte te kry
toegang te kry tot bykomende hulpbronne met betrekking tot relevante
onderwerpe in hierdie vak/dissipline
21
IOP2601/MO051/4/2016
Die besprekingsforums en besprekingsonderwerpe

Forums
Onderwerpe
Forum 1: Student Lounge
Bespreking 1: Introduce yourself
Gebruik hierdie forum om

algemene sake onder
mekaar te bespreek
Gebruik hierdie ruimte om jou medestudente te leer ken.

Vertel jou medestudente van jou huidige werksituasie, professionele
agtergrond en enigiets anders wat jy wil meedeel ( 250 woorde).
Bespreking 2: Fellow student contact details
Gebruik hierdie ruimte om jou kontakbesonderhede
medestudente te deel en studiegroepe te vorm.
Forum 2: Algemene
vakverwante besprekings
algemene navrae oor die
inhoud van die module te
rig
met
jou
Bespreking 1: General discussion

Gebruik hierdie ruimte vir algemene besprekings oor die vak.
Forum 3: Aanlynaktiwiteit met betrekking

tot die inhoud
studente te betrek in
aanlynaktiwiteite
betreffende die moduleinhoud
Bespreking 1: Online activities
Forum 4: Werkopdrag
Navrae
Werkopdrag 01 en 02 te
bespreek
Bespreking 1: Assignment 01 queries
Gebruik hierdie ruimte vir die bespreking van aanlynaktiwiteite.
Gebruik hierdie ruimte vir verheldering en algemene vrae oor

Werkopdrag 01.
Bespreking 2: Assignment 02 queries
Gebruik hierdie ruimte vir verheldering en algemene vrae oor
Werkopdrag 02.
Forum 5:
Eksameninligting
eksamenkwessies te
bespreek
Forum 6: Vrae aan jou
dosente
vrae aan jou dosente te rig
22
Bespreking 1: Exam information

Hierdie ruimte sal gebruik word vir die bespreking van
eksamenraamwerk en belangrike sake betreffende die eksamen.
die
Bespreking 1: Queries to your lecturers

Gebruik hierdie ruimte om enige vrae of probleme aan jou dosente te rig
oor die onderwerpe wat in hierdie forum of die relevante studiemateriaal
behandel is.
IOP2601/MO051/4/2016
Leereenhede
Bedryfsielkunde
IOP2601
23
IOP2601/MO051/4/2016
Ikone en hul betekenis

Bekendstelling van ons navorsingsprojek
Leereenheid
AGTERGROND
1
Inleiding tot navorsing en statistiek
Die taal van statistiek
Basiese wiskundige berekenings wat in statistiek gebruik word

DATA-VERWERKING: BESKRYWEND
Aanbieding van data
Maatstawwe van sentrale neiging
Maatstawwe van varieerbaarheid
Korrelasie
Regressie
DATA-VERWERKING: INFERENSIEEL
Basiese konsepte van waarskynlikheid
10
Die normaalverspreiding
11
Steekproefdistribusies en hipotesetoetsing
12
Hipotesetoetse vir gemiddeldes: t-toetse
13
Hipotesetoetse vir gemiddeldes: eenrigting-variansieontleding
14
Die chi-kwadraattoets
15
Onderskeidingsvermo
TOEPASSING
16
Data-analise: 'n fiktiewe organisasie

VERWYSINGS
BYLAE: Lys van formules
24
IOP2601/MO051/4/2016
Ikone en hul betekenis

As jy deur die studiemateriaal blaai, sal jy sien daar is verskillende ikone wat verskillende
tipes teks identifiseer. Hieronder is voorbeelde van hierdie ikone en n kort verduideliking
van wat elkeen beteken.
AKTIWITEIT: Hierdie ikoon dui aan dat jy iets moet
doen, byvoorbeeld n definisie moet herformuleer, vrae
moet beantwoord of berekenings moet doen. n
Aktiwiteit sluit terugvoering van ons in om jou te help
om die werk te verstaan. Doen asseblief die aktiwiteite
ons het dit spesiaal om die volgende redes vir jou
geskep:
Eerstens kan jy bepaal of jy die werk wat bespreek is,
ken en verstaan.
Tweedens kan jy dit beskou as mikro-ervarings van
werkopdragte of eksamenvrae.
WENK: n wenk bevat waardevolle inligting wat jou sal
help met sekere feite en berekenings. Neem noukeurig
kennis van alle wenke.
TIPIESE REKENAARDRUKSTUK: Dit verwys na n
afdeling in die voorgeskrewe boek deur Tredoux en
Durrheim (2013) of ons eie voorbeeld van n tipiese
rekenaaruitset van n statistiese pakket.
WAT BEHOORT EK NOU TE KAN DOEN?: Teen die
einde van elke leereenheid voorsien ons n kontrolelys.
Evalueer jouself om seker te maak dat jy die doelwitte
bereik het wat ons vir jou in daardie leereenheid gestel
het.
Statistiese formules
Goeie nuus: Jy hoef nie enige statistiese formules te memoriseer nie! Jy moet slegs
weet wanneer om hierdie formules te gebruik en hoe om dit korrek toe te pas.
In die eksamen sal jy n lys ontvang van al die formules waaroor jy geleer het soos die een
in die aanhangsel aan die einde van hierdie MO001. Ons gee die hele formule, insluitende
die simbool links van die =. Al wat jy moet weet is wat die simbole links van die = in al
die formules beteken.
25
IOP2601/MO051/4/2016
Navorsingsmetodologie en rekenaars
Rekenaars is onontbeerlik vir statistiese dataverwerking. Ons bespreek hierdie
onderwerp onder die volgende twee opskrifte:
tipiese rekenaardrukstukke
die Internet/Wreldwye Web
Tipiese rekenaardrukstukke
Ons het besluit om tipiese rekenaardrukstukke by die studiemateriaal te voeg ten einde jou
n idee te gee van die rol wat sagteware vir statistiese-data-ontledingspakkette in
dataverwerking op n persoonlike rekenaar speel.
Wanneer jy nuwe inligting in die vorm van n datastel ontvang, moet jy weet watter
statistiese berekenings jy moet uitvoer dit wil s watter statistiek om te bereken en hoe om
dit te doen, en hoe om inligting uit die datastel te verkry ten einde dit te verstaan. Die
oefeninge en werkopdragte gee jou oefening in hierdie verband (wat en hoe), deur klein
datastelle en eenvoudige statistiek aan te bied. In n werksituasie sal jy gewoonlik egter te
doen kry met groot datastelle en meer ingewikkelde statistiek. Dan is dit nie meer haalbaar
om die berekenings self met behulp van n sakrekenaar te doen nie jy sal BESLIS n
rekenaar nodig h. Een doel van hierdie module is om jou oefening te gee in die lees van
uitset vanaf n sagtewareprogram (selfs al het jy nie toegang tot n rekenaar nie).
Die voorgeskrewe handboek bied materiaal wat jou wys hoe om SPSS te gebruik vir
spesifieke statistiese ontleding, maar jy kan ook gebruik maak van sagteware soos
STATISTICA met uitgebreide steunmateriaal op die gepaardgaande CD. Jy sal ook
Microsoft Excel voorbeelde in die voorgeskrewe handboek vind. Onthou dat die doel van die
rekenaardrukstukke is om jou die geleentheid te gee om die uitsette te lees en om die
verskillende statistiese konsepte wat hulle bevat te identifiseer en te interpreteer. Diegene
van julle wat nie toegang het tot rekenaars nie, sal voorbeelde h van die belangrikste
rekenaardrukstukke wat jy sal moet kan identifiseer in die verskillende leereenhede.
As jy wil sien hoe die uitset van n rekenaarprogram lyk, kan jy deur die voorgeskrewe
handboek blaai vir voorbeelde. Uitsette van rekenaarprogramme verskyn byvoorbeeld op
bladsy 175 tot 179 in Tredoux en Durrheim (2013). Op hierdie stadium sal jy moontlik nie die
uitsette verstaan nie, omdat die konsepte nog nie verduidelik is nie. Ons wil slegs h jy moet
sien hoe die uitset van n program aangebied word.
Die Internet/Wreldwye Web (www)

Lees die laaste vier rels van die voorwoord in Tredoux en Durrheim (2013) oor die gebruik
van die internet.
26
IOP2601/MO051/4/2016
Indien jy toegang het tot die internet, gebruik dit om jou studie van navorsingsmetodes te
verryk. Besoek webtuistes wat statistiese konsepte en tegnieke op n interaktiewe manier
demonstreer. Ons kan dit werklik aanbeveel!
Indien jy deur die Web kan blaai, werk deur die bykomende hoofstuk op die CD oor internethulpbronne en gebruike.
27
IOP2601/MO051/4/2016
Bekendstelling van ons navorsingsprojek
NUWE STERRE
Verbeel jou dat jy deel is van n eksklusiewe navorsingspan om deel te neem aan n
revolusionre en opwindende navorsingsprojek. Hierdie navorsingsprojek beloof om
nuuswaardig en die grootste te wees wat die vermaaklikheidswreld vanjaar gaan beleef! Jy
het Big Brother gesien, jy het Idols gesien en jy het The Apprentice gesien. Maar jy het nog
nooit n werklikheidsprogram gesien wat hierdie drie kombineer nie! Jy word uitgenooi om
deel van n navorsingspan te wees wat hierdie nuwe en opwindende werklikheidsprogram
wat vanjaar bekendgestel word, te monitor, te ondersoek en te evalueer. Kom ons vertel jou
meer van Nuwe Sterre: Die volgende advertensie is in al die groot koerante geplaas:
NUWE STERRE
Is dit jou droom om n ster te word? Ons stel bekend die grootste geleentheid in die
opwindendste werklikheidsprogram wat jy nog ooit gesien het! Nuwe Sterre is op soek na
sterre in wording wat die eienskappe het wat nodig is om die hitte van die kollig te verduur
en naam te maak in die vermaaklikheidswreld!
Die rels van Nuwe Sterre is soos volg:
28
Voordat iemand aan die Nuwe Sterre-sangkompetisie kan deelneem, moet hulle n
moordende leerlingskapprogram van drie weke deurloop.
Die hele leerlingskapprogram van drie weke sal 24 uur per dag verfilm word ... en ...
wat meer is, alles sal regstreeks op televisie gebeeldsend word asook op die internet
vertoon word. Die Nuwe Sterre-webtuiste sal regstreekse film van die deelnemers
uitsaai soos hulle deur die leerlingskapprogram gaan.
Die leerlingskapprogram sal vereis dat deelnemers saam in n luukse gastehuis
tuisgaan terwyl hulle vir die lewe van n glanspersoon voorberei.
Voorbereidingsaktiwiteite sluit in
n algehele verandering van voorkoms
sielkundige evaluerings
dramaklasse
stemopleidingsessies
IOP2601/MO051/4/2016
bywoning van kursusse wat aangebied word oor hoe om op te tree tydens
onderhoudvoering
opleiding oor hoe om die aandag van aanhangers en die media te hanteer.
Tien deelnemers sal gekies word om aan die Nuwe Sterre-leerlingskapprogram deel
te neem, maar slegs vyf sal deurdring na die finale Nuwe Sterre-sangkompetisie.
Die wenner van Nuwe Sterre sal die volgende wen:
n Internasionale opnamekontrak
n Kontantprys ter waarde van R1 000 000.00
n Drie-maande-kontrak as die hoofsanger van die verhoogstuk Grease op
Broadway in New York.
Gedurende die leerlingskapprogram van drie weke sal kykers vir hulle gunsteling
ster-in-wording kan stem en hulle sal ook met hulle kan kommunikeer deur middel
van die sosialenetwerk-fasiliteit wat op die Nuwe Sterre-webtuiste beskikbaar is. Alle
kommunikasie en deelname aan hierdie sosialenetwerk-fasiliteit sal noukeurig deur
administrateurs, Nuwe Sterre-beoordelaars en lede van die paneel van die etiese
komitee gemonitor word.
En kykers word selfs meer aangebied hulle sal n paar van die beoordelaars ook
kan uitstem!
Hoe sal die stemmery werk?
Kykers kan vir deelnemers stem en punte gee op grond van hulle
kommunikasievaardighede en interaksie met ander deelnemers, deelname aan die
proses, sterkwaliteit, uitvoeringtalent asook hulle kanse om die kompetisie te wen.
Die stemming en gee van punte sal twee maal per week, op Maandae en Vrydae,
plaasvind.
Deelnemers en beoordelaars wat uitgestem word, sal op Dinsdae en Saterdae in
kennis gestel word. Om dubbelstemming uit te skakel, sal die finale stemming vir die
Nuwe Sterre-sangkompetisie slegs gedoen word deur die gehoor wat by die
regstreekse televisie-uitsending van die program teenwoordig is.
Deelnemers word uitgenooi om aansoek te doen deur n persoonlike aanbieding van
hul CVs deur middel van n video-opname in te dien. Die aanbieding moet verwysing
insluit na hul ouderdom, geslag, ras, opleiding, beroep, huidige inkomste en
uitgawes, loopbaanaspirasies, vorige optree- en sangondervinding asook n
motivering waarom hulle glo hulle in staat is om die eerste Nuwe Sterre-ster te wees.
Ontmoet die 10 Nuwe Sterre-kandidate wat gekies is om aan die 24/7 Nuwe Sterreleerlingskapprogram van drie weke deel te neem:
Vuyo K
Swart vrou
20 jaar oud
Enkellopend
29
IOP2601/MO051/4/2016
30
Derdejaar drama- en kunsstudent

Sien haarself as die volgende beste ding in die musiekbedryf
Baie ambisieus, spontaan, en glo sy is gereed vir glorie en rykdom
Lebo
Swart man
20 jaar oud
Enkellopend maar onbeskikbaar, soos hy daarvan hou om homself bekend te stel
IT-administrateur
Glo hy het talent en sien hierdie kompetisie as iets nuuts om op die proef te stel,
aangesien hy dink dit sal hom uitdaag om afstand van sy bleeksielmentaliteit te
doen
Sasha
Wit vrou
19 jaar oud
Tweedejaar BCom-student in Bedryfsielkunde aan Unisa
Sy beskryf haarself as n klein bom as gevolg van haar fyn liggaamsbou en groot
stem
Sy sien daarna uit om die helder stadsligte te ervaar wat met n loopbaan in
vermaaklikheid geassossieer word
Susan
Swart vrou
Enkellopend
27 jaar oud
Baie ambisieus en wil meer wees as bloot n kunstenaar (ster)
Sien haarself as n entrepreneur wat eendag haar eie groot opname-ateljee wil
bestuur
Ietwat berekenend in haar interpersoonlike vaardighede is geneig om te werk aan
verhoudings met diegene wat haar kan help of vir haar op die lange duur tot
voordeel kan wees
Baie ongeduldig met persone wat enige persoonlike tekortkoming of weerloosheid
het
Baie gefokus en veeleisend wanneer sy met ander werk kan moeilik in n groep
wees
David
Wit man
25 jaar oud
Enkellopend
Jong IT-kundige wat n klein besigheid tydelik saam met vriende van die huis af
bestuur terwyl hy droom om n kunstenaar te word
Leefstyl en pret is vir hom baie belangrik nie baie ambisieus nie dink die die
lewe van n kunstenaar is een waar die geld net sal instroom!
IOP2601/MO051/4/2016
Is op soek na die groot geleentheid wat sy sangloopbaan met mening sal inlui sy
motivering waarom hy in die eerste plek aansoek gedoen het!
Tshepo
Swart man
26 jaar oud
Enkellopend
Tegniese agtergrond klankingenieur
Wil n loopbaan in die opnamebedryf volg maar reken om eers naam as
kunstenaar te maak is die wyse waarop hy die veld kan betree
Hy het kontakte in die musiekbedryf en glo dat hulle name hom sal help om vinniger
opgang in sy loopbaan te maak
Indresan
Indirman
25 jaar oud
Verloof aan sy meisie van vyf jaar
Hy is sedert hy n klein seuntjie was deur Bollywood genspireer
Hy het n passie en toewyding om n Suid-Afrikaanse Bollywoodproduksiemaatskappy van sy eie die lig te laat sien.
Hy is bekend daarvoor dat hy alle perke oorskry en advies van ander ignoreer
Hy kan die beste as dramaties en selfbevorderlik beskryf word
Shelly
Kleurlingvrou
28 jaar oud
Sy is vier jaar gelede as Mejuffrou Langebaan gekroon
Sy het haar modelloopbaan onderbreek om haar graad in Kommunikasie en
Bemarking aan die Universiteit van die Wes-Kaap te voltooi
Sy wil nou haar lewe in die openbare oog voortsit en glo sy het baie om te bied
Haar voorkoms en houding sal vergoed vir enige gebreke in haar sangtalent
Cameron
Kleurlingman
23 jaar oud
Studeer Politieke en Sosiale Wetenskappe voltyds aan Wits
Hy wil graag eendag n ernstige loopbaan h, maar sien geen kwaad daarin om
pret te h terwyl hy nog jonk is nie
Hy heg groot waarde aan openbare erkenning van sy dade en prestasies
Kerry
Indirvrou
21 jaar oud
31
IOP2601/MO051/4/2016
Op aanmoediging van haar pa is sy tans ingeskryf vir graad in Rekeningkunde

aan die Universiteit van KwaZulu-Natal
Sy is sedert kleuterskooldae lief vir dans, sing en drama en is tans een van die
Sharks-meisies wat op die veld dans terwyl rugbywedstryde gespeel word
Sy is n ekstrovert en floreer op sosiale interaksie
Sy is op soek na n leefstyl van vermaak en opwinding
En die beoordelaars is:
32
Stella Debark
Wit vrou
53 jaar oud
Kinderster wat nie so goed in haar volwasse lewe gevaar het nie
Nou sing sy in jazz-nagklubs en het nie enige albums in amper twee dekades
vervaardig nie
Twee kinders wat ook in die musiekbedryf is
Dink die program sal haar die kans gee om weer roem te ervaar
Alhoewel sy jong talent aanmoedig, kan sy baie onsensitief wees in haar kritiek as
sy dink jy het nie die nodige talent nie
Ricco Milan
37-jarige enkellopende man
Mode-ontwerper en platejoggie
Is lief vir musiek en passievol oor modes, glo albei bepaal sukses in die
vermaaklikheidsbedryf
Sien hierdie as n geleentheid om homself te bevorder
Baie energiek, vriendelik en aanmoedigend, sien altyd die positiewe in mense
Zolisa Mafupha aka Zee M
31-jarige suksesvolle swart musikant
Het verskeie bekroonde treffers agter sy naam
Enkellopend
Baie beskeie en gretig om jong en vars talent te ontdek
Opgewonde om as beoordelaar gekies te word aangesien sy dit sien as n
geleentheid om jong talent te ontwikkel
Angie Motseneka
Swart vrou
35 jaar oud
MBA-student wat tans n bestuursposisie in n groothandelsmaatskappy beklee
Getroud twee tienerkinders
Ietwat hooggespanne kan emosioneel reageer onder spanning
Persoonlike ontwikkeling baie belangrik vir haar
Taamlik krities teenoor mense wat nie verantwoordelikheid vir die gevolge van hulle
besluite wil neem nie sal dit ook teenoor die deelnemers openbaar
IOP2601/MO051/4/2016
Brian Mahlangu
Praktiserende prokureur
29 jaar oud
Enkellopend en toon sterk belangstelling in enkellopende jong vroue kan hulle
moontlik bevoordeel?
Het vir sewe jaar lank in die regsveld gewerk
Goeie interpersoonlike vaardighede
kan goed onder druk presteer
En nou vir die navorsingsprojek:

Aangesien dit die eerste keer is dat n werklikheidsprogram van hierdie aard aangebied gaan
word, is jy, as deel van n groep navorsers, uitgenooi om n aantal aspekte van die
aansoekers, deelnemers asook kykers dwarsdeur die bekendstelling en die eerste sessie
van hierdie werklikheidsprogram te ondersoek.
Sommige van die navorsingsvrae wat jy gevra word om te ondersoek en oor verslag
te doen, is die volgende:
Hoeveel deelnemers uit die verskillende rassegroepe het vir die kompetisie
ingeskryf?
Wat is die inkomsteverspreiding van al die aansoekers?
Wat is die biografiese eienskappe van die aansoekers, deelnemers, televisiekykers
en internetdeelnemers onderskeidelik?
Wat is die verhouding tussen die puntetellings van die internet-interaksie op die
sosiale netwerkwebtuiste en die stemming vir die 10 deelnemers?
Is daar n verband tussen die hoeveelheid tyd wat kykers bestee om na die program
te kyk en die frekwensie waarmee hulle vir deelnemers stem?
Kan die kykers se jare van onderrig die aantal ure voorspel wat hulle na die program
kyk of die webtuiste besoek?
Wat is die verhouding, persentasie en aantal kykers wat aan die sosiale
netwerkwebtuiste deelneem?
Is daar n verskil in die vlakke van gelukkigheid van deelnemers voor en na die
leerlingskapprogram?
Is daar n verskil tussen die manlike en vroulike deelnemers en hul vermo om die
aandag van die media te hanteer?
Gee manlike stemmers hor punte vir oulike jong, vroulike deelnemers as vir manlike
deelnemers?
Is daar n verskil in die emosionele intelligensie van aansoekers, deelnemers aan die
leerlingskapprogram en deelnemers wat aan die finale Nuwe Sterre-sangkompetisie
deelneem?
Is daar n verskil tussen kykers se puntetelling vir deelnemers op grond van hulle
haarkleur (blond, rooi of bruin hare)?
33
IOP2601/MO051/4/2016
0.1
Kan jy dink aan ander vrae wat jy uit hierdie projek beantwoord wil h? Lys dit hier:
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
Hierdie navorsingsprojek sal as grondslag gebruik word vir ons praktiese illustrasies in die
res van hierdie studiegids.
Ons nooi jou nou uit om ons op hierdie opwindende reis te vergesel om meer oor navorsing
en spesifiek statistiek in die navorsingsproses te leer.
34
IOP2601/MO051/4/2016
Agtergrond
Toepassing

Dataverwerking:
Beskrywend

13 Hipotesetoetse vir gemiddeldes: eenrigtingvariansieontleding

neiging
6. Maatstawwe van
varieerbaarheid
7. Korrelasie
8. Regressie

15. Onderskeidingsvermo
35
IOP2601/MO051/4/2016
Agtergrond
36
IOP2601/MO051/4/2016
LEEREENHEID 1: Inleiding tot navorsing en statistiek
Studente wonder dikwels waarom die opleiding van voornemende bedryfsielkundiges n

kursus in navorsing insluit. Om hierdie vraag te beantwoord, moet ons eerstens weet wat
navorsing behels. Hierdie leereenheid stel jou bekend aan navorsing, hoe
bedryfsielkundiges navorsing gebruik en die basiese navorsingsproses. Ons sal ook die
spesifieke fokus van hierdie module ten opsigte van die brer navorsingsproses verduidelik.
Wat is navorsing?
Die woord navorsing word dikwels in alledaagse taal en met verskeie betekenisse op
verskillende tye gebruik. Gevolglik bestaan daar dikwels heelwat wanopvattings daaroor. n
Voorbeeld hiervan is dat navorsing n aktiwiteit is wat ietwat eksklusief en verwyder van die
alledaagse lewe is, of dat navorsers afsydige individue in wit jasse is wat hulle in
laboratoriums met rotte afsonder (Leedy & Omrod, 2010)!
Maar in werklikheid is navorsing slegs n proses waardeur ons vrae kan beantwoord. Dit is n
sistematiese proses van die insameling, ontleding en interpretering van inligting (of data
soos dit in navorsingsterme genoem word) om ons begrip te verbeter van n aspek waarin
ons belangstel of waaroor ons besorg is (Leedy & Ormrod, 2010).
n Verdere definisie van navorsing is dat dit n sistematiese studie of ondersoek van
verskynsels volgens wetenskaplike beginsels is. Wat beteken dit om n sistematiese studie
volgens wetenskaplike beginsels te doen? Dit klink ingewikkeld. Wat dit in werklikheid
beteken, is dat jy inligting op so n wyse insamel dat jy bewyse sal h om te toon dat jou
bewerings die waarheid is. Met ander woorde, jy gebruik spesifieke strategie en metodes
om inligting op so n wyse in te samel dat dit betroubaar en geldig sal wees. Hierdie proses
sal jou daarom in staat stel om aan te toon of die inligting wat in die navorsingsveldtog wat
hierbo aangedui is in werklikheid n akkurate weerspieling is. Navorsing help ons daarom
om inligting op so n wyse in te samel dat ons die waarheid of selfs nuwe kennis kan ontdek.
Maar selfs al weet jy van hierdie inligting kan jy dalk steeds wonder waar navorsing in die
veld van Bedryfsielkunde inpas.
37
IOP2601/MO051/4/2016
Navorsing in Bedryfsielkunde
Soos ons genoem het, behels navorsing die beantwoording van vrae of die oplos van
probleme. Oorweeg die volgende vrae:
Hoe voel generasie Y oor unies in organisasies?

Wat is die geskikste tyd om haarsorgprodukte vir vroue op televisie te adverteer?
Is dit billik om persoonlikheidseienskappe te gebruik om werksprestasie te voorspel?
Wat is die optimale aantal mense om in n virtuele wreldspan te werk?
Wat doen universiteite om studente vir die beroepswreld voor te berei?
Watter etiek is betrokke in die gebruik van gerekenariseerde toetsing?
Al hierdie vrae val in die raamwerk van Bedryfsielkunde. Figuur 1 illustreer hoe elk van
hierdie vrae op n aantal gebiede van Bedryfsielkunde van toepassing is.
1.1
Kan jy dink aan n paar vrae in jou werkomgewing of in sommige ander modules waarvan jy
graag die antwoord sal wil weet?
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
Die waarde van navorsing l daarom eerstens in die feit dat kennis van navorsing help om
vrae binne jou spesifieke studieveld of werkomgewing te beantwoord.
Kennis van navorsing is ook nuttig om die werk van ander wetenskaplik te interpreteer en te
evalueer. Dink na oor die volgende scenario: Jou organisasie is op die punt om R3 miljoen
vir die ingebruikneming van n nuwe prestasie-evalueringstelsel te bestee. Die persone wat
die stelsel ontwikkel, maak n aantal aannames oor die nut en voordele van hul stelsel. Met
jou kennis van navorsing sal jy in staat wees om te bepaal of hierdie aannames werklik
geldig is voordat jou organisasie in hierdie stelsel investeer.
Kennis van navorsing sal jou daarom toerus met vaardighede wat jou sal help om probleme
te kan oplos en vrae te kan beantwoord op n wyse wat wetenskaplik en betekenisvol is en
wat die wins van die organisasie sal verhoog. Jy sal jou kennis van navorsing in jou
werkomgewing sowel as in jou alledaagse lewe kan toepas om vrae te vra of probleme in
jou gemeenskap of gesin op te los. Is dit genoeg motivering vir jou om meer oor navorsing
te wete te kom?
38
IOP2601/MO051/4/2016
Watter etiek
betrokke by
gebruik
Wanneer is die
tyd om
ste
Wat is die
male aantal
om in n
vir
op televisie
Bedryfsielkunde
Wat
universiteite
studente vir
beroepsw
voor te
berei?
Hoe voel
oor
in
Is dit billik
eienskappe te
om
te
FIGUUR 1: Navorsingsvrae in Bedryfsielkunde

Ons het gesien navorsing begin met n vraag wat beantwoord moet word of n probleem wat
opgelos moet word. Dit sal die doelwit van die meeste navorsingsprojekte wees. Navorsing
word dan die proses waardeur nuwe kennis ontdek word of gedentifiseerde probleme
opgelos word. Kom ons kyk nou na die onderskeie stappe wat in die navorsingsproses
betrokke is.
Die navorsingsproses
Alhoewel sekere variasies mag voorkom, volg die meeste navorsingsprojekte wat uitgevoer
word n basiese proses. Figuur 2 toon die tipiese stappe wat navorsers volg om navorsing te
doen. Die navorsingsproses is basies n vyfstap-prosedure.
1.
2.
3.
Eerstens begin die navorsingsproses met die identifisering van die probleem: Wat is
die vraag wat beantwoord moet word, of wat is die probleem wat opgelos moet word?
Tweedens, hoe ontwerp jy n studie om die vraag te beantwoord? (Wie gaan by die
studie betrokke wees en wanneer en hoe gaan hulle betrokke wees?)
Derdens, hoe verkry jy die inligting wat jy nodig het en hoe samel jy die nodige data in
om die navorsingsvraag te beantwoord?
39
IOP2601/MO051/4/2016
4.
5.
Vierdens, hoe ontleed jy die data? (Met ander woorde, hoe maak jy sin uit al die
inligting wat ingesamel is?)
Laastens, hoe maak jy gevolgtrekkings uit die data wat ontleed is om die
navorsingsvraag te beantwoord?
Navorsingsontwerp
Navorsingsvraag
Gevolgtrekkings
Data-insameling
Dataanalise
FIGUUR 2: Die Navorsingsproses

Jy sal dwarsdeur hierdie module die geleentheid h om te sien hoe hierdie
navorsingsproses prakties toegepas word. Ons sal kyk na n aantal verskillende
navorsingsvrae, kortliks bespreek hoe so n navorsingsvraag ondersoek kan word
(ontwerp); die wyse noem waarop data ingesamel word, bespreek hoe die data ontleed
word en laastens illustreer hoe om gevolgtrekkings te maak oor die navorsingsvraag op
grond van die data-ontleding. Hierdie module fokus egter meer op die vierde stap van die
navorsingsproses, naamlik data-ontleding. Dit is daarop gemik om inligting te verskaf oor
sekere tegnieke wat jy moet leer wat gebruik kan word om sin te maak uit die data wat
ingesamel is en jou te leer om betekenisvolle gevolgtrekkings hieruit te maak. Hierdie
tegnieke word gesamentlik Statistiek genoem.
Statistiek
Die woord statistiek ontlok dikwels n sterk emosionele reaksie van studente. Sommige
studente is opgewonde om meer oor statistiek te leer, ander mag n bietjie versigtig wees,
terwyl sekere studente selfs die onderwerp met vrees en n voorgevoel benader!
In hierdie stadium is dit moontlik dat jy nie baie vertroud met die studieveld van statistiek is
nie. Statistiek, soos enige ander spesialisveld, het sekere unieke terminologie en amper n
taal van sy eie. Leereenheid 2 sal daarom jou eerstens vertroud maak met die basiese
terme en belangrike konsepte wat in hierdie veld gebruik word.
Navorsing het bewys (byvoorbeeld Onwuegbuzie, 2000; Schau, 2003) dat studente se
houding teenoor statistiek dikwels deur verskeie faktore benvloed word. Die eerste is die
mate waarin studente hulle as vaardig in wiskunde beskou. Interessant genoeg is dit nie die
aantal vorige wiskundekursusse wat studente voltooi het of hoe goed hulle in hierdie
kursusse gevaar het nie, maar eerder n baie subjektiewe siening van hoe vaardig hulle
hulself in wiskunde ag wat hulle houding teenoor statistiek bepaal.
40
IOP2601/MO051/4/2016
Laat ons jou onmiddellik hieroor gerusstel: alhoewel jy sekere basiese algebraese beginsels
moet ken, is dit nie n kursus in wiskunde nie. Om berekenings te doen is slegs n klein deel
van die werklike inhoud van die onderwerp. Selfs vir studente wat nooit blootstelling aan
wiskunde gehad het nie hoef dit nie n onoorkomelike probleem te wees om hierdie module
te slaag nie. Leereenheid 3 sal al die basiese algebraberekenings hersien wat in hierdie
module gebruik word. Nadat jy deeglik deur hierdie leereenheid gewerk het, sal jy in staat
wees om die res van hierdie module met vertroue te benader.
Wat ook belangrik is om te weet, is dat statistiek die beste geleer word deur dit te doen. Jy
sal daarom deur die loop van die studiegids aktief moet deelneem om die tegnieke te
bemeester wat jy sal leer. Daar is ook pas genoem dat jy die geleentheid sal h om te sien
hoe die navorsingsproses prakties in hierdie module toegepas word. Ons sal daarom die
Nuwe Sterre-projek as praktiese illustrasie dwarsdeur die MO001 gebruik.
Noudat jy leereenheid 1voltooi het, behoort jy:
navorsing in jou eie woorde te kan definieer
die basiese navorsingsproses te kan beskryf
n navorsingsvraag te kan identifiseer
41
IOP2601/MO051/4/2016
LEEREENHEID 2: Die taal van statistiek
Noudat jy n goeie idee het van waarom n studie van navorsingsmetodiek vir jou belangrik
is, en hoe bedryfsielkundige navorsing verloop, wil ons jou bekendstel aan die taal van
statistiek.
In hierdie leereenheid stel ons die volgende bekend:
kwantitatiewe metodes en waarom dit gebruik word

die klassifikasie van statistiese tegnieke
belangrike konsepte wat onderliggend is aan enige statistiese ontleding van data
Kwantitatiewe metodes
Soos jy tot dusver uit die bespreking kon aflei, sal jy met syfers in hierdie kursus werk.
Wanneer n mens enige vorm van inligting of data neem, is dit moontlik om dit in die vorm
van syfers te beskryf. n Eenvoudige voorbeeld hiervan kan wees: Indien ons al die
aansoekers van Nuwe Sterre gevra het om ons te vertel hoeveel vertroue hulle het dat hulle
as een van die 10 finaliste gekies sal word, kon ons hulle gevra het om hulle gevoel op n
skaal van 1 tot 10 te evalueer, waar 1 sal s: Ek voel ek het geen kans nie, 5 sal s: Ek
voel ek het n 50/50-kans, en 10 sal s: Ek voel ek sal definitief gekies word.
Wanneer n mens data in syfers omskakel, soos ons in bostaande voorbeeld gedoen het,
kwantifiseer n mens die inligting. Kwantitatiewe metodes is daarop gemik om data in die
vorm van syfers uit te druk. Wat is die waarde hiervan? Waarom is dit nuttig om data in
syfers om te skakel? Eerstens, syfers is deel van ons alledaagse lewe.
Dink net aan die tarief wat jy vir die gebruik van jou selfoon betaal en hoeveel geld jy nodig
het om in die maand uit te kom. Wanneer jy weer inkopies gaan doen, dink aan hoe
gekwantifiseer die bedrywighede in n winkel is. Dink aan die bedrag wat jy vir n artikel
betaal, die wins wat daarop gemaak word, belastings wat gehef word, die huur vir die
perseel en salarisse, om maar enkele voorbeelde te noem. Kwantifisering en kwantitatiewe
denke is dus ewe onvermydelik in die daaglikse lewe.
42
IOP2601/MO051/4/2016
Afgesien hiervan het kwantitatiewe metodes ook spesifieke voordele. Kwantitatiewe

metodes is besonder nuttig omdat dit
inligting doeltreffend oordra

voorsiening maak vir die hermodellering van lewenswerklike verskynsels
deel uitmaak van n goed ontwerpte en kragtige dissiplinre taal
2.1
Gee op grond van die inligting oor die voordele van kwantitatiewe metodes jou eie
voorbeeld om elk van die drie voordele van kwantitatiewe metodes te verduidelik.
1.
..............................................................................................................................
2.
..............................................................................................................................
3.
..............................................................................................................................
In hierdie leereenheid skop ons af met die eerste hoofstuk van Tredoux en Durrheim (2013).
Vergelyk jou voorbeelde met die drie voorbeelde wat volledig van bladsy 3 tot 7 in die
afdeling The advantages of quantitative methods in Tredoux en Durrheim (2013) beskryf
word.
1.
2.
3.
Doeltreffendheid: Om syfers bekend te maak, byvoorbeeld die Suid-Afrikaanse

nasionale sensusopname.
Benadering/modellering: Om verskynsels in die wreld te bestudeer, byvoorbeeld n
ruimtelike model vir die verklaring van die beoordeling van mensegesigte vir
eenvormigheid.
n Kragtige taal: Byvoorbeeld, die weerkaart.
Kwantifisering dien as steunpilaar vir twee algemene soorte funksies. Dit kan enersyds n
infrastrukturele of administratiewe funksie verrig en andersyds steun dit argumentasie en
redevoering. In die sosiale wetenskappe stel ons veral belang in die gebruik van die
gegewens wat deur kwantitatiewe metodes beskikbaar gestel word om ons argumente te
staaf. Ons is geneig om probabilistiese metodes toe te pas, eerder as die deterministiese
model wat in sommige wetenskapsvorme gevolg word.
43
IOP2601/MO051/4/2016
2.2
Lees die bespreking van die funksies van kwantifisering van bladsy 3 tot 7 in Tredoux en
Durrheim (2013). Gee jou eie voorbeeld van n bewering of stelling wat deterministies is en
een wat probabilisties is.
1.
..............................................................................................................................
2.
..............................................................................................................................
Vergelyk jou voorbeelde met die volgende:

1.
n Deterministiese bewering: besonder streng opvoedingspatrone in die kleinkinderjare

gee aanleiding tot n outoritre persoonlikheid.
Sorg dat jy die deterministiese bewering vir n noodwendigheids- of
voldoendheidsvoorwaarde toets. Dit wil s dat die teenwoordigheid van A noodwendig
tot B lei.
2.
n Probabilistiese bewering, daarenteen, moet voorsiening maak vir die moontlikheid

dat die teenwoordigheid van A nie noodwendig tot B gaan lei nie, en of dit tot B
aanleiding gee of nie, kan op grond van kansverwagting verklaar word. Gevolglik
beteken die bewering dat blootstelling aan die karsinogene in sigaretrook kanker
veroorsaak nie dat daardie blootstelling beslis tot kanker aanleiding gaan gee nie,
maar dat dit kanker sal veroorsaak in meer gevalle as wat ons met nieblootstelling te
wagte kan wees.
Klassifisering van statistiese tegnieke vir hierdie kursus

Statistiese metodes en tegnieke kan in die volgende bre kategorie ingedeel word:
Beskrywende statistiek: n Tegniek wat gebruik word om data te organiseer, op te som en
te beskryf. Dit is die beskrywende navorsingsbenadering.
Inferensile statistiek: n Tegniek wat op steekproewe toegepas word om afleidings oor
populasies te maak. Dit staan ook bekend as die eksperimentele navorsingsbenadering.
44
IOP2601/MO051/4/2016
Basiese begrippe
Voordat jy in alle erns met jou studie van beskrywende en inferensile statistiek begin, moet
jy enkele belangrike begrippe onderliggend aan statistiese data-analise deeglik onder die
knie kry. Dit sluit terme soos die volgende in:
veranderlikes en konstantes
metingskale
steekproewe, populasies, statistieke en parameters
Veranderlikes
Hiermee gee jy jou eerste tree in die gebruik van n kwantitatiewe taal, naamlik om
voorwerpe of entiteite in simbole en konsepte van daardie taal om te sit. Die eenvoudigste
konsep is di van n veranderlike. Die aspekte wat ons bestudeer, word veranderlikes
genoem. Wanneer ons byvoorbeeld lengte meet, praat ons van lengte as n veranderlike en
die simbool daarvoor is X. Temperatuur en massa is ook voorbeelde van veranderlikes.
Kom ons kyk na n voorbeeld van ons Nuwe Sterre-program om te bepaal wat n
veranderlike is. Die program is amptelik bekend gestel deur n wydverspreide mediaveldtog,
waar die publiek uitgenooi is om in te skryf. Duisende inskrywings is ontvang. Is jy ook
nuuskierig om te weet wie ingeskryf het? Sou jy graag self wou inskryf? Ons kan aanneem
dat nie almal van die kalklig hou nie, of van n lewe in die vermaaklikheidsbedryf sal hou nie.
Dit kan interessant wees om te weet wat die vernaamste persoonlikheidseienskappe is van
die persone wat ingeskryf het. Die persoonlikheidseienskappe is dus n voorbeeld van n
veranderlike wat n mens kan ondersoek.
Taylor en Meyer (2009) het bevind dat sommige persoonlikheidseienskappe wat aansoekers
van realiteitsprogramme openbaar, die volgende is:
Hulle is geneig om ekstrovert te wees en floreer op sosiale interaksie.

