Statistiek HC3
Hypothese toetsen
Hypothese toetsen is een statistische methode om te bepalen of je vindt dat er
voldoende bewijs is om een wetenschappelijke claim over de populatie te onderbouwen
op basis van empirische steekproefgegevens
Logica van een hypothese toets
- We beginnen met een aanname of hypothese over de populatie
- We verzamelen empirische gegevens (steekproefgegevens)
- We gaan na in hoeverre onze empirische gegevens onwaarschijnlijk zijn onder
onze hypothese. Als de data onwaarschijnlijk zijn onder de hypothese, geeft dit
bewijs dat de hypothese onjuist kan zijn
- We trekken een conclusie (wel / geen voldoende bewijs voor het verwerpen van
de hypothese), maar 100% zekerheid over de juistheid van de conclusie hebben
we nooit
Het formuleren van de nulhypothese en alternatieve hypothese
- De nulhypothese, aangeduid met H0, beschrijft over het algemeen ‘geen verschil’
of ‘geen effect’
- De alternatieve hypothese, aangeduid met H1, beschrijft over het algemeen ‘wel
een verschil’ of ‘wel een afwijking van een vaste waarde’
Wanneer is er voldoende bewijs tegen H0?
Wetenschappelijke afspraak : er is voldoende bewijs tegen de nulhypothese – dus
verwerpen – als het steekproefgemiddelde dat je gevonden hebt tot de 5% meest
extreme gemiddeldes behoort van alle gemiddeldes die je had kunnen vinden onder H0.
(extreem betekent hier : verst weg van µ onder H0)
2,5% links en 2,5% rechts
Stappenplan hypothese toets voor het gemiddelde
1. Stel statistische hypothesen voor het gemiddelde op
2. Bereken steekproefgemiddelde
3. Bereken gestandaardiseerd verschil tussen steekproefgemiddelde en
verondersteld populatiegemiddelde -> toetsingsgrootheid
4. Bepaal significantie
5. Trek inhoudelijke conclusie
Hypothese toetsen
Hypothese toetsen is een statistische methode om te bepalen of je vindt dat er
voldoende bewijs is om een wetenschappelijke claim over de populatie te onderbouwen
op basis van empirische steekproefgegevens
Logica van een hypothese toets
- We beginnen met een aanname of hypothese over de populatie
- We verzamelen empirische gegevens (steekproefgegevens)
- We gaan na in hoeverre onze empirische gegevens onwaarschijnlijk zijn onder
onze hypothese. Als de data onwaarschijnlijk zijn onder de hypothese, geeft dit
bewijs dat de hypothese onjuist kan zijn
- We trekken een conclusie (wel / geen voldoende bewijs voor het verwerpen van
de hypothese), maar 100% zekerheid over de juistheid van de conclusie hebben
we nooit
Het formuleren van de nulhypothese en alternatieve hypothese
- De nulhypothese, aangeduid met H0, beschrijft over het algemeen ‘geen verschil’
of ‘geen effect’
- De alternatieve hypothese, aangeduid met H1, beschrijft over het algemeen ‘wel
een verschil’ of ‘wel een afwijking van een vaste waarde’
Wanneer is er voldoende bewijs tegen H0?
Wetenschappelijke afspraak : er is voldoende bewijs tegen de nulhypothese – dus
verwerpen – als het steekproefgemiddelde dat je gevonden hebt tot de 5% meest
extreme gemiddeldes behoort van alle gemiddeldes die je had kunnen vinden onder H0.
(extreem betekent hier : verst weg van µ onder H0)
2,5% links en 2,5% rechts
Stappenplan hypothese toets voor het gemiddelde
1. Stel statistische hypothesen voor het gemiddelde op
2. Bereken steekproefgemiddelde
3. Bereken gestandaardiseerd verschil tussen steekproefgemiddelde en
verondersteld populatiegemiddelde -> toetsingsgrootheid
4. Bepaal significantie
5. Trek inhoudelijke conclusie
