Onzekerheid meten wanneer je maar weinig wedstrijden hebt

Waarneming en binaire gebeurtenis vastleggen

Kies een uitkomst die per waarneming ja of nee is, bijvoorbeeld een wedstrijd zonder tegendoelpunt binnen een vastgelegde speelduur. Bepaal vervolgens over welke populatie je iets wilt zeggen. Tien ontmoetingen die gekozen zijn omdat ze bekend zijn, vormen geen representatieve steekproef van alle wedstrijden van een club. Tegenstanders en selecties veranderen. De aanname van een gelijke kans verdient daarom bespreking. Een correct berekend interval herstelt geen vertekende selectie of veranderende definities. De betekenis van het onderzoek begint dus vóór het invoeren van getallen.

Teller, noemer en percentage samen tonen

Bij k gebeurtenissen in n waarnemingen is de waargenomen proportie p = k / n. Publiceer alle drie de getallen. Honderd procent na één waarneming bewijst geen zekerheid en nul gebeurtenissen bewijst geen onmogelijkheid. Een symmetrische benadering op basis van alleen de standaardfout kan vooral dicht bij nul of één misleidend zijn. Het Wilsoninterval is een mogelijkheid voor een binomiale proportie. Ook daarbij blijven onafhankelijkheid en een voldoende samenhangende onderzochte populatie voorwaarden die je moet beoordelen, geen details die de formule automatisch oplost.

Het Wilsoninterval in een fictief voorbeeld uitrekenen

Voor een betrouwbaarheidsniveau van 95 % gebruiken we z ≈ 1,959964. Het midden is (p + z² / (2n)) / (1 + z² / n). De halve breedte is z × wortel(p(1 − p) / n + z² / (4n²)) / (1 + z² / n). Voor k = 4 en n = 10 liggen de grenzen ongeveer bij 16,82 % en 68,73 %. De tabel vergelijkt dat met veertig gebeurtenissen op honderd. De geobserveerde percentages zijn gelijk, maar het grotere aantal levert onder dezelfde aannames een smaller interval.

Het betrouwbaarheidsniveau juist interpreteren

In een frequentistische interpretatie is een procedure van 95 % gericht op ongeveer 95 % dekking bij herhaalde steekproeven onder de modelaannames. Na observatie beschrijf je niet hoe een vaste onbekende parameter willekeurig binnen het gevonden interval beweegt. Het interval is ook geen gegarandeerd bereik van één volgende uitkomst, want die uitkomst blijft binair. Voor een toegankelijke toelichting kun je zeggen dat de gegevens binnen het gekozen model verenigbaar blijven met een breed bereik aan proporties. Laat daarbij de aannames en de gekozen onderzoekspopulatie zichtbaar.

Afhankelijkheid en veranderende omstandigheden behandelen

Wedstrijden van dezelfde ploeg delen spelers, trainers en vormperiodes. Daardoor kunnen ze minder onafhankelijke informatie bevatten dan hun aantal doet vermoeden. Elke rij apart opnieuw trekken lost die afhankelijkheid niet op. Een analyse met tijdsblokken of groepen kan beter aansluiten, mits het mechanisme duidelijk is en er voldoende blokken bestaan. Een blijvende verandering van de selectie geeft nog een ander probleem. Zelfs een smal interval over de vroegere omstandigheden kan weinig zeggen over de toekomstige situatie. Meer oude waarnemingen zijn daarom niet automatisch betere informatie.

Spectaculaire reeksen niet achteraf als bevestiging kiezen

Wie veel clubs, periodes en kenmerken onderzoekt, vindt door gewone variatie enkele opvallende reeksen. Alleen die reeksen selecteren en een standaardinterval als bevestigde ontdekking presenteren, onderschat het selectieproces. Leg de vergelijking vooraf vast of bewaar nieuwe gegevens om de veronderstelling te toetsen. Scheid verkennend onderzoek dat een hypothese oplevert van een onafhankelijke beoordeling. Bij het vergelijken van twee proporties is visuele overlap van hun afzonderlijke intervallen op zichzelf geen geschikte toets voor het verschil. Daarvoor is een methode nodig die de vergelijking rechtstreeks behandelt.

Praktische controlelijst

Reproduceer beide voorbeelden met dezelfde z-waarde en dezelfde afrondingsregel. Controleer vervolgens de grensgevallen waarin geen enkele of juist iedere waarneming een gebeurtenis oplevert. De grenzen moeten tussen nul en één blijven. Daarmee toets je de formule, niet de selectie van wedstrijden. Voor die tweede vraag zijn de toelatingsregels en een omschrijving van de onderzochte populatie noodzakelijk.

1. Definieer gebeurtenis en onderzochte populatie precies.
2. Toon k, n en percentage, ook bij een kleine noemer.
3. Vermeld methode, betrouwbaarheidsniveau en aannames.
4. Onderzoek afhankelijkheid, contextwijzigingen en selectie van reeksen.
5. Presenteer het interval niet als de kans voor de volgende wedstrijd.

Een tweede lezer moet met dezelfde invoer dezelfde uitkomsten kunnen terugvinden, zonder jouw conclusie vooraf te kennen. Bewaar ook de uitgesloten rijen en de reden voor iedere uitsluiting. Zo blijft duidelijk waarom het aantal daadwerkelijk onderzochte wedstrijden kleiner kan zijn dan het aantal wedstrijden op de kalender.

Rekenfouten scheiden van onzekerheid in het onderzoek

Bewaar k en n als gehele getallen, het gekozen betrouwbaarheidsniveau en de grenzen vóór afronding. Bij vier op tien ligt het Wilsonmidden niet exact op het ruwe percentage van veertig procent. De formule past midden en breedte samen aan. Het interval daarna opnieuw rond de waargenomen proportie plaatsen zou een andere methode creëren. Voor veertig op honderd neemt de breedte af. De gegevens worden daardoor niet automatisch representatief voor een toekomstige wedstrijd met een andere selectie of een ander tegenstanderniveau dan in het oorspronkelijke materiaal.

Onderscheid drie bronnen van onzekerheid: steekproefvariatie, meetfouten in de gebeurtenissen en een model dat onvoldoende past bij de context. Het berekende interval behandelt de eerste binnen zijn aannames, maar omvat niet noodzakelijk de andere twee. Een verkeerd ingedeelde administratieve uitslag kan k veranderen. Een onvolledige verzameling beïnvloedt n en de representativiteit. Deze beperkingen afzonderlijk benoemen is duidelijker dan de grenzen zonder methode willekeurig verbreden. Geef iedere alternatieve intervalmethode een naam en vergelijk ze op exact dezelfde definitie van de onderzochte gebeurtenis.

Bronnen en controle

• Confidence intervals for a binomial proportion — NIST/SEMATECH — 2026-10-23
• Metrics and scoring — scikit-learn — 2026-10-23