Hulle kan beskryf word as buigsaam en oop vir verandering, maar ook impulsief
hulle dink nie na oor die gevolge van hulle dade nie.
Hulle het n sterk behoefte aan pret en opwinding.
Hulle kan dramaties, selfbevorderend en aandagsoekerig wees.
Hulle is dikwels op soek na n leefstyl wat om goeie kos, goeie drank en vermaak
gesentreer is.
Die studie van Taylor en Meyer (2009) is insiggewend en ons kan later weer na meer van
hulle resultate kyk. Maar vir eers gaan ons terug na die bespreking van
veranderlikes.
Veranderlikes word gewoonlik deur die letters X en Y
gedentifiseer. Soms gaan jy met twee of meer veranderlikes
soos X en Y werk.
45
IOP2601/MO051/4/2016
2.3
1.
Bestudeer die afdeling Variables and constants van bladsy 9 tot 13 van Tredoux en
Durrheim (2013). Lees die omskrywings hieronder en pas telkens die korrekte begrip
uit die gegewe lys by die omskrywing:
Begrippe
veranderlikes
diskrete veranderlike
kontinue veranderlike
onafhanklike veranderlike
afhanklike veranderlike
Omskrywings
1.1
1.2
1.3
1.4
1.5
1.6
Die veranderlike wat deur die eksperimenteerder/navorser beheer word, is die

..................
Eienskappe van waarnemings wat verskillende waardes kan aanneem, word
.................. genoem.
n Veranderlike wat enige waarde kan aanneem, is n ..................
Die veranderlike wat gemeet word (die data of tellings) is die ..................
n Veranderlike wat n beperkte aantal waardes kan aanneem, is n ...............
n Hoeveelheid wat nie verander nie maar altyd dieselfde waarde behou, is n
................
Voltooi aktiwiteit 1.5 op bladsy 10 van Tredoux en Durrheim (2013).
1.
Wat belangrik is om te onthou, is dat veranderlikes verskillende waardes kan

aanneem, afhangende van die eksperiment wat die navorser uitvoer.
1.1
1.2
1.3
1.4
1.5
1.6
2.
46
veranderlikes
konstante
Jy behoort (a), (c) en (d) nie moeilik te vind nie die antwoorde is onderskeidelik n
diskrete veranderlike, n konstante en n diskrete veranderlike. In die geval van (b)
moet ons toegee dat n akkurate maatstaf sal toon dat die gewig van die maan
voortdurend sal wissel. In die geval van (e) sal die getal regters n diskrete konstante
vir n bepaalde tydperk wees (totdat n ander een aangestel word, bedank, sterf, ens).
IOP2601/MO051/4/2016
Metingskale
Die data wat jy as bedryfsielkundige in die organisasie sal insamel, hetsy prestasiebeoordelingsresultate, afwesigheidstellings of enige ander data, kan in een van vier soorte
metingskale geklassifiseer word. Dit word spesifiek op bladsy 11 en 12 van Tredoux en
Durrheim (2013) bespreek, en jy moet dit goed onder die knie kry. Ons onderskei tussen vier
metingskale, naamlik die nominale, ordinale, interval- en ratio-skale.
Eienskappe om tussen metingskale te onderskei

Ons bespreek hieronder meer volledig die eienskappe op grond waarvan jy tussen
metingskale kan onderskei. Saam met die afdeling op bladsy 11 tot 12 in Tredoux en
Durrheim (2013) behoort dit vir jou n nuttige raamwerk te bied om tussen die vier
metingskale te kan onderskei.
Grootte
Grootte is die eienskap van meerheid. n Skaal het n eienskap van grootte indien een
attribuut meer is as, minder is as of gelyk is aan n ander attribuut (McCall, 1986).
Lengte, wat n voorbeeld van die ratio-skaal is, het wel die eienskap van grootte. Ons kan s
dat een persoon langer of korter is as n ander persoon, maar ons kan nie s dat n rugby- of
sokkerspeler met n groter nommer op sy rug belangriker is of meer werk doen as n speler
met n kleiner nommer nie. Die nommers op spelers se sportklere is n voorbeeld van die
nominale skaal, wat die enigste skaal is wat nie die eienskap van grootte het nie.
Gelyke intervalle
n Skaal het die eienskap van gelyke intervalle indien die verskil tussen alle punte op die
skaal eenvormig is.
As ons die voorbeeld van lengte neem, beteken dit dat die verskil tussen 6 en 8 sentimeter
op n liniaal dieselfde is as die verskil tussen 10 en 12 sentimeter. In albei gevalle is die
verskil presies 2 sentimeter. n Sielkundige metingskaal wat n voorbeeld van die intervalskaal is, het ook gelyke intervalle. Kyk byvoorbeeld na die volgende skaal:
Stem glad nie
saam nie
1
Stem nie saam

nie
2
Onseker
Stem saam
Stem volkome
saam
5
Die intervalle tussen die verskillende tellings is in al die gevalle presies een. Nominale en
ordinale skale het nie die eienskap van gelyke intervalle nie.
47
IOP2601/MO051/4/2016
Absolute 0
Absolute 0 word verkry wanneer heeltemal niks bestaan van die eienskap wat gemeet word
nie. As ons weereens die voorbeeld van lengte gebruik, beteken 0 sentimeter dat daar geen
afstand is nie. Lengte besit dus die eienskap van n absolute 0. So ook sou jy kon s dat as
jy windsnelheid meet en die lesing 0 is, daar geen wind van enige aard waai nie.
Ten opsigte van vele menslike eienskappe is dit uiters moeilik, indien nie onmoontlik nie, om
n absolute nulpunt te definieer. Indien ons byvoorbeeld rekenkundige vermo op n skaal
van 0 tot 10 meet, is dit moeilik om te s dat 0 beteken die persoon het geen rekenkundige
aanleg nie. Dit is moontlik dat daar n vlak van aanleg is wat die betrokke skaal nie meet nie
of dat daar glad nie so iets soos 0-aanleg is nie (Kaplan, 1987). In die geval van
temperatuur, wat n voorbeeld van die interval-skaal is, kan ons nie s dat 00C beteken dat
geen temperatuur teenwoordig is nie.
Slegs die ratio-skaal besit hierdie eienskap.
2.4
1.
Bepaal op grond van bostaande inligting watter tipe skaal oor watter eienskap(pe)
beskik en voltooi dit in hierdie opsommingstabel deur Ja of Nee in die toepaslike
ruimte te skryf.
Metingskale en hulle eienskappe
Eienskap
Tipe skaal
Grootte
Gelyke interval
Absolute 0
Nominaal
Ordinaal
Interval
Ratio
2.
Bestudeer die volgende twee probleemstellings.

2.1
2.2
48
Jy wil bepaal of die jare onderrig van deelnemers aan Nuwe Sterre (byvoorbeeld
matriek, voorgraadse studie, nagraadse studie) hul gewildheidsgraderings deur
kykers benvloed.
Is daar n verhouding tussen die tyd wat kykers bestee om na Nuwe Sterre te kyk
en hulle inkomste?
IOP2601/MO051/4/2016
Skryf die naam van die korrekte metingskaal wat van toepassing is op die
veranderlikes wat uit die probleemstellings gedentifiseer en in die tabel
weerspiel word in die regte kolom neer.
Onderskei of hierdie veranderlike die afhanklike of onafhanklike veranderlike
in die probleemstelling verteenwoordig, en skrap die verkeerde alternatief.
Bepaal ook of die spesifieke veranderlike n kontinue of diskrete veranderlike
is, en skrap weer eens die verkeerde alternatief.
Jare
onderrig
Gewildheidsgradering
Afhanklik/
Onafhanklik
Afhanklik/
Onafhanklik
Kyktyd
Inkomste
Metingskaal
Onafhanklik
Diskreet/
Kontinu
Diskreet/
Kontinu
Afhanklik/
Onafhanklik
Afhanklik/
Onafhanklik
Diskreet/
Kontinu
Diskreet/
Kontinu
Diskreet/
Kontinu
3.
Voltooi aktiwiteit 1.6 op bladsy 13 van Tredoux en Durrheim (2013).
1.
Metingskale en hulle eienskappe

Eienskap
Tipe skaal
2.
Grootte
Gelyke interval
Absolute 0
Nominaal
Nee
Nee
Nee
Ordinaal
Ja
Nee
Nee
Interval
Ja
Ja
Nee
Ratio
Ja
Ja
Ja
Die volgende tabel verteenwoordig die korrekte antwoorde:

Jare
onderrig
Gewildheids-
Kyktyd
Inkomste
gradering
Metingskaal
Nominaal
Interval
Interval
Ratio
Afhanklik/
Onafhanklik
Onafhanklik
Afhanklik
Onafhanklik
Afhanklik
Diskreet/
Kontinu
Diskreet
Kontinu
Kontinu
Kontinue
49
IOP2601/MO051/4/2016
3.
Onafhanklike veranderlike (voorspeller)
Afhanklike veranderlike (kriterium)
(a) Hoeveelheid rooiwyn ingeneem

(b) Diegene met of sonder troeteldiere
(c) Getroud/ongetroud
Aantal hartaanvalle
Algemene geluk
Selfmoordsyfer
Kan jy sien waarom dit nie nodig is om die rooiwyninname ooreenkomstig die per-populasieindeks uit te druk nie?
Let op dat dit moontlik is om n verskil tussen twee groepe (diegene wat troeteldiere het en
diegene wat geen troeteldiere het nie) aan die hand van afhanklike en onafhanklike
veranderlikes te konseptualiseer, en so ook die verband tussen twee kontinue
veranderlikes.
Populasies, steekproewe en verskillende soorte data

Wanneer ons met statistiek werk, is daar verskillende terme wat gebruik word. Ten opsigte
van die groepe wie se inligting gebruik word, onderskei ons tussen n populasie en n
steekproef. Ons onderskei ook tussen numeriese waardes wat populasiedata opsom en
numeriese waardes wat steekproefdata saamvat en wat onderskeidelik parameters en
statistieke genoem word.
2.5
Lees die afdeling Populasies, steekproewe, statistiek en parameters van bladsy 13 tot 15
in Tredoux en Durrheim (2013). Bestudeer die gedeeltes waarin begrippe verduidelik word
en sorg dat jy elke term so goed verstaan dat jy dit in jou eie woorde kan verduidelik aan
iemand wat dit nie ken nie. Hieronder volg n lys van belangrike terme. Gebruik die ruimte
wat voorsien word om die betekenis van elke term te beskryf en gee n voorbeeld van elk uit
die Nuwe Sterre-program.
Term
Beskrywing
Voorbeeld
Populasie
Steekproef
Metingsdata
Kategoriese Data
Kyk of jou antwoorde in bre trekke ooreenstem met die inligting wat in die onderstaande
tabel gegee word. Jy moes minstens die skuinsgedrukte terme in jou beskrywing ingesluit
het.
50
IOP2601/MO051/4/2016
Term
Beskrywing
Voorbeeld
Populasie
n volledige stel gebeure

waarin jy genteresseerd is
alle aansoekers vir Nuwe Sterre
Steekproef
n stel waargenome tellings wat n

deelversameling van die populasie is
20 ewekansig geselekteerde
aansoekers vir Nuwe Sterre
Parameters
numeriese waardes wat

populasiedata opsom
die gemiddelde inkomste van alle

Statistieke
numeriese waardes wat

steekproefdata opsom
die gemiddelde inkomste van 20

ewekansig geselekteerde
2.6
Voltooi aktiwiteit 1.7 op bladsy 14 in Tredoux en Durrheim (2013).
Wat al hierdie vrae moeilik maak, is dat n mens seker moet wees wat die populasie van
belang is. As ons daarom besluit dat die tersaaklike populasie vir al drie vrae die hele kohort
leerders in Suid-Afrika is wat hul matrikulasie-eksamen in daardie bepaalde jaar afl, kan
net (a) n parameter wees. Maar as ons besluit dat ons vir (b) slegs die populasie leerders
aan die Horskool Platbakkies in aanmerking wil neem, sal die gemiddelde punt vir
Geskiedenis aan daardie skool as n parameter dien. Dieselfde geld vir (c) n mens sou
heel gepas kon verwys na die populasie leerders aan die Horskool Platbakkies op n
bepaalde deel van Vierde strand by Clifton op 1 Januarie 2001, selfs al sou die meeste
mense daardie versameling mense as n oninteressante populasie beskou!
Ewekansige steekproefneming
Die afdeling Steekproewe, populasies, statistiek en parameters in Tredoux en Durrheim
(2013) bied n uiteensetting van ewekansige steekproefneming en statistiese inferensie. n
Ewekansige steekproef beteken dat elke lid van die populasie n gelyke kans staan om vir n
ondersoek, eksperiment of navorsingsprojek gekies te word. Dit is die enigste
geldige/aanvaarbare manier om steekproefresultate ten opsigte van daardie populasie te
veralgemeen. Die veralgemening van steekproefdata na populasies staan bekend as
statistiese inferensie en is die sentrale doel van statistiese metodes.
51
IOP2601/MO051/4/2016
Jy behoort nou n idee te h wat hierdie kursus in Bedryfsielkundige navorsing behels. Om

seker te wees dat jy die belangrikste inligting in hierdie leereenheid uitgeken en begryp het,
kan jy die lys in die volgende aktiwiteit nagaan.
2.7
Gaan deur die volgende lys en merk elke item af indien jy seker is dat jy die terme/begrippe
kan omskryf, tussen hulle kan onderskei en jou eie voorbeelde van elk kan gee:
Terme
Omskryf
Onderskei
Voorbeeld
beskrywende statistiek
vs
inferensile statistiek
vs
vs
populasie
vs
steekproef
parameters
vs
statistieke
Noudat jy leereenheid 2 bestudeer het, behoort jy

n veranderlike te kan omskryf
tussen beskrywende
onderskei
en
inferensile
statistiek
te kan
te kan onderskei tussen die vier skale van meting en

voorbeelde van elk te kan verskaf
diskrete en kontinue veranderlikes, asook onafhanklike en
afhanklike veranderlikes te kan omskryf, onderskei en
voorbeelde daarvan te kan verskaf
Nou is jy reg om verskillende vaardighede en tegnieke te leer in die studie-eenhede wat
volg.
52
IOP2601/MO051/4/2016
LEEREENHEID 3:
Basiese wiskundige berekenings wat

in statistiek gebruik word
Syfers: deel van ons lewe

Deesdae kan ons beswaarlik sonder syfers klaarkom dink net vir n oomblik hoeveel jy elke
dag met syfers werk. Net die opstel van n tydrooster om te bepaal hoeveel ure jy aan elke
vak gaan bestee wys al klaar jou afhanklikheid van syfers; en wie van ons probeer nie om
ons begroting aan die einde van die maand te laat klop nie?
Getalle en kwantifisering bied aan ons n baie spesiale taal wat ons in staat stel om ons in
presiese terme uit te druk. Hierdie spesiale taal word wiskunde genoem. Net soos jy die
basiese rels van n taal moet ken om jou noukeurig in Afrikaans, Engels of Zoeloe uit te
druk, moet jy ook die basiese wiskundige rels ken om doeltreffend met syfers te kan
kommunikeer.
Soos jy teen hierdie tyd ook al opgemerk het, het hierdie kursus heelwat te doen met die
gebruik van syfers. Dit is belangrik dat jy oor basiese rekenkundige kennis beskik
matriekwiskunde is NIE nodig om hierdie kursus suksesvol te voltooi nie. Jy hoef dus
nie n briljante wiskundige te wees nie, maar moet slegs sekere basiese rekenkundige
beginsels bemeester om die statistiese berekenings in hierdie module te kan verstaan.
Om gemaklik te wees met n module oor statistiek is dit nodig dat jy basiese wiskundige
berekenings moet kan doen. Ongelukkig ervaar baie studente in Sielkunde (en
Bedryfsielkunde) n mate van ongemak, angs en selfs vrees wanneer hulle met enige aspek
van wiskunde byvoorbeeld formules, berekenings, ontleding en, ja, natuurlik, statistiek te
doen het!
Sakrekenaars: noodsaaklik vir oorlewing

Jy sal n sakrekenaar nodig h om jou vanjaar met die statistiese ontleding te help. Indien jy
nie n sakrekenaar het nie, sal jy een moet aankoop. Die klein, goedkoop modelle is
heeltemal voldoende. Om jou berekenings te vergemaklik, beveel ons egter aan dat die
sakrekenaar ten minste die funksies van vierkantswortel () en geheue (M+) moet h.
53
IOP2601/MO051/4/2016
Die samestelling van hierdie leereenheid

Hierdie leereenheid bied al die wiskundige inligting wat as agtergrond vir hierdie kursus dien.
Dit behels basiese bewerkings met syfers, vergelykings, vervanging, sommasie asook die
lees en verstaan van grafieke. Jy moet al die verskillende rekenkundige/wiskundige
bewerkings kan doen (tutoriaal 23 en 24) en grafieke kan lees en verstaan (tutoriaal 25) wat
by hierdie leereenheid ingesluit word om die statistieke in hierdie module te kan uitwerk.
Die inligting in hierdie leereenheid vorm deel van jou voorkennis en jy is moontlik reeds
vaardig in basiese syferwerk en rekenkundige bewerkings. Daarom is dit raadsaam om die
selfevalueringstoetse vir tutoriaal 23 en 24 te doen. Die toets vir tutoriaal 23 is selftoets 23.1
op bladsy 445 en die toets vir tutoriaal 24 is selftoets 24.1 op bladsy 462 van Tredoux en
Durrheim (2013). Gebruik hierdie selfevaluering om te bepaal of dit vir jou nodig is om
tutoriaal 23 en 24 te bestudeer. Sodra jy die inhoud van hierdie tutoriale onder die knie het,
kan jy voortgaan met tutoriaal 25 oor hoe om grafieke te lees en te interpreteer.
Ons vertrou dat jou belangstelling in die spesifieke vrae wat gevra is jou sal help om enige
moontlike vrees vir wiskunde te bowe te kom. Die numeriese aspek word bloot n opsie om
jou in staat te stel om interessante vrae te beantwoord. Op hierdie wyse sal jy hopelik jou
vrees vir syfers, berekenings of formules vergeet. As jy nie n sterk wiskundige agtergrond
het nie, is dit raadsaam om n paar keer deur Tutoriaal 23 en 24 van die voorgeskrewe boek
te werk om die nodige vertroue en vaardighede te kry. Die gevoel van sukses wat jy sal
ervaar wanneer jy die nodige berekenings kan doen, sal vergoed vir die moeite wat dit
geverg het om daar te kom.
Die volgende drie tutoriale behandel die wiskundige grondslag en grafieke wat deel uitmaak
van hierdie leereenheid en wat jy op jou eie moet bestudeer:
Tutoriaal 23: Basic work with numbers

n Rekenkundige oorsig word gebied wat jou leer hoe om eenvoudige algebraese
berekenings te doen.
Studente wat nie van berekenings hou nie of wat vrees dat hulle nie berekenings kan
doen nie, skrik wanneer hulle formules sien, want dit beteken dat berekenings gedoen
moet word! n Formule kan in basiese berekenings opgedeel word so as jy die
opsommende oefeninge in Tutoriaal 23 van die voorgeskrewe boek gedoen het, behoort
jy in staat te wees om enige berekenings te doen wat nodig mag wees om probleme op
te los en antwoorde op vrae te kry.
Tutoriaal 24: Equations, substitution and summation

Ons behandel ook sommasie-notasie sodat jy die betekenis van die verskillende simbole
sal verstaan en gevolglik rekenkundige berekenings sal kan uitvoer.
54
Tutoriaal 25: Reading and understanding graphs

Hierdie tutoriaal behandel grafieke wat dit moontlik maak om numeriese gegewens
visueel voor te stel.
IOP2601/MO051/4/2016
Noudat jy leereenheid 3 bestudeer het, behoort jy die volgende te

ken en te kan doen of gebruik:
die verskillende standaard rekenkundige simbole

die optel, aftrek, vermenigvuldig en deel van positiewe en
negatiewe getalle
berekenings tussen hakies
eenvoudige algebraese berekenings
die noteringstelsel om rekenkundige berekenings uit te voer
eenvoudige lyngrafieke en kategoriestippings te kan teken,
interpreteer en verstaan
55
IOP2601/MO051/4/2016
Dataverwerking:
Beskrywend
neiging
6. Maatstawwe van
varieerbaarheid
7. Korrelasie
8. Regressie
56
IOP2601/MO051/4/2016
Nuwe Sterre die kompetisie tot dusver
NUWE STERRE
Hierdie nuwe werklikheidsprogram het groot aanhang en opgewondenheid ontlok. Duisende
aansoeke is van regoor Suid-Afrika ontvang. Om deur die aansoeke te werk om die 10
deelnemers vir die leerlingskapprogram te kies, was meer as n veeleisende oefening. Die
navorsingspan was ook hard aan die werk en die inligting wat hulle ingesamel het, sal in die
volgende vyf leereenhede gebruik word.
Leereenheid 4 stel ondersoek in na die voorstelling van data hoe die massiewe
hoeveelheid inligting opgesom en vereenvoudig kan word en verslag daaroor gedoen kan
word. Vrae soos: Hoeveel aansoeke is van elke provinsie ontvang? Wat is die biografiese
eienskappe (ras, geslag, huwelikstatus) van die deelnemers en beoordelaars?
Leereenheid 5 bespreek die maatstawwe van sentrale neiging deur metodes te
ondersoek om die inligting te beskryf deur die middelpunt van die data aan te dui deur die
gemiddelde, modus en mediaan te gebruik. Vrae soos: Wat is die gemiddelde telling van die
beoordelaars vir die deelnemers se prestasie in die eerste week? Wat is die telling wat die
meeste deur elke beoordelaar in die eerste week gegee is?
Leereenheid 6 bespreek die maatstawwe van varieerbaarheid hoe die inligting beskryf
kan word deur te kyk hoe die tellings verspreid is rondom die gemiddelde deur die omvang,
variansie en die standaardafwyking te gebruik.
Leereenheid 7 neem die beskrywing van die inligting verder deur na die verhouding tussen
twee veranderlikes te kyk. Vrae kan bepaal of daar n verhouding bestaan tussen die tellings
wat die deelnemers gedurende hulle voorbereidingsaktiwiteite ontvang het en hulle tellings
vir hulle optrede vir daardie week.
Leereenheid 8 maak aannames wat gegrond is op die verhouding tussen veranderlikes om
voorspellings te maak. Byvoorbeeld, indien daar n sterk verhouding tussen voorbereiding en
prestasie bestaan, kan regressie-ontleding gebruik word om n veranderlike te voorspel op
grond van die berekende verhouding.
So kom ons begin met hoe die navorsingspan die inligting kan opsom en voorstel.
57
IOP2601/MO051/4/2016
Leereenheid 4: Aanbieding van data
Dit is n bekende feit dat baie mense prente, simbole en grafiese voorstellings beter onthou
as geskrewe woorde. Grafiese voorstellings is veral n manier om syfers sinvol te organiseer
en voor te stel.
Grafieke het ook n manier om inligting te vereenvoudig wat langer kan neem om oor te dra
of te lees indien dit in woorde of net in syfers voorgestel is. As jy byvoorbeeld vir die Nuwe
Sterre-projek verslag wil doen oor die aansoeke wat ontvang is, kan dit lank neem, terwyl dit
maklik in tabelle en grafieke voorgestel kan word. Dit is waarom jy in hierdie leereenheid
gaan leer om data deur middel van frekwensieverspreiding in tabelle aan te bied en ook om
dit grafies deur middel van frekwensiestaafdiagramme en histogramme aan te bied. Sodra
data grafies voorgestel is, is dit meer betekenisvol om dit in terme van skeefheid en kurtose
te beskryf. Afgesien daarvan dat frekwensievoorstellings met kumulatiewe persentasiefrekwensies ons vertroud maak met die data, maak dit dit vir ons moontlik om persentiele en
persentielomvang uit te werk waarmee ons die posisie van sekere tellings ten opsigte van
ander tellings in die distribusie kan bepaal.
Dit is nodig dat ons uit die staanspoor n belangrike onderskeid tref tussen datasoorte wat
op verskillende maniere aangebied/voorgestel moet word. Kategoriese of diskrete data
(ongegroepeerde data) word in frekwensieverspreidingstabelle en staafdiagramme
aangebied, terwyl kontinue data (gegroepeerde data) in frekwensieverspreidingstabelle en
histogramme aangebied word.
4.1
1.
2.
58
Lees die inleiding tot tutoriaal 2 op bladsy 18 en 19 in Tredoux en Durrheim (2013).

Voltooi dan aktiwiteit 2.1 op bladsy 19.
Bestudeer die uitslae van die behandeling van tuberkulose (TB) wat in tabel 2.1 op
bladsy 20 van Tredoux en Durrheim (2013) gegee word. Watter afleidings (inferensies)
kan jy oor die behandelingsuitslae maak deur bloot na die tabel te kyk?
IOP2601/MO051/4/2016
1.
Ons het n lys met voorbeelde van diskrete en kontinue data saamgestel. Vergelyk jou
voorbeelde daarmee.
Diskrete data:
1.
Flieke gekyk jy kon vyf of ses flieke gekyk het, maar nie 6,5 nie.
2.
Klinte gespreek in die afgelope maand jy kon 22 of 25 klinte bedien het,

maar nie 23,25 nie.
Sigarette gerook n mens rook gewoonlik net hele sigarette. As iemand jou vra
hoeveel sigarette jy hierdie week gerook het, sal jou antwoord 13 kan wees,
maar nie 13,5 nie.
Die nommers op die truie van vlugbalspelers kan 12 of 32 wees, maar nie 12,56
of 32,45 nie.
3.
4.
2.
5.
Geslag n mens is f manlik f vroulik.
6.
n Dosis medikasie n mens kan 2,2 ml of 2,211 ml inspuit.
7.
Ure geslaap jy kan 9 ure, 9,5 ure of 9,75 ure lank slaap.
8.
Kaffeeninname jy kan 7 mg, 7,1 mg of 7,25 mg kaffeen inneem.
9.
Salaris jy kan enige bedrag rande en sente verdien.
10.
Televisie kyk jy kan vir enige getal ure en minute televisie kyk.
Stem jy saam dat daar n magdom syfers in die tabel vervat is wat glad nie sin maak
deur net daarna te kyk nie? Geen betekenisvolle patroon kan uit die stel data
gedentifiseer word nie. Omdat jy gewoonlik met so n hele datastel in hierdie kursus
gaan werk, is dit belangrik om as eerste stap onder beskrywende statistiek te leer om
data grafies sinvol aan te bied sodat betekenisvolle afleidings daarvan gemaak kan
word.
Aanstip van data: ongegroepeerde data

In die afdeling The frequency distribution op bladsy 19 van Tredoux en Durrheim (2013)
het jy die begrip frekwensie die eerste keer tegekom. Die frekwensie van n telling verwys
na die getal kere wat die gegewe telling in die datastel voorkom.
n Frekwensieverspreidingstabel en n frekwensiestaafdiagram word gebruik om ongegroepeerde data aan te bied.
Vir die Nuwe Sterre-program is 6 645 aansoeke ontvang dit is baie papierwerk om deur te
gaan en baie inligting om vas te l en oor verslag te doen.
Net n kort voorbeeld: kom ons neem die eerste 20 aansoeke en kyk wat die
geslagsverspreiding is (V = vroulik en M = manlik):
59
IOP2601/MO051/4/2016
Jy sal die aantal kere tel wat V gelys is om die totale aantal vroue in die groep te bepaal en
dieselfde met die mans doen.
Geslag
Telling
Frekwensie
11111111111111
14
111111
Jy kan hierdie voorstelling verder voer deur die persentasies in te sluit.

Geslag
Telling
Frekwensie
Persentasiefrekwensie
11111111111111
14
70
111111
30
20
100
Totaal (N)
Het jy dit reggekry om die persentasiefrekwensie te bereken? Die persentasie van elke
kategorie word bereken deur die frekwensie vir die kategorie deur die totale aantal
items/persone (N) te deel. Vir die vrouekategorie: 14 / 20 = 0,7 en om die persentasie te kry,
vermenigvuldig met 100 = 70%.
Om te kontroleer of jy al die data-items in ag geneem het, kan
jy die totaal van die frekwensiekolom bereken. Dit moet gelyk
wees aan die totale aantal data-items. In die voorbeeld hierbo
is daar 20 aansoeke. Die totaal van die frekwensies is ook
gelyk aan 20.
4.2
Soos genoem is, is 6 645 aansoeke ontvang. Die aansoeke is gesorteer volgens die SuidAfrikaanse provinsies vanwaar die aansoeke ontvang is. As ons dus verslag wil doen oor die
aantal aansoeke wat van elke provinsie in Suid-Afrika ontvang is, kan ons die
frekwensieverspreidingstabel gebruik soos hieronder aangedui. Voltooi asseblief die tabel
deur die persentasies te bereken.
60
IOP2601/MO051/4/2016
Frekwensieverspreiding vir Nuwe Sterre-aansoeke provinsies:

Provinsie
Frekwenswie
Oos-Kaap (OK)
907
Vrystaat (V)
654
Gauteng (GP)
1 506
KwaZulu-Natal (KZN)
1 215
Limpopo (L)
413
Mpumalanga (MP)
632
Noord-Kaap (NK)
Noord-Wes (NW)
Wes-Kaap (WK)
321
211
786
6 645
100
Vergelyk jou berekenings met di hieronder. As hulle verskil van die berekenings hieronder,
gaan jou berekenings weer na. Berekenings word gedoen tot twee desimale plekke.
Frekwensieverspreiding vir Nuwe Sterre-aansoeke provinsies:
Provinsie
Frekwensie
Oos-Kaap (OK)
907
13,65
Vrystaat (V)
654
9,84
1 506
22,66
KwaZulu-Natal (KZN)
1 215
18,28
Limpopo (L)
413
6,22
Mpumalanga (MP)
632
9,51
321
4,83
211
3,18
786
11,83
6 645
100
Gauteng (GP)
Noord-Kaap (NK)
Noord-wes (NW)
Wes-Kaap (WK)
Soos jy uit bogenoemde voorbeeld kan sien, word die inligting eenvoudig en in n maklik
leesbare formaat vertoon.
Noudat jy weet hoe om ongegroepeerde data met behulp van n frekwensieverspreidingstabel voor te stel, kan ons kyk hoe data grafies deur middel van die
61
IOP2601/MO051/4/2016
frekwensiestaafdiagram voorgestel word. Tredoux en Durrheim (2013) gee in figuur 2.1 op

bladsy 21 n voorbeeld van n frekwensiestaafdiagram. Dit is n grafiese voorstelling van die
datastel wat in tabel 2.1 en 2.2 op bladsy 20 voorkom.
Indien ons die vroere voorbeeld
frekwensiestaafdiagram soos volg lyk:
van
20
aansoekers
sou
gebruik,
sal
die
Frekwensie
20
15
10
5
M
Geslag
In n frekwensiestaafdiagram word elke kategorie aangedui met n staaf wat op die

horisontale as (X-as) staan. Die stawe word deur le ruimtes of spasies van mekaar geskei,
wat die diskontinuteit tussen die kategorie beklemtoon.
In die geval van hierdie kursus is enige grafiese voorstelling wat van jou gevra word
tweedimensioneel. Waar daar met frekwensies gewerk word, word die frekwensie (f) altyd
op die vertikale as en die telling (X) op die horisontale as aangeteken. Die asse moet ook
altyd n naam kry, byvoorbeeld frekwensie en geslag.
Onthou, indien die grafiek nie benoem word of byskrifte bevat nie, verskaf dit onvolledige
inligting. Indien bogenoemde grafiek nie byskrifte bevat het nie, sou jy die stawe gesien het,
maar jy sou nie geweet het waarvoor die 14 of die 6 voor staan nie. Die tabelle en grafieke is
n manier om inligting te vereenvoudig, mense moet na die tabel kan kyk en weet waarvoor
die frekwensies is, dieselfde geld vir die grafieke. In bostaande grafiek is die Y-as duidelik
frekwensie gemerk, X-as is duidelik geslag gemerk en jy weet die stawe is vir vroulik (V)
en manlik (M).
4.3
1.
2.
62
Teken die frekwensiestaafdiagram op grond van die Nuwe Sterre-aansoeke

Provinsies (kyk na die voltooide frekwensieverspreidingstabel hierbo).
In die aanvangsfases was daar heelwat debat oor waar om hierdie program te
adverteer om aansoekers uit te nooi. Die bestuur en die vervaardigers wou weet
watter bemarkingskanaal die beste gewerk het. Die response was soos volg:
IOP2601/MO051/4/2016
Frekwensieverspreiding bemarking/reklame:
Bemarkingsinstrument
Frekwensie
Koerant (K)
399
Televisie (TV)
2 193
Radio (R)
1 728
Pamflette (P)
1 395
Vriende/familie (V/F)
598
Ander (A)
199
Geen respons (GR)
133
6 645
2.1 Voltooi die frekwensieverspreidingstabel.

2.2 Stel die toepaslike frekwensiestaafdiagram op.
1.
1 600
1 400
Frekwensie
1 200
1 000
800
600
400
200
OK
VS
GP
KZN
L
MP
PROVINSIES
NK
NW
WK
63
IOP2601/MO051/4/2016
2.1
Frekwensieverspreiding bemarking/reklame:
Bemarkingsinstrument
Frekwensie
Koerant (K)
399
Televisie (TV)
2 193
33
Radio (R)
1 728
26
Pamflette (P)
1 395
21
Vriende/familie (V/F)
598
Ander (A)
199
Geen respons (GR)
133
6 645
100
2.2
2 200
2 000
1 800
1 600
Frekwensie
1 400
1 200
1 000
800
600
400
200
NK
TV
V/F
BEMARKINGSINSTRUMENT
64
GR
IOP2601/MO051/4/2016
Aanstip van data: gegroepeerde data

Ons het tot nou toe met nominale of diskrete (ongegroepeerde) data en die voorstelling
daarvan te doen gehad. Nou gaan ons die voorstelling van ordinale, intervals- en
verhoudingsdata of kontinue veranderlikes (gegroepeerde data) behandel. Ons wil hier
graag die eienskap vasl dat geen gapings tussen die datatellings voorkom nie, omdat die
data kontinu van aard is. Geen gapings kom dus tussen die reghoeke in die grafiek voor
soos in staafdiagramme nie.
In die praktyk gebeur dit dikwels dat jy met stelle data werk wat werklik n groot aantal items
het. Dit raak dan moeilik om die frekwensie van elke gebeurtenis individueel aan te teken.
Om hierdie rede maak ons gebruik van klasintervalle en teken ons die frekwensies aan vir
die klasinterval en nie vir die individuele gebeurtenisse nie. Op hierdie wyse groepeer ons
die data. Gegroepeerde data kan aangebied word in n tabel bekend as die gegroepeerde
frekwensieverspreidingstabel wat grafies in die vorm van n histogram voorgestel kan word.
Die moeilikste stap in die opstel van n gegroepeerde frekwensieverspreidingstabel is om te
besluit hoeveel klasintervalle gebruik moet word. Raam 2.1 op bladsy 23 van Tredoux en
Durrheim (2013) bied riglyne aan waarmee die getal klasintervalle en die geskikte grootte
daarvan bepaal kan word.
Soos jy kan sien, is daar baie prosedures wat jy kan gebruik om die grootte van die interval
te bereken, maar vir hierdie module sal ons altyd aandui hoe groot die interval moet wees.
In die geval van gegroepeerde data, waar daar met klasintervalle gewerk word, is die
volgende statistiek belangrik:
werklike ondergrens
werklike bogrens
Alhoewel dit in die praktyk kan gebeur dat die grootte van
klasintervalle verskil, is dit in jou geval belangrik om te onthou
dat om data sinvol aan te bied, dit nodig is om gelyke
klasintervalle te kies.
Byvoorbeeld: 1120
2130
3140
Al hierdie klasintervalle het n gelyke interval van 10.
65
IOP2601/MO051/4/2016
Indien jy die werklike ondergrens en werklike bogrens vir hierdie voorbeeld moes bereken:
Klasintervalle
Werklike ondergrens
Werklike bogrens
1120
10,5
20,5
2130
20,5
30,5
3140
30,5
40,5
Hoe het ons hierdie waardes gekry?
4.4
Bestudeer die afdeling Grouped frequency distributions op bladsy 22 tot 25 van Tredoux
en Durrheim (2013) bokant tabel 2.3. Voltooi nou aktiwiteit 2.3 op bladsy 25.
Werklike bo- en ondergrense l halfpad tussen die sigbare limiete van aanliggende
klasintervalle. Om die werklike bogrense (WBG) en werklike ondergrense (WOG) vir tabel
2.4 te bepaal, kan n mens die afstand tussen die sigbare bogrens van n interval en die
sigbare ondergrens van die volgende klasinterval neem. Die afstand word dan in twee
gedeel om die werklike bogrens vir die eerste interval te gee. Dieselfde syfer stel ook die
werklike ondergrens van die daaropvolgende interval voor. Vir die eerste klasinterval in tabel
2.4 is 89,5 die werklike bogrens vir die interval 8089. Die werklike ondergrens vir die
interval is 79,5. Die werklike bogrens vir die interval 7079 is 79,5 en die werklike
ondergrens is 69,5. Vergelyk jou ander antwoorde deur dieselfde metode te gebruik as wat
ons vir die eerste twee intervalle gebruik het.
Ons moet nou nog n frekwensieverspreidingstabel opstel. In tabel 2.4 op bladsy 26 van
Tredoux en Durrheim (2013) vind jy twee bekende terme, naamlik frekwensie en
persentasiefrekwensie. Ons het hierdie terme gebruik toe ons ongegroepeerde data
behandel het. Die nuwe begrippe in die ander twee kolomme is kumulatiewe frekwensie en
kumulatiewe persentasiefrekwensie. Syfers in hierdie kolomme toon die frekwensie of die
persentasiefrekwensie van alle gevalle met tellings onder die bogrens van die klasinterval
waarlangs hulle l. Kumulatiewe frekwensies en persentasiefrekwensies word vir elke
klasinterval bereken deur die frekwensie of persentasiefrekwensie vir n bepaalde interval by
die frekwensies of persentasiefrekwensies in alle laer intervalle op te tel.
Bestudeer die afdeling Grouped frequency distributions op bladsy 25 (laaste paragraaf) en
26 van Tredoux en Durrheim (2013). Stel dan n gegroepeerde frekwensieverspreidingstabel
vir die volgende gegewens op:
Die Nuwe Sterre-produksie het ook beoordelaarsposte vir die program geadverteer. Uit die
honderde aansoeke wat van potensile beoordelaars ontvang is, is 80 op die kortlys geplaas
en moes assessering ondergaan.
66
IOP2601/MO051/4/2016
Hier is hulle resultate.

33
48
45
70
55
57
88
54
44
29
23
43
65
78
39
53
78
67
56
63
25
32
78
65
41
33
66
56
88
68
56
23
66
45
60
61
49
58
45
54
76
34
54
34
80
65
50
69
34
50
78
54
34
55
56
86
45
70
45
50
56
54
67
89
34
50
52
71
61
59
45
55
89
76
52
51
55
87
70
90
Bykomend tot die kolomme van die tabel op bladsy 26 in Tredoux en Durrheim (2013) het
ons die werklike grense-kolom wat die WOG en WBG aandui.
Frekwensieverspreiding: Assesseringstellings vir beoordelaars van aansoekers op die kortlys

Klasinterval
Ware grense
Frekwensie
Kumulatiewe
frekwensie
Persentasie
frekwensie
Kumulatiewe
persentasie
frekwensie
8190
80,590,5
80
8,75
100
7180
70,580,5
73
10
91,25
6170
60,570,5
15
65
18,75
81,25
5160
50,560,5
23
50
28,75
62,5
4150
40,550,5
14
27
17,5
33,75
3140
30,540,5
13
11,25
16,25
2130
20,530,5
80
100
Histogramme word gebruik om gegroepeerde data (interval- of verhoudingsdata) grafies

voor te stel. Hulle lyk soos staafdiagramme, maar verskil in die volgende opsig:
Die stawe verteenwoordig frekwensies van gevalle in klasintervalle (en nie die
frekwensie van afsonderlike data-itemwaardes soos in staafdiagramme nie) wat van links
na regs en in volgorde van toenemende grootte gerangskik word.
67
IOP2601/MO051/4/2016
Geen oop ruimtes word tussen stawe toegelaat nie, omdat geen gapings tussen klasse
voorkom soos in staafdiagramme nie.
Die stawe in die grafiese voorstelling word aangedui deur die middelpunt van elke
klasinterval te gebruik. Jy sal die vergelyking vir die middelpunt van die klasinterval op
bladsy 27 van Tredoux en Durrheim (2013) vind (kyk vergelyking 2.1).
4.5
1.
Bestudeer die afdeling The histogram op bladsy 27 tot 28 van Tredoux en Durrheim
(2013). Voltooi nou aktiwiteit 2.6 op bladsy 28.
Die volgende aktiwiteite het betrekking op alles wat jy tot dusver oor gegroepeerde
data geleer het.
2.
Voltooi die onderstaande sinne:

2.1
2.2
2.3
2.4
3.
Die werklike ondergrens is die ................... waarde wat in die spesifieke

klasinterval geklassifiseer kan word.
Die werklike bogrens is die .................... waarde wat in die spesifieke klasinterval
geklassifiseer kan word.
Die middelpunt is die .................... van die onder- en bogrens.
Wanneer gegroepeerde data grafies in die vorm van histogramme voorgestel
word, word die reghoek aan weerskante van die .................... op die
.................... -as van die grafiek getrek.
Bepaal die werklike ondergrens, werklike bogrens en middelpunt van die volgende stel
klasintervalle.
Klasinterval
Werklike
ondergrens
Werklike bogrens
Middelpunt
14
58
6,5
912
1316
1720
Middelpunt = gemiddelde van die boonste en onderste limiet van die klasinterval
= (8 + 5)/2
= 6,5
68
IOP2601/MO051/4/2016
4.
5.
1.
Stel n grafiese aanbieding op van die assesseringstellings vir beoordelaars op die

kortlys.
Voltooi oefening 3 (a) en (b) op bladsy 39 van Tredoux en Durrheim.
Ons het die middelpunt van die interval 8089 uitgewerk en jy kan dit as n voorbeeld
gebruik. Vergelyk jou berekening met ons sn en bereken die ander middelpunte op
dieselfde manier.
Middelpunt van klasinterval
Middelpunt van klasinterval 80-89
2.
3.
= WOG + (WBG WOG)

2
= 79,5 + ((89,5-79,5)/2)
= 79,5 + 5
= 84,5
Die middelpunt vir klasinterval 8089 is 84,5.

2.1
Laagste (kleinste)
2.2
Hoogste (grootste)
2.3
Gemiddeld
2.4
Middelpunte; horisontaal
Jy sal sien dat die volgende klasintervalle almal dieselfde grootte van 4 het.
Klasinterval
Werklike ondergrens
Werklike bogrens
Middelpunt
14
0,5
4,5
2,5
58
4,5
8,5
6,5
912
8,5
12,5
10,5
1316
12,5
16,5
14,5
1720
16,5
20,5
18,5
69
IOP2601/MO051/4/2016
4.
25
Frekwensie
20
15
10
25,5 35,5 45,5 55,5 65,5 75,5 85,5

ASSESSERINGSTELLINGS
5(a) Omvang = 46 + 1 = 47 en groeperings van 5 gee dus 10 klasintervalle.

