Een oplossing is om positieve t-waarden altijd negatief te maken voordat je de p-waarde erbij zoekt. Verder moet je deze p-waarden altijd verdubbelen, omdat je altijd tweezijdig toetst (zie de uitleg in andere vragen in dit systeem).
Gewoonlijk hanteert men p=0,05 als grens van statistische significantie. Indien p≤0,05, dan is de kans dat het gevonden resultaat aan het toeval is te wijten (en we de nulhypothese ten onrechte verwerpen) kleiner of gelijk aan 5%, dit noemt men 'statistisch significant'.
De p-waarde (p-value) is een getal tussen 0 en 1, waarmee je bepaalt of een steekproefuitkomst statistisch significant is. Wanneer de p-waarde kleiner is dan het gekozen significantieniveau kun je stellen dat dat de gevonden uitkomst extreem genoeg is om je nulhypothese te verwerpen.
Hoe bereken je een p-waarde (p-value)? Je berekent p-waarden meestal automatisch met het programma dat je gebruikt voor je statistische analyse (zoals SPSS of R). Je kunt de p-waarde ook schatten met behulp van tabellen voor de teststatistiek die je gebruikt.
Vinden we een p-waarde van 0,01, dan is er toch nog 1% kans dat er sprake is van toeval. In het medisch onderzoek wordt doorgaans een p-waarde van 0,05 als afkappunt aangehouden. Is de p-waarde kleiner dan 0,05 dan spreken we van 'statistisch significant'.
De p-waarde van een vraag bereken je met de volgende formule: p-waarde = aantal deelnemers dat de vraag goed heeft / het totaal aantal deelnemers dat de vraag heeft gemaakt. Een lage p-waarde betekent dat maar weinig deelnemers de vraag goed beantwoord hebben.
Wanneer de gevonden waarde in belangrijke mate afwijkt van de onder de nulhypothese verwachte waarde kunnen we de nulhypothese verwerpen. De gevonden associatie of het gevonden verschil wordt dan statistisch significant genoemd.
De p-waarde (p-value) is een getal tussen 0 en 1, waarmee je bepaalt of een steekproefuitkomst statistisch significant is. Wanneer de p-waarde kleiner is dan het gekozen significantieniveau kun je stellen dat dat de gevonden uitkomst extreem genoeg is om je nulhypothese te verwerpen.
Als een resultaat statistisch significant is, betekent dit dat het onwaarschijnlijk is dat het alleen door toeval of willekeurige factoren kan worden verklaard. Met andere woorden: er is slechts een zeer kleine kans dat een statistisch significant resultaat voorkomt als er geen echt effect zou zijn in het onderzoek.
Dit 95%-BI geeft aan dat het voor 95% waarschijnlijk is dat de werkelijke waarde van het verschil in het interval zit. Als het 95%-BI de waarde 0% bevat, kan geconcludeerd worden dat de twee infectiepercentages niet statistisch significant verschillen.
is de kans dat de hypothese die wordt getest ten onrechte wordt verworpen. Voor deze grenswaarde wordt vaak 0,05 gekozen, al is dit arbitrair, aangezien significantie een continuüm is.
Bij statistische analyses voorspelt de nulhypothese (H0) altijd dat er geen effect of relatie tussen variabelen is, terwijl de alternatieve hypothese (H1) je verwachting van een effect of relatie uitdrukt.
Wil je bijvoorbeeld bekijken of jonge en oude mensen even snel lopen? Dan gebruik je een tweezijdige toets als het je niet uitmaakt of jonge mensen langzamer of sneller lopen. Een eenzijdige toets gebruik je juist als je bepaalde verwachtingen hebt over een bepaalde groep.
Significantie wordt meestal aangeduid met een p-waarde (overschrijdingskans). Statistische significantie is enigszins willekeurig, omdat je zelf de drempelwaarde (alfa) kiest. De meest voorkomende drempel is p < 0.05, wat betekent dat de kans 5% is dat de resultaten worden gevonden terwijl de nulhypothese waar is.
In wetenschappelijke artikelen is geregeld te lezen dat de resultaten 'net niet significant' waren. Meestal betekent dit dat de waarde van de statistische grootheid p vlak boven de 0,05 lag.
Als de populatiewaarde uit de nulhypothese (H0) NIET in het betrouwbaarheidsinterval voorkomt, dan verwerp je de nulhypothese (H0). Je zegt dan dus eigenlijk dat de nulhypothese (H0) niet aannemelijk is.
Als je met de t-toets geen significant verschil kan aantonen, dan wil dat nog niet zeggen dat er geen verschil is, maar alleen dat het door jouw onderzoek niet aangetoond is.
De t-test, ook wel t-toets genoemd, wordt gebruikt om de gemiddelden van maximaal twee groepen met elkaar te vergelijken. Je kunt de t-test bijvoorbeeld gebruiken om te analyseren of moedertaalsprekers gemiddeld sneller spreken dan niet-moedertaalsprekers.
Nulhypothese = Een nulhypothese is een stelling dat er geen verband is tussen twee verschijnselen of dat een gevonden afwijking statistisch toeval is.
Klinische significantie (ook wel klinische relevantie genoemd) is relevant voor interventie- en behandelingsstudies. Een behandeling wordt als klinisch significant beschouwd als deze het leven van patiënten tastbaar of substantieel verbetert.
Stel je hebt 95% gekozen. Bereken de foutmarge. Je kunt de foutmarge vinden middels de volgende formule: Za/2 * σ/√(n). Za/2 = betrouwbaarheidscoëfficient, waarbij a = betrouwbaarheidsniveau, σ = standaarddeviatie en n = steekproefgrootte.
Een term die aangeeft of een verschil te verklaren is door toeval. Er is sprake van een significante verschil als het verschil niet te verklaren is door toeval maar door iets anders. Op dat moment kunnen er ook conclusies getrokken worden uit zo'n bevinding.
Wat is een gepaarde t-test (paired samples t-test)? Je gebruikt een gepaarde t-test (paired samples t-test) om twee gemiddelden van gepaarde steekproeven met elkaar te vergelijken. Gepaarde steekproeven zijn afhankelijk van elkaar.
Klinisch relevant is een verschil waarvan een clinicus vindt dat het uitmaakt voor zijn handelen. Wanneer een nieuw middel tegen hypertensie significant effectiever is dan het oude middel, maar het gevonden verschil in bloeddrukdaling maar 2 mm is, dan heeft dit nauwelijks enige klinische betekenis.