19 Inleiding: Waarom (bio)statistiek?
19.1 Omgaan met onzekere gegevens
Meten is weten, toch? Helaas is het in de praktijk niet zo simpel. Meetgegevens, en data in het algemeen, zijn namelijk nooit volledig exact en bovendien afhankelijk van interpretatie. Metingen hebben afwijkingen en meetfouten; steekproeven zijn niet altijd representatief en deels het resultaat van toeval. Weten vereist meten, maar ook evalueren en interpreteren.
Zowel binnen de wetenschap als daarbuiten moeten we dus om kunnen gaan met onzekerheid in gegevens. Daar komt statistiek om de hoek kijken. Statistiek is de wetenschap van methoden en technieken die ons helpen om verantwoorde conclusies te trekken uit onzekere gegevens. In deze cursus maak je kennis met dit uitgebreide vakgebied.
19.2 Statistiek en data science zijn onmisbaar in biologisch onderzoek
De ontwikkeling van de statistiek als vakgebied is historisch nauw verweven met de biologie. Pioniers als Ronald A. Fisher, Karl Pearson en Francis Galton ontwikkelden hun statistische methoden oorspronkelijk om biologische vragen te beantwoorden. Veel van de statistische concepten die we in deze cursus zullen behandelen ontstonden uit de behoefte om biologische fenomenen te begrijpen. Zonder deze ontwikkelingen zou de moderne biologie—van epidemiologie tot evolutiebiologie—niet de nauwkeurigheid en voorspellende kracht hebben die ze vandaag kent.
Tegenwoordig behoren methoden uit de statistiek tot het standaardgereedschap van elke bioloog. Het maakt daarbij niet veel uit welk deelgebied van de biologie we bekijken. Figuur 19.1 is een compilatie van figuren uit artikelen die recent zijn gepubliceerd door onderzoekers uit uiteenlopende onderzoeksgroepen van ons departement. Kwantitatieve data-analyse en statistiek zijn daaruit niet weg te denken.
19.3 Statistiek en data science in wetenschap en samenleving
Ook buiten de biologie kom je overal statistiek tegen. De technieken die binnen de biologie in gebruik zijn, worden net zo goed toegepast binnen andere wetenschapsgebieden, zoals psychologie, sociologie, geneeskunde, en economie. De vaardigheid om met statistiek om te gaan is dus een essentiële academische vaardigheid.
Maar het belang van statistiek stopt niet bij muren van de universiteit. Voor veel bedrijven zijn statistische methoden en data-analyse cruciaal. Zij vertrouwen bijvoorbeeld op statistiek om de vraag naar producten te voorspellen, hun voorraad te optimaliseren, prijzen te bepalen, of voor hun marketingstrategie. Ook de overheid en politiek kunnen niet zonder. Hoe zouden we de corona-pandemie zijn doorgekomen zonder schattingen van \(R_0\), voorspellingen van het aantal ziekenhuisopnames, evaluaties van de effectiviteit van vaccins, en analyses van de effecten van maatregelen? Hoe zou het stikstofdebat eruit zien zonder statistische modellen? Hoe zouden verkiezingen verlopen zonder peilingen?
Ook als kritische burger heb je baat bij kennis van statistiek: dat helpt je om zin en onzin in maatschappelijke debatten te onderscheiden.
19.4 Over dit deel van het cursusboek
Er zijn veel goede boeken beschikbaar over (bio)statistiek, zowel gedrukt als online. Toch hebben we ervoor gekozen om zelf een cursusboek te schrijven. Dat heeft verschillende redenen.
Ten eerste hebben we in deze korte cursus alleen tijd voor beknopte introductie. Een op maat gemaakt eigen cursusboek kan de stof efficiënter aanbieden dan een bestaand boek dat bedoeld is voor een veel langere cursus. We voelen ons ook bezwaard om je een duur uitgebreid boek te laten kopen en daar maar een klein deel van te behandelen.
Ten tweede willen we graag laten zien dat de verschillende onderdelen van de cursus Biologische modellen en Statistiek niet los van elkaar staan. Ook in dit onderdeel van de cursus zullen basiswiskunde, programmeren in R en het denken in termen van modellen weer van pas komen.
Ten derde hebben we met een eigen cursusboek zelf in de hand welke stof we willen behandelen en welke nuances we willen aanbrengen. In een paar keuzes wijken we af van de meeste boeken die speciaal voor biologen geschreven zijn. Hieronder noemen we er een paar.
Statistiek is een modelleervak
Eerder in deze cursus heb je je verdiept in theoretische modellen. Je hebt geleerd dat een model een vereenvoudigde beschrijving is van een aspect van de echte wereld, gebaseerd op aannames. Zulke aannames zijn strikt genomen zelden waar en de conclusies die getrokken worden op basis van een model zijn alleen betrouwbaar als die aannames geschikt zijn voor de toepassing.