Dit is die standaard, en hoewel die besluit betreklik arbitrr is, sal n klasinterval van 5
gebruik word.
WOG 97,495
WBG 102,495
Middelpunt =
97,495 + (102,495 97,495)/2
=
100
Tabel: Frekwensieverspreidingstabel van IK-tellings

Klasinterval
Frekwensie
Kumulatiewe
frekwensie
% Frekwensie
Kumulatiewe %
frekwensie
82,587,49
87,592,49
13
13
21
92,597,49
13
26
22
43
97,5102,49
11
37
18
61
102,5107,49
46
15
76
107,5112,49
112,5117,49
117,5122,49
122,5-127,49
127,5-132,49
5
2
4
2
1
51
53
57
59
60
8
3
7
3
2
84
87
94
97
100
70
IOP2601/MO051/4/2016
5(b) Histogram
14
12
Frekwensie
10
8
6
4
2
0
85,0 90,0 95,0 100,0 105,0 110,0 115,0 120,0 125,0 130,0
IK-telling
In die geval waar n telling presies op die werklike bogrens van n

klasinterval en op die daaropvolgende klasinterval se werklike
ondergrens val, byvoorbeeld 14,5, kan dit in enige van die twee
klasintervalle gegroepeer word. Dit bly egter belangrik om
konsekwent met al hierdie grensgevalle te wees.
Beskrywing van distribusies

Jy kan nou ongegroepeerde en gegroepeerde data grafies voorstel. Die frekwensiestaafdiagram en die histogram wat jy getrek het, kan dan beskryf word, sodat dit sinvol
genterpreteer kan word ten opsigte van twee hoofeienskappe, naamlik skeefheid en
kurtose.
Skeefheid
Bestudeer die afdeling Describing frequency distributions op bladsy 28 tot 31 van Tredoux
en Durrheim (2013).
Kurtose
Ons verwys na die spitsheid van verspreiding as die kurtose van daardie verspreiding.
Bestudeer die definisie van kurtose wat hieronder gegee word en sorg dat jy grafies tussen
71
IOP2601/MO051/4/2016
die verskillende soorte kurtoses kan onderskei. Vervolgens haal ons die definisie en
beskrywing van die soorte kurtose uit Howell (1995, pp. 4042) aan.
Kurtosis has a specific mathematical definition, but basically it refers to the relative
concentration of scores in the centre, the upper and lower ends (tails), and the
shoulders (between the centre and the tails) of a distribution. A normal distribution is
called mesokurtic. Its tails are neither too thin nor too thick, and there are neither too
many nor too few scores concentrated in the centre. If you start with a normal
distribution and move scores from both the centre and the tails into the shoulders, the
curve becomes flatter and is called platykurtic. If, on the other hand, you moved
scores from the shoulders into both the centre and the tails, the curve becomes more
peaked with thicker tails. Such a curve is called leptokurtic. In this distribution there
are too many scores in the centre and too many scores in the tails.
Figuur 2.7 op bladsy 30 van Tredoux en Durrheim (2013) bied n voorbeeld van n spits
(leptokurtiese) en n plat (platikurtiese) verspreiding.
4.6
1.
2.
Identifiseer die twee hoofeienskappe en hulle verskillende soorte, waarvolgens

distribusies beskryf kan word.
Maak n vryhandskets van elke soort distribusie.
1.
Skeefheid
simmetriese distribusie
bimodale distribusie (tweetoppig)
unimodale distribusie (eentoppig)
negatief skewe distribusie (skeef na links, dws die lang stert wys na die
negatiewe/klein getalle toe). n Voorbeeld hiervan verskyn regs in figuur 2.6 op
bladsy 30 van Tredoux en Durrheim.
positief skewe distribusie (skeef na regs, dws die lang stert wys na die
positiewe/groot getalle toe). n Voorbeeld hiervan verskyn links in figuur 2.6 op
bladsy 30 van Tredoux en Durrheim.
Kurtose
72
platikurtiese distribusie (plat, dws baie ho en lae waardes)

leptokurtiese distribusie (spits, dws min ho en lae waardes)
mesokurtiese distribusie (normaal)
IOP2601/MO051/4/2016
Normaal/Mesokurties
Skeefheid
Negatief skeef
Kurtose
Leptokurties
Bimodaal
Positief skeef
Platikurties
Persentielomvang en persentiele
Om die data nog beter te verstaan, kan ons datafrekwensie-aanbiedings met kumulatiewe
persentasiefrekwensies aanwend om persentiele en persentielomvang uit te werk.
Frekwensies maak dit vir ons moontlik om bepaalde waardes in verhouding tot ander
waardes in n distribusie te vind, om te bepaal watter proporsie tellings hor of laer as n
spesifieke waarde l en om te bepaal watter proporsie tellings tussen twee waardes l.
Dit is belangrik om te onderskei tussen die telling wat n individu in n toets behaal het en die
persentielrang wat hierdie telling verteenwoordig, en die persentiel wat die punt op die skaal
is wat met n gegewe persentielrang ooreenstem.
Jy moet die volgende kan bereken en interpreteer:
persentielrang (vergelyking 2.2 op bladsy 32 van Tredoux en Durrheim [2013])

persentiele (vergelyking 2.3 op bladsy 33 van Tredoux en Durrheim [2013])
persentasies of frekwensies van tellings wat onder of bo n gegewe telling of tussen twee
tellings l (formules op bladsy 35 van Tredoux en Durrheim [2013])
Persentiele deel n distribusie in 100 klein intervalle in, vanaf die 1ste tot die 100ste
persentiel. Distribusies kan ook in halwes, kwarte en tiendes ingedeel word. Die 50ste
persentiel word ook die mediaan genoem, terwyl die 25ste en 75ste persentiel as die 1ste en
73
IOP2601/MO051/4/2016
3de kwartiel bekend staan. Die 1ste, 2de, 3de ... desiel is die 10de, 20ste en 30ste
persentiel.
4.7
Bestudeer die afdeling Persentielrangs and percentiles op bladsy 31 tot 38 van Tredoux
en Durrheim (2013). Voltooi dan die volgende aktiwiteite.
1.
2.
Doen oefening 3(c), (d) en (e) op bladsy 39 van Tredoux en Durrheim (2013).
Jy hoef nie die frekwensietabel vir hierdie datastel op te stel nie, aangesien jy die een
kan gebruik wat jy reeds in oefening 3(a) en (b) gedoen het in die aktiwiteite aan die
begin van hierdie leereenheid.
Gebruik die tellings van die assessering van beoordelaars op die kortlys en doen die
volgende oefeninge.
2.1
2.2
Watter telling word op die 35ste persentiel gevind?

Bepaal die persentielrang van 70.
Tabel: ESP-tellings (n = 30)

7
16
11
17
10
12
10
1
3(c)
%
= 43 + 100 97,495 (18)

5
= 52
Ongeveer 52% van die tellings l by of onder n telling van 100. Hierdie steekproef het n
gemiddelde telling wat effens laer is as di vir die res van die populasie.
74
IOP2601/MO051/4/2016
3(d)
= 102,495 + 75 61 (5)
15
= 107
3(e)
%
Ons weet dat 75% van die distribusie by of onder 107 l (kyk 3(d)). Ons moet bereken watter
persentasie onder n telling van 92 val. As ons dit bepaal het, kan ons bereken watter
persentasie tussen die twee tellings l.
persentielrang = 8 + 92 87,495 (13)

5

= 19,7
Ongeveer 20% van die distribusie l dus by of onder 92 en ongeveer 75% l by of onder
107.
Dus val 75% 20% = 55% van die tellings tussen n telling van 92 en 107.
2.1
WOG
PR
% onder
interval %
telling van p
%
%
= 50,5 (die werklike ondergrens van die klasinterval wat die

50ste persentielrangtelling bevat)
= 35 (die persentielrang waarin ons belangstel)
= 33,75 (die kumulatiewe persentasiefrekwensie van die
klasinterval onder die een waarin ons belangstel)
= 28,75 (die persentasiefrekwensie van die klasinterval
waarin ons belangstel)
= 50,5 + 35 33,75 (10)
28,75
= 50,93
75
IOP2601/MO051/4/2016
2.2
%
Waar:
% onder
telling
WOG
Kumulatiewe persentasiefrekwensie van die

klasinterval onder die interval waarin die telling van
belang val
die telling ten opsigte waarvan ons die
persentielrang wil bepaal
werklike ondergrens van die interval waarin die
telling van belang val
klasinterval-wydte
die wydte van die klasinterval
interval %
die persentasie van die distribusie wat in die interval
% onder
telling
WOG
klasintervalwydte
interval %
persentasierang
van belang val

62,5
70
60,5
10
18,75
62,5 + 70 60,5 (18,75)
10
80,31
=
=
=
=
=
=
=
Ons wil jou graag n voorbeeld gee van hoe data op n

rekenaardrukstuk aangebied word. Ons het SPSS op die datastel
hieronder toegepas om n staafdiagram te verkry. As jy toegang tot n
rekenaar het, sal jy hierdie gegewens op die CD vind wat die
handboek vergesel. Soek onder die laaste opskrif A1 Introduction to
SPSS en kies dan Additional exercises.
Hier volg die frekwensiedata wat die ouderdomme van die verskillende deelnemers aan die
opname toon.
Ouderdom
76
Frekwensie
1018 jaar
17
21,3
1824 jaar
3,8
2430 jaar
23
28,8
3040 jaar
20
2,5
40+ jaar
17
21,3
Telling
IOP2601/MO051/4/2016
30
20
10
1018 jaar
2430 jaar
1824 jaar
40+ jaar
3040 jaar
Ouderdomkategorie
Noudat jy leereenheid 4 bestudeer het, behoort jy:
n Stel data in tabelvorm te kan aanbied, spesifiek as n

gegroepeerde of ongegroepeerde frekwensie-verspreidingstabel of as n kumulatiewe frekwensie-verspreidingstabel
die volgende tipes grafieke te kan teken:
distribusies op grond van die volgende twee eienskappe

te kan onderskei en teken:
skeefheid
kurtose
die volgende te kan bereken en verstaan:
frekwensiestaafdiagramme
histogramme
persentielomvang
persentiele
verskillende tipes grafiese voorstellings en eienskappe

daarvan op rekenaardrukstukke te kan identifiseer
77
IOP2601/MO051/4/2016
LEEREENHEID 5:
Wanneer navorsing gedoen word, word dikwels met groot stelle data gewerk. n Datastel is
n versameling van al die datapunte wat in n bepaalde ondersoek ingesamel is en wat
gewoonlik in tabelvorm aangebied word. Hierdie datastelle maak waarskynlik op die oog af
geen sin nie. In leereenheid 4 het jy geleer dat ons n datastel kan saamvat of vereenvoudig
deur dit visueel voor te stel. Die onderstaande stel data is gegrond op n gedeelte van die
inligting wat in die eerste week uit die Nuwe-Sterre-aktiwiteite ingesamel is. Kyk n bietjie
hoe die deelnemers die eerste week gevaar het. Miskien het jy toe jy hulle profiel gelees het
reeds van een of twee van hulle gehou of nie gehou nie. Die kompetisie het begin!
Tellings van die voorbereidingsaktiwiteite is volgens n 10-puntskaal gedoen, met 1 wat die
laagste is en 10 die hoogste. Soos wat in elke kolom aangedui is, is die telling ontvang vir
die verskillende aktiwiteite in die week en die laaste kolom n totale telling wanneer jy al vyf
aktiwiteite bymekaar tel.
Week 1: Puntetellings vir voorbereidingsaktiwiteite
Deelnemers
Dramaklasse vir
verhoogoptrede
Stemop- Voorkomsleiding
verandering
Onderhoudvaardighedekursus
Hantering
van publiek
& media
Totale
tellings vir
Week 1
1. Vuyo K
38
2. Lebo
24
3. Sasha
32
4. Susan
31
5. David
26
6. Tshepo
28
7. Indresan
31
8. Shelley
37
9. Cameron
34
35
10. Kerry
78
IOP2601/MO051/4/2016
Hierdie leereenheid sal n alternatiewe metode verduidelik waarvolgens n datastel beskryf

kan word, naamlik deur n meting van sentrale neiging te gebruik.
Ons ondersoek drie maatstawwe van sentrale neiging: die gemiddelde, modus en mediaan.
Hierdie maatstawwe dui almal die middel van n datastel aan. Die diagram hieronder bied
n grafiese voorstelling van die drie maatstawwe. Ons verwag dat jy die toepaslike blokkies
sal invul namate jy deur die leereenheid vorder.
SENTRALE NEIGING
5.1
Bestudeer die inleiding tot hierdie tutoriaal op bladsy 40 tot 41 van Tredoux en Durrheim
(2013) wat n kort uiteensetting van elke maatstaf van sentrale neiging gee.
Elke maatstaf word meer volledig in die onderstaande paragrawe bespreek.
Wat is die gemiddelde ( )?

Dink terug aan jou skooldae en jou rapport aan die einde van die jaar. Vir elke vak het jy n
punt gekry en ook n gemiddelde punt vir die jaar wat jou f laat slaag f laat druip het.
Gewoonlik is die gemiddelde persentasie van die klas ook in jou rapport aangedui en was
jou ouers gelukkig met jou prestasie of moes jy verduidelik waarom jy soveel swakker as die
klasgemiddeld presteer het.
Hierdie klasgemiddelde is een van die maatstawwe van sentrale neiging. Ons gaan eerstens
na n meer formele omskrywing van die begrip gemiddelde kyk, en daarna kyk hoe dit
bereken word .
79
IOP2601/MO051/4/2016
5.2
Bestudeer bladsy 41 tot 43 in Tredoux en Durrheim (2013). Let op hoe hulle die term
definieer en hoe die formule gebruik word.
Hulle verwys op bladsy 43 na een van die beperkings van die gemiddelde, naamlik dat dit
nie rekening hou met uitskietertellings nie. Jy kan hul bespreking op bladsy 43 tot 44 lees
van die geknipte/gesnoeide gemiddelde wat vir die uitwerking van enige uitskietertellings in
die gemiddelde waarde van n datastel vergoed.
Hoewel jy bewus moet wees van die geknipte gemiddelde, hoef jy dit nie vir die eksamen te
ken nie.
5.3
1
Formuleer jou eie beskrywing van n gemiddelde:
2.
Kyk of jy die gemiddelde vir die volgende datastelle reg kan bereken:
(Let wel: As jy vertroud is met die berekening van die gemiddelde is dit nie nodig om
al ses oefeninge te doen nie. Doen slegs twee en gaan aan met die volgende vraag.)
2.1
2.2
2.3
2.4
2.5
2.6
3.
80
Die telling vir die dramaklasaktiwiteite van al 10 deelnemers

Die telling vir die stemopleidingsaktiwiteit van al 10 deelnemers
Susan se telling vir al vyf aktiwiteite
Die telling vir die onderhoudsvaardigheidsopleiding vir al 10 deelnemers
Die puntetellings vir die opleidingsaktiwiteite vir die hantering van aanhangers en
die media vir al 10 deelnemers
Shelley se puntetellings vir al vyf aktiwiteite
Wat is die gemiddelde puntetelling vir die voorbereidingsaktiwiteite vir Week 1 van al
10 deelnemers?
IOP2601/MO051/4/2016
1.
Die gemiddelde is die som van al die tellings gedeel deur die aantal tellings.
2.1
2.2
2.3
2.4
2.5
2.6
Dramaklasse vir verhoogoptrede: 8 + 5 + 8 + 6 + 6 + 7 + 8 + 8 + 7 + 9 / 10

= 72 / 10 = 7,2
6,5
6,2
5,9
5,7
7,4
3.
31,6
Uit dit wat jy hierbo baasgeraak het, behoort die gemiddelde vir jou duidelik te wees
en behoort jy
dit te kan omskryf; en

dit te kan bereken
Die volgende twee maatstawwe sal dalk vir jou vreemder wees, maar met n bietjie gesonde
verstand en nadenke oor die algemene spreektaal en hoe die woorde gebruik word, sal die
begrippe vir jou makliker wees.
Wat is die mediaan?

Die tweede maatstaf van sentrale neiging is die vreemdste, maar as jy mooi daaroor nadink,
is dit dalk voor die hand liggend.
Van watter woord dink jy is mediaan afgelei? Watter betekenisse kan aan die woord
medium geheg word? (Dink aan die drie keuses wat jy het as jy biefstuk in n restaurant
bestel goed gaar, medium of half gaar. Hoe sou biefstuk wees wat medium gaar is?)
5.4
Bestudeer bladsy 45 tot 46 van Tredoux en Durrheim (2013) en sorg dat jy die definisie van
die term ken en weet hoe om die mediaan te bereken.
81
IOP2601/MO051/4/2016
Onthou om altyd die volgende drie stappe met die berekening

van die mediaan toe te pas:
1.
Bereken altyd eers die mediaanposisie deur middel van die

formule.
2.
Orden die data van die kleinste na die grootste getalle f

van die grootste na die kleinste getalle.
Tel die posisies tot by die mediaanposisie wat jy in stap 1
bereken het en bepaal die mediaan.
3.
5.5
1.
Gee jou eie definisie van die term mediaan:
2.
Bereken die mediaan vir die volgende datastelle:

(Let wel: As jy vertroud is met die berekening van die mediaan is dit nie nodig om al
ses oefeninge te doen nie. Doen slegs twee en gaan aan met die volgende vraag.)
2.1
2.2
2.3
2.4
2.5
2.6

3.
Wat is die mediaan vir die voorbereidingsaktiwiteite vir Week 1 van al 10 deelnemers?
1.
Die mediaan is daardie telling wat presies in die middel van n verspreiding val as al
die tellings in numeriese volgorde gerangskik is. Hierdie telling hoef nie noodwendig in
die oorspronklike datastel teenwoordig te wees nie.
2.1
Dramaklasse vir verhoogoptrede:
Stap 1:
11/2 = 5,5de posisie
82
IOP2601/MO051/4/2016
Stap 2:
5; 6; 6; 7; 7; 8; 8; 8; 8; 9
Stap 3:
7 + 8 / 2 = 7, 5 As die mediaanposisie tussen twee tellings l, tel hierdie

tellings by mekaar en deel deur 2. Dit gee vir jou die mediaan.
2.2
2.3
2.4
2.5
2.6
6,5
6
6
5,5
8
3.
31,5
Jy wonder seker waarom jy nou moet leer om nog n maatstaf van sentrale neiging te
bereken as jy reeds weet hoe om die gemiddelde te bepaal. Die mediaan verskil ietwat van
die gemiddelde en kan soms in die plek van die gemiddelde gebruik word.
Hier volg bykomende inligting oor die verskil tussen die mediaan en die gemiddelde:
Die wesenlike verskil tussen die gemiddelde en die mediaan is dat die gemiddelde die
waarde van elke telling in die distribusie weerspiel, terwyl die mediaan grootliks
gegrond is op die posisie van die middelpunt van die distribusie, sonder om die
spesifieke waarde van baie van die tellings in ag te neem.
Kyk goed na die volgende tabel:
Telling
Gemiddelde
Mediaan
12345
1 2 3 4 50
12
1 2 3 4 100
22
Slegs die laaste getal in elke stel tellings verskil. Die gemiddelde weerspiel hierdie
verskille, maar die mediaan nie. Die spesifieke waarde van die ekstreme tellings
benvloed nie die mediaan nie, maar wel die gemiddelde.
Kortom, as jou datastel n paar ekstreme uitskieter-datapunte bevat, kan jy die mediaan in
plaas van die gemiddelde bereken sodat jou maatstaf van sentrale neiging nie deur die
uitskietertellings geraak word nie.
Jy het nou die tweede vorm van sentrale neiging bestudeer en behoort
die mediaan te kan omskryf; en

die mediaanposisie te kan bepaal ten einde die mediaan te bereken
83
IOP2601/MO051/4/2016
Wat is die modus?

Die modus is die telling met die hoogste frekwensie in n distribusie (dit wil s, die telling wat
die meeste voorkom).
5.6
Bestudeer bladsy 46 tot 47 van Tredoux en Durrheim (2013). Sorg dat jy die definisie van
die term ken en weet hoe om die modus te bereken.
1.
Formuleer jou eie omskrywing van die term modus.
2.
Kyk of jy die modus vir die volgende datastelle reg kan bereken:
(Let wel: As jy vertroud is met die berekening van die modus is dit nie nodig om al ses
oefeninge te doen nie. Doen slegs twee en gaan aan met die volgende vraag.)
2.1
2.2
2.3
2.4
2.5

2.6
3.
Wat is die mediaan vir die voorbereidingsaktiwiteite vir Week 1 van al 10 deelnemers?
1.
Wat is die modus vir die voorbereidingsaktiwiteite vir Week 1 van al 10 deelnemers?
2.1
2.2
2.3
2.4
2.5
2.6
Dramaklasse vir verhoogoptrede: 5; 6; 6; 7; 7; 8; 8; 8; 8; 9, dus die modus is = 8.

6 en 7 (bimodaal)
6 en 7 (bimodaal)
6
4
8
3.
31
84
IOP2601/MO051/4/2016
Die aktiwiteite hierbo het jou sekerlik in staat gestel om:
die modus te kan omskryf; en

dit te kan bereken
Wat beteken sentrale neiging?
5.7
Voltooi die diagram aan die begin van die leereenheid deur die drie maatstawwe van
sentrale neiging in die toepaslike blokkies in te vul.
Noudat jy die diagram aan die begin van die leereenheid voltooi het, het jy al drie die
maatstawwe van sentrale neiging baasgeraak. Maar het jy al gedink wat sentrale neiging
behels? Hoekom stel ons as bedryfsielkundiges (en ander mense) belang in maatstawwe
van sentrale neiging? Wat is die nut, voordele en nadele daarvan?
Sit terug en dink n bietjie oor die konsep sentrale neiging. Probeer nou jou eie omskrywing
van sentrale neiging formuleer op grond van die kennis wat jy in die voorgaande baasgeraak
het.
Die figuur hieronder toon die relatiewe posisies van die modus, mediaan en gemiddelde vir
verskillende distribusies.
85
IOP2601/MO051/4/2016
Tredoux en Durrheim (2013) toon op bladsy 49 hoe die mediaan,

modus en gemiddelde met behulp van Microsoft Excel uitgewerk
kan word. Hoewel jy hierdie berekeninge nie vir die eksamen in
Microsoft Excel moet kan doen nie, moet jy tog kennis neem van
hoe die antwoorde in hierdie rekenaarprogram voorgestel word.
Nadat jy leereenheid 5 sorgvuldig bestudeer het, behoort jy
86
te verstaan wat sentrale neiging beteken en te weet dat die

gemiddelde, mediaan en modus die algemeenste
maatstawwe van sentrale neiging is
die gemiddelde, mediaan en modus van n datastel te kan
beskryf en bereken; en
enkele voor- en nadele van die maatstawwe van sentrale
neiging te kan identifiseer
IOP2601/MO051/4/2016
LEEREENHEID 6:
In die voorgaande leereenheid het jy geleer van die verskillende maatstawwe van sentrale
neiging: die modus, mediaan en gemiddelde. Hierdie maatstawwe van sentrale neiging dui
aan waar die middelpunt van n groep tellings l. Die berekening van die maatstawwe van
varieerbaarheid bied nog n tegniek wat gebruik kan word om n groep tellings te beskryf.
Hierdie metode behels meer as bloot die bepaling van die middelpunt van n groep tellings.
Ons gee nou n voorbeeld om die verwantskap tussen maatstawwe van varieerbaarheid en
maatstawwe van sentrale neiging te verduidelik.
6.1
Gestel dat jy betrokke was by n ondersoek wat in jou organisasie gedoen is. Julle het die
spanningsdruk by werknemers in vier verskillende departemente gemeet, naamlik in die
departement finansies, mensehulpbronne, bemarking en klintediens.
Kyk nou na die vier stelle data van die tellings vir die stresvlakke van die personeel in die
vier departemente. Al die departemente toon dieselfde gemiddelde, naamlik 5.
A:
B:
C:
D:
Departement Finansies:
Departement Mensehulpbronne:
Departement Klintediens:
Departement Bemarking:
4
3
2
1
5
5
5
5
6
7
8
9
87
IOP2601/MO051/4/2016
Ons kan dit grafies voorstel:
D
C
B
A
0
10
Jy sal merk dat al die werknemers oor die algemeen dieselfde mate van spanningsdruk
ervaar het (jy het n gemiddelde van 5 uit 10 vir al vier departemente verkry). Maar as jy die
res van die inligting bestudeer wat in die datastelle voorkom, sal jy merk dat elk van die
datastelle verskil ten opsigte van hoe die werknemers se tellings rondom die gemiddelde van
5 versprei is.
Trek nou die pyltjies op die ander datastelle in die figuur in, van die gemiddelde tot by die
onderskeie datapunte, soos ons vir die Departement Finansies gedoen het.
Jy kan nou self sien dat die pyltjies van Departement A na Departement D al hoe langer
word. Dit beteken dat in die Departement Finansies ongeveer al die werknemers n
gemiddelde vlak van stres ervaar, maar dat in die Departement Bemarking sommige
persone uiters lae stresvlakke ervaar, sommiges n gemiddelde vlak van stres en ander
uiters ho stresvlakke.
Dit is wat met varieerbaarheid bedoel word. Dit is n aanduiding van die mate waarin
individuele waarnemings of tellings rondom hul sentrale waardes konsentreer of daarvan
afwyk, met ander woorde hoeveel hulle rondom die sentrale waardes varieer (wissel). In ons
voorbeeld hierbo word die varieerbaarheid al hoe groter namate ons van die Departement
Finansies na die Departement Bemarking beweeg.
6.2
Bestudeer die inleiding tot tutoriaal 4 op bladsy 52 tot 54 van Tredoux en Durrheim (2013)
waarin die begrip varieerbaarheid aan die hand van twee voorbeelde verduidelik word.
Verduidelik nou self die doel van die maatstawwe van varieerbaarheid.
Die maatstawwe van varieerbaarheid word gebruik om aan te dui hoe wyd verspreid tellings
in n datastel is. Dit toon met ander woorde die verspreiding van die tellings om die sentrale
punt. In ons voorbeeld van die stresvlakke in verskillende departemente kon ons die
88
IOP2601/MO051/4/2016
verspreiding waarneem van die tellings vir die spanningsdruk wat die werknemers in elke
departement ervaar het.
Dit is noemenswaardig (soos Tredoux en Durrheim (2013) ook meld) dat varieerbaarheid die
grondslag vorm van heelparty ander statistiese konsepte en prosedures, veral waar dit gaan
om die verstaan van inferensile statistiek (indien nodig, verwys na leereenheid 2 vir n
omskrywing van inferensile statistiek).
Nuwe Sterre Week 1

Die kompetisie is aan die gang! Aan die einde van week een is die deelnemers gevra om n
liedjie van enige topkunstenaar in Suid-Afrika uit te voer en die beoordelaars het hulle
gevalueer. Die uitvoerings is gevalueer deur n 10-puntskaal te gebruik, met 1 wat die
laagste en 10 die hoogste is. Soos in elke kolom aangedui, is die punte van elk van die
beoordelaars bymekaar getel en die laaste kolom is n totale puntetelling wat verkry is deur
al die beoordelaars se punte vir elke deelnemer bymekaar te tel.
Week 1: Tellings vir uitvoerings
Deelnemers
Stella Debark
Beoordelaar 1
Ricco
Milan
Beoordelaar 2
Zee M
Beoordelaar 3
Angie
Motseneka
Beoorde-
Brian
Mahlangu
Beoorde-
laar 4
laar 5
Totale
puntetellings
vir Week 1
1. Vuyo K
35
2. Lebo
32
3. Sasha
26
4. Susan
34
5. David
34
6. Tshepo
30
7. Indresan
28
8. Shelley
33
9. Cameron
37
38
10. Kerry
89
IOP2601/MO051/4/2016
Die verskillende maatstawwe van varieerbaarheid

Noudat ons na die begrip varieerbaarheid gekyk het, kan ons gaan kyk na die verskillende
wyses waarop dit gemeet kan word, dit wil s, die verskillende maatstawwe van
varieerbaarheid. In jou geval is drie maatstawwe belangrik om te ken, naamlik:
omvang
variansie
standaardafwyking
Omvang
Volgens Tredoux en Durrheim (2013) is omvang die eenvoudigste maatstaf van
varieerbaarheid. Dit is die verskil tussen die hoogste en die laagste tellings in n datastel. Die
formule daarvoor is dus soos volg:
omvang = hoogste telling laagste telling
6.3
1.
Bereken die omvangstellings vir die volgende aspekte in die datastel van
uitvoeringstellings wat hierbo verskyn.
(Let wel: as jy vertroud is met die berekening van die omvang is dit nie nodig om al
ses oefeninge te doen nie, doen slegs twee en gaan aan met die volgende vraag.)
1.1
1.2
1.3
1.4
1.5
1.6
2.
Wat is die omvang van die puntetellings vir die prestasies van al die deelnemers vir
Week 1?
1.1
1.2
1.3
1.4
1.5
1.6
90
Beoordelaar 2: Ricco Milan se puntetellings vir al 10 deelnemers

Sasha se puntetellings van al vyf beoordelaars
Kerry se puntetellings van al vyf beoordelaars
Beoordelaar 5: Brian Mahlangu se puntetellings vir al 10 deelnemers
Vuyo K se puntetellings van al vyf beoordelaars
Tshepo se puntetellings van al vyf beoordelaars
Beoordelaar 2: Ricco Milan: Omvang = hoogste puntetelling laagste

puntetelling = 9 6 = 3.
3
3
4
2
2
IOP2601/MO051/4/2016
3.
11
LET WEL: Tredoux en Durrheim (2013) verduidelik begrippe soos die roupuntomvang
(crude range), uitgebreide omvang (extended range) en interkwartielomvang
(interquartile range). Die inligting hierbo is egter al wat jy oor die omvang hoef te
ken.
Variansie
Hierdie tweede maatstaf van varieerbaarheid is sekerlik die een wat jy keer op keer sal eien
soos wat jy met die kursus vorder. Variansie is n integrale deel van die meeste formules by
inferensile statistiek. Dit is raadsaam om variansie deeglik te bestudeer om te verstaan wat
dit beteken en om dit te kan bereken en interpreteer.
6.4
Bestudeer die afdeling oor die gemiddelde afwyking en die variansie op bladsy 56 tot 60 van
Tredoux en Durrheim (2013).
Let daarop dat jy nie die gemiddelde afwyking hoef te kan beskryf of bereken nie, maar dat
jy wel hierdie werk moet bestudeer omdat dit jou gaan help om die begrip variansie te
verstaan. Let ook daarop dat die berekeningsoefeninge vir die variansie gedoen sal word
wanneer jy die nodige afdelings vir standaardafwyking bestudeer het.
Let ook daaroap dat die oefeninge vir die berekening van die variansie gedoen sal word
wanneer die nodige afdelings vir die berekening van die standaardafwyking bestudeer is.
Wanneer jy die variansie interpreteer, moet jy die volgende in

gedagte hou:
Hoe kleiner die variansie is, hoe nader val die individuele
tellings aan die gemiddelde.
Hoe groter die variansie is, hoe verder is die individuele
tellings om die gemiddelde versprei.
Die standaardafwyking
Die standaardafwyking is die vierkantswortel van die variansie en word deur s genoteer.
Bestudeer die afdeling in Tredoux en Durrheim (2013) oor die standaardafwyking, maar
slaan die bespreking van die variansiekoffisint gerus oor.
91
IOP2601/MO051/4/2016
Die standaardafwyking is die maatstaf van varieerbaarheid wat die meeste in die praktyk
gebruik word.
Jy sal merk dat Tredoux en Durrheim (2013) eers verduidelik hoe om die variansie en
standaardafwyking vir n populasie te bereken. In hierdie kursus verwag ons dat jy die
omvang, variansie en standaardafwyking vir slegs n steekproef moet kan bepaal. Dit is wel
nuttig om eers te verstaan hoe om hierdie berekenings vir n populasie te kan doen. Kyk
goed na die berekening van die variansie en standaardafwyking in die uitgewerkte voorbeeld
wat Tredoux en Durrheim (2013) op bladsy 66 gee.
Bestudeer nou die afdeling oor die beraming van populasieparameters uit steekproefdata op
bladsy 61 tot 62 van Tredoux en Durrheim (2013).
6.5
Kies die regte antwoord uit die gegewe moontlikhede in die volgende items:
1.
Die simbool vir die steekproefvariansie is:

(1)
(2)
(3)
2.
Ons gebruik (N 1) in die variansieformule omdat

2.1
2.2
2.3
3.
2
s2
dit ons n beter skatting van die populasievariansie gee

dit makliker is om met (N 1) te deel; en
dit die verskil tussen distribusies makliker uitwys
Bereken die variansie en standaardafwyking van die volgende puntetellings wat in die
uitvoeringstellingsdatastel voorkom.
(Let wel: indien jy vertroud is met die berekening van die variansie en
standaardafwyking is dit nie nodig om al ses oefeninge te doen nie, doen slegs twee
en gaan aan met die volgende vraag.)
3.1
3.2
3.3
3.4
3.5
3.6
92
Beoordelaar 2: Ricco Milan se puntetellings vir 10 deelnemers

Sasha se puntetellings van al vyf beoordelaars
Kerry se puntetellings van al vyf beoordelaars
Beoordelaar 5: Brian Mahlangu se puntetellings vir al 10 deelnemers
Vuyo K se puntetellings van al vyf beoordelaars
Tshepo se puntetellings van al vyf beoordelaars
IOP2601/MO051/4/2016
4.
Wat is die variansie en standaardafwyking van die puntetellings vir die prestasies van
al die deelnemers vir Week 1?
Jy wil nou vasstel hoe hierdie tellings versprei is ten aansien van die sentrale waardes
en hoe dit ten opsigte van hierdie sentrale waardes varieer. Om dit te doen, moet jy
die volgende bereken: gemiddelde, modus, mediaan, omvang, variansie en
standaardafwyking.
5.
Hieronder word n aantal statistiese tegnieke en notasies gegee. Vul dit in die
onderstaande sinoptiese kaart in die regte spasie in.
Omvang
s
Variansie
Gemiddelde
s2
Variansie
Modus
Mediaan
Tegnieke om data en steekproewe met een veranderlike te interpreteer
1.
2.
3.
Alternatief (3) is die regte antwoord. Alternatief (2) verteenwoordig die

populasievariansie, terwyl alternatief (1) die gemiddelde vir n datastel X is.
Dit is belangrik om te onthou dat die variansieformule altyd (N 1) is, omdat dit ons n
beter skatting van die populasievariansie gee.
Soos voorheen genoem is, is dit raadsaam om altyd eers die volgende tabel te voltooi
voor enige berekenings gedoen word.
93
IOP2601/MO051/4/2016
Deelnemers
Rico Milan
(Beoordelaar 2)
X2
1. Vuyo K
36
2. Lebo
36
3. Sasha
49
4. Susan
49
5. David
64
6. Tshepo
36
7. Indresan
49
8. Shelley
36
9. Cameron
64
81
X = 70
X2 = 500
10. Kerry
N = 10
3.1
Variansie:
= 500 490
9
= 1.11
Standaardafwyking:
= 1,11
= 1,05
3.2
3.3
3.4
3.5
3.6
1,7
8,7
2,2
1,0
0,5
4.
12,5 3,54
94
1,3
2,95
1,48
1,0
0,71
IOP2601/MO051/4/2016
5.
Die volgende is n eenvoudige samevatting van die statistiese tegnieke en die notasies
wat daarvoor gebruik word, wat jy in leereenheid 5 (tutoriaal 3 in Tredoux en Durrheim
[2013]) en leereenheid 6 (tutoriaal 4 in Tredoux en Durrheim [2013]) geleer het.
Tegnieke om data en steekproewe met een veranderlike te interpreteer
Modus
Mediaan
Gemiddelde
Omvang
Variansie
Standaardafwyking
s2
Alle variansies en standaardafwykings is positiewe getalle.

Indien jy n negatiewe antwoord kry en/of die vierkantswortel
van n negatiewe getal probeer bereken, het jy beslis n fout
begaan. Gaan jou berekenings na!
Ons het in die inleiding tot hierdie studiegids gemeld dat
verskeie rekenaarprogramme beskikbaar is om die
statistieke te bereken wat in hierdie kursus verduidelik
word. Tredoux en Durrheim (2013) stel enkele programme
bekend, waaronder Microsoft Excel. Aan die einde van die
betrokke tutoriaal (bl 6667) verduidelik die skrywers ook
hoe om die variansie en standaardafwyking in Microsoft
Excel te bereken. Bestudeer hierdie gedeelte van die
handboek sodat jy n ander manier ken om statistieke te
bereken as jy n datastel sou tekom wat te groot is om die
vereiste statistieke met die hand uit te werk.
Tredoux en Durrheim (2013) verwys na die gebruik van die formules wat reeds in die
program ingevoer is waarmee die berekenings gedoen kan word. Om hierdie ingeboude
formules in te skryf, kan jy die stappe hieronder volg:
Plaas die merker (cursor) in die sel waarin jy die formule wil inskryf (gewoonlik aan die einde
van jou datastel).
Klik op Insert aan die bokant van die skerm.
95
IOP2601/MO051/4/2016
Kies Function op die kieslys.

Klik op die woord Statistical in die linkerkantse venster.
Rol af met die merker en lig die standaardafwyking of variansie vir die steekproef uit deur
daarop te klik.
Klik op OK.
Tik die nommer in van die eerste en laaste sel wat jy by jou berekenings wil insluit en skei
die twee nommers met n dubbelpunt. As dit reeds korrek ingevul is, klik op OK.
Die antwoord behoort outomaties in die sel te verskyn waarin jy jou merker aan die begin
geplaas het.
Onthou dat jy Microsoft Excel nie vir die eksamen hoef te kan gebruik nie. Ons wil jou net
hieroor inlig sodat jy ander hulpbronne vir statistiese berekenings ken en kan benut.
In hierdie leereenheid het ons enkele maatstawwe van die verspreiding van tellings rondom
die gemiddelde ondersoek. Die belangrikste maatstawwe is die variansie en die
standaardafwyking wat n vername rol gaan speel in jou studie van die statistiek in hierdie
module.
96
te weet wat varieerbaarheid is en dat die drie tipes

maatstawwe wat die meeste gebruik word omvang, variansie
en standaardafwyking is; en
omvang, variansie en standaardafwyking te kan definieer,
bereken en interpreteer.
IOP2601/MO051/4/2016
LEEREENHEID 7:
Korrelasie
In leereenhede 5 en 6 het jy kennis gemaak met datastelle waarin daar net een veranderlike
voorkom. Jy het geleer hoe om hierdie veranderlike te beskryf met statistieke soos die
volgende:
die gemiddelde ( )
die standaardafwyking ( )
In hierdie leereenheid kry jy te doen met datastelle met twee veranderlikes.

Jy het sekerlik al met data te doen gekry met twee veranderlikes, X en Y. Byvoorbeeld
X-tellings vir stemopleidingvoorbereiding
Y-tellings vir verhoogoptrede
of
X-tellings vir opleiding in die hantering van publiek en media
Y-tellings vir internet-interaksie
Indien n mens hierdie veranderlikes in ag wil neem, kan jy vrae soos die volgende vra:
Indien studente goed gevaar het gedurende die voorbereidingsaktiwiteite vir
verhoogoptrede, het hulle net so goed op die verhoog gevaar gedurende hul optrede? Doen
die deelnemers wat goed gevaar het in die voorbereidende opleiding of die hantering van
die publiek en media net so goed in hul internet-interaksies met die publiek en die media?
Hierdie vrae dui daarop dat n mens die twee veranderlikes gelyktydig wil beskou en ook die
uitwerking wat hulle op mekaar uitoefen, wil ondersoek. Hoe sal die een veranderlike onder
die invloed van die ander fluktueer? Ons wil dus die verwantskap of korrelasie tussen hierdie
twee veranderlikes bepaal.
Wat beteken korrelasie?

