ScholarGate
Assistent
Process / pipelineTarama ve gözlemsel desen

Bayesiaanse Observationele Kwantitatieve Onderzoeksmethoden

Bayesiaans observationeel kwantitatief onderzoek past Bayesiaanse statistische inferentie toe op gegevens die zijn verzameld zonder experimentele manipulatie — enquêtes, administratieve gegevens, registers of secundaire datasets. In plaats van uitsluitend te vertrouwen op p-waarden en betrouwbaarheidsintervallen, codeert de analist voorkennis over parameters als kansverdelingen, werkt deze bij met waargenomen gegevens via de stelling van Bayes, en rapporteert conclusies als posterior kansuitspraken. De aanpak wordt vooral gewaardeerd in de epidemiologie, sociale wetenschappen en gezondheidszorgonderzoek waar randomisatie onmogelijk of onethisch is.

Onderwerp vinden met PaperMindBinnenkortVideoBinnenkortDia's downloaden

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Methodenkaart

De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.

Bronnen

  1. Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
  2. Greenland, S. (2006). Bayesian perspectives for epidemiological research: I. Foundations and basic methods. International Journal of Epidemiology, 35(3), 765–775. DOI: 10.1093/ije/dyi312

Deze pagina citeren

ScholarGate. (2026, June 3). Bayesian Observational Quantitative Research Design. ScholarGate. https://scholargate.app/nl/research-design/bayesian-observational-quantitative-research

Welke methode?

Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.

Naast elkaar vergelijken
ScholarGateBayesian Observational Quantitative Research (Bayesian Observational Quantitative Research Design). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/research-design/bayesian-observational-quantitative-research · Gegevensset: https://doi.org/10.5281/zenodo.20539026