In de statistiek is het net zo. Om de kans op een gebeurtenis te berekenen of conclusies te trekken uit onzekere gegevens zul je altijd aannames moeten maken over de werkelijkheid; zowel over de manier waarop de gegevens tot stand zijn gekomen als over de onderliggende biologie. In andere woorden, kansberekeningen zijn altijd gebaseerd op een statistisch model (statistical model). Het is belangrijk om dat model zorgvuldig te kiezen, want je conclusies vallen of staan met je aannames. Dat geldt net zozeer voor statistische modellen die we gebruiken om gegevens te interpreteren als voor dynamische modellen over, zeg, predatoren en hun prooi.
Voor statistici is dit allemaal vanzelfsprekend. Maar in leerboeken bedoeld voor andere vakgebieden —biologen, (bio)medici, geesteswetenschappers, sociale wetenschappers—wordt dit zelden benadrukt. In dit boek proberen we dat wel te doen.
Hypothesetoetsen als besluitprocedures
In Hoofdstuk 25 en Hoofdstuk 26 zul je leren over hypothesetoetsen. Traditioneel worden hypothesetoetsen gepresenteerd als besluitprocedures: berekeningen met als doel om te besluiten of bepaalde hypotheses moeten worden verworpen. Hoewel besluitprocedures van groot praktisch belang zijn, is het in de wetenschap niet altijd verstandig, laat staan noodzakelijk, om een binair besluit te forceren over de status van een hypothese. In werkelijkheid zijn de beschikbare gegevens vaak op zichzelf niet doorslaggevend en te verenigen met verschillende hypotheses; een mechanische besluitprocedure staat dan in de weg van een genuanceerde visie.
De gebruikelijke presentatie van hypothesetoetsen suggereert bovendien dat bij het oordeel over een hypothese enkel de huidige dataset betrokken hoeft te worden, alsof bestaande voorkennis daarbij irrelevant zou zijn. Het wordt breed onderkend dat dit absurd is, maar veel leerboeken suggereren, onbedoeld misschien, iets anders.
In dit boek zullen we daarom minder nadruk leggen op binaire conclusies.
Subtiele redeneerfouten en statistical literacy
Redeneren over onzekere gegevens is niet makkelijk, en bepaalde redeneerfouten worden keer op keer gemaakt, in het dagelijks leven, het publieke debat, en de wetenschap, soms met ernstige consequenties. Een belangrijk doel van deze korte cursus is dan ook om ervoor te zorgen dat jij deze subtiele fouten zelf niet meer maakt en ze kunt herkennen en benoemen waar je ze tegenkomt. We geven dit soort conceptueel inzicht en statistical literacy in dit boek meer nadruk dan in eerdere cursussen.
19.5 Statistiek is leuk!
Misschien zie je op tegen dit onderdeel van de cursus. Veel studenten zijn bang dat ze statistiek moeilijk zullen vinden, en ook nog saai.
Wij denken dat het meevalt. Veel studenten geven achteraf aan dat de stof veel interessanter was dan ze vooraf hadden gedacht. Bovendien zul je merken dat je investering zich uitbetaalt: na deze cursus zul je je veel minder gemakkelijk laten misleiden door misinformatie vanuit de media, de wetenschap, en de politiek. Is dat niet de moeite waard?
19.6 Terminologie
Hieronder volgt een lijst(je) met de belangrijkste termen uit dit hoofdstuk.
Dit boek is in het Nederlands geschreven omdat we denken dat veel studenten daar baat bij zullen hebben. Tegelijkertijd is het belangrijk om de statistische terminologie ook in het Engels te kennen. Daarom zullen we hieronder voor ieder begrip ook de Engelse vertaling geven. Het is de bedoeling dat je die ook leert. In de tekst zelf zullen we de Engelse vertaling van begrippen soms ook tussen haakjes toevoegen.
| Nederlands | Engels | Beschrijving |
|---|---|---|
| statistiek | statistics | De wetenschap van methoden en technieken om verantwoorde conclusies te trekken uit onzekere gegevens. |
| hypothese | hypothesis | Een veronderstelling die door onderzoek mogelijk ontkracht of bevestigd kan worden. |
| meetfout | measurement error | Het verschil tussen het resultaat van een meting en de daadwerkelijke waarde van de variabele. |
Let op het verschil tussen probability en chance. De beste vertaling voor het Nederlandse woord kans is bijna altijd probability, omdat chance ook wordt gebruikt voor toeval, mogelijkheid of gelegenheid:
He found the key by chance.
If you try hard, you have a chance.
I’ll give you one more chance to fix your mistakes.
Bouchet et al. Developmental Cell 39, no. 6 (2016): 708–23↩︎
Horn et al. eLife (October 2020)↩︎
Grace et al. Nature 529, no. 7586 (2016): 390–93↩︎
Keizer et al. Frontiers in Microbiology 11 (2020)↩︎
Tamarit et al Systematic and Applied Microbiology 47, no. 4 (July 1, 2024)↩︎
de Greef et al Science Advances 10, no. 30 (July 24, 2024)↩︎