Formeel gesproke beantwoord n statistiek soos korrelasie bogenoemde vrae, met ander
woorde dit bied die antwoord op die vraag: wat is die verband tussen X en Y? In hierdie
97
IOP2601/MO051/4/2016
leereenheid gaan jy leer hoe om die verwantskap tussen twee veranderlikes te bepaal met n
statistiek bekend as korrelasie wat deur die simbool r voorgestel word.
Strooiingsdiagramme
Jy wonder seker nou: ons het pas na korrelasie verwys en nou spring ons na n nuwe begrip:
strooiingsdiagram. Hoekom? Die antwoord is eenvoudig n strooiingsdiagram is eintlik net
n grafiese voorstelling van korrelasie.
Soos jy weet, is die publiek ook by die Nuwe Sterre-vertoning betrokke kykers kan vir hulle
gunsteling ster-in-wording stem en hulle kan ook deur middel van n sosiale
netwerkfasiliteit op die Nuwe Sterre-webtuiste met hulle kommunikeer. In Week 1 het die
kykers reeds gesels en vir hulle gunstelinge gestem. Hierdie aktiwiteite is gekwantifiseer
deur die skaal van 1 tot 10 te gebruik, waar 1 die laagste is en 10 die hoogste telling.
110: die deelnemers

X: puntetelling op grond van internet-interaksie
Y: Tellings op grond van stemming
Deelnemers
98
Puntetelling op grond van

internet-interaksie
Telling op grond van

stemming
10
IOP2601/MO051/4/2016
Telling op grond van stemming
Bestudeer die onderstaande strooiingsdiagram van hierdie data wat deur die rekenaar
gegenereer is:
Puntetelling op grond van internet-interaksie
7.1
Kon jy agterkom hoe die strooiingsdiagram geteken word?
As jy na die tabel hierbo kyk, sal jy sien dat die datapunte vir deelnemers 1 en 2 soos volg
is:
Deelnemer
99
IOP2601/MO051/4/2016
Op die onderstaande diagram is hierdie twee datapunte reeds met swart kolle aangedui.
y
8
7
Stemtelling
6
5
4
3
2
1
1
Puntetelling op grond van internet-interaksie
Sien jy dat Deelnemer 1 se datapunt reg bokant 2 op die x-as en regs van 2 op die y-as is?
Dit is hoe so n datapunt gestip word.
Skryf die regte syfer op die volgende twee stippellyne in:
Deelnemer 2 se datapunt is bokant ... op die x-as, en regs van ... op die y-as. (Die twee
syfers is 3 en 5.) Maak seker of Deelnemer 2 se datapunt korrek op die grafiek aangedui is.
Jy behoort nou te verstaan hoe n strooiingsdiagram geteken word.
Gebruik nou die tabel met al 10 werknemers se data en teken die datapunte vir Deelnemers
3 tot 10 op die grafiek, al het jy die korrek voltooide rekenaargegenereerde strooiingsdiagram reeds gesien. Jou leerdoelwit is om dit self te kan teken.
Wanneer jy klaar is, moet jou strooiingsdiagram lyk soos die reeds voltooide
rekenaargegenereerde een. Vergelyk dit daarmee.
Die korrelasiekoffisint
Noudat jy strooiingsdiagramme kan stip, kom ons keer terug na korrelasie, of om meer
spesifiek te wees, die korrelasiekoffisint.
Berekening van die korrelasiekofisint

Blaai naagter waar n lys van formules voorsien word. Soek die formule langs die simbool r.
Ons gaan hierdie formule gebruik om die korrelasiekoffisint te bereken. Hierdie formule
staan bekend as Pearson se produk-moment-korrelasiekoffisint en word algemeen
gebruik om korrelasie te bereken.
100
IOP2601/MO051/4/2016
Onthou jy nog die verskillende berekeninge van die

sommasienotasie wat jy in leereenheid 3 en tutoriaal 24
geleer het? Indien nie, blaai gou terug en verfris jou geheue.
Jy sal altyd weet wat N is, dus as jy die waardes X, Y,
X2, Y2, XY, XY; bereken het, hoef jy dit net te vervang
in die formule en die oorblywende berekeninge te doen.
7.2
Werk deur die praktiese voorbeeld hieronder wat jou sal wys hoe om te werk te gaan as ons
jou n opdrag soos die volgende gee:
Bereken die verband tussen die puntetellings op grond van die internet-interaksie (X) op die
sosiale netwerkwebtuiste en die stemming (Y) vir die 10 deelnemers. (Hierdie is dieselfde as
die data wat jy gebruik het om die strooiingsdiagram vroer te stip.)
Deelnemer
1
2
3
4
5
6
7
8
9
10
X
2
3
2
5
5
3
7
4
6
8
Y
2
5
4
6
3
3
5
4
5
7
X2
Y2
XY
25
15
16
25
36
30
25
15
49
25
35
16
16
16
36
25
30
49
56
X = 45
Y = 44
64
2
X = 241
Y = 214
XY = 218
101
IOP2601/MO051/4/2016
Nadat jy nou die tabel hierbo voltooi het, is dit net nodig om die notasies met die syfers te
vervang.
10 218
10 24
45 44
45
10 214
2180
2410
200
44
1980
2025 2140
1936
78540
200
280,24988
0,71365
0,71
n Korrelasiekoffisint kan net n waarde van 1 tot 1 aanneem.
Dus, as jou antwoord ooit kleiner as (<) 1 of groter as (>) 1 is,
kontroleer jou berekeninge! Jy het beslis iewers n berekeningsfout
gemaak!
7.3
Probeer nou om die volgende oefening self te doen:
1. Is daar n verband tussen die puntetellings wat deelnemers behaal het vir die
voorbereidingsaktiwiteite en hul uitvoerings voor die beoordelaars aan die einde van
die eerste week?
102
IOP2601/MO051/4/2016
Deelnemers
Voorbereidingsaktiwiteite
X
Uitvoeringspuntetellings
Y
38
35
24
32
32
26
31
34
26
34
28
30
31
28
37
33
34
37
10
35
38
N = 10
X = 316
Y = 327
Om bogenoemde navorsingvraag te beantwoord, bereken die produk-moment-korrelasiekoffisient vir bogenoemde data.

2.
Wat is die verhouding tussen die puntetellings vir die deelnemers se

onderhoudsvaardigheidskursus
en
die
aanhangers-en-mediahanteringskursus
onderskeidelik?
Deelnemers
Onderhoudsvaardigheidskursus
Aanhangers-en-mediahanteringskursus
10
N = 10
X = 59
Y = 57
Bereken die produk-moment-korrelasiekoffisint vir hierdie data.
103
IOP2601/MO051/4/2016
Onthou dat jy moet begin met die voltooiing van die tabel deur al die sommasienotasies
te doen. Dit maak dinge makliker vir jou vir al die berekenings wat jy later moet doen, jy sal
slegs die waardes in hierdie sommasienotasietabel in die verskillende formules vervang. So
maak seker jy werk baie akkuraat en dat al jou berekenings reg is. Voordat jy paniekerig
raak en dink jou antwoord is verkeerd, gaan jou berekenings na.
1.
0,31
2.
0,42
Wat beteken hierdie antwoorde dus vir ons oor die verband tussen hierdie veranderlikes?
Om te s dat daar n verhouding van 0,31 tussen voorbereidingsaktiwiteite en
uitvoeringstellings is, beteken nie veel nie. Daarom moet ons die korrelasiekoffisint
interpreteer.
Interpretasie van die korrelasiekoffisint

Ons gaan vier maniere om n korrelasiekoffisint te interpreteer met jou behandel:
Aard
Sterkte
Afleidings
Gemeenskaplike variansie
Aard
Wat die aard van n korrelasiekoffisint betref, kan n korrelasie f negatief f positief wees:
positief (0,00 tot 1,00)

of
negatief (1,00 tot 0,00)
Bepaal die aard van die korrelasie deur na die antwoord te kyk. As die antwoord wat jy
verkry het positief is, is die verband ook positief en omgekeerd. Maar wat beteken n
positiewe of negatiewe verwantskap?
Volgens Tredoux en Durrheim (2013, p. 184) beteken n r van 1 n perfekte negatiewe
korrelasie (n perfekte inverse relasie waarin die waarde van Y afneem namate die waarde
van X toeneem), terwyl n r van +1 n perfekte positiewe korrelasie beteken (waar die waarde
van X en Y saam toeneem en afneem).
Jy kan ook die aard van n korrelasie bepaal deur na die strooiingsdiagram van die twee
veranderlikes te kyk. As die datastel strek vanaf die linkerkantse hoek onder na die
regterkantse hoek bo, is die verband positief (namate X toeneem, neem die waardes van Y
ook toe). Strek die datastel egter van die linkerkantse hoek bo na die regterkantse hoek
onder, is die verwantskap negatief (namate X toeneem, neem die waardes van Y af). Hierdie
104
IOP2601/MO051/4/2016
verhoudings word grafies voorgestel in figuur 10.4 en 10.5 op bladsy 172 van Tredoux en
Durrheim (2013).
Voorbeelde van n positiewe korrelasie
Algemeen. Hoe meer snye brood n persoon daagliks vir middagete nuttig, hoe groter
sal die persoon se gewig wees. Dit is n positiewe korrelasie omdat n toename in een
veranderlike (die aantal snye brood) met n toename in die ander veranderlike korreleer
(gewig).
In die werksituasie. Hoe meer jare opleiding n persoon ontvang het, hoe hor is die
persoon se salaris.
Voorbeelde van n negatiewe korrelasie
Algemeen. Hoe swaarder die vrag wat n voertuig dra, hoe minder kilometers sal dit op
n tenk brandstof kan afl. Dit is n negatiewe korrelasie omdat n toename in een
veranderlike (gewig van die vragmotor) met n afname in die ander veranderlike (getal
kilometers per tenk) korreleer.
In die werksituasie. Hoe meer werksdae fabriekswerkers afwesig is, hoe laer is die
fabriek se uitset.
7.4
Beskou die strooiingsdiagram wat jy vroer in hierdie leereenheid voltooi het.
Dui hierdie strooiingsdiagram n positiewe of n negatiewe verwantskap aan?
Sterkte
Dit is effens moeiliker om die sterkte van n verband te interpreteer.
Die korrelasiekoffisint is n punt op n skaal vanaf 1 tot 1. As die waarde van r gelyk is
aan 0, is daar geen korrelasie en dus geen verband tussen X en Y nie. Hoe nader daardie
waarde aan enige van hierdie twee syfers l, hoe sterker is die verband tussen die
veranderlikes.
Hieronder is n skaal om n korrelasiekoffisint te interpreteer. Kom ons noem dit ons
korrelasie-interpretasieskaal. Jy moet dit kan gebruik om korrelasiekoffisinte mee te
interpreteer.
105
IOP2601/MO051/4/2016
swak (0,00 tot 0,39)

of
matig (0,40 tot 0,79)
of
sterk (0,80 tot 1,00)
Figuur 10.7 op bladsy 172 van Tredoux en Durrheim (2013) bied n illustrasie van n swak
korrelasie (2013).
7.5
Interpreteer die volgende korrelasiekoffisinte:
1.
2.
3.
4.
5.
6.
0,95
0,35
0,82
0,70
2,48
0,0
1.
2.
3.
4.
5.
Sterk negatiewe korrelasie

Swak positiewe korrelasie
Sterk positiewe korrelasie
Matige negatiewe korrelasie
n Onmoontlike korrelasie hierdie waarde dui op n foutiewe berekening of n
drukfout! (Lees weer die vorige wenk.)
Geen korrelasie
6.
Samevattend: Jy het nou van twee fasette van korrelasie geleer, naamlik die sterkte en
aard daarvan.
Die aard van die korrelasie (dit wil s positief of negatief) word deur die rigting van die
lyn daarvan bepaal.
Die sterkte van die korrelasie word deur die konsentrasie van punte bepaal: hoe nader
hulle aan n reguit lyn l, hoe sterker is die korrelasie.
Afleiding
Jy moet ook die korrelasiekoffisint kan gebruik om afleidings te maak ten opsigte van die
twee veranderlikes waartussen die korrelasie bereken is.
As die korrelasie byvoorbeeld 0,68 is tussen die mate van werksbevrediging en kwaliteit van
werklewe, wat n matige positiewe korrelasie (volgens die korrelasie-interpretasieskaal) is,
106
IOP2601/MO051/4/2016
sal die afleiding wees dat mense wat n ho mate van werksbevrediging ervaar, ook n ho
kwaliteit werklewe ervaar.
Gemeenskaplike variansie
Ons wil jou nou reeds voorstel aan die r2 interpretasie van korrelasie (jy sal weer hiervan
leer in leereenheid 9). Dit is die proporsie variansie in X-tellings wat toe te skryf is aan
variansie in Y-tellings, dit wil s gedeelde/gemeenskaplike variansie tussen X en Y. Dus
r2: proporsie gemeenskaplike variansie, wat
korrelasiekoffisint (r).
r2 x 100: persentasie gemeenskaplike variansie r2.
bereken
word
deur
die
LET WEL: Slegs r2 kan na n persentasie omgeskakel word,

nie r nie.
n Korrelasie (r) kan nie regstreeks as n persentasie uitgedruk
word nie. Dit is heeltemal verkeerd om te s dat n korrelasie
van byvoorbeeld 0,75 op n korrelasie van 75% tussen X en Y
dui.
7.6
Bestudeer die afdeling Correlation coefficients cannot be directly compared op bladsy 191
tot 192 van Tredoux en Durrheim (2013).
Die volgende figuur bied n grafiese voorstelling van enkele waardes van r, r2 en r2 x 100:
Korrelasie as gemeenskaplike variansie
r
= 0,00
2
= 0,00
r
r2 x 100 = 0%
r
= 0,60
2
r
= 0,36
r2 x 100 = 36%
r
= 0,20
2
r
= 0,04
r2 x 100 = 4%
r
= 0,80
2
r
= 0,64
2
r x 100 = 64%
r
= 0,40
2
r
= 0,16
r2 x 100 = 16%
r
= 1,00
2
r
= 1,00
r2 x 100 = 100%
107
IOP2601/MO051/4/2016
Die voorafgaande bespreking van die aard, sterkte, afleiding en gemeenskaplike variansie
van korrelasie verduidelik hoe om n korrelasiekoffisint te interpreteer. Dit is belangrik om
te sorg dat jou interpretasie van n korrelasiekoffisint sinvol is. Daar is bepaalde wyses
waarop die korrelasiekoffisint NIE beskou of genterpreteer moet word nie. Ons het reeds
genoem dat n korrelasiekoffisint nie direk as n persentasiewaarde uitgedruk moet word
nie. Die volgende moet ook in ag geneem word:
Korrelasies verwys na die linere verwantskap tussen twee veranderlikes.
n Linere verwantskap beteken dat die verband tussen die twee veranderlikes as n reguit
lyn op n strooiingsdiagram getoon kan word. As die datapunte van twee veranderlikes in n
ander patroon behalwe n reguit lyn op n strooiingsdiagram val, noem ons dit n kromlynige
verwantskap. Dit word in figuur 10.8 op bladsy 172 van Tredoux en Durrheim (2013)
uitgebeeld. Lees ook die gedeelte op bladsy 191 van Tredoux en Durrheim (2013) wat
hierdie verskynsel verder belig.
Die gemiddelde van korrelasiekoffisinte moet nie bereken word nie.
Lees die afdeling op bladsy 191 van Tredoux en Durrheim (2013) wat hierdie saak uiteensit.
Korrelasie en oorsaaklikheid
Korrelasie impliseer nie n oorsaak-gevolg-verhouding tussen veranderlikes nie. Neem

kennis hiervan en onthou dit wanneer jy n korrelasiekoffisint interpreteer. Vermy dus
woorde soos veroorsaak, benvloed en gee aanleiding tot.
Indien r = 0,85 vir tellings in n werkopdrag en n eksamen, beteken dit slegs dat n ho
telling in die een gepaardgaan met n ho telling in die ander (of n lae telling in een met n
lae telling in die ander). Dit beteken nie dat goeie prestasie in die eksamen veroorsaak is
deur goeie prestasie in die werkopdrag nie. (Prakties beteken dit: moenie dink jy hoef nie te
leer vir die eksamen indien jy n goeie telling in n werkopdrag behaal het nie!) Lees die
afdeling op bladsy 190 van Tredoux en Durrheim (2013) waar die kwessie van oorsaak en
gevolg bespreek word.
7.7
Vul die ontbrekende woorde in:
n Positiewe korrelasie tussen motivering en produktiwiteit beteken dat werkers met ho
tellings in n meting van motivering .................... tellings in n produktiwiteitmaatstaf het, of
dat .................... tellings in een gepaardgaan met lae tellings in die ander. Dit beteken nie
dat ho produktiwiteit deur gemotiveerde werkers .................... word nie.
ho
108
lae
veroorsaak
IOP2601/MO051/4/2016
Interkorrelasiematrikse
Moenie skrik vir hierdie begrip nie! In werkopdragte en in die eksamen vra ons gewoonlik vir
jou om die korrelasiekoffisint tussen net twee veranderlikes te bereken. In
navorsingsprojekte het n mens egter meesal baie veranderlikes in n datastel en wil n
navorser die korrelasies van almal met mekaar bepaal (twee op n keer). In hierdie geval gee
statistiese ontledingspakkette gewoonlik die antwoorde in matriksvorm.
7.8
Kyk na die interkorrelasiematriks hieronder en skryf die korrelasies tussen die gevraagde
veranderlikes neer:
Veranderlike
Algeheel
Onderrig
Algeheel
1,0000
0,8039
Onderrig
0,8039
Eksamen
Kennis
Graad
Inskryf
0,5956
0,6818
0,3008
0,2396
1,0000
0,7197
0,5263
0,4691
0,4511
0,5956
0,7197
1,0000
0,4515
0,6100
0,5581
Kennis
0,6818
0,5263
0,4515
1,0000
0,2242
0,1279
Graad
0,3008
0,4691
0,6100
0,2242
1,0000
0,3371
Inskryf
0,2396
0,4511
0,5581
0,1279
0,3371
Bron:
Eksamen
1,0000
(Uit Howell, DC. 2004. Fundamental statistics for the Behavioral Sciences. 5th edition. London:
Thomson Learning.)
1.
2.
3.
4.
5.
6.
Algeheel en Kennis:
Eksamen en Onderrig:
Eksamen en Graad:
Kennis en Kennis:
Onderrig en Inskryf:
Graad en Eksamen:
1.
2.
3.
4.
r = 0,68
r = 0,72
r = 0,61
r = 1,00 (Onthou? Die korrelasie van n veranderlike met homself is altyd 1,00, met
ander woorde n perfekte positiewe korrelasie.)
r = 0,45
r = 0,61 (Vanselfsprekend moet hierdie antwoord dieselfde wees as by vraag 3 omdat
dit nie saak maak in watter volgorde die veranderlikes genoem word nie.)
5.
6.
r
r
r
r
r
r
=
=
=
=
=
=
.....
.....
.....
.....
.....
.....
109
IOP2601/MO051/4/2016
Faktore wat korrelasies kan benvloed

Heelparty faktore kan n invloed op korrelasie uitoefen, onder meer die volgende:
Uitskieters in n datastel
Homogeniteit van die populasie
Beperkings in die omvang van veranderlikes
Bestudeer hierdie faktore op bladsy 185 en 192 tot 195 van Tredoux en Durrheim (2013).
Sorg dat jy hierdie faktore goed genoeg begryp sodat jy dit kortliks kan omskryf.
n Ander tipe korrelasie

Dit is nodig dat jy weet dat korrelasies ook bereken kan word vir intervaldata wat
getransformeer is na n stel syfers in rangorde of data wat slegs in rangorde beskikbaar is.
(Onthou jy nog die ordinale metingskaal van leereenheid 2?) Spearman se koffisint kan in
sulke gevalle gebruik word. Neem slegs kennis van wat Tredoux en Durrheim (2013) op
bladsy 186 tot 187 hieroor s jy hoef nie hierdie berekenings te kan doen nie.
Lees raam 11.1 en 11.2 op bladsy 188 tot 189 van Tredoux en
Durrheim (2013).
Sorg dat jy die korrelasiekoffisint (r) op die drukstukke kan identifiseer. Onthou ook dat
slegs korrelasies met n beduidendheidswaarde (p-waarde) van minder as 0,05 of 0,01
statisties beduidend is. n Mens moet daarom altyd kyk na die p-waarde (beduidendheidswaarde) op die drukstukke ook.
7.9
Dis tyd vir n bietjie hersiening! Bestudeer die opsomming op bladsy 198 van Tredoux en
Durrheim (2013) waarin die belangrikste sake rakende korrelasie saamgevat word.
1.
2.
Interpreteer die korrelasiekoffisint vir:

1.1
0,71 (internet-interaksie en stemming)
1.2
0,31 (voorbereidingsaktiwiteite en uitvoeringtellings)
1.3
0,42 (onderhoudsvaardigheidskursus en aanhangers-en-mediahanteringskursus)
Wat is jou afleiding met betrekking tot die verband tussen die veranderlikes?
2.1
110
Internet-interaksie en stemming
IOP2601/MO051/4/2016
2.2
2.3
3.
Oefening 2 op bladsy 199 in Tredoux en Durrheim.

3.1
3.2
3.3
2.1
2.2
2.3
3.
Voorbereidingsaktiwiteite en uitvoeringtelling
Onderhoudsvaardigheidskursus en aanhangers-en-mediahanteringskursus
Sterk positiewe korrelasie

Swak positiewe korrelasie
Matige positiewe korrelasie
Hoe meer die internet-interaksie met die deelnemers, hoe groter is die kans dat die
deelnemers meer stemme kry.
Hoe hor deelnemers se tellings gedurende hulle voorbereidingsaktiwiteite, hoe groter
is die kans dat hulle hor punte vir hul uitvoering kry, maar in n geringe mate.
Soos die telling vir die onderhoudsvaardigheidskursus toeneem, so sal die
puntetellings vir aanhangers- en-mediahanteringskursus matig toeneem.
Onthou dat die korrelasiekoffisint nie direk as n persentasiewaarde bereken kan word
nie. Slegs r2 (gemeenskaplike variansie van twee veranderlikes) kan as n
persentasiewaarde genterpreteer word. Dit behoort jou in staat te stel om die oefening
te voltooi. Met ander woorde, as jy die persentasiewaarde in die regterkantse kolom
deur 100 deel, gee dit jou die antwoord vir r2. Trek dan eenvoudig die vierkantswortel
van r2 om die antwoord vir r in die linkerkantse kolom te verkry. Om die regterkantse
kolom te voltooi, neem jy die waarde van r wat in die linkerkantse kolom gegee is,
kwadreer dit om die waarde van r2 te verkry en vermenigvuldig hierdie antwoord dan
met 100 om die persentasiewaarde te bereken. As jy dit gedoen het, behoort jou
voltooide tabel so te lyk:
Korrelasiekoffisint
Gemeenskaplike
variansie van twee
veranderlikes
1,0
100%
0,85
72%
0,82
68%
0,79
62%
0,63
40%
0,50
25%
0,45
20%
0,36
13%
0,22
5%
0,19
3,6%
0%
111
IOP2601/MO051/4/2016
Noudat jy leereenheid 7 bestudeer het, behoort jy:
die begrip korrelasie te kan omskryf

n strooiingsdiagram te kan teken en interpreteer op grond
van die verband tussen die veranderlikes
Pearson se produkmoment-korrelasiekoffisint te kan
bereken
n korrelasiekoffisint te kan interpreteer in terme van:
112
sterkte (met die korrelasie-interpretasieskaal)

aard (met die korrelasie-interpretasieskaal)
afleidings wat gemaak kan word
proporsie en persentasie gemeenskaplike variansie
die korrelasie tussen twee spesifieke veranderlikes in n

korrelasiematriks te kan aflees
die faktore wat korrelasie kan benvloed, te verstaan
een ander tipe korrelasie, naamlik Spearman se koffisint,
kortliks te kan omskryf
die korrelasiekoffisint op n rekenaardrukstuk te kan
identifiseer en interpreteer
IOP2601/MO051/4/2016
LEEREENHEID 8:
Regressie
Kom ons kyk eers na die term regressie. In alledaagse taal het die woord die ongunstige
betekenis van afname of agteruitgang. Ons sou byvoorbeeld na regressie in n persoon se
fisieke toestand kon verwys wanneer iemand se gesondheid verswak. In die statistiek het
hierdie term egter n heel ander betekenis.
Wat is regressie?
Regressie word in die statistiek gebruik om voorspellings te maak op grond van inligting
wat reeds verkry is. Die onderliggende aanname is dat n verwantskap tussen veranderlikes
bestaan. Empiries bevestigde verwantskappe word nagegaan om voorspellings oor
soortgelyke data te maak.
Die blote feit dat ons woorde soos verband en verwantskap gebruik om te verduidelik wat
die term regressie beteken, behoort n aanduiding te wees dat regressie ten nouste met
korrelasie saamhang en selfs daarop berus.
Voorspelling is nog n sleutelterm wat uit hierdie verduideliking van regressie na vore kom.
Ons maak van regressie-analise gebruik om n veranderlike op grond van die berekende
verwantskap met n ander veranderlike te voorspel.
Verskeie dinge in die alledaagse lewe toon n bepaalde verwantskap met mekaar en inligting
oor sulke veranderlikes kan gebruik word om voorspellings deur middel van regressie te
maak.
8.1
Bestudeer bladsy 160 tot 162 van Tredoux en Durrheim (2013), waar die skrywers n kort
oorsig van korrelasie bied en na die verband daarvan met regressie-analise verwys.
Vir ons berekenings van regressie gebruik ons dieselfde datastel van tellings op n internetinteraksie-webtuiste en stemming wat in die vorige leereenheid oor korrelasie gebruik is.
113
IOP2601/MO051/4/2016
Vir jou gerief herhaal ons die tabel hieronder:

Deelnemers
X2
Y2
XY
25
15
16
25
36
30
25
15
49
25
35
16
16
16
36
25
30
10
64
49
56
X=45
Y=44
X2=241
N=10
Y2=214
XY=218
Die gemiddelde van die X-waardes: = 4,5

Die gemiddeld van die Y-waardes: = 4,4
In leereenheid 7 het jy die X- en Y-waardes op n strooiingsdiagram geteken. Hierdie
strooiingsdiagram is rekenaarmatig gegenereer en word hieronder gegee. .
8
7
Stemming
6
5
4
3
2
1
1
*Internet-interaksie-tellings
114
IOP2601/MO051/4/2016
Die regressielyn
8.2
Gebruik n liniaal en trek n ligte stippellyn met potlood deur die punte op die
strooiingsdiagram. Doen dit op so n manier dat die lyn die beste aanduiding van die
verspreiding van die punte gee. Lees nou die gedeelte The best fitting line op bladsy 162
tot 163 van Tredoux en Durrheim (2013).
Op die heel eenvoudigste vlak word die verwantskap tussen twee stelle data as n reguit lyn
uitgebeeld. Hierdie reguit lyn is bloot n benadering van die waardes wat dit voorstel en kan
nooit presies deur al die waardes loop nie, behalwe wanneer die korrelasie perfek is. Die
regressielyn maak dit dus vir ons moontlik om voorspellings te maak.
In die aktiwiteit hierbo het jy geskat waar die bes passende lyn op die strooiingsdiagram sou
l. Die posisie van hierdie lyn kan egter wetenskaplik bereken word om te verseker dat ons
voorspellings so akkuraat moontlik is. Ons bereken die posisie van die regressielyn deur van
die regressievergelyking gebruik te maak.
Die regressievergelyking
Die regressielyn wat ons gaan bereken is n reguit lyn en daarom is die formule vir die
regressielyn oftewel die regressievergelyking in die algemene formaat van n reguit lyn,
naamlik
=
met
X+
die voorspelde Y-waarde (waarde op die Y-as)
= die helling van die lyn

= die Y-afsnit (die plek waar die lyn die Y-as sny)
X = die voorspellerveranderlike (waarde op die X-as)
8.3
Lees die bespreking van die regressiekoffisint op bladsy 163 tot 164 van Tredoux en
Durrheim (2013). Let daarop dat hierdie skrywers se formule vir die regressielyn effens
anders lyk in die sin dat a eerste in hulle formule staan. Dit is net n kwessie van voorkeur.
115
IOP2601/MO051/4/2016
Jy kan die formule wat in hierdie studiemateriaal aangebied word as die korrekte een beskou
vir gebruik in werkopdragte en die eksamen.
Berekening van die waardes in die regressievergelyking

As jy weer kyk na die regressievergelyking wat hierbo gegee is, sal jy sien dat daar links in
die vergelyking een veranderlike is ( ) en regs in die vergelyking drie veranderlikes ( , en
X). Daar is formules waarmee die waardes van b en a bereken word deur van die
oorspronklike datastel se waardes gebruik te maak (sien die tabel van waardes hierbo).
Indien n spesifieke waarde vir X gegee word en die - en -waardes is reeds bereken, dan
kan die ooreenstemmende -waarde bereken word.
Die formule vir die -waarde, wat die helling van die regressielyn gee, word eerste gegee.
Indien die berekende -waarde positief is, dui dit op n regressielyn met n positiewe helling.
So n lyn sal van links onder na regs bo loop. Indien die berekende waarde negatief is, dui
dit op n regressielyn met n negatiewe helling. So n lyn met n negatiewe helling sal van
links bo na regs onder loop. Die formule om die -waarde te bereken is soos volg:
8.4
Vroer in hierdie leereenheid is n tabel met waardes gegee. Hierdie X- en Y- waardes gaan
nou gebruik word om die waardes in die regressievergelyking te bereken. Jy het al die
nodige inligting in die tabel om die onderskeie waardes te kan bereken. Gebruik nou die
tabelwaardes en bereken die -waarde met die formule wat hierbo gegee is.
Die korrekte berekening van die -waarde behoort so te lyk:

=
=
=
=
= 0,52
116
10(218) (45)(44)
10(241) (45)2
2180 1980
2410 2025
200
385
0,51948
IOP2601/MO051/4/2016
In die regressievergelyking
het ons nou reeds die b-waarde bereken en ons
weet dat dit die helling van die lyn verteenwoordig. Die -waarde in die regressievergelyking
gee die Y-afsnit, met ander woorde die plek waar die reguit lyn die Y-as sny. Op die Y-as is
alle X-waardes gelyk aan 0. Die -waarde (Y-afsnit) is dus die Y-waarde wanneer die Xwaarde gelyk is aan 0. Die formule vir die -waarde is soos volg:
- is die gemiddeld van die Y-waardes en is die gemiddeld van die X-waardes wat direk
onder die tabel van data vroer in hierdie leereenheid gegee is.
8.5
Gebruik nou die b-waarde wat jy reeds bereken het, asook die gemiddeldes van die
X- en Y-waardes en bereken dan die -waarde.
= (
)(
)(
=
=
Jy het nou die -waarde sowel as die -waarde bereken. Skryf die twee waardes hieronder:
=
=

= 4,4 0,52 (4,5)
= 4,4 2,34
= 2,06
= 0,52
= 2,06
Die regressievergelyking vir hierdie stel data is dus:
= 0,52X + 2,06
Berekening van waardes deur die regressievergelyking te gebruik

Wanneer ons die -waarde en -waarde van die regressievergelyking vir n spesifieke stel
data bereken het, kan die regressievergelyking gebruik word om voorspellings ten opsigte
117
IOP2601/MO051/4/2016
van nuwe data te maak. Deur die regressievergelyking het ons die verwantskap tussen die
X-waardes en Y-waardes van die datastel wat voorgestel word deur n reguitlynformule. Ons
kan nou vir enige nuwe X- en Y-waarde die ooreenstemmende Y-waarde bereken met die
regressievergelyking omdat ons op grond van die aanvanklike data die aanname maak dat
alle X-waardes en Y-waardes volgens dieselfde patroon (formule) bymekaar pas.
8.6
Bestudeer die voorbeeld wat Tredoux en Durrheim (2013) onder die opskrif Making
predictions op bladsy 167 bied.
Gebruik nou die regressievergelyking wat jy hierbo bereken het om vir elk van die volgende
X-waardes (internet-interaksietelling) die ooreenstemmende Y-waarde (stemmingtellings) te
bereken.
Bereken die stemmingtelling van n persoon wat n telling van 1 op die internet- interaksie
behaal het:
Vir

X = 1:

= ( ) (1) + ( )
=
Bereken nou ook die stemmingtelling van n persoon wat n telling van 10 op die internetinteraksie behaal het:
Vir

X = 10:

= ( ) (10) + ( )
=
Vir die X-waarde van 1 is die ooreenstemmende Y-waarde gelyk aan 2,58. Dit beteken dat
die getallepaar (1; 2,58) op die regressielyn sal val.
Vir n X-waarde van 10 is die ooreenstemmende berekende Y-waarde gelyk aan 7,26. Dit
beteken dat die geordende getallepaar (10; 7,26) ook op die regressielyn sal val.
Onthou dat sodra die b-waarde en die a-waarde bereken is, die regressievergelyking na een
spesifieke reguit lyn verwys. Enige punt (getallepaar) wat dan met daardie vergelyking
bereken word, sal dan op die lyn l.
Dit is redelik maklik om vir n gegewe X-waarde die ooreenstemmende Y-waarde te bereken
deur die regressievergelyking te gebruik en die bekende waardes te vervang. Gebruik die
regressievergelyking om die ooreenstemmende Y-waarde te bereken indien die X-waarde
bekend is. Die getallepaar (X;Y) wat so verkry word:
) sal altyd op die spesifieke
regressielyn val.
118
IOP2601/MO051/4/2016
Vir interessantheid: Die kordinaat ( ; ) sal altyd op die

regressielyn val. Deur die gemiddeldes van die twee stelle
waardes te bereken, kan jy reeds een kordinaat kry wat op
die regressielyn sal val.
Twee maniere om die grafiek van die regressielyn te skets

n Reguit lyn word uniek gekenmerk deur die plek waar dit deur die Y-as gaan en die helling
van die lyn. n Spesifieke reguit lyn kan op meer as een manier geteken word. Ons gaan vir
jou twee verskillende maniere wys om dieselfde reguit lyn te teken
8.7
Metode 1:
In die eerste metode maak ons gebruik van die feit dat enige twee punte wat op n reguit
lyn l met mekaar verbind kan word om die lyn te teken:
Gebruik dieselfde X-waardes (X = 1 en X = 10) wat in die vorige aktiwiteit gebruik is om
ooreenstemmende Y-waardes te bereken. Die twee getallepare (1; 2,58) en (10; 7,26)
sal albei op die regressielyn l met die regressievergelyking:
= 0,52X + 2,06
Gebruik n gekleurde pen en stip die twee punte op die strooiingsdiagram wat vroer
in hierdie leereenheid gebruik is. Verbind die twee punte om n reguit lyn te vorm.
Metode 2:
Vir die tweede metode maak ons gebruik van die Y-afsnitpunt ( ) van die
regressievergelyking
en enige ander getallepaar wat op die regressielyn sal
l om die regressielyn te teken. Die regressielyn waarmee ons werk is steeds
= 0,52X + 2,06
Die Y-afsnit is dus gelyk aan 2,06, wat beteken dat die lyn by die Y-waarde gelyk aan
2,06 deur die Y-as sal gaan. (Jy sal hierdie Y-waarde kry wanneer jy X = 0 stel in die
regressievergelyking. Op die Y-as is X = 0.)
Gebruik nou n ander kleur pen as by die eerste metode hierbo en merk die waarde
2,06 op die Y-as. Merk ook die getallepaar wat gevorm word deur die twee
gemiddelde waardes ( ; ),naamlik (4,5; 4,4). (Jy sou hier ook enige ander
getallepaar kon gebruik wat op hierdie lyn val, dit wil s wat met behulp van
dieselfde formule bereken is.) Trek n lyn deur die twee punte.
119
IOP2601/MO051/4/2016
Wanneer jy volgens metode 1 die lyn trek deur die twee punte met n liniaal te verbind,
gee dit vir jou die regressielyn wat die grafiese voorstelling is van die formule wat
bereken is.
As jy volgens metode 2 die Y-afsnit en byvoorbeeld die kordinaat ( ; ) verbind, sal jy
sien dat jy steeds besig is om dieselfde lyn te teken. Die nuwe lyn behoort presies booor die vorige lyn te l (mits jy natuurlik netjies en noukeurig werk).
Jou grafiek behoort so te lyk:
Onthou ook om altyd die volgende inligting op jou grafiek aan te dui:
die name van die veranderlikes op die X-as en Y-as van die grafiek, byvoorbeeld X-as:
internet-interaksietelling, en Y-as: stemming
die regressielynvergelyking, byvoorbeeld, = 0,52X + 2,06
die afsnit, byvoorbeeld, = 2,06
alle berekende getallepare (X; Y), byvoorbeeld (1; 2,58) en (10; 7,26) en/of die
gemiddelde waardes ( ; ) bv, (4,5; 4,4)
Die akkuraatheid van voorspelling

Lees die gedeelte oor die standaard-skattingsfout op bladsy 168 tot 170 van Tredoux en
Durrheim (2013). Jy hoef geen berekenings in hierdie afdeling te kan doen nie, maar jy moet
die begrip akkuraatheid van voorspelling of standaard-skattingsfout kan omskryf.
120
IOP2601/MO051/4/2016
Regressie en oorsaaklikheid
Bestudeer die gedeelte A common difficulty with predictions based on regression models
op bladsy 171 van Tredoux en Durrheim (2013), waar die skrywers verduidelik dat afleidings
met betrekking tot oorsaaklikheid met groot omsigtigheid uit regressie-analises gemaak
behoort te word.
8.8
Ons gaan voort met dieselfde datastel waarmee julle in leereenheid 7 gewerk het. Die
volledige berekeningstabelle word verskaf:
1.
Jy wil die deelnemers se uitvoeringstellings voorspel.

1.1
1.2
1.3
1.4
Bereken die helling.

Bereken die afsnit.
Bereken die uitvoeringstelling vir deelnemers met voorbereidingstellings van 25
en 30.
Gee n grafiese voorstelling van die regressielyn deur die afsnit [soos in (1.2)
bereken] en die geskatte waardes [soos in (1.3) bereken] op hierdie regressielyn
Deelnemers
1
2
3
4
5
6
7
8
9
10
N = 10
XY
(X)2
(Y)2
Voorbereidingsaktiwiteite
X
38
24
32
31
26
28
31
37
34
35
X = 316
Uitvoeringtellings
= (316)(327)
= (316)2
= (327)2
= 316/10
= 327/10
= 103332
= 99856
= 106929
= 31,6
= 32,7
Y
35
32
26
34
34
30
28
33
37
38
Y = 327
X2
1444
576
1024
961
676
784
961
1369
1156
1225
X2 =
10176
Y2
1225
1024
676
1156
1156
900
784
1089
1369
1444
Y2 =
10823
XY
1330
768
832
1054
884
840
868
1221
1258
1330
XY =
10385
121
IOP2601/MO051/4/2016
2.
Jy wil die deelnemers se aanhanger-en-mediahanteringtellings voorspel.

2.1
Bereken die helling.
2.2
Bereken die afsnit.
2.3
Bereken die aanhanger-en-mediahanteringtellings vir deelnemers met

onderhoudsvaardigheidskursustellings van 3 en 9 onderskeidelik.
Gee n grafiese voorstelling van die regressielyn deur die afsnit [soos in (2.2)
bereken] en die geskatte waardes [soos in (2.3) bereken] op hierdie regressielyn.
2.4
Deelnemers
XY
64
64
64
16
16
16
16
25
20
25
49
35
36
16
24
36
16
24
36
36
36
36
64
48
49
36
42
10
49
25
35
X=59
Y=57
XY
= (59) (57)
= 3363
(X)2
(Y)2
= (59)2
= (57)2
= 59/10
= 57/10
= 3481
= 3249
= 5,9
= 5,7
N=10
122
Deelnemers- Aanhangers
vaardigheids- en mediakursus
tellings
X
Y
X2 =363
Y2=347
XY =344
IOP2601/MO051/4/2016
Indien jou berekenings korrek is, behoort jy die volgende antwoorde te h:

1.1
1.2
1.3
0,24
24,92
[25 ; 30,91] & [30 ; 32]
1.4
2.1 0,52
2.2 2,63
2.3 (3 ; 4,19) & (9 ; 7,31)
123
IOP2601/MO051/4/2016
2.4
Bestudeer raam 10.1 en 10.2 op bladsy 175 tot 178 van Tredoux
en Durrheim (2013). Let op waar die helling ( -waarde) en die
afsnit ( -waarde) op die uitvoer aangedui word. Neem kennis dat
jy deur regressie-analise ook die korrelasie (r) verkry.
124
te kan verduidelik wat regressie is en hoe dit gebruik word

die algemene regressievergelyking te kan identifiseer en
gebruik
die formule vir die -waarde te ken en die -waarde te kan
bereken
die formule vir die -waarde te ken en die -waarde te kan
bereken
gegewe X-waardes te kan gebruik om deur vervanging in die
vergelyking die ooreenstemmende Y-waardes te bereken
die regressielyn grafies te kan voorstel
te kan verduidelik hoe die akkuraatheid van voorspelling en
korrelasie met mekaar verband hou.
IOP2601/MO051/4/2016
13. Hipotesetoetse vir gemiddeldes: eenrigtingvariansieontleding
15. Krag
125
IOP2601/MO051/4/2016
Nuwe Sterre die sukses van die vertoning tot dusver
NUWE STERRE
Die Nuwe Sterre-vertoning het selfs groter belangstelling in die media ontlok as wat
aanvanklik verwag is. Die aantal kykers het alle vooruitskattings oortref en selfs die
sosialenetwerk-tuiste het meer as 10 000 besoekers per dag sedert die bekendstelling van
die vertoning gehad! Vuyo K is n die eerste twee weke van die vertoning as die
mededingendste deelnemer deur haar mededeelnemers aangewys. Alhoewel sy regtig goed
in die voorbereidingsaktiwiteite gevaar het en relatief ho punte van die beoordelaars
ontvang het, is sy nie so gewild onder die kykers nie. En die kykers se stem tel inderdaad!
Die grootste teleurstelling van die vertoning tot dusver is dat Sasha onttrek het. Sy was een
van die gewildste deelnemers op die sosialenetwerk-tuiste, maar het na die eerste week
besluit dat haar studie by Unisa voorkeur bo haar aspirasies vir n sangloopbaan moet
geniet. Angie Motseneka is die eerste beoordelaar wat uitgestem is. Die stemmery was
eenparig deur sowel kykers as deelnemers!
Een van die redes waarom die vertoning so n groot opgewondenheid in die media ontlok
het, is die feit dat verskeie rolspelers van die gemeenskap hul mening uitgespreek het. Wat
toon hierdie vertoning oor die toestand van die brer samelewing? Wat wys die deelnemers
oor die aspirasies van ons jeug in Suid- Afrika? Inferensile statistiek kan ons help om
sommige van hierdie vrae te beantwoord. Inferensile statistiek maak van steekproewe
gebruik om afleidings oor populasies te maak. Die volgende paar studie-eenhede sal n
aantal temas van inferensile statistiek dek.
Leereenheid 9 is n basiese inleiding tot die konsep van waarskynlikheid. Dit is n beginsel
wat inferensile statistiek onderl en sal ook die grondslag van n aantal ander statistiese
tegnieke vorm.
Leereenheid 10 bespreek die standaard-normaalverspreiding. Hierdie verspreiding is n
metode om te bepaal waar n individu se telling val in verhouding tot n groep ander individue
se tellings. Dit kan die navorsingspan van Nuwe Sterre help om vrae soos die volgende te
beantwoord: Wat is die aantal aansoekers wat hor as die gemiddelde ekstrovert telling vir
die groter populasie in Suid-Afrika behaal het?
126
IOP2601/MO051/4/2016
Leereenheid 11 gee n inleiding tot hipotesetoetsing. Die navorsingspan van Nuwe Sterre
het moontlik n aantal verwagtings (hipoteses) oor die interaksies en uitkomste van die
vertoning. Dit moet egter wetenskaplik bewys word. Dit is die proses van hipotesetoetsing.
Leereenheid 12 handel oor hipotesetoetsing waar twee groepe betrokke is. Byvoorbeeld,
daar kan n vergelyking wees tussen mans en vroue of ouer en jonger kykers of applikante
vir die Nuwe Sterre-vertoning.
Leereenheid 13 ondersoek hipotesetoetsing waar meer as twee groepe betrokke is. n
Mens kan byvoorbeeld belangstel om te weet wat die verskil tussen die deelnemers se
houdings voor, tydens en na die vertoning is.
Leereenheid 14 bespreek hipotesetoetsing wat op kategoriese data van toepassing gemaak
word (kyk na leereenheid 2 vir n beskrywing van kategoriese data). n Mens kan
byvoorbeeld die deelnemers in lae, medium en ho presteerders indeel en ondersoek instel
of daar n verskil met betrekking tot hierdie drie groepe is ten opsigte van hul buigsaamheid.
Leereenheid 15 bespreek die konsep van onderskeidingsvermo. Dit is n instrument wat
gebruik kan word om die graad van akkuraatheid van ons navorsingsbevindings te bepaal.
Aangesien die Nuwe Sterre-vertoning ietwat kontroversieel kan wees en baie aandag van
die media ontlok het, wil n mens seker wees oor die gevolgtrekkings wat deur die navorsers
gemaak word.
127
IOP2601/MO051/4/2016
LEEREENHEID 9:
Basiese konsepte van waarskynlikheid
Waarskynlikheid het baie te make met kans ten opsigte van die een of ander teoretiese stel
waardes. As ons byvoorbeeld dink aan die opskiet van n muntstuk om uitslag te gee oor die
een of ander besluit soos byvoorbeeld watter span eerste gaan kolf in krieket, het ons met
kans te make. Teoreties is daar twee moontlike uitkomste, kruis of munt. Elke uitkoms is
ewe moontlik en elkeen het op sy eie n kans of n waarskynlikheid van 1 uit 2 (; 0,5; of
50%) om te realiseer.
Benewens die daaglikse gebruike vir die konsep van waarskynlikheid, word dit ook
algemeen in statistiese berekenings toegepas. Jy sal in leereenheid 10 van die
normaalverspreiding leer. Lees nou die laaste paragraaf op bladsy 84 en die eerste
paragraaf op bladsy 85 van Tredoux en Durrheim (2013), waar die verband tussen
waarskynlikheid en die normaalverspreiding verduidelik word. Jy gaan in leereenheid 15 met
die konsep onderskeidingsvermo kennis maak. Onderskeidingsvermo word daar omskryf
as die waarskynlikheid om reg te besluit om n onwaar nulhipotese te verwerp. Di definisie
bevat n aantal begrippe wat in hierdie stadium vir jou vreemd mag voorkom, soos verwerp
en onwaar nulhipotese. Jy hoef jou nie nou daaraan te steur nie. Maar jy moet wel daarop
let dat die woord waarskynlikheid in die definisie van onderskeidingsvermo voorkom.
Hierdie is slegs n paar terreine in die statistiek waarin waarskynlikheid n uiters belangrike
rol speel. Om n groot verskeidenheid ander statistiese berekenings te verstaan, moet jy dus
eers die konsep waarskynlikheid onder die knie kry.
Daar bestaan geen eenvoudige definisie van die begrip waarskynlikheid nie. Dit word soms
uitgedruk op grond van die getal gunstige gevalle in teenstelling met die totale aantal ewe
moontlike gevalle. In die voorbeeld van n muntstuk is die waarskynlikheid van n bepaalde
uitkoms een uit twee, terwyl dit in die geval van n dobbelsteen een uit ses (0,17 of 17%) is.
Tredoux en Durrheim (2013) gee n definisie van waarskynlikheid op bladsy 74 van hul boek
en beskryf dit as die aantal suksesse gedeel deur die totale aantal gebeurtenisse.
128
IOP2601/MO051/4/2016
9.1
Bestudeer Tredoux en Durrheim (2013) vanaf bladsy 70 tot aan die bokant van bladsy 74.
Hierdie gedeelte bied n basiese inleiding tot waarskynlikheid en sluit enkele toepassings ten
opsigte van frekwensie en kansspeletjies in.
Omdat ons aanneem dat jy die begrip waarskynlikheid nou verstaan, wil ons voortgaan met
eenvoudige berekenings van waarskynlikheid.
9.2
Bestudeer die afdeling The multiplication and addition rules of probability op bladsy 74 tot
76 van Tredoux en Durrheim (2013).
Jou vermo om waarskynlikheid korrek te bereken sal regstreeks afhang van jou begrip van
enkele terme en rels wat toegepas moet word wanneer hierdie berekenings gedoen word
en wat in hierdie gedeelte van Tredoux en Durrheim (2013) behandel word.
1.
Verduidelik die volgende terme en gee n voorbeeld van elk:
2.
onafhanklike gebeurtenis
onderling uitsluitend
omvattendheid
Wanneer gebruik ons die volgende rels?
Optellingsrel (Probability law of disjunctions)

Vermenigvuldigingsrel (Probability law of conjunctions)
1.
Onafhanklike gebeurtenis: Gebeurtenis waar die voorkoms geen effek het op die
waarskynlikheid van die voorkoms van n ander gebeurtenis nie.
Onderling uitsluitend: Wanneer die voorkoms van een gebeurtenis die voorkoms van
n ander gebeurtenis uitsluit.
Omvattendheid: n Stel gebeure wat alle moontlike uitkomste voorstel.
129
IOP2601/MO051/4/2016
2.
Die optellingsrel (Law of disjunctions): Wanneer gebeurtenisse onderling uitsluitend

is.
Die vermenigvuldigingsrel (Law of conjunctions): Wanneer gebeurtenisse
onafhanklik is.
Diskrete en kontinue veranderlikes

Ons het in leereenheid 2 reeds onderskei tussen diskrete en kontinue veranderlikes. Jy sal
sien dat die aard van die veranderlikes ook by waarskynlikheidsteorie n rol speel. n
Kontinue veranderlike, byvoorbeeld lengte, kan tussenwaardes aanneem, terwyl n diskrete
veranderlike, byvoorbeeld aantal kinders per gesin, net spesifieke waardes kan aanneem.
By die verdelingskromme van n kontinue veranderlike is daar dus n interval van waardes
ter sprake. Daar word verwys na die kans dat n spesifieke veranderlike binne n bepaalde
interval val, eerder as die kans dat dit n bepaalde waarde sal aanneem.
9.3
Bestudeer die afdeling oor binomiaalverspreiding op bladsy 79 tot 82 van Tredoux en
Durrheim (2013). Die binomiaalverspreiding verteenwoordig die verspreiding vir diskrete
veranderlikes. Lees ook die gedeelte op bladsy 83 tot 85 wat handel oor die
normaalverspreiding, oftewel die distribusie vir kontinue veranderlikes.
Beantwoord die volgende vraag ter opsomming van hierdie leereenheid:
1.
Die sosialenetwerk-fasiliteit op die Nuwe Sterre-webtuiste het n kompetisie uitgeskryf.

Hulle het kykers uitgenooi om te raai watter deelnemer studeer tans Bedryfsielkunde.
Gelukkig het jy en jou vriendin dit opgetel in n onderhoud wat die media vantevore
met sommige van die deelnemers gevoer het en weet dat dit Sasha is. Jy is daarom
taamlik seker van jou antwoord. Die wenner van die kompetisie kan DVDs en CDs ter
waarde van R5 000 wen en die tweede prys is CDs ter waarde van R1 000. Jou
vriendin het 35 inskrywings ingestuur en jy 30. Jy het pas gelees dat 200 inskrywings
korrek was.
1.1
Wat is die waarskynlikheid dat jou vriendin die eerste prys sal wen?
1.2
Indien jy nie die eerste prys wen nie, wat is die waarskynlikheid dat jy die tweede
prys sal wen? (Die inskrywing van die eerstepryswenner word nie in die houer
teruggeplaas nie.)
Wat is die waarskynlikheid dat julle twee die eerste en tweede prys sal wen?
1.3
130
IOP2601/MO051/4/2016
1.1
p (vriendin) = 35/200
= 0,175
= 0,18
1.2
p (self)
= 30/199
= 0,15
1.3
Stap 1: Waarskynlikheid dat jy die eerste prys wen en jou vriendin die tweede prys
p (vriendin) x p (self) = (35/200) x (30/199)
= (0,175) (0,15)
= 0,026
= 0,03
Stap 2: Waarskynlikheid dat jou vriendin die eerste prys wen en jy die tweede prys
p (vriendin) x p (self) = (30/200) x (35/199)
= (0,15) (0,176)
= 0,026
= 0,03
Stap 3: Die antwoord is dus 0,03 + 0,03 = 0,06
die basiese terminologie en rels van waarskynlikheid te kan

omskryf
tussen diskrete en kontinue veranderlikes te kan onderskei
waarskynlikhede te kan bereken soos in die oefeninge wat in
hierdie leereenheid aangebied is
131
IOP2601/MO051/4/2016
Leereenheid 10:
Die normaalverspreiding
Ons kan n groot verskeidenheid veranderlikes in ons daaglikse lewe ondersoek. Mense se
lengte is een voorbeeld hiervan. Gestel ons neem lengte as n veranderlike. Besonder min
mense is buitengewoon kort en net so min is buitengewoon lank. Die meeste mense het n
gemiddelde lengte. Ons kan dieselfde van ander menslike eienskappe s. As ons die
verspreiding van lengte (waar slegs n paar mense besonder kort, die meeste mense
middelmatig lank en net enkele mense besonder lank is) grafies moet uitbeeld, sal die
distribusie soos in die grafiek hieronder lyk.
Hierdie verspreiding word die normaalverspreiding genoem. Dink aan die klokvormige
normaalverspreiding as n kontinue frekwensieverspreiding. Indien data volgens hierdie
normaalvorm versprei is, beteken dit dat min persone oor baie min van n bepaalde eienskap
beskik en dat ewe min persone besonder baie van daardie eienskap het. Die meeste
persone het n gemiddelde hoeveelheid van die eienskap. Die normaalverspreiding vorm die
grondslag vir die gebruik van baie van die statistiese tegnieke waarvan jy in hierdie module
gaan leer.
Die normaalverspreiding het die volgende eienskappe, waarvan sommige reeds in
leereenheid 4 bespreek is:
132
Klokvormig: n Normale verspreiding het n duidelik herkenbare klokvorm met een

definitiewe piek, en is dus unimodaal.
Simmetries: Die figuur vorm n presiese spielbeeld om die middellyn.
Die oppervlak of proporsie onder die normaalverspreiding is gelyk aan 1,00 in
desimale terme of gelyk aan 100% as n persentasie. Aangesien die figuur
simmetries is, beteken dit dat die oppervlak van die linkerkantse helfte 50% (of 0,5)
beslaan en die regterkantse helfte die ander 50% (of 0,5).
IOP2601/MO051/4/2016
Baie sielkundige toetse maak ook die aanname dat die eienskap(pe) wat gemeet word
normaal versprei is. Die meeste sielkundige toetse van intelligensie en aanleg is gegrond op
die aanname van normale verspreiding van daardie eienskappe. Daarom word normtabelle
vir toetse opgestel sodat die toetsprestasie van individue in vergelyking met di van n
normgroep genterpreteer kan word. Die aanname is dat die eienskap binne die normgroep
normaal versprei is.
Hieruit kan jy aflei dat ons die normaalverspreiding gebruik om n relatiewe posisie in n
distribusie te bepaal of om byvoorbeeld vas te stel waar n individu ten opsigte van ander op
n normaalverspreiding l.
Jy sal merk dat hierdie leereenheid hoofsaaklik uit aktiwiteite

bestaan. Deur hierdie aktiwiteite te doen, sal jy besef hoe
waardevol die normaalverspreiding vir praktiese gebruik is.
Die standaard-normaalverspreiding
Om n individu se posisie in verhouding tot ander in n normaalverspreiding te bepaal, moet
ons weet wat die gemiddeld en variansie van die verspreiding is. Soos jy jou kan voorstel,
sal die gemiddeld en variansie vir lengte as n veranderlike verskil van die gemiddeld en
variansie van gewig as n veranderlike op n normaalverspreiding. Dit is daarom onmoontlik
om te weet wat die waardes van die normaalverspreiding van elke veranderlike is wat ons
wil ondersoek. Dus, in plaas daarvan om die normaalverspreidingstellings te h vir elke
veranderlike wat ons ondersoek, het statistici een standaard-normaalverspreiding
ontwikkel. Die waardes op die standaard-normaalverspreiding word as -tellings vertoon.
Die statistici het ook n manier gedentifiseer om n telling van enige veranderlike tot n telling om te skakel sodat ons die standaard-normaalverspreiding kan gebruik om die
verspreiding van n telling in verhouding tot ander tellings waarin ons belangstel, te bepaal.
10.1
Bestudeer die inleiding tot tutoriaal 6 op bladsy 90 tot 91 van Tredoux en Durrheim (2013)
om n oorsig te verkry van wat jy tot dusver oor die normaalverspreiding geleer het. Lees dan
die afdeling oor die standaard-normaalverspreiding op bladsy 91 tot 93 (voordat jy tabelle vir
-tellings gebruik).
Tredoux en Durrheim (2013) verduidelik dat, wanneer ons met verskillende datastelle werk
wat almal normaal versprei is, ons eenvormigheid kan verkry deur al die datastelle na n
standaardvorm om te skakel.
133
IOP2601/MO051/4/2016
Hierdie standaard-normaalverspreiding
normaalverspreiding asook die volgende:
beskik
oor
dieselfde
eienskappe
as
die
n Standaard-normaalverspreiding toon n gemiddelde van 0 en n standaardafwyking

van 1.
Die standaard-normaalverspreiding word beskryf op grond van eenhede van
standaardafwyking bekend as -tellings.
Hierdie -tellings wissel van drie standaardafwykings onder die gemiddelde tot drie
standaardafwykings bokant die gemiddelde.
Maak n gewoonte daarvan om wanneer jy met -tellings werk

altyd n sketsie van die normaalverspreiding te maak. Dui die
middellyn daarop aan met = 0. Alle negatiewe -tellings sal in
die linkerkantse helfte l en alle positiewe -tellings sal in die
regterkantse helfte l. Jou skets moet ooreenstem met die grafiek
wat aan die begin van die studiegids gegee word.
Om die standaard-normaalverspreiding te kan gebruik, word die
gegee.
-tellings in tabelvorm
10.2
Bestudeer nou die afdeling oor die gebruik van -tellings op bladsy 93 tot 97 van Tredoux en
Durrheim. (Laat Raam 6.1 op bladsy 97 tot 98 uit.) Figuur 3 op bladsy 93 is net n klein deel
van tabel A1.1 in bylae 1. Neem kennis dat, aangesien n normaalverspreiding simmetries is,
slegs die waardes vir die positiewe helfte in die tabel vir -waardes gegee word. Die
waardes vir die ander helfte is presies dieselfde, behalwe dat die tekens verskil. Indien jy
dus n negatiewe -telling het, gebruik net die ooreenstemmende positiewe -telling in die
tabel om die toepaslike verhouding af te lees.
Nadat jy hierdie afdeling in Tredoux en Durrheim (2013) bestudeer het, behoort jy vertroud
te wees met tabel A1.1 en behoort jy proporsies vir verskeie -tellings te kan bepaal.
Soos reeds in hierdie leereenheid gemeld, vestig ons ons aandag op die verspreiding van
verskillende veranderlikes in ons daaglikse lewe en nie noodwendig op die verspreiding van
-tellings nie.
134
IOP2601/MO051/4/2016
10.3
Bestudeer die afdeling op bladsy 98 tot 99 van Tredoux en Durrheim (2013) wat verduidelik
hoe die statistiese wreld (die standaard-normaalverspreiding) toegepas kan word om die
regte wreld (veranderlikes wat in ons daaglikse bestaan voorkom) te interpreteer en
afleidings daaroor te maak.
Soos voorheen genoem en uit hierdie bespreking in Tredoux en Durrheim (2013) afgelei kan
word, is die standaard-normaalverspreiding besonder nuttig, aangesien enige stel tellings
wat normaal versprei is na standaardtellings omgeskakel kan word sodat direkte vergelyking
van data uit verskillende datastelle moontlik is. Die formule vir hierdie omskakeling is soos
volg:
Sodra tellings na standaardtellings ( -tellings) omgeskakel is, kan ons die standaardtabel
gebruik. Hierdie omskakeling verander nie die verspreiding van die tellings nie, maar bloot
die wyse waarop dit voorgestel word. Vergelyk byvoorbeeld A met a. Albei karakters stel
die eerste letter van die alfabet voor dieselfde inligting word net in verskillende vorms
voorgestel.
10.4
Bestudeer die afdeling oor die omskakeling van x-tellings na -tellings op bladsy 100 tot 102
van Tredoux en Durrheim (2013).
Jy ken nou die definisie en eienskappe van n normaalverspreiding. Jy het ook al die
definisie en eienskappe van die standaard-normaalverspreiding geleer. Boonop weet jy ook
hoe om tellings wat as normaalveranderlikes (x-tellings) voorkom, om te sit in tellings wat in
die standaard-normaalverspreiding pas ( -tellings).
Dink na oor die volgende scenario. Een van die eienskappe wat as deel van die
psigometriese assessering van die deelnemers van die Nuwe Sterre-vertoning gemeet is, is
Relnavolging. Dit is die mate waarin n persoon geneig sal wees om die verwagte rels
en regulasies van die samelewing te volg. Die navorsers wat aangestel is om verskeie
aspekte van die Nuwe Sterre-vertoning te ondersoek, wil weet of die deelnemers aan die
vertoning geneig is om n laer puntetelling te behaal as die gemiddelde wat oor die
algemeen van individue in die gemeenskap verwag kan word. Hulle besluit om die
puntetellings van die deelnemers te vergelyk met die data van die normgroep wat hulle tot
135
IOP2601/MO051/4/2016
hulle beskikking het. Die data van die normgroep is normaal verspreid en bestaan uit n
groep individue tussen 18 en 36 jaar oud (N = 1 250) met n gemiddelde ( )-telling van 7 en
n standaardafwyking ( ) van 2 op die meting van Relnavolging. Die deelnemers het n
gemiddelde telling van minder as 5 vir Relnavolging behaal, terwyl dit bekend is dat uiters
konsensieuse individue ongeveer 10 op hierdie meting behaal.
Hulle het jou gevra om die volgende vrae te beantwoord:
(a)
Bereken die ooreenstemmende

Relnavolging.
(b)
(c)
(d)
Bepaal die proporsie van gevalle met n telling van minder as 5 vir Relnavolging.
Bepaal die persentasie van gevalle met n telling van meer as 5 vir Relnavolging.
Bereken die ooreenstemmende -telling vir n persoon met n telling van 10 vir
Relnavolging.
Bepaal die proporsie van gevalle met n telling van meer as 10 vir Relnavolging.
Bepaal die persentasie van gevalle met n telling van meer as 10 vir Relnavolging.
Bepaal die aantal gevalle met n telling tussen 5 en 10 vir Relnavolging.
(e)
(f)
(g)
-telling vir n persoon met n telling van 5 vir
Voordat jy hierdie vrae probeer beantwoord, raai ons jou aan om die volgende aktiwiteite te
voltooi. Hierdie aktiwiteite sal jou in staat stel om die vrae sinvol aan te pak.
Langs elke
gegee:
-telling wat in die tabel gegee word, word drie verskillende waardes
Mean to
Larger portion
Smaller portion
Onthou dat die totale proporsie of oppervlak onder die normaalverspreiding gelyk is aan 1,0.
Die oppervlak van die linkerkantse helfte onder die kromme (dit wil s by die negatiewe tellings) is gelyk aan 0,5 en net so is die oppervlak van die regterkantse helfte onder die
kromme (by die positiewe -tellings) ook gelyk aan 0,5.
Instruksies
Maak n diagrammatiese voorstelling van
n tipiese gestandaardiseerde normaalverspreiding en dui die proporsie onder
die kromme as 0,5 by elkeen van die twee
helftes aan.
136
Kommentaar
So n voorstelling behels n skets van n
normaalkromme met n vertikale lyn deur
die middel en = 0 daar aangedui. Hierdie
skets word slegs gebruik om die oppervlak
onder die kromme van die twee helftes
voor te stel.
IOP2601/MO051/4/2016
Wanneer daar gevra word na die proporsie groter as n bepaalde telling, verwys dit na die
proporsie regs van die bepaalde telling se posisie. Proporsie kleiner as verwys weer na die
proporsie links van die bepaalde punt. Om te weet waar die bepaalde punt op die kromme
sal l, moet die -telling eers bereken word. Daar is vyf moontlikhede met die aandui van
oppervlaktes:
Positiewe -telling: groter as (regs van) = smaller portion in tabel

Positiewe -telling: kleiner as (links van) = larger portion in tabel
Negatiewe -telling: groter as (regs van) = larger portion in tabel
Negatiewe -telling: kleiner as (links van) = smaller portion in tabel
Twee -tellings: tussen die twee tellings = mean to -waardes in tabel
Instruksies
Kommentaar
Maak vyf sketse van die normaalverspreiding om die vyf moontlikhede wat
hierbo genoem is, grafies (diagrammaties)
voor te stel.
Onthou dat positiewe -telling altyd aan

die regterkant is van die middellyn ( =
0) en negatiewe z-telling aan die
linkerkant van die middellyn ( = 0).
Dui = +1,5 aan op die eerste twee figure

deur middel van vertikale lyn in die
regterkantse helfte.
Onthou in die res van die aktiwiteit dat

larger than / groter as (>) beteken na
die regterkant van en smaller than /
kleiner as (<) beteken aan die linkerkant
van.
= 2 aan op die volgende twee

Dui
figure deur middel van vertikale lyn in
die linkerkantse helfte.
Dui twee -tellings aan op die vyfde diagram:
= +1,5 in die regterkantse helfte en = 2,0
in die linkerkantse helfte.
Ons gaan jou nou wys hoe om die verskillende moontlikhede voor te stel.
POSITIEWE -TELLING AFLEES VAN PROPORSIES
Instruksies
Gebruik eers die eerste twee figure (waar
die positiewe -telling van 1,5 aangedui
is). Skryf groter as (>) onder die eerste
figuur en kleiner as (<) onder die tweede
figuur. Kleur nou die toepaslike area in op
die twee figure.
Kommentaar
Waar daar groter as (>) staan, moet jy
die area regs van die gemerkte -telling
inkleur. Waar daar kleiner as (<) staan,
moet jy die area links van die gemerkte telling inkleur.
Soek nou die gepaste waarde in tabel

A1.1 om die spesifieke area by elke
diagram as n proporsie aan te dui.
137
IOP2601/MO051/4/2016
By die eerste figuur (positiewe -telling en

groter as (>)) sou jy die kleiner proporsie
ingekleur het. By die tweede figuur
(positiewe -telling en kleiner as (>) sou jy
die groter proporsie ingekleur het.
Die kleiner proporsie by n -telling van 1,5
is gelyk aan 0,0668 (sien tabel A1.1) en
= 1,5 is gelyk
die groter proporsie by
aan 0,9332.
In die volgende gedeelte gaan jy nou figure 3 en 4 gebruik om die proporsies in te kleur waar
daar met n negatiewe -telling gewerk word.
NEGATIEWE -TELLING AFLEES VAN PROPORSIES
Instruksies
Gebruik nou figuur 3 en 4 (waar die
negatiewe -telling van = 2 aangedui
is). Skryf groter as (>) onder die eerste
figuur en kleiner as (<) onder die tweede
figuur. Kleur nou die toepaslike area in op
die twee figure.
Soek nou die gepaste waarde in tabel
A1.1 om die spesifieke area by elke
diagram as n proporsie aan te dui.
Kommentaar
Waar daar groter as (>) staan, moet jy
die area regs van die gemerkte -telling
inkleur. Waar daar kleiner as (>) staan,
moet jy die area links van die gemerkte telling inkleur.
By die derde figuur (negatiewe -telling en
groter as (>) sou jy die groter proporsie
ingekleur het. By die vierde figuur
(negatiewe -telling en kleiner as (<) sou
jy die kleiner proporsie ingekleur het.
Die kleiner proporsie by n -telling van 2,0
is gelyk aan 0,0228 (sien tabel A1.1) en
= 2,0 is gelyk
die groter proporsie by
aan 0,9772.
In die volgende gedeelte gaan ons nou kyk wat gebeur as jy wil kyk na die area (proporsie)
tussen twee verskillende -tellings. Hier werk ons met die area kleiner as (links van) die een
waarde, maar terselfdertyd ook die area groter as (regs van) die tweede waarde. Weer eens
sal dit vir jou baie duideliker word as jy n grafiese voorstelling daarvan maak. In hierdie
gedeelte sal jy gebruik maak van die mean to -kolom in tabel A1.1 (alhoewel jy die
antwoord ook met ander waardes sou kon bereken).
138
IOP2601/MO051/4/2016
TWEE -TELLINGS PROPORSIE TUSSEN TWEE TELLINGS

Instruksies
Kommentaar
Gebruik nou die vyfde skets van die Jy moes die area TUSSEN die twee normaalverspreiding wat jy geteken het.
waardes ingekleur het (kleiner as = +1,5 en
terselfdertyd groter as = 2,0).
Dui daarop = +1,5 (regs van = 0) sowel
as = -2,0 (links van = 0) op hierdie figuur Hier is dit makliker om van die mean to aan. Skryf -2,0 < < 1,5 onder hierdie figuur. waardes van tabel A1.1 gebruik te maak. Die
Kleur nou die toepaslike area in op die figuur area tussen die twee -waardes word deur
in.
twee
helftes
verteenwoordig.
Die
linkerkantse deel is die waarde van = -2,0
Soek nou die gepaste waarde in tabel A1.1
tot by die middellyn ( = 0), terwyl die
om die spesifieke area wat jy ingekleur het
=
regterkantse deel die proporsie tussen
as n proporsie aan te dui.
1,5 en die middellyn ( = 0) is.
Die mean to -proporsie by n -telling van
2,0 is gelyk aan 0,4772 (sien tabel A1.1) en
die mean to -telling by
= 1,5 is gelyk
aan 0,4332. Hierdie twee tellings moet
bymekaargetel word om die proporsie tussen
die twee tellings te kry. (Die antwoord is
0,9104.)
Enige proporsie kan ook as n persentasie uitgedruk word deur dit met 100 te
vermenigvuldig. Byvoorbeeld: 0,9772 kan geskryf word as 97,72%, terwyl 0,0228 as 2,28%
geskryf kan word.
Wanneer ons die proporsie bereken het, kan ons ook uitwerk watter aantal persone
daardie proporsie verteenwoordig. Die aantal persone word verkry deur die proporsie (of
persentasie) met die totale aantal gevalle te vermenigvuldig.
AANTAL GEVALLE VERTEENWOORDIG DEUR N PROPORSIE (OF PERSENTASIE)
Instruksies
Kommentaar
Bereken die aantal gevalle van n totaal van Jy moet die totale aantal gevalle (80) met die
80 gevalle wat deur die proporsie 0,7653 (of proporsie (of persentasie) vermenigvuldig.
Dit gee n antwoord van 61,24, wat afgerond
76,53%) voorgestel word.
word tot 61.
Onthou dat waar daar met persone gewerk
word, die antwoord altyd tot die naaste syfer
afgerond word.
139
IOP2601/MO051/4/2016
Jy moet die volgende stappe volg elke keer dat jy met

tellings werk:
Maak n skets van die normaalverspreiding met = 0 in die

middel.
Bereken die -telling (gebruik die formule).
Teken die berekende -telling op jou skets. Onthou,
positiewe -tellings kom regs van = 0 en negatiewe tellings kom links van = 0.
Bepaal of jy die gedeelte links van (<) of die gedeelte regs
van (>) die bepaalde -waarde moet inkleur en kleur dit in.
Lees die korrekte proporsie (larger portion, smaller
portion of mean to ) in die tabel af by die bepaalde waarde en teken dit so op jou skets aan.
Skryf die nodige berekening neer en gee jou finale
antwoord in die korrekte formaat.
10.5
Probeer nou om die vrae wat ons vroer gestel het te beantwoord (in Aktiwiteit 10.4).
Jou antwoorde behoort so te lyk:
(a)
(a) Bereken die ooreenstemmende

Relnavolging. (X = 5)
140
-telling vir persoon met telling van 5 vir
-3
-2
-1
IOP2601/MO051/4/2016
(b) Bepaal die proporsie van gevalle met n telling van minder as 5 vir Relnavolging.
Kyk na die skets by Vraag (a).

Jy het reeds = 1 bereken by Vraag (a).
Blaai na tabel A1.1.
Soek waar = 1 in die tabel.
Verwys na die grafiek hierbo, die grysgekleurde area is waaroor hierdie vraag
handel en jy kan sekerlik sien dat dit die smaller portion onder hierdie
normaaldistribusie is.
Kyk langs = 1 onder smaller portion in Tabel A1.1 en jy sal die waarde 0,15866
sien.
Proporsie gevalle met telling van minder as 5 vir Relnavolging = 0,15866

(c) Bepaal die persentasie gevalle met telling van minder as 5 vir Relnavolging
Proporsie (jou antwoord op Vraag b)
Dus is die persentasie
(d)
Bereken die ooreenstemmende

Relnavolging. (X = 10)
= 0,15866
= 15,87%
-telling vir persoon met telling van 10 vir

1,5
-3
-2
-1
(e) Bepaal die proporsie gevalle met n telling van meer as 10 vir Relnavolging.
Proporsie gevalle met telling van meer as 10 vir Relnavolging = 0,06681
(f) Bepaal die persentasie gevalle met n telling van meer as 10 vir Relnavolging.
Proporsie (Jou antwoord op vraag e) = 0,06681
Dis is die persentasie
= 6,68%
141
IOP2601/MO051/4/2016
(e)
Bepaal die aantal gevalle met telling van tussen 5 en 10 vir Relnavolging.
-3
-2
-1
Onthou dat die totale oppervlakte onder die standaard-normaalverspreiding = 1.

Dus:
1 (0,06681 + 0,15866) = 1 0,22547 = 0,77453
Jy sal dieselfde antwoord kry indien jy die twee mean to -proporsies (0,43319 en 0,34134)
in die figuur bymekaar tel.
N = 1250 (Dit word by die begin in die vraag gegee.)
Die aantal gevalle
= 0,77453 x 1250
= 968,16
= 968 persone
Ons kan uit hierdie berekenings sien dat die deelnemers van die Nuwe Sterre-vertoning
binne die laagste 15% van individue in die samelewing tussen die ouderdom 18 tot 36 jaar
val met betrekking tot die mate waarin hulle normale rels en regulasies nakom. Dit kom
daarom voor dat hulle meer geneig is om risikos te neem en die status quo uit te daag as
die gemiddelde individu in hierdie ouderdomsgroep in die gemeenskap.
Ons kan nie net x-tellings in -tellings omskakel nie, maar ook -tellings in x-tellings omsit.
Bestudeer die toepaslike afdeling op bladsy 102 tot 103 van Tredoux en Durrheim (2013) en
doen dan die volgende oefening.
Gestel ons moet die grense bepaal waarbinne 80% van persone se tellings sal val as ons
weet dat die gemiddelde van die tellings gelyk is aan 45,7 en die standaardafwyking gelyk is
aan 11,42.
142
IOP2601/MO051/4/2016
GRENSE VAN SEKERHEID

Instruksies
Teken weer n normaalverspreiding met
0 in die middel.
Kommentaar
= Die 80% is presies simmetries rondom = 0
versprei, sodat 40% links van = 0 en 40%
regs van = 0 l.
Merk nou twee grense aan weerskante van

= 0 en kleur die gedeelte tussen hierdie twee Die oorblywende 20% van die area
grense in.
(proporsie) onder die kromme sal in die twee
stertgedeeltes vorm. Die oorblywende 20%
Merk die ingekleurde deel as gelyk aan 80% word dus in twee gedeel met 10% in die
(0,80) met 40% links van = 0 en 40% regs linkerkantste stertgedeelte en 10% in die
regterkantste stertgedeelte.
van = 0.
Vind nou die ooreenstemmende -telling wat Soek die -waarde wat n mean to die areas sal gee soos wat op jou skets telling van 0,4000 (40%) gee sodat die area
tussen die negatiewe -telling met hierdie
aangedui is.
waarde en die positiewe x- telling met hierdie
Indien jy nie die presiese waarde in die tabel waarde n totale area van 80% sal beslaan.
vind nie, gebruik die waarde wat numeries (Onthou
dat
die
normaalverspreiding
die naaste is aan die waarde wat jy gesoek heeltemal simmetries is.)
het.
Jy kon ook vir die -waarde met n smaller
Die twee -waardes wat die naaste aan portion van 0,1000 gesoek het, en sou op
0,4000 (40%) kom, is
die manier by presies presies dieselfde waardes uitgekom het.
= 1,29 (mean to = 0,4014)
= 1,28 (mean to = 0,3997)
Aangesien 0,3997 nader aan 0,40, neem ons
= 1,28 as die korrekte antwoord.
Om nou bogenoemde -telling korrek te interpreteer, moet jy weer kyk na die skets wat jy
gemaak het. Ons het nou bereken dat 80% van alle tellings tussen = 1,28 en = +1,28
sal l. Dit beteken prakties dat 80% van alle waardes tussen die volgende twee berekende
waardes sal l:
die gemiddelde minus 1,28 maal die standaardafwyking (gee die onderste grens)
die gemiddelde plus 1,28 maal die standaardafwyking (gee die boonste grens)
Onthou dat ons vir jou ges het dat die gemiddelde gelyk is aan 45,7 en die
standaardafwyking is gelyk aan 11,42. Vir hierdie spesifieke geval sal 80% van alle tellings
l tussen:
143
IOP2601/MO051/4/2016
Ondergrens: 45,7 - 1,28(11,42)

Bogrens: 45,7 + 1,28(11,42)
= 45,7 14,62
= 45,7 + 14,62
=
=
31,08, en
60,32.
Tagtig persent (80%) van die persone se waardes sal dus tussen 31,08 en 60,32 l.
Daar is twee vaste grense wat baie algemeen gebruik word
en wat belangrik is om te onthou: 95% en 99%. Die waardes vir 95% is +1,96 en vir 99% is dit +2,58.
Hier is n grafiek wat die areas onder die normaaldistribusiekurwe aantoon.
Bestudeer die uitgewerkte voorbeeld op bladsy 104 van Tredoux en Durrheim (2013).
Bestudeer raam 6.2 op bladsy 104 tot 105 van Tredoux en

Durrheim sodat jy weet hoe om n sigblad te gebruik om berekenings te doen.
144
die normaalverspreiding te kan beskryf

die standaard-normaalverspreiding te kan beskryf en n
grafiese voorstelling daarvan te kan maak
linere transformasies te kan doen soos die berekening
van waardes en ook die aflees van tabelwaardes
grense te kan bepaal vir die mate van sekerheid van
waarnemings
IOP2601/MO051/4/2016
LEEREENHEID 11: Steekproefdistribusies en

hipotesetoetsing
Moenie skrik vir hierdie lang en skynbaar ingewikkelde titel nie. Jy herken waarskynlik die
woorde steekproefneming en distribusies. Kom ons kyk vinnig weer na die betekenisse
van hierdie begrippe.
Steekproef
As ons as navorsers belang sou stel om die gemiddelde lengte van al die mans in SuidAfrika te bepaal, sou dit onmoontlik wees. Stem jy saam dat dit heeltemal te veel geld,
mense en tyd sou neem om dit te doen? Jy sal al die mans tot in al die uithoeke van SuidAfrika moet gaan soek en al sou dit moontlik wees om almal op te spoor, is die fisiese meet
van al die mans onrealisties. Dit is maar een voorbeeld waar dit prakties onmoontlik is om
van die hele populasie gebruik te maak. Soos jy in leereenheid 2 gesien het, is n populasie
n hele versameling voorwerpe of entiteite in ons voorbeeld hierbo is dit al die mans in
Suid-Afrika. Aangesien dit nie altyd moontlik is om die hele versameling of alle mans te
betrek nie, gebruik ons eerder n deelversameling van die populasie. Ons noem hierdie
deelversameling van die populasie n steekproef.
Ons wil egter meestal bepaalde afleidings oor n hele populasie maak. As ons dink aan die
voorbeeld waarin ons die gemiddelde ouderdom bereken van alle Nuwe Sterre-kykers, is dit
tog duidelik dat dit heelwat makliker sou wees om met n kleiner groep (n steekproef) te
werk. Ons kan dan die aanname maak dat wat vir die steekproef geld, ook op die populasie
van toepassing is. Die gemiddelde ouderdom van die kykers in die steekproef sou dan as
die gemiddelde ouderdom van alle Nuwe Sterre-kykers beskou kon word. Ons kan dus
veralgemenings van die steekproef na die populasie vorm. In so n geval sou ons spesifieke
navorsingstegnieke op n steekproef toepas om afleidings (gevolgtrekkings) oor die
populasie te maak. Dit is wat met inferensile statistiek bedoel word. Ons gebruik
inferensile statistiek dus om van n steekproef na n populasie te veralgemeen.
145
IOP2601/MO051/4/2016
Hoe regverdigbaar is die gebruik van steekproewe in plaas van

populasies?
Jy het jouself nou seker die vraag afgevra: hoe seker kan ons wees dat alles wat waar is van
die steekproef, ook waar sal wees van die populasie? Anders gestel, as die resultate uit ons
navorsing toon dat die gemiddelde ouderdom van kykers in die steekproef 26 jaar oud is,
hoe seker kan ons wees dat die gemiddelde ouderdom van al Nuwe Sterre-kykers in die
populasie ook 26 jaar oud sal wees?
Dit is n vraag waarmee navorsers te doen gekry het, maar dit doeltreffend opgelos het
deur n populasie te definieer wat nie te groot is nie en die gemiddelde van die totale
populasie ten opsigte van n eienskap, byvoorbeeld lengte, te verkry. Verskillende
ewekansige steekproewe uit dieselfde populasie word daarna geneem en die gemiddeld van
elke steekproef ten opsigte van die eienskap word gemeet. Die eksperiment word op
verskeie populasies uitgevoer en verskillende eienskappe word ook telkens gemeet. Die
gemiddelde van al die steekproewe se gemiddeldes toon dat dit nooit veel verskil van die
populasie nie.
Steekproefneming
Steekproefneming is die proses waardeur n deelversameling van die hele populasie
gedentifiseer en groepeer word. Ewekansige steekproefneming beteken dat die steekproef
op so n wyse gedentifiseer en ingesamel word dat elke lid van die populasie n gelyke kans
het om deel van die steekproef te wees. Dit is die beste manier om te verseker dat jou
steekproef so kenmerkend moontlik van die populasie is. Met ander woorde, die steekproef
verteenwoordig die populasie.
Distribusies
n Distribusie is n grafiese voorstelling van die totale datastel. Jy het in leereenheid 10 reeds
van die standaard-normaalverspreiding geleer.
Hou die betekenis van hierdie konsepte in gedagte terwyl ons nou verduidelik wat
steekproefdistribusies is.
Steekproefdistribusies
11.1
Bestudeer bladsy 108 tot 113 van Tredoux en Durrheim (2013) waar die begrippe
populasies, ewekansige steekproewe en inferensie/afleiding hersien word om die begrip
steekproefdistribusie te verduidelik. n Definisie van die begrip steekproefdistribusie verskyn
in die middel van bladsy 112.
Die vryhandskets hieronder bied n voorstelling van die begrip steekproefdistribusie.
146
IOP2601/MO051/4/2016
Die steekproefdistribusie van n statistiek

Populasiedistribusie met gemiddelde , variansie
2
en standaardafwyking
Frekwensiedistribusie
van
alle
moontlike
steekproewe van grootte N vanuit die populasie,
2
elk met gemiddelde
, variansie
en
standaardafwyking
Steekproefdistribusie van die gemiddelde met

gemiddelde
, variansie 2 (bekend as die
variansiefout
van
die
gemiddelde)
en
(bekend as die stanstandaardafwyking
daardfout van die gemiddelde)
Soos reeds ges, is dit bykans onmoontlik om die gemiddelde

van die populasie te bereken en daarom bereken ons eerder
genoteer word. Ons
die steekproefgemiddelde, wat as
neem aan dat alles wat waar is van , ook waar sal wees van
die populasiegemiddelde, wat as
genoteer word. Omdat
ons uiteindelik belangstel wat in die hele populasie aangaan
eerder as in die steekproef, gebruik ons die -notasie in
berekeninge, en nie nie.
Noudat jy die term steekproefdistribusies verstaan, gaan ons voort met n bespreking van die
tweede begrip in die titel van hierdie leereenheid, naamlik hipotesetoetsing.
Wanneer ons inferensile statistiek bereken, gebruik ons steekproewe om afleidings oor
populasies te maak. Net so gebruik ons steekproefdistribusies om afleidings oor
147
IOP2601/MO051/4/2016
populasiedistribusies te maak. Anders gestel, ons gebruik n steekproefdistribusie om n

hipotese oor n populasiegemiddelde te toets.
Wat is n hipotese?
Die meeste wetenskaplike navorsingsondersoeke is pogings om n hipotese te toets wat
deur die navorser geformuleer is. n Hipotese is in werklikheid n idee n verwagting dat
daar n verband tussen twee of meer veranderlikes bestaan. Die navorser maak gewoonlik n
spesifieke voorspelling aangaande die uitkoms van sy/haar eksperiment. Indien hierdie
voorspelling deur die resultaat van die ondersoek bevestig word, onderskryf dit die hipotese.
Tredoux en Durrheim (2013, p. 128) beskryf n hipotese as n tentatiewe konstatering/stelling
van n verhouding tussen twee veranderlikes. Die skrywers verwys ook na Neuman se
definisie wat beweer dat hipoteses bloot ingeligte raaiskote oor die werking van die sosiale
wreld is.
Sover het ons nog net teoreties gepraat. Kom ons verwys terug na die voorbeeld aan die
begin van hierdie leereenheid waar ons belang gestel het in die ouderdom van al die Nuwe
Sterre-kykers. Gestel ons as bedryfsielkundiges wil egter nie net weet wat die gemiddelde
ouderdom van die kykers is nie. Ons stel ook belang om te weet of die kykers n ander
gemiddelde ouderdom as besoekers aan die webtuiste het. Die vraag wat ons ons afvra, is
of die twee groepe verskil, met ander woorde of die gemiddelde ouderdom van n
kykersteekproef wat verkry is beduidend sal verskil van die gemiddelde ouderdom van n
steekproef van besoekers aan die webtuiste. So ons stel n navorsingsprobleem, wat ons
verder kan definieer as n stelling wat as n navorsingshipotese bekend staan. Hierdie
stelling of navorsingshipotese kan die volgende wees: Daar is n verskil tussen die
ouderdom van kykers en di van besoekers aan die webtuiste vir die Nuwe Sterrevertoning.
Waar pas hipoteses in by die navorsingsproses?

Ons as bedryfsielkundiges kan egter nie sommer net op gesigswaarde s dat die besoekers
aan die webtuiste jonger is as die TV-kykers nie en daarom moet ons wetenskaplik te werk
gaan. Dit gebeur deur middel van hipotesetoetsing en die formulering van n
navorsingshipotese soos ons hierbo gedoen het. Daarna word daar deur n proses gewerk
om die navorsingsvraag statisties (wetenskaplik) te beantwoord.
Die proses wat gevolg moet word, staan bekend as hipotesetoetsing. Tredoux en Durrheim
(2013, p. 128) beskryf dit as n logiese en empiriese prosedure waardeur hipoteses formeel
opgestel en dan aan empiriese toetsing onderwerp word. Die proses van hipotesetoetsing
behels n aantal stappe.
148
IOP2601/MO051/4/2016
Die nege stappe in statistiese hipotesetoetsing

Ons gaan vervolgens die nege stappe in die proses van hipotesetoetsing bespreek en
sistematies daardeur werk. Die stappe is die volgende:
1.
2.
3.
4.
5.
6.
7.
8.
9.
formuleer die nulhipotese

formuleer die alternatiewe hipotese
bepaal of dit n een- of tweekantige toets is
bepaal die beduidendheidsvlak
bereken die toetsstatistiek
bepaal die grade van vryheid
bepaal die kritieke waarde
verwerp of nie-verwerp die nulhipotese
interpreteer die bevindinge
Jy sal merk dat Tredoux en Durrheim (2013) soms n ander getal stappe in n ander volgorde
gebruik. Jy moet egter altyd die bostaande nege stappe volg in die volgorde waarin dit in
hierdie module aangebied word. Sodoende sal jy makliker met die stappe van
hipotesetoetsing vertroud raak en dit beter onthou.
Soos ges, gaan ons in hierdie gedeelte deur die nege afsonderlike en baie belangrike
stappe werk om wetenskaplik uitspraak te kan gee oor ons navorsingshipotese. Jy gaan met
baie nuwe terme te doen kry, maar as jy dit baasraak, gaan dit vir jou tot voordeel wees,
aangesien ons in studie-eenhede 12, 13 en 14 telkens daarmee gaan werk.
Daar is n vaste prosedure wat gevolg word by hipotesetoetsing en as jy vertroud is met die
verskillende begrippe en die stappe, sal dit maklik wees om dit elke keer toe te pas en in
hipotesetoetsing te gebruik. As jy die stappe goed verstaan en toepas, ken jy die basiese
proses wat in alle navorsing gevolg word, en kan jy dit suksesvol in jou werksituasie gebruik
om bedryfsielkundige ondersoeke te doen en sodoende werksprobleme op te los. Kom ons
werk nou sistematies deur die nege stappe.
Stap 1: Formuleer die nulhipotese
11.2
Die nulhipotese is n ontkennende stelling wat ons maak oor die moontlike verskil tussen wat
ons as bedryfsielkundiges wil toets. Ons s dat daar nie n verskil is tussen enige twee
veranderlikes wat ons ook ondersoek nie, of dat albei die veranderlikes byvoorbeeld ewe
groot, lank of swaar is.
Voordat jy jou eie nulhipotese kan formuleer, moet jy eers n bietjie voorbereiding doen.
Hersien Tredoux en Durrheim (2013) se uiteensetting van hipotesetoetsing en die
nulhipotese op bladsy 128. Kyk ook na die voorbeelde van nulhipoteses boaan bladsy 129.
149
IOP2601/MO051/4/2016
Lees ook weer die navorsingsvraag en hipotese wat ons oor die ouderdomme van kykers en
besoekers aan die webtuiste van Nuwe Sterre gestel het en probeer om 'n nulhipotese
hiervoor te formuleer:
n Tipiese nulhipotese op bogenoemde vraag sou soos volg lui:
Daar is nie n verskil tussen die ouderdom van kykers en di van besoekers aan die
webtuiste nie.
Ons kan dit ook ietwat anders formuleer, byvoorbeeld:
TV-kykers en besoekers aan die webtuiste is ewe oud.
Albei stellings s dieselfde, of hoe? Het jy dit ook so geskryf deur die een of die ander
stelwyse te gebruik?
Ons kan n nulhipotese ook simbolies formuleer deur die simbool H0 vir die nulhipotese en
vir die gemiddelde van die steekproefdistribusie te gebruik.
H0:
TV
Website
or alternatiewelik
TV
Website
=0
Ons gee vir jou nog n volledige voorbeeld om deur te werk:

n Tipiese navorsingshipotese lui soos volg:
n Bedryfsielkundige wil bepaal of daar n beduidende verskil is tussen die tellings vir
emosionele intelligensie van aansoekers vir Nuwe Sterre en di van deelnemers wat
gekies is om aan Nuwe Sterre deel te neem.
Hieruit kan die nulhipotese soos volg geformuleer word:
In woorde:
In simbole: H0:
H0:
Daar is geen verskil tussen die emosionele intelligensie van

aansoekers en deelnemers nie
of
Die tellings vir emosionele intelligensie van aansoekers
deelnemers is ewe goed.
=
A -
C;
of
C = 0
Is dit vir jou duidelik hoe om dit te doen?
150
en
IOP2601/MO051/4/2016
Stap 2: Formuleer die alternatiewe hipotese

In hierdie gedeelte word die formulering van die alternatiewe hipotese bespreek.
Die alternatiewe hipotese is soortgelyk aan die navorsingshipotese en teenoorgesteld aan
die nulhipotese. (Onthou jy nog hoe om die nulhipotese in woorde en in simbole te
formuleer?) Die alternatiewe hipotese is nie ontkennend soos die nulhipotese nie, maar
bevestigend soos die navorsingshipotese, byvoorbeeld, daar is n verskil tussen enige twee
veranderlikes wat jy al meet.
Variasie op die alternatiewe hipotese is wanneer die navorser seker rigting aandui,
byvoorbeeld deur die hipotese te stel dat webtuiste-besoekers jonger is as TV-kykers, of
andersom. Dit staan bekend as rigtinggewende hipotese. Daar is dus drie moontlikhede:
nie-rigtinggewend die twee veranderlikes is nie gelyk nie (); daar is n verskil in die
ouderdom tussen TV-kykers en besoekers aan die webtuiste
rigtinggewend die een veranderlike is kleiner as die ander een (<); TV-kykers is jonger
as besoekers aan die webtuiste
rigtinggewend die een veranderlike is groter as die ander een (>); TV-kykers is ouer
as besoekers aan die webtuiste
Die formulering van die alternatiewe hipotese ten opsigte van rigting word in die
oorspronklike probleemstelling gempliseer, byvoorbeeld die navorser verwag dat TV-kykers
ouer as besoekers aan die webtuiste is.
11.3
Om saam te vat wat jy sopas oor die formulering van n alternatiewe hipotese geleer het,
moet jy nou bladsy 129 tot 130 van Tredoux en Durrheim (2013) bestudeer.
Ons gee n voorbeeld hoe om die alternatiewe hipotese te formuleer en gebruik dieselfde
navorsingshipotese as vantevore.
151
IOP2601/MO051/4/2016
Die navorsingshipotese is:

n Navorser wil bepaal of daar n beduidende verskil tussen die emosionele intelligensie
van aansoekers en di van deelnemers aan Nuwe Sterre is.
Die alternatiewe hipotese kan soos volg geformuleer word:
In woorde: Daar is n verskil tussen die tellings vir emosionele intelligensie van
aansoekers en di van deelnemers
of
Die emosionele intelligensietellings van aansoekers en deelnemers is nie ewe goed nie
In simbole: H1:
C;
of
H1:
Is dit vir jou duidelik hoe dit gedoen word?
Stap 3: Bepaal of dit n een- of tweekantige toets is

In stap 3 bepaal ons of ons met n eenkantige of n tweekantige toets te doen het. Dit hang
gewoonlik af of ons vermoed dat die een veranderlike wat ons wil ondersoek, groter of
kleiner as die ander veranderlike is, byvoorbeeld dat mans langer is as dames. In so n geval
het ons n eenkantige toets (rigtinggewend). Indien ons egter onseker is of dit langer of
korter gaan wees, werk ons met n tweekantige toets (nie-rigtinggewend).
11.4
Doen die volgende oefeninge:
Waar
1.
n Eenkantige toets is nie rigtinggewend nie
2.
n Tweekantige toets is altyd nie-rigtinggewend
1.
2.
onwaar
waar
152
Onwaar
IOP2601/MO051/4/2016
Hieronder volg skematiese voorstellings van een- en tweekantige toetse. Onthou dat die
alfavlakke verwys na die proporsie of die oppervlak van die verwerpingsgebied.
Eenkantige toets (rigtinggewende toets)
Dit is n toets wat ekstreme uitkomste in slegs een kant van die verspreiding verwerp.
= 0,05
= 0,05
Tweekantige toets (nie-rigtinggewende toets)

Dit is n toets wat ekstreme uitkomste in beide kante van die verspreiding verwerp.
/2 = 0,025
/2 = 0,025
11.5
Maak seker jy weet wanneer n toets eenkantig of gerig is, en wanneer n toets tweekantig of
nie-gerig is. Beantwoord dan die volgende vraag:
Identifiseer die volgende alternatiewe hipoteses as een- of tweekantig:
1.
2.
3.
4.
5.
6.
H1:
H1:
H1:
H1:
H1:
H1:
>
A =
A <
1 1 A 1
2
B
B
=0
2 > 0
B = 0
2
153
IOP2601/MO051/4/2016
1.
2.
3.
4.
5.
6.
eenkantig
tweekantig
eenkantig
tweekantig
eenkantig
tweekantig
Die praktiese oefening wat jy in bogaande aktiwiteit gehad het, behoort jou in staat te stel
om te weet wat n een- en n tweekantige toets is en wanneer om elkeen te gebruik.
Stap 4: Bepaal die beduidendheidsvlak

In hierdie gedeelte verwys ons kortliks na die bepaling van die vlak van beduidendheid. Dit
hou verband met stap 3 en die besluit om f n eenkantige f tweekantige toets te gebruik.
11.6
Bestudeer bladsy 132 tot 134 van Tredoux en Durrheim (2013). Hier verduidelik die
skrywers wat die vlak van beduidendheid is asook die soorte foute wat daarmee
gepaardgaan.
Samevattend kan ges word dat ons gewoonlik met n 5%- en/of 1%-vlak van
beduidendheid werk. Daar word nie van jou as student verwag om hierdie besluit te neem
nie en ons sal altyd vir jou aandui watter vlak om te gebruik, naamlik 0,05 of 0,01.
n Tipe I-fout beteken dat n nulhipotese verwerp word wanneer dit waar is.
n Tipe II-fout beteken dat n nulhipotese nie verwerp word wanneer dit onwaar is nie.
Die onderskeidingsvermo van n toets verwys na die waarskynlikheid van n juiste
verwerping van n onwaar nulhipotese jy gaan in leereenheid 15 meer hieroor leer.
Stap 5: Bereken die toetsstatistiek

Ons het tot dusver nog net steekproefstatistiek bereken statistiek wat uit n steekproef
bereken is en hoofsaaklik gebruik is om die steekproef vir die gemiddelde ( ) te beskryf. n
Toetsstatistiek is die uitslag van n statistiese toets. Ons verwys na toetsstatistiek wanneer
ons een of ander statistiese tegniek gebruik om data met mekaar te vergelyk. In hierdie
kursus (IOP2601) gebruik ons net enkele statistieke (die t-toets, F-toets of chi-
154
IOP2601/MO051/4/2016
kwadraattoets), hoofsaaklik wanneer ons wil bepaal of daar beduidende verskille tussen
steekproefgemiddeldes is. Toetsstatistieke waarin die gemiddelde n rol speel, kan in twee
kategorie ingedeel word: di wat op slegs twee steekproewe (t-toets) betrekking het en di
wat vir meer as twee steekproewe (F-toets) geld. In die geval van slegs twee steekproewe
kan die steekproewe verwant of nieverwant (onafhanklik) wees. Laastens gaan jy kennis
maak met die toetsing van frekwensies in een of meer groepe (chi-kwadraattoets).
Jy sal merk dat die -toets verduidelik word in die tutoriaal in Tredoux en Durrheim (2013)
waarna ons jou verwys. Hierdie toetsstatistiek is een wat jy nie vir hierdie module hoef te ken
nie. Die spesifieke tutoriaal in die handboek is tog nuttig wat betref die uiteensetting van die
konsepte wat ons in hierdie leereenheid gebruik, hoewel n ander statistiese toets gebruik
word. Jy kan dit dus deurwerk as n voorbeeld.
Samevattend
Twee steekproewe
t-toets vir verwante steekproewe

t-toets vir nie-verwante steekproewe
Drie (of meer) steekproewe
F-toets (eenrigting-variansieontleding)
Een of meer veranderlikes met frekwensies
chi-kwadraattoets
Jy hoef jou nie nou oor die spesifieke toetsstatistieke te kwel nie. In die leereenhede wat
volg, sal jy leer hoe om dit te bereken. Wat jy nou wel moet weet, is dat toetsstatistieke
(soos t, F en chi-kwadraat) na die antwoorde verwys wat jy verkry wanneer jy n hipotese
empiries (statisties) toets en jou berekening van die toetsstatistieke ooreenkom met die nege
stappe van hipotesetoetsing.
Stap 6: Bepaal die grade van vryheid

Dit is ook nodig om die grade van vryheid te bepaal sodat jy jou berekenings sinvol kan
interpreteer. Dit is nie vir jou nodig om die teorie aangaande die grade van vryheid te ken
nie, maar jy moet dit korrek kan bereken volgens die formule wat elke soort toetsstatistiek
vergesel. Ons gaan dit in die volgende leereenhede verduidelik en ook die toepaslike
formules in elke leereenheid bespreek.
155
IOP2601/MO051/4/2016
Stap 7: Bepaal die kritieke waarde

Die bepaling van die kritieke waarde is ook van belang in die interpretasie van jou antwoord
en hang nou saam met die grade van vryheid wat jy in die vorige stap gedoen het. Jy het op
bladsy 133 van Tredoux en Durrheim geleer wat die verwerpingsgebied behels. Die kritieke
waarde begrens die verwerpingsgebied en is met ander woorde daardie waarde wat die
beginpunt van die verwerpingsgebied aandui. n Kritieke waarde toon aan dat alle tellings bo
of onder daardie punt in die 5%- of 1%-vlak van beduidendheid val.
Jy kan nie die kritieke waarde bepaal sonder dat jy die volgende in berekening bring
nie:
of dit n een- of tweekantige toets is

wat die beduidendheidsvlak is
wat die grade van vryheid is
Jy hoef nie hierdie kritieke waardes te bereken nie, maar jy moet dit van die relevante tabelle
kan aflees wat agter in Tredoux en Durrheim (2013) ingesluit word. Die tabel met die kritieke
waardes vir die t-toets verskyn op bladsy 487, die kritieke waardes vir die F-toets op bladsy
489 tot 490 en die kritieke waardes vir die chi-kwadraattoets op bladsy 492.
Moenie bekommerd wees as jy hierdie tabelle nie nou verstaan nie; jy gaan in die studieeenhede wat volg, leer hoe om elkeen te gebruik.
Stap 8: Verwerp die nulhipotese of moenie die nulhipotese verwerp nie

In hierdie afdeling gaan jy leer hoe om te besluit wanneer jy die nulhipotese (soos jy hierbo
geformuleer het) moet verwerp sodat jy n besluit oor jou probleemstelling kan neem.
Gelukkig hoef jy nie lukraak daaroor te besluit nie, maar jy moet wel n eenvoudige
besluitnemingsrel onthou:
Indien toetsstatistiek > kritieke waarde is, word H0 verwerp.

Indien toetsstatistiek < kritieke waarde is, word H0 nie verwerp nie.
Met ander woorde, indien die berekende waarde van jou toetsstatistiek (die antwoord op die
berekening van t, F en chi-kwadraat) binne die verwerpingsgebied val, moet die nulhipotese
verwerp word.
Onthou dat ons altyd met absolute waardes werk. Dit wil s dat
jy die negatiewe teken in jou besluit ignoreer en selfs n
negatiewe waarde as positief lees.
n Ander manier om te besluit of die nulhipotese verwerp of nie verwerp moet word nie, is om
die normaalkromme grafies voor te stel. Jy sal hierdie metode moontlik makliker vind om te
interpreteer. n Voorbeeld van so n grafiese voorstelling verskyn op bladsy 135 van Tredoux
en Durrheim (2013).
156
IOP2601/MO051/4/2016
Stap 9: Interpreteer die bevinding

Die laaste stap is die interpretasie van die verwerping of die nie-verwerping van die
nulhipotese ten opsigte van die oorspronklike probleemstelling. Dit behels n formulering van
die uitkoms van die probleemstelling in woorde om aan te dui of daar wel n verskil is of nie
tussen die twee gemiddeldes wat jy empiries getoets het, byvoorbeeld, daar is n verskil in
ouderdom tussen webwerfbesoekers en TV-kykers.
Noudat ons deur die hele proses van wetenskaplike hipotesetoetsing gewerk het, en finaal
ons statistiese bevindinge genterpreteer het, het ons dit herlei na ons oorspronklike
probleemstelling en die navorsingshipotese wat daaruit voortgevloei het. In di proses moes
ons die oorspronklike navorsingsvraag opgelos het.
11.7
Tredoux en Durrheim (2013) bied op bladsy 136 tot 137 n uitgewerkte voorbeeld van die
proses van wetenskaplike hipotesetoetsing. Bestudeer dit en let op die verskillende stappe
wat gevolg word. Soos reeds genoem, werk Tredoux en Durrheim (2013) nie op presies
dieselfde wyse as in die nege stappe hierbo uiteengesit nie, maar jy moet vasstel in watter
mate hulle die stappe wel insluit. Sorg dat jy elke stap asook die logika onderliggend
daaraan verstaan.
Sonder om nou na die studiegids te verwys, skryf die nege stappe in die proses van
hipotesetoetsing neer. (WENK: doen dit op n stukkie netjiese karton en plak dit bo jou
lessenaar op sodat jy voortdurend daarna kan verwys.)
Nou behoort jy n deeglike prentjie te h van die proses van hipotesetoetsing wat gevolg
word in navorsing, beginnende by n probleemstelling of navorsingshipotese en al die
verskillende stappe waardeur gewerk moet word om finaal te kan s of daar n beduidende
verskil bestaan tussen die gemiddelde tellings wat tussen twee of drie groepe verkry is. In
die volgende leereenhede gaan jy dit prakties toepas en deur die hele proses werk.
157
IOP2601/MO051/4/2016
Skematiese voorstelling van studie-eenhede 12, 13 en 14

In leereenheid 11 is reeds melding gemaak van sommige tipes toetsstatistieke vir
hipotesetoetsing.
Hier is n grafiese voorstelling van die verskillende tipes statistiese toetse vir metingsdata
(leereenhede 12 en 13) sowel as vir kategoriese data (leereenheid 14).
Dit dien vir jou as n soort geheuekaart (mind map) vir die verskillende soorte toetse in
inferensile statistiek.
Metingsdata
(Kwantitatief)
Twee
steekproewe
of groepe
Verwante
groupe
t-toets
Leereenheid 12
Kategoriese data
(Frekwensie)
Drie of
meer
steekproewe of
groepe
Onafhanklike
groupe
t-toets
Leereenheid 12
Eenrigting
ANOVA
Leereenheid 13
Twee
klassifikasie
veranderlike:
Tweerigtingtabel
Chi-kwadraat
Leereenheid 14
Onafhanklik
groupe
F-toets
ANOVA
Een afhanklike
veranderlike
158
Een
klassifikasie
veranderlike:
"Goodness-of-fit"
test
Verwante groepe
F-toets
Herhaalde metings
ANOVA
Nie deel van hierdie module nie
Twee of meer
onafhanklike veranderlikes
Faktoriaal
ANOVA
Nie deel van hierdie eenheid
IOP2601/MO051/4/2016
LEEREENHEID 12: Hipotesetoetse vir gemiddeldes:

t-toetse
Ons het reeds hipotesetoetsing in leereenheid 11 bespreek en in hierdie leereenheid gaan

ons n hipotese empiries toets sodat ons wetenskaplik kan s of daar n beduidende verskil
tussen die gemiddeldes van twee stelle tellings bestaan. Dit is iets waarmee ons dikwels in
die werksituasie gekonfronteer word om die verskil tussen twee stelle data te bepaal.
Onthou jy nog die voorbeeld van leereenheid 11 oor die emosionele intelligensie van
aansoekers en deelnemers aan Nuwe Sterre?
Verskillende tipes toetsstatistiek kan met behulp van hipoteses getoets word, afhangende
van die tipe data waarmee ons werk. In hierdie leereenheid behandel ons die verskillende ttoetse: die t-toets vir onafhanklike groepe en die t-toets vir twee verwante groepe. Hierdie
toetse word in tutoriaal 9 in Tredoux en Durrheim (2013) bespreek.
12.1
Bestudeer die konsepte en enkele aannames waaraan die data moet voldoen op wat op
bladsy 142 tot 147 van Tredoux en Durrheim (2013) bespreek word. Jy behoort dan ook die
beginsels van hipotesetoetsing te verstaan.
Hipotesetoetse vir gemiddeldes: twee onafhanklike steekproewe

Ons bespreek nou hipotesetoetsing vir twee onafhanklike steekproewe en gaan dieselfde
stappe volg as wat ons in leereenheid 11 voorgehou het. Ons gaan ook aandag gee aan die
aanpassings wat nodig is wanneer verskille in homogeniteit van variansie voorkom en
wanneer die grootte van steekproewe verskil.
159
IOP2601/MO051/4/2016
Wat is die doel met hipotesetoetsing vir twee onafhanklike steekproewe?

Die doel van hipotesetoetsing vir twee onafhanklike gemiddeldes is om jou te help besluit of
die waargenome verskil tussen twee steekproefgemiddeldes toevallig ontstaan het en of dit
n ware verskil tussen populasies verteenwoordig. In die taal van hipotesetoetsing is die doel
van die t-toets om ons te help besluit of die nulhipotese van geen verskil tussen die
gemiddeldes van die twee populasies verwerp moet word of nie verwerp moet word nie.
Wat beteken twee onafhanklike steekproewe?

Ons praat van twee onafhanklike steekproewe as daar geen verband tussen die groepe
bestaan nie, of as daar geen verband tussen individuele pare deelnemers oor die twee
steekproewe is nie, dit wil s, as die deelnemers in slegs een van die twee groepe van n
eksperiment dien.
12.2
Volg die redenasie oor steekproefdistribusies van die verskille tussen gemiddeldes. (Weet jy
nog wat n steekproefdistribusie is? Indien nie, lees eers weer die relevante gedeeltes in
leereenheid 11 jy sal uit die inleiding agterkom dat ons hier met die steekproefdistribusie
van die verskil tussen gemiddeldes te make het.)
1.
Voltooi ook die onderstaande:

Die steekproefdistribusie van die verskil tussen gemiddeldes is:
Waar
2.
Omdat ons steekproeftrekking onafhanklik vir elke populasie is,

sal die steekproefgemiddeldes ook onafhanklik wees.
3.
Die gemiddelde van die steekproefdistribusie sal
4.
Manlike en vroulike aansoekers vir NUWE STERRE sal twee

onafhanklike groepe onderskeidelik verteenwoordig
160
2 wees.
Onwaar
IOP2601/MO051/4/2016
1.
2.
3.
4.
Die verspreiding van die verskille tussen

steekproefneming uit dieselfde populasie(s).
Waar
Waar
Waar
gemiddeldes
van
herhaalde
Hoe bereken ons die t-toets vir onafhanklike steekproewe?

Noudat jy weet wat onafhanklike groepe is en waarom ons n t-toets vir onafhanklike
steekproewe gebruik, is die volgende stap om empiries te bepaal of daar n beduidende
verskil tussen die gemiddeldes van die twee onafhanklike steekproewe is. Dit behels n
redelik eenvoudige berekening as jy die formule gebruik wat Tredoux en Durrheim (2013) as
vergelyking 9.4 op bladsy 150 voorsien. Jy kan dalk eerder net die formule gebruik wat in die
lys van formules agterin hierdie gids voorsien word. Jy hoef nie die agtergrond te ken nie,
maar moet die formule leer.
12.3
Bestudeer die voorbeeld wat volg en sorg dat jy weet hoe di toetsstatistiek (in hierdie geval
die t-toets vir onafhanklike groepe) bereken word. Die t-toets word uitgevoer volgens die
nege stappe wat in leereenheid 11 uiteengesit is. Het jy onthou om die stappe op n stukkie
karton neer te skryf en bo jou lessenaar te plak? Indien nie, kan jy dit nou doen voordat jy
met die voorbeeld aangaan. Jy moet goed vertroud wees met die logiese opeenvolging van
die stappe en jy moet hierdie stappe in die eksamen kan volg sodat jy die relevante
toetsstatistiek kan gebruik om die probleemstelling statisties op te los. Hierdie nege stappe
kan op dieselfde wyse vir ander toetsstatistiek (soos die t-toets vir verwante groepe en die Ftoets) gebruik word dit is nog n goeie rede waarom jy die verskillende stappe nou onder
die knie moet kry.
n Navorser wil graag bepaal of daar n beduidende verskil is tussen die algehele
vermaaklikheidstellings wat manlike en vroulike kykers aan Nuwe Sterre toegeken het. Sy
verkry die tellings van 20 ewekansig geselekteerde kykers en besluit om beduidendheid op
die 5%- en die 1%-vlak te toets.
161
IOP2601/MO051/4/2016
Data
Manlike kykers
X
X2
4
16
3
9
2
4
5
25
1
1
6
36
2
4
1
1
7
49
6
36
X = 37
X2 = 181
= 3,7
= 4,88
N = 10
Vroulike kykers
Y
Y2
2
4
1
1
5
25
3
9
3
9
4
16
4
16
1
1
5
25
5
25
Y = 33
Y2 = 131
= 3,3
2
y = 2,47
N = 10

In woorde
Daar is geen verskil tussen die vermaaklikheidstellings van manlike en vroulike kykers van
Nuwe Sterre nie.
of
Mans en vroue vind Nuwe Sterre ewe vermaaklik.
In simbole
H0:
of
H0:
162
=0
IOP2601/MO051/4/2016

In woorde
Daar is n verskil tussen manlike en vroulike kykers se vermaaklikheidstellings vir Nuwe
Sterre.
of
Mans en vroue vind nie Nuwe Sterre ewe vermaaklik nie.
In simbole
H1:
of
H1:
Stap 3: Bepaal of die toets een- of tweekantig is

In hierdie voorbeeld (soos di waarmee jy te doen sal kry) word die besluit op n eenkantige
of n tweekantige toets aan jou oorgelaat. Jy moet dus die probleemstelling bestudeer en kyk
of dit rigtinggewend of nie-rigtinggewend is. In geval van die voorbeeld wat ons deurwerk,
word daar slegs ondersoek of daar n verskil is tussen die gemiddeldes van die twee groepe
en nie of die een groep beter of swakker as die ander groep presteer nie. Gevolglik werk ons
dus met n nierigtinggewende hipotese en sal ons die tweekantige toets gebruik.
Stap 4: Bepaal die vlak van beduidendheid

Gelukkig hoef jy nie hieroor n besluit te neem nie, aangesien ons altyd sal spesifiseer by
watter vlak van beduidendheid jy die hipotese moet toets. In hierdie geval spesifiseer ons
twee vlakke, naamlik 0,05 en 0,01.
163
IOP2601/MO051/4/2016

As gevolg van ons probleemstelling (let op die feit dat die twee groepe onafhanklik is) maak
ons gebruik van die t-toets vir nie-verwante groepe en word die volgende formule gebruik:
3,7
3,3
4,88
10
2,47
10
0,4
0,488
0,247
0,4
0,735
0,4
0,857
0,47

df

=

=
N1 + N2 2
10 + 10 2
18

Gebruik tabel A1.2 op bladsy 487 van Tredoux en Durrheim (2013) om die kritieke waardes
af te lees.
164
t0.05 (18) =
2,1009
t0.01 (18) =
2,8784
IOP2601/MO051/4/2016
Stap 8: Besluit of die nulhipotese verwerp moet word of nie verwerp

moet word nie
Uit die berekenings wat ons gedoen het asook die tabelle het ons bepaal dat:
die waarde van die toetsstatistiek 0,47 is; en

die kritieke waarde op die 0,05-vlak 2,101 en op die 0,01-vlak 2,878 is
Gebruik die volgende besluitnemingsrels:
verwerp H0 as die toetsstatistiek > die kritieke waarde is

moenie H0 verwerp as die toetsstatistiek < die kritieke waarde is
Vir = 0,05
Vir = 0,01
0,47 < 2,1009
0,47 < 2,8784
H0 word nie verwerp nie
H0 word nie verwerp nie
(Onthou: Dit is onwetenskaplik en verkeerd om te s dat ons die nulhipotese aanvaar.)
Stap 9: Interpreteer die bevindings

Die navorser kan met 99% sekerheid tot die gevolgtrekking kom dat daar geen verskil is
tussen manlike en vroulike kykers ten opsigte van die vermaaklikheidstellings wat hulle
toeken aan die Nuwe Sterre-program nie.
Hierdie is die eenvoudigste vorm van die t-toets vir onafhanklike groepe.
Waarom voeg ons variansies saam?

Wanneer ons met steekproewe te doen kry wat nie ewe groot is nie, is dit nodig om die
variansies van die twee steekproewe saam te voeg (pool). Tredoux en Durrheim (2013)
verduidelik hierdie proses op bladsy 150. Sorg dat jy die formule vir saamgevoegde
variansies kan gebruik deur vergelyking 9.5 en 9.6 in Tredoux en Durrheim (2013)
sorgvuldig te bestudeer.
165
IOP2601/MO051/4/2016
12.4
Om deeglik vertroud te raak met die gebruik van die t-toets en die verskillende fasette
daaraan verbonde, sal dit tot jou voordeel wees om n oefening op jou eie te doen. Doen
oefening 1 op bladsy 158 van Tredoux en Durrheim (2013). Volg die stappe vir
hipotesetoetsing wat jy teen hierdie tyd al goed ken.
Volg veral al die stappe in die proses soos die formulering van die nul- en alternatiewe
hipoteses en die besluit op n een-/tweekantige toets.
Werk dan met jou sakrekenaar deur die stappe in die berekening van die toetsstatistiek
en bepaal ook die grade van vryheid.
Soek die kritieke waardes in die tabel op en pas die beslissingsrels toe. Gebruik die
toetsbeduidendheidsvlak van 0.05.
Skryf ook jou interpretasie oor die verwerping/nie-verwerping van die nulhipoteses neer.
Jy het nou al weer n paar nuwe vaardighede geleer en in hierdie stadium behoort jy
die volgende te kan doen:
te weet wanneer om n onafhanklike t-toets te gebruik

n hipotese te toets deur die t-toets vir onafhanklike groepe te gebruik en n
toetsstatistiek te bereken. Jy moet dit ook kan doen in gevalle wanneer die
steekproefgrootte nie dieselfde is nie, en wanneer die variansie van die een steekproef
vier keer groter as di van die ander is
n finale gevolgtrekking ten opsigte van jou navorsingshipoteses te kan maak
Lees die voorbeeld hieronder en sorg dat jy die t-waarde op die

drukstuk kan identifiseer en interpreteer.
Oefening 2
Datastel 8
Vir die t-toets vir onafhanklike steekproewe moet die tellings vir albei groepe in n enkele
veranderlike ingeskryf word. Dan moet n skynveranderlike ingeskryf word om elke groep
mee te identifiseer. Ek het die afhanklike veranderlike laugh genoem en die onafhanklike
veranderlike parent. Die nommer 1 is aan twee-ouergesinne toegeken en die nommer 2
aan eenouergesinne.
166
IOP2601/MO051/4/2016
t-Toets vir onafhanklike groepe

Roep die kieslys Analyse op. Kies die opsie Compare means en dan weer die opsie
Independent Samples T-Test. Kies in die dialoogblokkie die toetsveranderlike (DV) en die
groeperingsveranderlike (IV). Definieer die groepveranderlike deur die laagste en hoogste
waarde vir die skynveranderlike aan te dui in ons geval is die laagste waarde 1 (2ouergesinne) en 2 (1-ouergesinne).
Die rekenaaruitdruk verskyn hieronder:
Soos jy teen hierdie tyd weet, speel gelyke variansies n rol in n t-toets. In bostaande
drukstuk is die eerste toets (Levene se toets) om vir die aanname van gelyke variansies te
toets. Indien dit betekenisvol (minder as 0,05 of 0,01) is, lees ons die tweede ry data. Indien
dit nie die geval is nie, lees ons die eerste ry. In die kolom met die opskrif sig (tweekantig)
kyk ons weer of die waarde minder as 0,05 of 0,01 is. Indien dit minder as 0,05 is, is die ttoets betekenisvol, wat n statisties beduidende verskil aandui.
167
IOP2601/MO051/4/2016
Nieparametriese ekwivalent van die t-toets vir onafhanklike steekproewe

Die vreemde term nieparametries in hierdie opskrif het jou sekerlik opgeval. Jy sal leer wat
n nieparametriese toets is en hoe dit van n parametriese statistiese toets verskil wanneer jy
die inleiding tot tutoriaal 20 in Tredoux en Durrheim (2013) bestudeer.
In hierdie afdeling ondersoek ons teoreties die nieparametriese ekwivalent van die t-toets vir
twee onafhanklike steekproewe, naamlik die Mann-Whitney-toets. As bedryfsielkundige
moet jy weet wat om te doen as jou data nie normaal versprei is nie. Dit word in hierdie
gedeelte verduidelik.
12.5
In hierdie gedeelte is daar nie veel om baas te raak nie. Bestudeer die eerste paragraaf op
bladsy 391 van Tredoux en Durrheim (2013).
Noudat jy hierdie gedeelte deurgewerk het, behoort jy die nieparametriese ekwivalent van
die t-toets vir twee onafhanklike steekproewe te kan noem. Jy hoef dit nie te kan beskryf of
die formule daarvoor te ken nie.
Hiermee volstaan ons met ons bespreking van t-toetse vir twee onafhanklike steekproewe.
Ons gaan ons nou by hipotesetoetse vir twee verwante steekproewe bepaal.
Wat is verwante steekproewe?

Wat beteken verwante steekproewe? Is dit dieselfde as onafhanklike steekproewe?
Wanneer verwys ons na verwante steekproewe en wanneer na onafhanklike steekproewe?
Hierdie onderskeid sal vir jou duidelik wees wanneer jy hierdie leereenheid voltooi het.
Daarna gaan ons na die ander tipes toetsstatistiek kyk.
12.6
Onthou jy nog wanneer ons steekproewe as onafhanklik klassifiseer? Die presiese
teenoorgestelde geld nou vir verwante steekproewe.
Stel eers n lys op van die eienskappe van onafhanklike steekproewe. Voltooi dan die tabel
vir verwante steekproewe. (Lees die inleiding op bladsy 155 van Tredoux en Durrheim
(2013) om jou met hierdie aktiwiteit te help.)
168
IOP2601/MO051/4/2016
1.
Onafhanklike steekproewe
Verwante steekproewe
Sorg dat jy verstaan wat die begrip verwante steekproewe beteken.

Gebruik die kennis wat jy opgedoen het om die volgende oefeninge te doen:
Waar
2.
3.
4.
5.
1.
2.
3.
4.
5.
Onwaar
Ons werk hier met twee stelle data van dieselfde deelnemers
(dws persone wat deel vorm van die steekproef).
Ons verwag dat die twee stelle syfers (veranderlikes) gaan
korreleer.
Ons neem korrelasie in ag by die berekening van die
t-statistiek.
Die enigste manier waarop ons verwante steekproewe kry,
is wanneer een subjek twee tellings bydra.
Onafhanklike steekproewe is steekproewe wat ingesluit word by slegs een van die
twee steekproewe in n eksperiment, en verwante steekproewe is steekproewe wat
afhanklik is.
Waar
Waar
Onwaar
Onwaar
Kom ons verduidelik meer volledig wat met verwante steekproewe bedoel word, aangesien
jy sal moet weet wanneer n probleemstelling of n navorsingshipotese met verwante of
onafhanklike steekproewe te doen het.
Daar word ges dat twee groepe mense of deelnemers volgens n veranderlike afgepaar
word indien daar vir elke lid wat aan een groep toegewys word, n ander lid aan die ander
groep toegewys word wat ten opsigte van daardie veranderlike met die persoon in die eerste
groep ooreenstem. Subjekpare word sodoende geselekteer sodat die lede van elke paar so
eenders moontlik ten opsigte van die relevante veranderlike of veranderlikes is.
Veranderlikes soos intelligensie, ouderdom, lengte, oogkleur, geslag, ensovoorts, kan
gebruik word om persone of deelnemers af te paar. In Engels gebruik ons die woord
match.
Om saam te vat: die enigste manier waarop verwante steekproeftellings verkry word
is:
deur dit af te paar (match); en

deurdat een subjek twee tellings bydra.
169
IOP2601/MO051/4/2016
Hoe bereken ons die toetsstatistiek vir verwante steekproewe?

Noudat jy weet wat n verwante groep is, is die volgende stap om empiries te bepaal of daar
n beduidende verskil tussen die gemiddeldes van die twee verwante steekproewe is. Dit
behels n redelik eenvoudige berekening met behulp van n spesifieke formule. Voordat jy
egter die formule kan gebruik en toepas, moet jy eers met die berekening van verskiltellings
vertroud wees. Dit vereis dat jy moet weet hoe om die gemiddelde (D) en die
standaardafwyking van die verskiltellings (s ) te bereken.
Hierdie is nie nuwe formules nie, maar is dieselfde formules
wat jy gebruik het vir die berekening van die gemiddelde in
leereenheid 5 en vir die standaardafwyking in leereenheid 6.
12.7
n Praktiese voorbeeld bied altyd n nuttige leerervaring. Dit sal daarom sinvol wees om eers
die gedeelte Creating the variable D op bladsy 152 van Tredoux en Durrheim te lees vir n
voorbeeld van hoe om die t-toets te bereken. As jy onseker is oor hoe om al die verskillende
en in leereenheid 5 en 6
stappe van die formule te bereken, hersien die formule vir
onderskeidelik. Tredoux en Durrheim (2013) gee die berekende waarde van D in tabel 9.2
op bladsy 153.
Voltooi die volgende:
1.
n Verskiltelling is
2.
Kontroleer die berekening van die verskiltelling in die voorbeeld. Is dit vir jou duidelik
wanneer die tellings 'n positiewe of negatiewe waarde kry?
3.
Kontroleer die berekening van die t-toets in die voorbeeld. Kry jy dieselfde antwoord?
170
IOP2601/MO051/4/2016
4.
Skryf die formule vir die grade van vryheid hier neer.
Die antwoorde verskyn op bladsy 153 van Tredoux en Durrheim (2013). Noudat jy die
volledige voorbeeld met al die stappe noukeurig deurgelees het, is dit amper tyd om jou
begrip daarvan te toets.
12.8
Voordat jy n oefening op jou eie doen, moet jy eers die volledige voorbeeld hieronder
deurwerk sodat jy kan sien hoe ons verwag dat jy die verskillende stappe moet uitvoer.
Hier volg n volledig uitgewerkte voorbeeld van hoe om die t-toets vir verwante groepe te
doen. Werk deur die voorbeeld en kontroleer al die berekenings. Sorg dat jy al die stappe in
die proses verstaan.
Voorbeeld van n t-toets vir verwante groepe

Die navorsingspan wil graag bepaal of daar n verskil is tussen die gelukkigheidsvlakke van
deelnemers voor en na die leerlingskapprogram. Hulle besluit om die hipotese op beide die
0,05- en 0,01-vlak van beduidendheid te toets.
171
IOP2601/MO051/4/2016
Data
Voor
4
3
7
6
5
4
5
4
3
2
Na
5
8
6
6
6
4
7
7
6
4
Die span gaan soos volg te werk:

In woorde
Daar is geen verskil tussen die gelukkigheidsvlakke van deelnemers voor en na die
leerlingskapprogram nie
of
Deelnemers is ewe gelukkig voor en na die leerlingskapprogram
In simbole
H0:
=0
of
H0:

In woorde
Daar is n verskil tussen die gelukkigheidsvlakke van deelnemers voor en na die
leerlingskapprogram.
of
Deelnemers is nie ewe gelukkig voor en na die program nie
In simbole
H1:
of
H1:
172
IOP2601/MO051/4/2016
Stap 3: Bepaal of die toets een- of tweekantig is

Ons werk met n nie-rigtinggewende hipotese en sal die tweekantige toets gebruik.
Stap 4: Bepaal die vlak van beduidendheid

Ons het twee vlakke gespesifiseer, naamlik 0,05 en 0,01.

Ons gebruik die t-toets vir verwante groepe en die volgende formule:
Vir die t-toets-berekening moet ons eers die verskiltellings (D), die gemiddelde vir D; die
variansie en die standaardafwyking vir D tellings bereken. Ons doen dit deur die tabel soos
volg te voltooi:
Voor
4
3
7
6
5
4
5
4
3
2
Na
5
8
6
6
6
4
7
7
6
4
D
1
5
1
0
1
0
2
3
3
2
D = 16
D2
1
25
1
0
1
0
4
9
9
4
2
D = 54
Die data in kolom D (verskiltellings) is stel X-tellings. Geberuik dus die formules vir
gemiddelde, variansie en standaardafwyking wat jy reeds ken vervang net D deur X.
Die gemiddelde (verwys na leereenheid 5,) = 1,6.
Die variansie (verwys na leereenheid 6, = 3,16, dus is die standaardafwyking = 1,78).
173
IOP2601/MO051/4/2016
Wanneer jy al die waardes het, vervang die t-toetsformule soos volg:
,
,
1,6
1,78
3,16
1,6
0,56
2,86

Gebruik die volgende formule:
df = N 1

=10 1

= 9

Gebruik tabel A1.2 op bladsy 487 van Tredoux en Durrheim (2013) om die kritieke waardes
af te lees.
t0,05 (9)
= 2,2622
t0,01 (9)
= 3,2498
Stap 8: Besluit of die nulhipotese verwerp / nie verwerp moet word nie
t = 2,86; I t I = 2,86 (Onthou, ons werk met absolute waardes en ignoreer dus die
minusteken.)
Vir = 0,05
2,86 > 2,2622
Ons verwerp dus die nulhipotese
174
Vir = 0,01
2,86 < 3,2498
Ons verwerp dus nie die nulhipotese nie
IOP2601/MO051/4/2016
Stap 9: Interpreteer die bevindings

Die span kan met 95% sekerheid s dat daar n verskil is in die gelukkigheidsvlakke van
deelnemers voor en na die leerlingskappprogram, maar kan dit nie met 99% sekerheid s
nie.
Is dit vir jou duidelik hoe ons in die verskillende stappe te werk gegaan het? Indien nie, moet
jy die voorbeeld hersien. Indien jy tevrede voel dat jy n goeie idee het wat al die stappe
behels, kan jy die volgende aktiwiteit hieronder doen.
Doen self die uitgewerkte voorbeeld 3 op bladsy 154 van Tredoux en Durrheim (2013)
sonder om na die verskillende stappe en oplossings te kyk. Vergelyk jou antwoord met die
skrywers sn om te kyk of dit ooreenstem.
n Volgende stap in die proses van hipotesetoetsing is die bepaling van die getal grade van
vryheid en die aflees van die kritieke waarde daarvan in tabel A1.2. As jy dit eers reggekry
het, is dit baie maklik.
12.9
Gaan die besluitnemingsrels soos verduidelik in stap 8 in hierdie leereenheid na en volg die
redenasie oor die verwerping of nieverwerping van die nulhipotese.
As jy daarmee klaar is, doen dan die volgende oefeninge:
1.
Toets jou vaardigheid om die volgende kritieke waardes in die toepaslike tabel op te
soek:
1.1
1.2
1.3
1.4
1.5
2.
eenkantige toets, 29df, 1%-betekenispeil

eenkantige toets, 16df, 5%-betekenispeil
tweekantige toets, 8df, 2%-betekenispeil
Sou jy H0 in die volgende omstandighede verwerp? Waarom?

2.1
2.2
2.3
t-toetsstatistiek = 2,302 en kritieke waarde = 2,508

175
IOP2601/MO051/4/2016
1.1
1.2
1.3
1.4
1.5
2.1
2.2
2.3
2,4620
1,7459
2,8965
2,4620
1,7139
nee
nee
ja
In hierdie stadium het jy nou deeglik deur volledige voorbeelde van hipotesetoetsing
met twee verwante steekproewe gewerk en behoort jy:
te kan verduidelik wat met n verwante steekproef bedoel word

te weet wanneer om n t-toets vir verwante groepe te gebruik
n hipotese te toets deur die t-toets vir verwante groepe te gebruik en n toetsstatistiek te
bereken
n finale gevolgtrekking ten opsigte van jou navorsingshipotese te kan maak
Bestudeer die voorbeeld wat volg en sorg dat jy die t-waarde op

die drukstuk kan identifiseer en interpreteer.
Datastel 7
Sleutel die data in soos aangedui.
t-Toets vir verwante steekproewe
Maak die kieslys Analyse oop. Kies die opsie Compare means en dan die opsie Paired
samples T-test. Die dialoogblokkie word hieronder gegee. Jy moet albei stelle waarnemings
selekteer en dit in die venster vir Paired variables inskryf. Klik OK om die prosedure te
laat loop.
176
IOP2601/MO051/4/2016
Nieparametriese ekwivalent van die t-toets vir verwante steekproewe

In hierdie gedeelte gaan ons die nieparametriese ekwivalent van die t-toets vir twee
verwante groepe, naamlik Wilcoxson se tekenrangtoets vir afgepaarde pare teoreties
bestudeer. As bedryfsielkundige moet jy weet wat om te doen as jou data nie normaal
versprei is nie. Dit word in hierdie gedeelte verduidelik.
Aangesien jy nie die nieparametriese ekwivalente in besonderhede hoef te ken nie, sal dit
voldoende wees om die laaste paragraaf op bladsy 389 van Tredoux en Durrheim (2013) te
bestudeer.
12.10
Doen oefening 3 en 4 op bladsy 158 en 159 van Tredoux en Durrheim (2013) vir bykomende
oefening.
177
IOP2601/MO051/4/2016
Oefening 3
In hierdie ondersoek behels die ontwerp dat ons twee metings van elke subjek neem; met
ander woorde herhaalde metings. Ons kan egter nie twee metings van elke persoon kry nie,
omdat party nie tydens die tweede meting beskikbaar is nie. Ons gaan hierdie situasie te
bowe kom deur middel van gevalskrapping ons ignoreer eenvoudig die data van n
persoon van wie ons nie twee metings het nie. Ons aanvanklike (volledige) tabel met data
lyk so:
Subject
Time 1
Time 2
1
13
9
2
12
10
3
1
NA
4
14
NA
5
13
10
6
15
NA
7
17
11
8
13
10
9
14
NA
10
16
17
11
13
9
12
16
8
13
13
NA
14
19
16
15
12
NA
As ons daardie subjekte van wie ons nie twee metings het nie, uitlaat (subjekte 3, 4, 6, 9, 13
en 15), lyk ons tabel nou so:
Subject
10
11
12
14
Time 1
13
12
13
17
13
16
13
16
19
Time 2
10
10
11
10
17
16
Ons gaan met hierdie data werk en nie met die data in die oorspronklike tabel nie.
Aangesien hierdie ontwerp herhaalde metings behels, moet ons eerstens veranderlike D
skep. Doen dit deur Keer 1 van Keer 2 vir elke subjek af te trek (dws D = Time 2 Time 1).
Die data vir D lyk nou so:
Subject
10
11
12
14
Time 1
13
12
13
17
13
16
13
16
19
Time 2
10
10
11
10
17
16
Ons sal voortaan nie meer die data van Time 1 of Time 2 gebruik nie, maar slegs die data
van D.
Ons begin deur die gemiddelde, die standaardafwyking en n vir D uit te werk.
_
D = 3,5556
sD = 2,5055
ND = 9
Ons skatting van die standaardfout word deur middel van die volgende formule bepaal:
178
IOP2601/MO051/4/2016
As ons ons waardes in die vergelyking gebruik, kry ons:
2,5055
9
2,5055
3
0,8351
Nou kan ons t bereken. Die formule is:
En ons het reeds al daardie waardes, daarom bereken ons
3,556
0,8351
4,257
Nou moet ons bepaal of die verskil statisties beduidend is. Hiervoor benodig ons die grade
van vryheid.
df = N 1
En dit is
df = 9 1
df = 8
Nou moet ons bepaal of dit n eenkantige of tweekantige toets is. Volgens die
navorsingshipotese wil ons slegs bepaal of die substantia nigra kleiner geword het dit is
dus n eenkantige toets. Ons alternatiewe hipotese is gevolglik:
H1:
Time2-
<
Time1
Ons gaan die standaard-alfawaarde van 0,05 gebruik.

Nou gebruik ons hierdie inligting om n kritieke t-waarde in ons t-tabel op te soek. Die kritieke
waarde vir df = 8, eenkantig, alfa = 0,05 is 1,860. Ons t-waarde is 4,257 (ons ignoreer die
minusteken vir hierdie vergelyking).
179
IOP2601/MO051/4/2016
Ons waarde is groter as die kritieke waarde, daarom verwerp ons die nulhipotese en
aanvaar die alternatiewe hipotese. Dit blyk dat die gemiddelde deursnee van die substantia
nigra in psigotiese pasinte na n tydperk kleiner word.
Oefening 4
Hier gebruik ons twee metings van dieselfde korfbalspan, hoewel die ontwerp nie herhaalde
metings behels nie. Die rede is dat die omstandighede nie elke keer dieselfde was nie ons
ondersoek die uitwerking van die afrigter en nie die span nie, met die gevolg dat die twee
stelle data eintlik onafhanklik is.
Hoewel data ontbreek (minder spelle is met die eerste afrigter gespeel as met die tweede),
hoef ons ons nie daaraan te steur nie (ons hoef ons slegs daaroor te bekommer as ons
besig is met n ontwerp vir herhaalde metings).
Eerstens moet ons n nulhipotese formuleer. Vir n t-toets vir onafhanklike steekproewe is dit:
H0:
coach2-
coach1
Die eerste stap is om die gemiddelde, n en die variansie vir elke groep te bepaal. Die
variansies is:
Xcoach1 = 86.25
Xcoach2 = 79.9167
s2coach1 = 24.214
s2coach2 = 732.62
Ncoach1 = 8
Ncoach2 = 12
Aangesien die steekproewe verskil, is dit nodig om die variansies saam te voeg (pool):
1
2
= (8 1)24,214 + (12 1)732,62

8 + 12 2
= 169, 498 + 8058, 82
18
=
457,13
Nou kan ons hierdie waarde in ons formule vir die t-toets vir onafhanklike steekproewe
gebruik. Die formule is:
180
IOP2601/MO051/4/2016
Ons het reeds al hierdie waardes, daarom skryf ons hulle in en bereken:
t
86,25 79,91
9,758
6,34
9,758
0,65
Noudat ons oor n t-waarde beskik, moet ons bepaal of dit statisties beduidend is. Hiervoor
benodig ons grade van vryheid.
df = N1 + N2 2

= 8 + 12 2

= 18
Ons gaan dus 18 grade van vryheid gebruik.

Is dit nou n eenkantige of n tweekantige toets? Volgens die navorsingshipotese wil ons
bepaal of die span anders presteer het met die nuwe afrigter ons stel met ander woorde
belang in f positiewe f negatiewe kans. Dit is dus n tweekantige toets. Hieruit lei ons ons
alternatiewe hipotese af, naamlik:
H1:
coach1
coach2
Ons gaan die standaard-alfawaarde van 0,05 gebruik.

Ons gebruik hierdie inligting nou om n kritieke t-waarde in ons tabel op te soek. Die kritieke
waarde vir df = 18, tweekantig, alfa = 0,05 is 2,1009. Ons t-waarde is 0,65.
Ons waarde is minder as die kritieke waarde, daarom kan ons die nulhipotese nie verwerp
nie. Die gemiddelde telling met elke afrigter was dieselfde. Dit blyk daarom dat die span
dieselfde prestasie lewer onder die nuwe afrigter as onder die vorige een.
181
IOP2601/MO051/4/2016
12.11
Oorweeg die volgende navorsingsvraag van die Nuwe Sterre-program:
Is manlike stemmers geneig om hor punte vir vroulike deelnemers as vir manlike
deelnemers te gee? Dui aan watter ontledingstegniek die toepaslike een sal wees om
hierdie navorsingsvraag te beantwoord en verduidelik/motiveer jou antwoord.
In hierdie geval is die geslag van die stemmers bloot n seleksieveranderlike (wat beteken
die tellings van vroulike stemmers sal nie in hierdie navorsingvraag oorweeg word nie). Vir
die manlike stemmers sou n mens die tellings oorweeg wat hulle vir die deelnemers gegee
het. Die tellings van die twee geslagsgroepe van die deelnemers sal oorweeg word om te
evalueer of data n statisties beduidende verskil in die gemiddelde tellings van die twee
groepe is. Dit impliseer n t-toets (waarin twee groepe vergelyk word) en dit sal die t-toets vir
onafhanklike groepe wees (aangesien die manlike en vroulike deelnemers
nieverwant/onafhanklike groepe is).
182
IOP2601/MO051/4/2016
LEEREENHEID 13: Hipotesetoetse vir gemiddeldes:

eenrigting-variansieontleding
Jy het reeds kennis gemaak met die t-toets in leereenheid 12. Nou gaan jy een spesifieke
soort F-toets bestudeer, naamlik eenrigting-variansieontleding, algemeen bekend as
ANOVA
Analysis of Variance
Vir die doel van hierdie eenheid kombineer ons twee tutoriale uit die voorgeskrewe boek,
naamlik tutoriaal 14 en 15.
Wat is variansieontleding (ANOVA)?

Toe jy die opskrif van hierdie leereenheid gelees het, het jy waarskynlik n gedeelte daarvan
herken: variansie (van leereenheid 6, waar jy geleer het hoe om dit te bereken). Nou wonder
jy sekerlik: wat is variansieontleding?
13.1
1.
Om hierdie vraag te beantwoord, moet jy die inleiding op bladsy 252 tot 254 van
Tredoux en Durrheim (2013) bestudeer. Verwys ook na die skematiese voorstelling op
die laaste bladsy van leereenheid 11 om vas te stel waar en wanneer die ANOVA
gebruik kan word.
183
IOP2601/MO051/4/2016
Voltooi die volgende sin:

ANOVA is
2.
Lees bladsy 255 tot 262 van Tredoux en Durrheim (2013) om te verstaan waarom die
ANOVA in plaas van t-toetse gebruik word. Skryf dan kort aantekeninge oor die rede(s)
vir die gebruik van ANOVA.
3.
Onthou jy die drie aannames waarvan jy in die voorafgaande leereenheid geleer het?
ANOVA berus op dieselfde beginsels wat op bladsy 281 tot 283 van Tredoux en
Durrheim (2013) behandel word.
Noem drie aannames waarop ANOVA berus:
3.1
3.2
3.3
Hierdie aktiwiteit is nogal lank, maar dit sal jou help om te verstaan wat hierdie
toetsstatistiek behels.
1.
2.
3.
Die antwoord is op bladsy 260 van Tredoux en Durrheim (2013).

Die antwoord word saamgevat in die laaste paragraaf op bladsy 256 van Tredoux en
Durrheim (2013), net bo die opskrif The logic of ANOVA.
As jy hierdie drie aannames ken, sal jy die rasionaal vir ANOVA verstaan.
3.1
3.2
3.3
184
Die tellings is normaal versprei rondom die populasiegemiddelde.

Homogeniteit van variansie, met ander woorde die variansies van die tellings van
die populasies is dieselfde.
Die waarnemings is onafhanklik van mekaar.
IOP2601/MO051/4/2016
Die afhanklike veranderlike by ANOVA is altyd een of ander meting op n intervalskaal

(onthou jy nog hierdie begrip uit leereenheid 2?) vir parametriese toetse en op n ordinale
skaal (kyk ook leereenheid 2) vir nieparametriese toetse. Eenrigting-ANOVA is n
parametriese toets (met ander woorde dit is op n normaalverspreiding gegrond). Ons sal
aan die einde van hierdie leereenheid vir jou n nieparametriese (distribusievrye) ekwivalent
noem. Die navorser het nie beheer oor die afhanklike veranderlike nie. Dit is die uitkoms van
die manipulering van die onafhanklike veranderlike.
Die onafhanklike veranderlike is di een wat deur die navorser gemanipuleer word. Hy of
sy besluit op die aantal vlakke daarvan en sien toe dat die deelnemers in elke groep net aan
een van di vlakke onderwerp word.
Die vlakke van die onafhanklike veranderlike kan in twee tipes verdeel word:
1.
2.
Kwantitatief (intervalmeting)
byvoorbeeld: Aantal ure studie per week (6, 8, 10, 12 ure)
Kwalitatief (nominale meting)
byvoorbeeld: Metode van onderrig (lesing, selfstudie, video, rekenaargesteun)
Raadpleeg leereenheid 2 as jy nie meer seker is wat afhanklike en onafhanklike veranderlike

beteken nie.
13.2
Skep n aantal verskillende eksperimente, elk met sy eie onafhanklike en afhanklike
veranderlike. Onthou dat die onafhanklike veranderlike uit drie of meer groepe of vlakke
moet bestaan om vir n ANOVA-ontwerp te kwalifiseer. n Veranderlike soos geslag as die
enigste onafhanklike veranderlike is dus foutief.
Hier is slegs enkele voorbeelde. Jy kan die meeste van die onafhanklike veranderlikes (aan
die linkerkant) met die meeste van die afhanklike veranderlikes (aan die regterkant) met
mekaar kombineer, solank dit n sinvolle studie behels.
Het jy ook aan hierdie of soortgelyke voorbeelde gedink? Jy het dalk unieke voorbeelde van
jou eie. Vergelyk dit net met ons voorbeeld om te bepaal of jou redenering korrek was.
Onafhanklike veranderlike
Afhanklike veranderlike
Departemente
Personeel
Produksie
Bemarking
Motivering van personeel

(gemeet met 'n vraelys)
185
IOP2601/MO051/4/2016
Dienstydperk
Kort: 0 tot twee jaar
Medium: 3 tot 9 jaar
Lank: 10 jaar en langer
Getal ongelukke op 'n produksielyn
Bestuursvlakke
President
Vise-president
Hoof- uitvoerende amptenaar
Algemene bestuurder
Kwaliteit van werklike meting
Verskillende skofte
Oggend
Middag
Aand
Nag
Produktiwiteit
(gemeet aan die aantal eenhede vervaardig)
Opleidingstegnieke
Lesing
Video
Selfstudie
Rekenaargesteun
Werkwinkel
Getal foute tydens uitvoering van 'n

praktiese taak
Onderrig
Laerskoolleerder
Horskoolleerder
Student op tersire vlak
Jong volwassene (<30)
Ouer volwassene (>30)
Aantal ure per week waarin aktief na

Nuwe Sterre gekyk is
Die logika van variansieontleding

Tredoux en Durrheim (2013) verduidelik die beginsels van ANOVA noukeurig op bladsy 256
tot 262. Jy hoef geen berekenings hier te kan doen nie ons sal die berekenings wat jy wel
moet kan doen binnekort behandel.
Om die logika van ANOVA vir jou nog duideliker te maak, kom ons kyk hoe ander outeurs
(Fox, Levin & Harkins, 1993; Porter & Hamm, 1986) dit verduidelik.
186
IOP2601/MO051/4/2016
Die totale varieerbaarheid in n stel tellings bestaan uit twee komponente:
Varieerbaarheid binne groepe. Dit meet die normale varieerbaarheid of ewekansige

foute in die data.
Dit is die fouteffek, dit wil s, varieerbaarheid wat die gevolg is van ewekansige
steekproeftrekking en kansgebeurtenisse.
Varieerbaarheid tussen groepe. Dit meet die verskil tussen groepgemiddeldes.

Dit is die behandelingseffek, dit wil s, meting van die effek van die eksperimentele
behandeling van proefpersone.
Die F-verhouding is die verhouding van die varieerbaarheid tussen groepe teenoor die
varieerbaarheid binne groepe en kan so in n vergelyking weergegee word:
F
varieerbaarheid tussen groepe

varieerbaarheid binne groepe
behandelingseffek
fouteffek
Wanneer die behandelingseffek die fouteffek met n sekere kritieke waarde oorskry, is die Ftoets betekenisvol en lei ons af dat daar n betekenisvolle verskil tussen groepgemiddeldes
is en verwerp ons die nulhipotese.
Praktiese voorbeeld
Hier is n voorbeeld van n eksperiment (Fox, Levin & Harkins, 1993, pp 218219) wat
hierdie onderwerp grafies baie goed vir jou sal illustreer. Moenie skrik vir die vier groepe nie
jy sal gou sien dit maak geensins die verduideliking meer kompleks as met drie groepe nie
(onthou, ANOVA word gebruik wanneer jy drie of meer groepe het).
Mense wat baie angstig is wanneer hulle n openbare toespraak maak, is ewekansig
aan een van vier behandelingsgroepe toegewys vir n terapeutiese prosedure:
1.
2.
3.
4.
sistematiese desensiteringsprosedure
insigterapie
plasebo-behandelingkontrole proefpersone praat oor hulle probleem
geen behandelingkontrole geen intervensie vind plaas nie
N blootstelling aan n behandeling moet die deelnemers n openbare toespraak hou terwyl
die mate van angs wat hulle toon, gemeet word.
187
IOP2601/MO051/4/2016
Die resultate van die eksperiment is soos volg:
Varieerbaarheid binne groepe
Let op die varieerbaarheid binne enige groepgemiddelde (

individuele telling (X1, X2, X3, X4) binne daardie groep.
1,
2,
3,
4)
en enige
Varieerbaarheid tussen groepe
Let daarop dat die mate van angs as n funksie van die behandeling (terapeutiese tegniek)
tussen groepe wissel ( 1, 2, 3, 4) van lae angs in groep 1 tot ho angs in groep 4.
188
IOP2601/MO051/4/2016
13.3
Veronderstel jy as bedryfsielkundige in Organisasie XYZ wil die kwaliteit van werklewe van
werknemers in die drie departemente, Personeel, Produksie en Bemarking, ondersoek.
Ontwerp jou eie eksperiment en stel die varieerbaarheid binne en tussen die groepe grafies
voor.
Uiteraard is geen terugvoering moontlik nie. Vergelyk jou sketse met di hierbo vervang
die vier tipes terapeutiese tegnieke met die drie departemente in jou eie eksperiment.
Berekenings vir ANOVA

Nou is dit weer tyd om jou sakrekenaar in die hande te kry! Die berekeninge wat jy nou gaan
leer is die enigste wat jy hoef te kan doen wanneer n datastel aan jou gegee word.
Bestudeer bladsy 262 tot 266 van Tredoux en Durrheim (2013) en sorg dat jy al die
berekenings verstaan probeer ook om die voorbeeld op bladsy 267 op jou eie uit te werk
voordat jy na die oplossing kyk.
1.
2.
3.
Onthou om altyd ANOVA-resultate in n opsommingstabel

te rapporteer (voorbeeld hieronder) nadat jy die
berekeninge gedoen het, selfs al vra ons dit nie direk so in
n werkopdrag of die eksamen nie.
Hou in gedagte dat SS, MS en F nooit n negatiewe
waarde kan h nie al die SS- en MS-waardes is
kwadrate. Indien jy dus negatiewe waardes vir enige van
hierdie statistieke tydens jou berekeninge kry, het jy beslis
iewers n berekeningsfout gemaak! Soek die fout (in die
eksamen ook)!
As n vinnige manier om jou interim-berekeninge te
kontroleer, doen die vyf berekeninge hieronder wanneer jy
jou opsommingstabel voltooi het.
189
IOP2601/MO051/4/2016
Voorbeeld van n opsommingstabel

Bron
df
SS
MS
44,78
22,39
8,08
Fout
15
41,50
2,77
Totaal
17
86,28
Groep
1.
2.
3.
4.
5.
dfgroep + dffout = dftotaal : 2 + 15 = 17

SSgroep + SSfout = SStotaal : 44,78 + 41,50 = 86,28
SSgroep dfgroep = MSgroep : 44,78/2 = 22,39
SSfout dffout = MSfout : 41,50/15 = 2,77
MSgroep MSfout = F : 22,39/2,77 = 8,08
Hierdie feite sal jou ook in staat stel om n gedeeltelik voltooide opsommingstabel te voltooi.
13.4
1.
Doen hierdie oefening wat ons gevind het in Fox, Levin en Harkins (1993, pp. 259
260).
In a study of worker satisfaction, shift workers whose work hours had been on a
phase-advance schedule (progressively earlier starting times for example, midnight,
16:00, and 08:00) were changed to a phase-delay schedule (progressively after
starting times). One-half of these subjects remained on a weekly rotation, while the
others moved to a three-week period between changes. A control group of nonrotating
workers was included for comparison. Test the null hypothesis that changes in shifts
had no effect on satisfaction.
Set = 0,01 and test the null hypothesis:
H0 : one = three = control
SATISFACTION LEVEL
Phase-delay
One-week
13
11
14
10
12
8
Phase-delay
Three-week
18
16
19
21
13
18
(21-point scale; the higher the score, the greater the satisfaction)
190
Control
Group
7
9
11
9
18
12
IOP2601/MO051/4/2016
2.
Vul die waardes vir N en k in die tabel hieronder in. Soek die kritieke F-waardes op
(tabelle A1.4 en A1.5 in Tredoux en Durrheim (2013)) en antwoord Ja of Nee op
die vraag Verwerp H0 op grond van die berekende F-waarde in die eerste kolom.
F
5,45
5,45
4,95
8,06
6,22
3.
Dffout
Alpha
2
2
3
4
5
18
18
12
15
24
0,05
0,01
0,01
0,05
0,05
Kritieke
F
Verwerp
H0?
Voltooi die opsommingstabel hieronder:
Bron
df
Groep
Fout
18
Totaal
23
1.
XA
XB
XC
dfgroep
SS
MS
225
5
= Phase delay one-week

= Phase delay three-week
= Control group
XA
13
11
14
10
12
8
X = 68
XA
XB
XC
Total
11,33
17,50
11,00
13,28
2,16
2,74
3,85
4,17
XB
18
16
19
21
13
18
X = 105
XC
7
9
11
9
18
12
X= 66
X2A
169
121
196
100
144
64
2
X = 794
X2B
324
256
361
441
169
324
2
X = 1875
X2C
49
81
121
81
324
144
X2 =800
X = 68 + 105 + 66 = 239
X2 = 794 + 1875 + 800 = 3469
191
IOP2601/MO051/4/2016
Nulhipotese
Een moontlike alternatiewe hipotese
Ander moontlike alternatiewe hipoteses
H0: A = B = C
H1: A B C
H1: A > B > C
H1 : A < B < C etc.
= 3 469 (239)2
18
= 3 469 57 121

18
= 3 469 3 173,39

= 295,61
..
= 6[(11,33 13,28)2 + (17,5 13,28)2 + (11,0 13,28)2]

= 6[(1,95)2 + (4,22)2 + (2,28)2]
= 6[3,80 + 17,81 + 5,20] = 6(26,81)
= 160,86
= 295,61 160,86
= 134,75
= 18 1
= 17
= 3 1
= 2
= 160,86/2
= 80,43
= 134,75/15
= 8,98

= 80,43
8,98
= 8,96
192
1
= 3(6 1)
= 15
IOP2601/MO051/4/2016
Bron
SS
df
MS
Groep
160,86
80,43
Fout
15
134,75
8,98
Totaal
17
295,61
F0,01 (2,15) = 6,36
F
8,96
Vanaf tabel A1.5
Fcalc = 8,96

8,96 > 6,36
Verwerp H0
Interpretasie
Daar is n betekenisvolle verskil in werkers se tevredenheid tussen die drie groepe
skofwerkers. Dit kan met 99% sekerheid beweer word.
2.
F
dfgroep
Dffout
Alpha
5,45
5,45
4,95
8,06
6,22
21
21
16
20
30
3
3
4
5
6
2
2
3
4
5
18
18
12
15
24
0,05
0,01
0,01
0,05
0,05
Kritieke
F
3,55
6,01
5,95
3,06
2,62
Verwerp
H0?
Ja
Nee
Nee
Ja
Ja
3.
Bron
df
SS
MS
Groep
225
45
Fout
18
90
Totaal
23
315
193
IOP2601/MO051/4/2016
n Beter begrip van ANOVA

Voordat jy jou studie van Tredoux en Durrheim (2013) hervat, wil ons graag n nuttige,
konkrete voorstelling van ANOVA deur David Johnson (1989), n sielkundige wat onderrig in
statistiek gee, aan jou voorhou. Sy tegniek lei studente tot n intutiewe begrip van die
beginsels van tussengroepevariansie (MSgroep) en binnegroepvariansie (MSfout), en die
onderlinge verhouding daartussen. As jy dit noukeurig bestudeer, kan jy dit nuttig vind.
Die eksperiment
Die data word verkry uit n hipotetiese eksperiment. Drie onafhanklike groepe bestaande
uit vyf deelnemers elk word aan een van drie vlakke van n onafhanklike veranderlike
blootgestel. Die spektrum van moontlike response op die afhanklike veranderlike is tussen 0
en 4.
Die resultate
Vyf moontlike uitkomste van die eksperiment word hieronder uiteengesit. Die datastel en
opsommingstabel word saam met n verduideliking aangebied.
Uitslag 1
Data
Groep 1
1
1
1
1
1
Groep 2
1
1
1
1
1
Groep 3
1
1
1
1
1
Opsommingstabel
Bron
df
SS
MS
Groep
Fout
12
Totaal
14
Jy besef sekerlik dat hierdie uitkoms hoogs onwaarskynlik is. Let op dat daar geen
veranderlikheid in die data tussen en binne groepe is nie en dat dit aanleiding gee tot
gemiddelde kwadrate van 0 in die opsommingstabel.
194
IOP2601/MO051/4/2016
Uitslag 2
Data
Groep 1
Groep 2
Groep 3
Opsommingstabel
Bron
df
SS
MS
Groep
13,33
6,67
Fout
12
Totaal
14
13,33
Tussengroepvariansie word ingevoer deur al vyf waardes in groep 3 na 3 te verhoog.

Dit dui op die moontlike uitwerking van die onafhanklike veranderlike wat gemanipuleer
word. Groep 3 is klaarblyklik anders as die ander twee groepe (MSgroep = 6,67); daar is egter
geen binnegroepvariansie nie (MSfout = 0).
Uitslag 3
Data
Groep 1
Groep 2
Groep 3
Opsommingstabel
Bron
df
SS
MS
Groep
13,33
6,67
39,24
Fout
12
0,17
Totaal
14
15,33
195
IOP2601/MO051/4/2016
n Derde datastel voer binnegroepvariansie by groep 1 in. Hierdie datastel bevat dieselfde
mate van tussengroepvariansie as die vorige een, dit wil s die gemiddeldes bly
onveranderd. Let op hoe die invoer van nie-eenderse tellings in groep 1 die waarde van die
gemiddelde kwadraat vir binnegroepvariansie verhoog (MSfout = 0,17). Let ook op die
waarde van die F-statistiek (F = 39,24).
Uitslag 4
Data
Groep 1
Groep 2
Groep 3
Opsommingstabel
Bron
df
SS
MS
Groep
13,33
6,67
20,21
Fout
12
0,33
Totaal
14
17,33
Hierdie datastel verskil van die vorige een in slegs een aspek: bykomende
binnegroepvariansie is bygevoeg deur die waardes in groep 2 te verander om aan te pas
by di in groep 1. Vergeleke met die vorige datastel bly die tussengroepgemiddelde
kwadraat onveranderd, maar die binnegroepgemiddelde kwadraat is groter (MSfout =
0,33). As gevolg daarvan is die waarde van F kleiner (F = 20,21).
Uitslag 5
196
Groep 1
Groep 2
Groep 3
0
1
1
1
2
0
1
1
1
2
2
3
3
3
4
IOP2601/MO051/4/2016
Opsommingstabel
Bron
df
SS
MS
Groep
13,33
0
6,67
0
Fout
2
12
Totaal
14
13,33
Bykomende binnegroepvariansie word ingevoer deur twee waardes in groep 3 te

verander.
Let op die onveranderde tussengroepgemiddelde kwadraat en die verhoogde
binnegroepgemiddelde kwadraat (MSfout = 0,5), in vergelyking met die voorafgaande
datastel. As gevolg hiervan is die F-statistiek kleiner as voorheen (F = 13,34).
Daar het jy dit! Ons is seker jy sal die begrippe betreffende ANOVA asook die wyse waarop
die dinamiese verwantskap van tussengroep- en binnegroepvariansie die F-statistiek bepaal,
nou baie beter verstaan.
13.5
Die vervaardigers van Nuwe Sterre is genteresseerd in die kykersgedrag van hulle gehoor.
Hulle vra die navorsingspan om vas te stel of daar n verskil is tussen die aantal ure wat die
volgende drie groepe na Nuwe Sterre kyk:
Studente op tersire vlak

Jong volwassenes (<30)
Ouer volwassenes (>30)
Die navorsingspan selekteer 27 kykers op ewekansige wyse, 9 uit elk van die drie
bogenoemde groepe. Hulle neem die aantal ure waar wat hulle oor n tydperk van twee
weke na Nuwe Sterre kyk.
Die aantal ure is dus die afhanklike veranderlike.
Die navorsingspan het jou die data hieronder gegee en jou gevra om te bepaal wie die
meeste na Nuwe Sterre gekyk het.
197
IOP2601/MO051/4/2016
Studente
12
10
13
12
9
10
15
8
17
Jong volwassenes
14
10
10
8
10
10
12
8
11
Ouer
17
16
12
10
18
10
15
11
10
Die navorsingspan het alreeds die gemiddeldes en standaardafwykings, wat hieronder

gegee word, uit nuuskierigheid bereken: Dit word vervolgens gegee.
Studente
11,78
2,91
Jong
volwassenes
10,33
1,87
Ouer
volwassenes
13,22
3,27
Totaal
11,78
2,90
Hulle het opgemerk dat ouer volwassenes waarskynlik die meeste gekyk het, omdat daardie
groep se gemiddelde die hoogste is. Jy het hulle vertel dat geen gevolgtrekking slegs op
grond van die gemiddeldes gemaak kan word nie en dat jy jou gevolgtrekking aan hulle sal
meedeel nadat jy die volgende nulhipotese getoets het:
S = YA = MA
Jy het besluit om = 0,05 te gebruik.
1.
2.
Doen die toepaslike statistiese toets, naamlik die F-toets, en gee jou antwoord in n
opsommingstabel.
Maak jou gevolgtrekking.
2.1
2.2
2.3
198
Wat is die kritieke waarde?

Verwerp jy H0?
Wat is jou antwoord aan die navorsingspan? (Onthou dat hulle nie noodwendig weet
wat bedoel word met verwerping of nieverwerping van die nulhipotese nie.)
IOP2601/MO051/4/2016
1.
Studente (XS)
Jong
volwassenes
(XYA)
Ouer
volwassenes
(XMA)
Totaal
11,78
10,33
13,22
11,78
XS
XYA
XMA
X2S
X2YA
X2MA
12
14
17
144
196
289
10
10
16
100
100
256
13
10
12
169
100
144
12
10
144
64
100
10
18
81
100
324
10
10
10
100
100
100
15
12
15
225
144
225
11
64
64
121
17
11
10
289
121
100
XS = 106
XYA = 93
XYA = 119 X2S =1316 X2YA =989 X2MA =1659
X = 106 + 93 + 119 = 318

2
X = 1316 + 989 + 1659 = 3964
= 3 964 (318)2
27
= 3 964 101124

27
= 3 964 3745,33

= 218,67
..
= 9[(11,78 11,78)2 + (10,33 11,78)2 + (13,22 11,78)2]

= 9[(0)2 + (1,45)2 + (1,44)2]

= 9[0 + 2,10 + 2,07] = 9(4,17)

= 37,53
= 218,67 37,53
= 181,14
199
IOP2601/MO051/4/2016
= 27 1
= 26
= 3 1
= 2
= 37,53/2
= 18,77
= 181,14/24
= 7,55

= 3(9 1)
= 24
= 18,77
7,55

= 2,49
Bron
df
Groep
SS
Ms
F
2,49
37,53
18,77
Fout
24
181,14
7,55
Totaal
26
218,67
2.
Jou gevolgtrekking
2.1
2.2
2.3
F0,05 (2, 24) = 3,40 [Gebruik tabel A1.4 op bladsy 489 in Tredoux en Durrheim
(2013)]
Nee
(Omdat 2,49 < 3,40)
Daar is geen betekenisvolle verskil tussen die kykersure van die drie groepe nie.
Ek kan dit met 95% sekerheid s.
Geeneen van die groepe het dus meer na Nuwe Sterre gekyk nie. Dit blyk dat die program
gewild is onder n wyer gehoor en nie net n sekere ouderdomsgroep nie.
n Nieparametriese ekwivalent van ANOVA

Die Kruskal-Wallis eenrigting-ANOVA is die nieparametriese of distribusievrye ekwivalent
van die standaardeenrigting-ANOVA of F-toets. Hierdie tegniek veronderstel dat die
afhanklike veranderlike n onderliggende kontinue distribusie van minstens ordinale meting
toon. Bestudeer die eerste paragraaf en die eerste sin van die tweede paragraaf op bladsy
392 tot 393 van Tredoux en Durrheim (2013).
200
IOP2601/MO051/4/2016
Voltooi die tabel deur die nieparametriese toetse in te vul:

Parametries
Nieparametries ekwivalent
1.
t- toets vir twee onafhanklike steekproewe
2.
t-toets vir twee verwante steekproewe
3.
F-toets (ANOVA)
Ons gebruik die data van n oefening in n ander bron
(Lehman, 1991, p. 376, oefening 3) om n tipiese
rekenaaruitvoer met behulp van SPSS for Windows aan jou
te illustreer.
Die data is die tyd (in minute) wat studente geneem het om vier verskillende lengtes toetse
bestaande uit 10, 15, 20 en 25 vier-alternatief-meerkeuse-items, te voltooi. Die
navorsingsvraag hier is: Is daar n betekenisvolle verskil in die tyd wat die studente neem om
toetse wat uit verskillende getalle meerkeuse-items bestaan, te voltooi? Die data word in die
tabel hieronder verskaf.
Aantal toetsitems
10
13
10
13
5
6
6
2
12
17
12
12
2
17
3
7
1
15
17
5
13
14
11
12
3
16
18
8
14
7
13
16
14
18
20
18
17
10
23
24
17
10
27
21
24
23
8
14
1
8
10
25
16
21
28
32
24
12
9
18
18
9
5
15
10
7
30
5
Werk deur die drukstuk en let veral op hoe die resultate weergegee word.
201
IOP2601/MO051/4/2016
Lees ook die voorbeeld wat Tredoux en Durrheim (2013) op bladsy 276 tot 280 onder die
opskrif Using SPSS to do one-way ANOVA bespreek.
Onthou om die betekenisvolheid van die f-toets (dat daar n verskil is) te interpreteer op
grond van die waarde in die sig of F kolom. Indien die waarde in hierdie kolom <0,05 of
<0,01 is, wys dit op n statisties beduidende verskil.
die aannames waarop ANOVA gebaseer is, te kan noem

en kortliks te kan omskryf
ANOVA-berekeninge te kan doen en in n
opsommingstabel te kan rapporteer
die F-waarde te kan interpreteer
die naam van die nieparametriese ekwivalent van
eenrigting-ANOVA te kan noem
n rekenaardrukstuk vir ANOVA sinvol te kan interpreteer
Ter afsluiting
Ons sluit jou leerstof ten opsigte van t- en F-toetse af met n skematiese voorstelling van
hipotesetoetse vir gemiddeldes om almal vir jou in perspektief te plaas.
202
IOP2601/MO051/4/2016
203
IOP2601/MO051/4/2016
LEEREENHEID 14: Die chi-kwadraattoets
In hierdie leereenheid gaan ons die eerste keer werk met kwalitatiewe (kategoriese) data.
Sover het ons nog net te doen gehad met kwantitatiewe data. Wanneer jy as
bedryfsielkundige in die werksituasie met frekwensies te doen kry, moet jy tog op die een of
ander manier kan vasstel of daar beduidende verskille tussen die frekwensies is. Die
toetsstatistiek wat ons hiervoor gebruik word, is die chi-kwadraat- ( ) toets. Ons gaan in
hierdie leereenheid met twee tipes ( )-toetse werk en leer hoe om die resultate te
interpreteer.
As n mens dink aan die Nuwe Sterre-projek kan n aantal biografiese veranderlikes deel
wees van die vrae wat gevra word. Biografiese veranderlikes is dikwels kategoriese
veranderlikes. Dit sal beteken dat die chi-kwadraattoets die toepaslike metode van dataontleding is om die verhouding tussen hierdie veranderlikes te ondersoek.
Waarom gebruik ons die chi-kwadraattoets?
Die chi-kwadraattoets help ons om frekwensie of kategoriese data sinvol te ontleed. Onthou
jy nog die verskil tussen kategoriese en metingsdata?
14.1
As jy nog die verskil tussen die twee ken, voltooi die tabel hieronder deur die eienskappe
van elke tipe in te vul. Indien jy dit nie onthou nie, raadpleeg eers leereenheid 2 waar die
betekenis van kategoriese en metingsdata en die verskil daartussen behandel word. Voltooi
dan die tabel.
Metingsdata
Kategoriese data
Dit kom daarop neer dat kategoriese data die getal observasies (tellings) in elke kategorie
verteenwoordig, terwyl metingsdata verkry word deur objekte te meet.
204
IOP2601/MO051/4/2016
Watter tipes chi-kwadraattoetse kry ons?

Soos reeds gemeld, kan ons slegs met twee kategoriese veranderlikes werk: n eenklassifikasieveranderlike en n twee-klassifikasieveranderlike.
14.2
Bestudeer die afdeling Classifications op bladsy 365 van Tredoux en Durrheim (2013)
sodat jy kan verstaan hoe n populasie op verskillende wyses geklassifiseer kan word.
Som dan vir jou die verskil tussen n een- en n twee-klassifikasieveranderlike in die
tabel hieronder op:
Een-klassifikasieveranderlike
Twee-klassifikasieveranderlike
Noudat jy weet wat die verskil tussen die twee is, gaan ons vir jou in die volgende afdeling
verduidelik hoe om dit te bereken.
Wanneer word die twee-klassifikasieveranderlikes: chi-kwadraat-gebeurlikheidstabel

gebruik?
Dikwels kan die data waarmee ons werk, nie geklassifiseer word as net een veranderlike
nie. Soms werk ons met data wat in twee kategorie val, en waar die veranderlike (data) ook
as twee veranderlikes geklassifiseer word. In sodanige gevalle word na n
gebeurlikheidstabel (contingency table) verwys.
14.3
Bestudeer die gedeelte Contingency tables op bladsy 365 tot 366 van Tredoux en
Durrheim (2013) om hierdie konsep beter te begryp.
Gebruik jou sakrekenaar om die berekenings in tabel 19.1 op bladsy 366 van Tredoux
en Durrheim (2013) na te gaan.
Formuleer jou eie beskrywing van n gebeurlikheidstabel:
205
IOP2601/MO051/4/2016
Het jy in jou beskrywing die volgende ingesluit? Ons werk met n klassifikasie waarin die
waarneming gelyktydig geklassifiseer is ten opsigte van twee veranderlikes.
Wanneer word
pasgehaltetoets
die
een-klassifikasieveranderlike
gebruik?
Die
chi-kwadraat-
Waar ons met net een veranderlike werk, gebruik ons die pasgehaltetoets (goodness of fit
test). Dit is die spesifieke naam vir di tipe chi-kwadraattoets. Die veronderstelling hier is dat
ons slegs een stel waargenome data vergelyk met n teoretiese voorspelling van
frekwensies, dit wil s ons werk met waargenome (O) en verwagte (E) tellings.
14.4
Ons maak nou kennis met bepaalde formules en simbole. Om jou te help om daarmee
vertroud te raak moet jy die afdeling " significance test op bladsy 366 tot 371 van
Tredoux en Durrheim (2013) bestudeer. Hierdie gedeelte is lank en al die berekenings,
formules en simbole is bes moontlik verwarrend. Kom ons verdeel die afdeling sodat jy die
belangrikste elemente makliker snap.
Vergewis jou van die simbole in die formules en hoe om dit te bereken.
Kontroleer die berekenings met jou sakrekenaar.
Sorg ook dat jy die waarde in tabel A1.7 op bladsy 492 van Tredoux en Durrheim (2013)
korrek kan aflees.
Benewens die toetsstatistiek wat verskil, behoort die proses vir jou bekend te wees,
aangesien dit dieselfde prosedure is wat met alle hipotesetoetsing gevolg word (bv met die
berekening van die t- en die F-toets).
14.5
Probeer nou om die volgende aktiwiteite te doen om jou vaardigheid in die toepassing van
die chi-kwadraattoets te bepaal. Onthou om al die stappe te volg wat jy in leereenheid 11
geleer het. Begin dus met die formulering van die nulhipotese en volg die stappe totdat jy jou
bevindings interpreteer. (Onthou jy nog al die stappe?)
1.
206
Die programbestuurders van Nuwe Sterre wil vasstel of daar n verskil is tussen mans
en vroue se mening oor die vraag of stemmers toegelaat moet word om vir die
beoordelaars ook te stem. Jy word genader om die navorsing te onderneem. Die
volgende vraag is aan n groep van 60 stemmers (30 mans en 30 vroue) gestel:
IOP2601/MO051/4/2016
Dink jy dat stemmers toegelaat moet word om vir beoordelaars ook te stem?
Die deelnemers is gevra om slegs een van drie response te kies: ja, nee of onseker. Van die
30 mans het 9 ja geantwoord, 12 het nee ges en 9 was onseker. Van die vroue het 15 ja
ges, 2 het nee ges en 13 was onseker.
Verskil mans en vroue beduidend oor hulle opinie rakende stemmery vir die
beoordelaars?
1.1
Stel n gebeurlikheidstabel op om die gegewe inligting voor te stel.
1.2
Doen die nodige berekenings om te bepaal of daar n beduidende verskil is tussen die
twee geslagte ten opsigte van hulle opinie rakende stemmery vir die beoordelaars.
Werk op n beduidenheidsvlak van 0,05. Wat is jou afleiding? (Verwys na die
navorsingsprobleem.)
1.3
1.1
Ja
Nee
Onseker
Totaal
Mans
9 (12)
12 (7)
9 (11)
30
Vroue
15 (12)
2 (7)
13 (11)
30
Totaal
24
14
22
60
Die syfers tussen hakies is die verwagte frekwensies, bereken volgens die formule:
30 24
60
12
30 14
60
30 22
60
11
30 24
60
12
30 14
60
30 22
60
11
207
IOP2601/MO051/4/2016
1.2
E
E
12
12
3
12
9
12
25
7
12
5
7

4
11
7
7
2
11
9
12

25

7
11
11
3
12
15
12
12
5
7
7
7
13
11
11
2
11
4
11
= 0,75 + 3,57 + 0,36 + 0,75 + 3,57 + 0,36

= 9,36

1.3
= 0,05

df = (R 1)(C 1)

= (2 1) (3 1)

= 2

calc (2) = 9,36

9,36 > 5,99

Verwerp nulhipotese
crit (2) = 5,99
Daar is n betekenisvolle verskil tussen mans en vroue met betrekking tot hul mening oor
stemmery vir die beoordelaars.
Dink na oor die volgende addisionele vrae vir die Nuwe Sterre-projek wat ook deur die
analise van Chi-kwadraat bereken kan word:
208
V1: Is daar n verskil in hoe kykers deelnemers beoordeel op grond van hulle haarkleur
(blonde, rooi of bruin hare?) (chi-kwadraat)
V2: Is daar n verskil in hoe manlike en vroulike beoordelaars deelnemers beoordeel op
grond van hulle liggaamsgewig?
V3: Ten opsigte van die beoordelaars wat deel van die siftingsproses is: is daar n
verhouding tussen die rassegroep van n individuele beoordelaar en die rassegroep van
die kandidate vir wie hulle n ho, gemiddelde of lae punt gee?
IOP2601/MO051/4/2016
Speel klein frekwensies n rol?

Ja, dit speel n rol. Selfs wanneer die frekwensies klein is, oefen hulle n invloed op n toets
uit. Soms word die frekwensies as proporsies uitgedruk, maar word gewoonlik weer na
frekwensies omgeskakel. Dit is ook moontlik om nie-onafhanklike observasies te doen. Lees
die afdeling Measures of association in tables based on the statistic op bladsy 371 tot
374 van Tredoux en Durrheim (2013).
Bestudeer die uitgewerkte voorbeeld op bladsy 381 van
Tredoux en Durrheim (2013) en sorg dat jy die -waarde in die
drukstukke kan identifiseer en interpreteer.
Jy het nou heelwat nuwe kennis opgedoen. n Opsomming

daarvan sal n oorsig bied van jou begrip daarvan. Jy behoort
die volgende te kan doen:
te weet wanneer om die chi-kwadraattoets toe te pas

die chi-kwadraattoets (pasgehaltetoets) vir twee of meer
kategorie te kan bereken
te kan verduidelik wat n gebeurlikheidstabel is
te weet wanneer om n gebeurlikheidstabel te gebruik
die chi-kwadraattoets vir twee-klassifikasieveranderlikes te
kan bereken
die resultate te kan interpreteer op grond van die
verwerping of die nieverwerping van die nulhipotese
209
IOP2601/MO051/4/2016
LEEREENHEID 15: Onderskeidingsvermo
Onderskeidingsvermo (power) is n konsep wat vandag al hoe belangriker word in

navorsing. Al hoe meer skrywers van wetenskaplike artikels verduidelik die
onderskeidingsvermo van hulle navorsing. Om hierdie rede is dit belangrik dat jy eerstens
die konsep van onderskeidingsvermo verstaan, en dan ook hoe om onderskeidingsvermo
(soos dit byvoorbeeld in wetenskaplike artikels bereken word) te interpreteer.
Die basiese begrip onderskeidingsvermo
Veronderstel jy doen navorsing oor die invloed van rook op die gesondheid van personeel in
n gebou. In jou navorsing gebruik jy twee steekproewe, naamlik n departement waar daar
glad nie gerook word nie en n departement waar baie personeellede rook. Jou nulhipotese
stel dat daar geen verskil in die gesondheid van personeel wat nie rook in die twee
departemente is nie. Jou resultate toon dat jy nie die nulhipotese kan verwerp nie, dit wil s
daar is geen verskil in die gesondheidsvlak van die personeel wat nie rook in die twee
departemente nie. Op grond van jou resultate stel die organisasie nie n rookbeleid in nie. Jy
publiseer jou resultate in n wetenskaplike artikel. Na vyf jaar lees n professor wat in jou
soort navorsing gespesialiseer het jou resultate en kom agter dat jy n statistiese fout begaan
het. Jou resultate was dus verkeerd en jy moes in der waarheid jou nulhipotese verwerp het,
wat beteken dat daar wel n verskil in die gesondheidsvlakke van die personeel in die twee
departemente was wat nie rook nie.
In die Nuwe Sterre-kompetisie, waar die pryse ho monetre waarde het, moet die
organiseerders verseker dat die resultate en die grondslag waarop besluite geneem word,
bo verdenking is. As die kwessie vanuit n kwantitatiewe perspektief benader word, is
versekering van voldoende onderskeidingsvermo een manier om in staat te wees om
besluite wat geneem is, te verdedig.
210
IOP2601/MO051/4/2016
15.1
1.
Beskou die scenario soos hierbo gestel, en beantwoord dan die volgende vrae:
1.1
1.2
Watter soort statistiese fout het jy begaan? Verduidelik jou antwoord.

Die verkeerdelike nieverwerping van die nulhipotese hou implikasies vir die
organisasie en die personeel in. Kan jy sommige van hierdie implikasies lys?
2.
Om die begrip onderskeidingsvermo te verstaan moet jy die gedeelte Error and

statistical tests op bladsy 231 tot 232 van Tredoux en Durrheim (2013) bestudeer. Jy
sal sodoende ook Tipe I- en Tipe II-foute beter verstaan.
1.
Hierdie scenario dui op die belangrikheid van die korrekte verwerping van die onwaar
nulhipotese.
1.1
In leereenheid 11 het jy geleer wat n tipe II-fout, wat ook as (beta), genoteer
word, beteken. As jy deur die afdeling Error and statistical tests op bladsy 231
tot 232 van Tredoux en Durrheim (2013) werk, sal jy sien dat dit baie nou
verband hou met die konsep van onderskeidingsvermo.
1.2
Voor die hand liggende implikasies sluit die volgende in:
2.
Die tyd en geld wat jy aan die eksperiment bestee het

Produktiwiteit wat verlore gaan omdat personeel siek word en van die werk
afwesig is as gevolg van die rokery
Mediese fondse wat met eise van siek personeel belas word
Jy moet veral aandag gee aan die interpretasie van figuur 13.1 op bladsy 233 tot 234
van Tredoux en Durrheim (2013).
Dit behoort nou vir jou duidelik te wees dat dit enorme implikasies in die meeste
navorsingsituasies kan inhou indien die nulhipotese nie verwerp word nie waar daar in der
waarheid n verskil tussen groepe is. Dit is waarom die konsep van onderskeidingsvermo
so belangrik is. Die waarskynlikheid om die regte besluit te neem om die vals nulhipotese
(H0) te verwerp, staan bekend as onderskeidingsvermo en word as 1 genoteer.
Interpretasie van n onderskeidingsvermowaarde

Die onderskeidingsvermo kan vir n t-toets vir verwante en onafhanklike steekproewe
bereken word, maar is n ingewikkelde proses. Hoewel ons nie van jou sal verwag om
hierdie berekenings te kan doen nie, moet jy wel die onderskeidingsvermo-waarde wat
211
IOP2601/MO051/4/2016
deur hierdie proses bereken is, kan interpreteer. In hul inleiding op bladsy 230 tot 231
gebruik Tredoux en Durrheim (2013) die analogie van die strafhof om die interpretasie van
die onderskeidingsvermo-waarde te verduidelik.
Soos jy kan sien, verwag ons net van jou om bladsy 230 tot 234 van Tredoux en Durrheim
(2013) te bestudeer. Die res van hierdie hoofstuk is nie op jou van toepassing nie.
15.2
1.
Hersien die rels in leereenheid 11 wat bepaal wanneer jy die nulhipotese moet
verwerp of nie moet verwerp nie.
2.
3.
Verduidelik wat bedoel word met onderskeidingsvermo = 0,6.

Wat is die vlak van sekerheid wat van die statistiese proses vereis sal word om te
verseker dat die uitkoms van die stemming in Nuwe Sterre bo verdenking is?
1.
2.
Hierdie rels sal jou weer nuttig te pas kom om onderskeidingsvermo te verstaan.
Wanneer ons s dat die onderskeidingsvermo vir n spesifieke navorsingstudie gelyk
is aan 0,6, bedoel ons dat as die nulhipotese vals is in die mate wat ons verwag dit
vals is, die waarskynlikheid 0,6 is dat die resultate ons tot die verwerping van die
nulhipotese sal lei. Hoe groter die onderskeidingsvermo vir n eksperiment is, hoe
groter is die waarskynlikheid dat ons die vals nulhipotese sal verwerp, en hoe hor is
die onderskeidingsvermo van die eksperiment.
0,8.
3.
n Toepassingsarea vir onderskeidingsvermo

Bedryfsielkunde as vakgebied is een van die baie wat van meta-analise gebruik maak. Dit is
n statistiese metode wat gebruik word om die resultate van onafhanklike navorsingstudies te
kombineer. Meta-analise word hoofsaaklik gebruik in wetenskaplike artikels waarin
navorsing in n spesifieke area bespreek word (Aron & Aron, 1994).
Noudat jy leereenheid 15 bestudeer het, behoort jy in staat
te wees om die volgende te doen:
212
Die konsep onderskeidingsvermo te kan omskryf en

te weet waarom dit belangrik is
n Berekende onderskeidingsvermo-waarde te kan
interpreteer
IOP2601/MO051/4/2016
Nuwe Sterre die sangkompetisie begin
Soos verduidelik is toe Nuwe Sterre geloods is, moes tien deelnemers
leerlingskapprogram van drie weke deurloop waarin hulle moes deelneem aan verskeie
voorbereidende aktiwiteite terwyl die kykers vir hulle moes stem om in die kompetisie te bly.
Die Nuwe Sterre-leerlingskapprogram het verlede week op n ho noot ten einde geloop! Dit
was so n moordende proses dat die organiseerders ietwat bekommerd was dat die
deelnemers nie nog in die sangkompetisie ook sal kan deelneem nie! Die totale
voorkomsverandering was die gunsteling deel van die leerlingskapprogram, vir die
deelnemers sowel as die kykers! Teen alle verwagtings in het Vuyo K nie na die finale
rondte deurgedring nie! Die vyf gekose deelnemers om aan die sangkompetisie deel te
neem, is David, Tshepo, Shelly, Kerry en Cameron. Volgens hulle profiele in leereenheid 1,
wie dink jy staan die grootste kans om te wen?
213
IOP2601/MO051/4/2016
Toepassing
214
IOP2601/MO051/4/2016
LEEREENHEID 16: Data-analise: n fiktiewe organisasie
Die leereenheid in hierdie afdeling is uniek in die sin dat jy niks nuuts gaan byleer nie. Jy
gaan wel die geleentheid kry om alles toe te pas wat jy tot dusver geleer het. Hierdie
leereenheid is dus eintlik selfevalueringsoefeninge (in Studiebrief 101 word daarna verwys
as Werkopdrag 3) wat jy kan gebruik om jou begrip van die module in die geheel na te gaan.
Let daarop dat sommige vrae in hierdie leereenheid anders gevra word as vroer in die
ander studie-eenhede of in die werkopdragte. Moenie jou bekommer nie, die vrae in die
eksamen sal in n formaat wees soos in die ander studie-eenhede en die werkopdragte!
Die rede waarom ons die vrae hier soms anders gevra het, is om dit n meer realistiese
oefening te maak ten opsigte van die vrae wat jy in n werksituasie sal moet kan beantwoord.
n Werkgewer gaan net vir jou die probleemstelling gee en van jou verwag om self te weet
watter stappe jy alles moet uitvoer om by die antwoord uit te kom.
Noudat jy die studiemateriaal van hierdie kursus voltooi het, kan jy al begin droom van jou
werk as bedryfsielkundige in n maatskappy. Gee jou verbeelding vrye teuels en geniet die
volgende praktiese oefening.
Verbeel jou jy is die bedryfsielkundige in diens van maatskappy MetalCan International wat
metaalblikkies vervaardig. Dit is n fabriek wat 24 uur per dag produksie moet lewer en
gevolglik word werkers in drie verskillende skofte ingedeel.
Die tye van die drie skofte is soos volg:
Die bestuursvlakke in die

Produksieafdeling is die volgende:
Skof 1: 06:0014:00
Produksiebestuurder
Skof 2: 14:0022:00
Senior Skofleier
Skof 3: 22:0006:00
Skofleier
Skofwerker
215
IOP2601/MO051/4/2016
Die maatskappy het mans sowel as vroue van verskillende ouderdomme tydens al drie die
skofte in diens. Daar is altesaam 350 werkers by die maatskappy. Tien werkers uit elke
skofbeurt is ewekansig geselekteer en inligting van elkeen van die geselekteerde werkers
word in die tabel hieronder gegee. Hierdie werkers is almal fabriekwerkers wat verpakking
van die finale produkte doen. Om die vrae te beantwoord wat hierna gevra gaan word, moet
jy hierdie inligting gebruik.
Stel vir elke vraag n nuwe tabel op waarin jy slegs die nodige
inligting uit die meestertabel in daardie tabel oorskryf. Dit sal
jou berekeninge vergemaklik om net die nodige data vir die
berekeninge byderhand te h.
Die volgende inligting word verskaf vir die persone wat in die
steekproef opgeneem is:
Naam
naam (van en voorletters)

skofnommer
ouderdom (in jare)
dienstydperk (by hierdie firma gegee in maande)
geslag (M = manlik, V = vroulik)
motoriese aanlegtelling (op skaal wat telling vir
handvaardigheid gee)
produktiwiteitstelling (gemiddelde aantal produkte verpak
oor laaste 5 skofte)
Skof
Ouderom
Dienstyd
Geslag
Khumalo, N
30
68
Solomon, K
23
36
32
120
Shaw, I
25
15
41
130
Mogale, S
19
28
115
Naidoo, P
42
41
38
130
Peters, M
24
10
32
118
Britz, K
43
60
43
153
Singh, S
32
24
37
135
Shizane, P
28
22
41
148
Coetzee, N
41
48
36
120
Miller, A
26
28
24
90
Masego, P
31
20
30
140
Ndimang, N
30
12
31
128
Quele, P
27
40
146
Valmer, B
24
38
41
140
April, C
55
144
38
145
216
Motoriese
aanleg
40
Produktiwiteit
140
IOP2601/MO051/4/2016
Naam
Skof
Ouderdom Dienstyd
Geslag
Nkomo, D
48
12
Motoriese
aanleg
36
Produktiwiteit
130
Surrey, F
33
47
35
140
Govender, S
25
40
145
Mokoena, C
42
50
41
130
Zitumane, P
25
10
35
130
Lange, K
37
14
38
142
Hatting, S
32
42
136
Bartlett, G
44
48
29
112
Olivier, M
Nkosi, T
Richard, A
Jacobs, L
Maluleke, T
Collins, G
3
3
3
3
3
3
41
28
46
50
41
39
78
15
24
120
60
20
F
F
M
F
M
M
41
33
34
48
29
32
128
116
111
150
102
120
Die res van die leereenheid bestaan uit n aantal vrae wat deel van hierdie een lang aktiwiteit
vorm. Terugvoer word aan die einde van die leereenheid gegee.
16.1
Vraag 1
Voltooi die onderstaande tabel deur langs elke veranderlike hieronder aan te dui watter tipe
metingskaal ter sprake is.
Veranderlike
Soort metingskaal (nominaal, ordinaal, interval of verhouding)
Skofgroep
Ouderdom
Dienstyd
Geslag
Handvaardigheid/Motoriese-aanlegtelling
Produktiwiteitstelling
Bestuursvlak
217
IOP2601/MO051/4/2016
Vraag 2
Een van die tellings wat gegee is, is n motoriese-aanlegtelling wat n meting van
handvaardigheid is. Hierdie telling gee na bewering n aanduiding van die persoon se
uiteindelike produktiwiteit binne die werksituasie.
2.1
2.2
2.3
2.4
Bereken die gemiddelde van die motoriese-aanlegtellings van die groep wat skof 1
werk en ook vir die groep wat skof 3 werk.
Bereken die modus van die produktiwiteitstellings van die groep wat skof 2 werk.
Bereken die mediaan van die produktiwiteitstellings van die werkers van skof 3.
2.5
Gee n frekwensieverdeling van die ouderdomme van die persone wat in die
steekproef opgeneem is deur die ouderdomme in 5 jaar-intervalle te groepeer. Stel n
frekwensietabel op. Dui ook die middelpunt van elke interval in die frekwensietabel
aan.
Teken die histogram van die frekwensieverdeling in vraag 2.4.
2.6
Beskryf die verspreiding van hierdie histogram ten opsigte van die volgende:
2.7
2.8
Modaliteit: unimodaal / bimodaal / trimodaal

Skeefheid: positief skeef / negatief skeef
Kurtose: platikurties / mesokurties / leptokurties
Bereken die variansie en standaardafwyking van die motoriese-aanlegtellings vir

skofgroep 1 asook vir skofgroep 3.
Bereken die verband tussen die motoriese-aanlegtellings en die produktiwiteitstellings
van die hele groep.
Opmerking: Die kwadrate van sommige syfers mag onmoontlik wees om te bereken met
sakrekenaars wat net agt karakters kan hanteer.
Interpreteer dan die korrelasiekoffisint en s ook wat jou afleiding ten opsigte van die
verband is.
Vraag 3
Jy wil die motoriese-aanlegtellings gebruik om werkprestasie (produktiwiteit) te voorspel.
3.1
3.2
Watter veranderlike is die voorspellerveranderlike?

Bereken die veranderlikes wat in die regressievergelyking gebruik word, naamlik:
bereken
bereken
3.3 Gee die finale regressieformule.

3.4 Wat sal die voorspelde produktiwiteitstelling wees van n persoon wat n telling van 30
op die motoriese-aanlegtoets kry?
3.5 Maak n grafiese voorstelling van die regressielyn.
218
IOP2601/MO051/4/2016
Vraag 4
Beskou vir hierdie vraag hierdie groep van 30 werkers as die totale populasie van werkers
wat normaal versprei is. Hulle gemiddelde ten opsigte van motoriese aanleg is 32,53 en die
standaardafwyking is 11,98. Beantwoord nou die volgende vrae:
4.1
4.2
4.3
4.4
4.5
Bereken die ooreenstemmende z-telling vir n persoon met n routelling van 41.
Bereken die ooreenstemmende z-telling vir n persoon met n routelling van 31.
Bepaal die proporsie gevalle met n routelling kleiner as 31.
Bepaal die persentasie gevalle met n routelling groter as 41.
Bepaal die aantal werkers wie se motoriese-aanlegtellings tussen 31 en 41 val.
Vraag 5
Enkele gevalle binne die maatskappy dui daarop dat mans moontlik meer betaal word as
vroue, alhoewel hulle dieselfde werk doen en naastenby dieselfde ondervinding het.
Beweringe oor verskille in die produktiwiteit het nou kop uitgesteek as deel van die probleem
en jy word gevra om ondersoek in te stel. Die bestuur het na aanleiding van bogenoemde
gevra dat die syfers ten opsigte van die produktiwiteit van die twee geslagte aan hulle
beskikbaar gestel moet word. Gebruik die inligting wat in die tabel gegee is om vas te stel of
daar n verskil tussen die produktiwiteit van mans en vroue is.
5.1
5.2
5.3
Stel n gepaste nulhipotese in woorde en in simbole.

Stel n gepaste alternatiewe hipotese in woorde en in simbole.
Bereken die gepaste toetsstatistiek en beantwoord die navorsingsvraag.
Vraag 6
As jy dienstyd oorweeg, kan jy ses persone in skofgroep 1 afpaar met ses persone met
dieselfde lengte dienstydperk in skofgroep 3. Skofgroep 1 werk van 06:00 tot 14:00 terwyl
skofgroep 3 van 22:00 saans tot 06:00 die volgende oggend werk. Jy wil vasstel of daar n
verskil tussen die produktiwiteitstellings van skofgroep 1 en skofgroep 3 is. Doen al die
nodige berekeninge (beginnende met die stel van n nul- en alternatiewe hipotese) om die
vraag te beantwoord.
Vraag 7
Gebruik twee ouderdomsgroepe, naamlik die groep persone wat jonger as 30 is in een
groep en die groep persone wat ouer as 40 is in die ander groep. Bepaal of daar n verskil
tussen die motoriese-aanlegtellings van hierdie twee groepe is. Wys alle stappe duidelik en
doen alle nodige berekeninge om die vraag te kan beantwoord.
219
IOP2601/MO051/4/2016
Vraag 8
8.1
8.2
Is daar n beduidende verskil tussen die ouderdomme van die drie verskillende
skofgroepe? Doen alle nodige berekeninge om die antwoord te bepaal.
Evalueer die praktiese waarde wat hierdie berekening vir jou as bedryfsielkundige het
in twee of drie sinne.
Vraag 9
Die hoof- uitvoerende beampte (HUB) (Chief Executive Officer) van die maatskappy het die
volgende gemiddeldes en standaardafwykings van produktiwiteitsdata vir die drie skofte
bekom:
Skof 1
Skof 2
Skof 3
130,9
133,4
124,7
13,08
16,65
15,16
Hy het samesprekings met jou aangevra en die volgende gesprek vind plaas:
HUB:
Dit lyk asof skof 2 die produktiefste in die maatskappy is, terwyl skof 1 kort ophulle
hakke is. Die produktiwiteit van skof 3 is regtig swak. Stem jy saam?
Jy:
n Mens kan nie aflei of daar n betekenisvolle verskil is in die produktiwiteit van die
drie skofte is deur slegs na die gemiddeldes te kyk nie.
HUB:
Kan jy die data verder verwerk? Ek moet weet of daar n betekenisvolle verskil is.
Jy:
Sekerlik, ek moet net n statistiese toets bekend as Eenrigting ANOVA doen om

jou vraag te kan beantwoord. Ek sal my afleiding aan jou rapporteer met 99%
sekerheid.
HUB:
Dankie.
Vraag 10
Die produksiebestuurder wou vasstel of daar n verskil in die voorkeur tussen manlike en
vroulike werkers is vir die skof wat hulle sou verkies om te werk. Die senior skofleier het die
volgende response gekry van 280 werkers op die vraag: Watter skof verkies jy?
220
Skof 1
Skof 2
Skof 3
Manlik
60
22
30
Vroulik
40
68
60
IOP2601/MO051/4/2016
Die produksiebestuurder het jou gevra om die data te ontleed om sy vraag te kan
beantwoord.
Vraag 1
Veranderlike
Soort veranderlike (nominaal, ordinaal,

interval of verhouding)
nominaal
ratio
ratio
nominaal
interval
ratio
ordinaal
Skofgroep
Ouderdom
Dienstyd
Geslag
Handvaardigheid/Motoriese aanlegtelling
Produktiwiteitstelling
Bestuursvlak
Vraag 2
2.1
Gemiddelde van die motoriese aanlegtellings van skofgroep 1 en skofgroep 3
Skofgroep 1:

Skofgroep 3:

2.2
= 368
10
= 36,8

= 361
10
= 36,1
Skofgroep 1
X1
40
32
41
28
38
32
43
37
41
36
368
Skofgroep 3
X3
35
38
42
29
41
33
34
48
29
32
361
Modus van die produktiwiteitstellings van skofgroep 2
Produktiwiteitstellings 90
Geordende tellings
90
140
128
Of met n frekwesietabel
Produktiwiteit
90
128
130
140
145
146
Modus = 140
128
130
146
130
140
140
145
140
130
140
140
145
145
145
130
146
Frekwensie
1
1
2
3
2
1
221
IOP2601/MO051/4/2016
2.3
Bereken die mediaan van die produktiwiteitstellings van skofgroep 3
Produktiwiteitstellings (skofgroep 3):
130
142
136
112
128 116 111
150
102
120
111
112
116
120 128 130
136
142
150
Geordende tellings:
102
Mediaanposisie
= 10 + 1
2
= 5,5
Mediaanwaarde l tussen 120 en 128 (gemiddelde van die twee tellings)
2.4
Frekwensieverdeling van ouderdomme
Ouderdomsinterval
Frekwensie
Kumulatiewe
frekwensie
Middelpunt van
interval
1620
18
2125
23
2630
13
28
3135
17
33
3640
19
38
4145
26
43
4650
29
48
5155
30
53
222
IOP2601/MO051/4/2016
2.5 Histogram van frewensieverderdeling van ouderdomme gegee in vraag 2.4

6
Frekwensie
5
4
3
2
1
0 3
8 13 18
23 28 33 38 43 48
53
Ouderdom in jare
Het jy die fout in die grafiek hierbo opgemerk? Indien nie, kyk na die frekwensietabel op die
vorige bladsy en korrigeer dit op die grafiek. (Die posisies van die histogram en
frekwensiepoligoon vir die intervalle 3640 en 4145 is foutief in die grafiek as 3 en 6 in
plaas van 2 en 7 onderskeidelik aangedui.)
2.6
2.7
bimodaal
positief skeef
leptokurties
Variansie en standaardafwyking van motoriese aanlegtellings vir skofgroep 1 (X1) en
skofgroep 3 (X3)
223
IOP2601/MO051/4/2016
2.8 Verband tussen motoriese aanlegtellings (X) en produktiwiteitstellings (Y) van

die hele groep (al drie skofgroepe).
Hoe beter n persoon se motoriese aanleg, hoe hoe r die persoon se produktiwiteitstelling.
Vraag 3
Voorspelling van werkprestasie (produktiwiteit) op grond van motoriese aanlegtellings deur
n regressievergelyking op te stel.
224
IOP2601/MO051/4/2016
Vraag 4
225
IOP2601/MO051/4/2016
Vraag 5
Ondersoek of daar n verskil tussen die produktiwiteit van mans en vroue is.
226
IOP2601/MO051/4/2016
5.3
Tweekantige toets
df
= NM + NF 2 = 19 + 11 = 28
t = 0,05 = 2,0484
t = 0,01 = 2,7633
227
IOP2601/MO051/4/2016
Berekende t-waarde = 0,29

|t|
tkrities op 5% en op 1% vlak.
Verwerp nie H0 nie

Kan nie met 99% sekerheid se dat daar n verskil is tussen mans en vroue se
produktiwiteit is nie, dit wil se geen betekenisvolle verskil nie.
Vraag 6
Is daar n verskil tussen die produktiwiteitstellings van skofgroep 1 en skofgroep 3 as
jy persone met dieselfde dienstyd vergelyk?
Verwerp nie H0 nie.

Kan nie met 99% sekerheid s dat daar n verskil tussen skofgroep 1 en
skofgroep 3 se produktiwiteit is nie, dit wil s geen betekenisvolle verskil nie.
228
IOP2601/MO051/4/2016
Vraag 7
Bepaal of daar n verskil tussen die motoriese-aanlegtellings
ouderdomsgroep jonger as 30 (X) en die groep ouer as 40 (Y) is.
van
die
Verwerp nie H0 nie.

Kan nie met 99% sekerheid se dat daar n verskil tussen die motorieseaanlegstellings van die twee ouderdomsgroepe is nie; dit wil se daar is geen
betekenisvolle verskil nie.
229
IOP2601/MO051/4/2016
Vraag 8
8.1 Is daar n verskil tussen die ouderdomme van die drie skofgroepe?
Verwerp nie H0 nie.

Daar is geen beduidende verskil tussen die ouderdomsgroepe van die
verskillende skoftye nie.
8.2 Jy het geen beduidende verskil tussen die ouderdomme van die drie
skofgroepe gevind nie. Was jou reaksie op hierdie antwoord Wat daarvan?
Indien wel, is jy reg hierdie resultaat as sodanig het nie werklik praktiese
waarde nie.
Die belangrikste boodskap vir jou is dus: Onthou dat statistiese ontledings altyd
230
IOP2601/MO051/4/2016
gedoen word met die oog daarop om vrae te beantwoord deur sinvolle resultate
te bekom.
Indien bepaalde resultate nie gebruikswaarde het nie, is dit sinloos om die
berekeninge uit te voer. Dit is baie belangrik dat jy deurgaans n kritiese
ingesteldheid sal behou!
Vraag 9
Is daar n betekenisvolle verskil in die produktiwiteit van die drie skofte?
231
IOP2601/MO051/4/2016
232
IOP2601/MO051/4/2016
Jou antwoord aan die HUB

Alhoewel die gemiddeldes verskil en dus n verskil in produktiwiteit van die drie skofte
weerspiel, is die verskil nie statisties betekenisvol nie. Dit kan met 99% sekerheid afgelei
word. Prakties gesproke is daar geen rede vir jou aanvanklike kommer oor die vlak van
produktiwiteit van enige van die drie skofte in ons maatskappy nie.
Vraag 10
Is daar n betekenisvolle verskil tussen mans en vroue ten opsigte van die skof wat hulle
verkies?
Die frekwensies van antwoorde (in gebeurlikheidstabelformaat) is soos volg:
Mans
Vroue
Totaal
Skof 1
60(40)
40(60)
100
Skof 2
22(36)
68(54)
90
Skof 3
30(36)
60(54)
90
Totaal
112
168
280
Die syfers in hakies is die verwagte frekwensies, wat volgens die onderstaande
formule bereken is:
233
IOP2601/MO051/4/2016
Verwerp H0
Verwerp H0
Interpretasie
Daar is n betekenisvolle verskil tussen mans en vroue ten opsigte van die skof wat hulle
verkies om te werk. Die aanname kan met 99 persent sekerheid gemaak word.
Deur hierdie oefening het jy nou n oorsig gekry van sommige vrae waarmee n
bedryfsielkundige te doen kan kry. In enige werksituasie is daar n verskeidenheid probleme
wat opgelos moet word of vrae wat beantwoord moet word. Dit is die taak van die
bedryfsielkundige om hierdie probleme of vrae op n wetenskaplike manier te ondersoek en
op te los of antwoorde te kry. Sodoende help die bedryfsielkundige mee om die maatskappy
meer effektief te laat funksioneer en om die werkgewers sowel as die werknemers gelukkig
te hou.
234
IOP2601/MO051/4/2016
Verwysings
Aron, A. & Aron, E.N. (1994). Statistics .for psychology. Englewood Cliffs, NJ:
Prentice-Hall.
Brown, T.S., & Brown, J.T. (1995). Prerequisite course grades and attitude toward
statistics. College Student Journal, 29, 502507.
Christensen, L.B. (1994). Experimental methodology (6th ed). Boston: Allyn &
Bacon.
Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155159.
Fox, J.A., Levin, J., & Harkins, S. (1993). Elementary statistics in behavioral
research. New York, NY: Harper Collins.
Hair, J.F. (Jr), Anderson, R.E., Tatham, R.L. & Black, W.C. (1995). Multivariate
data analysis: with readings (4th ed). Englewood Cliffs, NJ: Prentice-Hall.
Howell, D.C., & Howell, C.T. (1995). Instructor's resource manual .for .fundamental
statistics .for the behavioral sciences (3rd ed). Belmont, CA: Duxbury.
Johnson, D.E. (1989). An intuitive approach to teaching analysis of variance.
Teaching of Psychology, 16(2), 6768.
Kaplan, R.M. (1987). Basic statistics .for the behavioral sciences. Boston: Allyn &
Bacon.
Leedy, P.D. (1993). Practical research: Planning and design (5th ed). New York,
NY: Macmillan.
Leedy, P.D., & Ormrod, J.E. (2010). Practical Research: Planning and design. (9th ed).
Upper Saddle River, New Jersey: Pearson.
Lehman, R.S. (1991). Statistics and research design in the behavioral sciences.
Belmont, CA: Wadsworth.
McCall, R.B. (1986). Fundamental statistics for behavioral sciences (4th ed). San
Diego: Harcourt Brace Jovanovich.
Onwuegbuzie, A.J. (2000). Attitude toward statistics assessments. Assessment and
Evaluation in Higher Education, 25(4), 321339.
Porter, J.H., & Hamm, R.J. (1986). Statistics: Applications .for the behavioral sciences.
Monterey, CA: Brooks/Cole.
Schau, C. (2003). Students' attitudes: The other'' important outcome in statistics
education. Joint Statistical Meetings, San Francisco, CA. Retrieved June, 24,
2009, from the World Wide Web: http://evaluationandstatistics.com/
JSM2003.pd.f
Spatz, C., & Johnston, J.O. (1984). Basic statistics: Tales o.f distributions (3rd ed).
Monterey, CA: Brookes/Cole.
235
IOP2601/MO051/4/2016
Taylor, N., & Meyer, K. (2009). Personality characteristics of reality show

applicants. Paper presented at the 15th South African Psychology Congress,
12-14 August 2009, Cape Town, South Africa.
Tredoux, C., & Durrheim, K. (eds.) (2013). Numbers, hypotheses and conclusions: A
course in statistics .for the social sciences. (2nd ed). Lansdowne, Cape Town:
UCT Press.
236
IOP2601/MO051/4/2016
Bylae: Lys van formules

1
2
Range = Highest score minus lowest score
x
1
y
1
237
IOP2601/MO051/4/2016
238
1
2
IOP2601/MO051/4/2016
..
/
/
1
1
239

051 2016 4 Afikaanse Hulp Studie Gids

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

051 2016 4 Afikaanse Hulp Studie Gids

Uploaded by

Copyright:

Available Formats

2015 Universiteit van Suid-Afrika

Alle regte voorbehou

Shutterstock.com images used

Nota: Dit is n aanlynmodule; die studiemateriaal is daarom op myUnisa

Hierdie dokument sluit ook die volgende inligting in:

Die Getting started letter

Die Getting started letter

Hierdie brief bevat belangrike inligting om jou te help om weg te spring.

HOE OM AANLYN TE GAAN

Hoe om aanlyn te gaan

VOORBEELD 1: Tuisblad van die myUnisa elektroniese portaal

my Studies @ Unisa (1)

VOORBEELD 2: Tuisblad of module-webwerf

Die volgende is n alfabetiese lys en gepaardgaande verduideliking van ander myUnisa

Hierdie opsie stel jou in staat om toegang te kry tot die

Hierdie opsie stel jou in staat om werkopdragte in te dien en

Hierdie opsie word hoofsaaklik gebruik vir interaktiewe

Learning Units (Leereenhede)

Official Study Material (Amptelike

Hierdie opsie stel jou in staat om toegang te kry tot die

Prescribed books (Voorgeskrewe

Hierdie opsie word in al die modules gebruik om die

Hierdie opsie vertoon die datums van die verpligte

Neem tyd om die module-webwerf te verken en raak vertroud met die

Besluit oor strategie vir vooruitbeplanning en stel jou persoonlike

Benader jou studie

Werk sistematies deur die verskillende leeraktiwiteite, besinningsvrae en

Moenie huiwer om ons, jou dosente, te kontak indien jy probleme ondervind

Deelname aan die aanlynleergemeenskap

Welcome message op die tuisblad

Welkom by die module Organisatoriese Navorsingsmetodes (IOP2601). Ons hoop jy vind

myStudies @Unisa (1)

Oorsig, uitkomste en assesseringskriteria

1. Inleiding tot navorsing en statistiek

16. Data-analise: 'n fiktiewe organisasie

2. Die taal van statistiek

9. Basiese konsepte van waarskynlikheid

4. Voorstelling van data

10. Die normaalverspreiding

5. Maatstawwe van sentrale

11. Steekproefdistribusies en hipotesetoetsing

13 Hipotesetoetse vir gemiddeldes: eenrigtingvariansieontleding

14. Die chi-kwadraattoets

Verduidelik die basiese

Die kenmerke van die wetenskaplike benadering tot navorsing word

Beskryf n datastel deur

n Frekwensietabel word saamgestel, n frekwensieveelhoek en n

word, word genterpreteer in terme van die korrelasie tussen die

Omvangstelling: Die basiese konsepte van inferensile statistiek sluit

Omvangstelling: Die stappe in hipotesetoetsing sluit in, maar is nie

Omvangstelling: Die tipe navorsingsvrae is beperk tot die insluiting

Vraag 1: Watter inligting bevat die studiebriewe?

Vraag 1: Wie moet ek kontak betreffende administratiewe navrae?

Vraag 3: Watter steun kan ek van my dosente verwag?

Vraag 4: Tot watter hulpbronne kan ek toegang verkry via myUnisa?

Elektroniese kopie van die hierdie dokument (MO001) en studiebriewe

Artikels en/of koerantberigte wat verband hou met organisatoriese

Vraag 1: Is dit makliker om aanlyn te studeer as deur middel van

Is selfgemotiveer en kan hulself aan die gang kry

Vertroudheid met n e-pos-program (insluitende die aanheg van

Vraag 4: Hoe belangrik is gesindheid om sukses te behaal in my studies

genoeg tyd het om deur al die relevante studiemateriaal te werk

Ons wil jou aanmoedig om die riglyne hieronder te volg:

MOENIE agter raak in jou beplanning nie.