Als je betrouwbaarheidsinterval voor een correlatie of regressie nul bevat, betekent dit dat er een grote kans bestaat dat je geen correlatie vindt in je data als je het experiment nog een keert uitvoert. In beide gevallen zul je ook een hoge p-waarde vinden bij je statistische test.
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.
Meestal wordt een waarschijnlijkheid van 95% gebruikt. Dit betekent dat, wanneer we het onderzoek 100 maal in dezelfde populatie met verschillende steekproeven zouden herhalen, 95 van de herhalingen een resultaat geven dat binnen het interval ligt. Dit noemen we een 95% betrouwbaarheidsinterval (95% BI).
Vaak wil je dat een onderzoeksresultaat staat of geldt voor de hele populatie. Als je een steekproef trekt is het tricky om te stellen dat het je gelukt is. Daarom geef je een betrouwbaarheidsinterval. Deze geeft aan tussen welke waarden een onderzoeksuitkomst waarschijnlijk zal zitten.
Als de kans, dat een verschil door toeval ontstaan is, kleiner is dan 5% (p = 0.05), dan noemt men het verschil significant (betekenisvol). Als de kans, dat het verschil door toeval ontstaan is, kleiner is dan 1% (p = 0.01 ) dan noemt men het verschil zeer significant (zeer betekenis vol).
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'.
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.
Met 4 à 5 metingen heb je een grove indicatie van de spreiding. Met 10 metingen heb je een redelijke waarde. Dit laatste is dus eigenlijk het minimum dat je nodig hebt voor een betrouwbaar resultaat.
Hoe lager het betrouwbaarheidsniveau, des te smaller is het betrouwbaarheidsinterval. Een breder betrouwbaarheidsinterval geeft een grotere kans dat het populatiegemiddelde daar inderdaad in valt: je weet dus zekerder dat je een juiste bewering doet, maar die bewering is wel minder nauwkeurig.
Wanneer de toets eenzijdig is, vermeld je dit. Het betrouwbaarheidsinterval (CI voor Confidence Interval), wanneer je dit weet. Zet de onder- en bovengrens van het betrouwbaarheidsinterval tussen vierkante haken en zet er het betrouwbaarheidspercentage voor.
Het 95%-betrouwbaarheidsinterval geeft aan dat bij het steeds nemen van een nieuwe aselecte steekproef uit dezelfde populatie 95% van de daarbij opgestelde intervallen de populatieproportie bevat. Het 95%-betrouwbaarheidsinterval is: [p −2 p +2 ]
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.
Maak een lijst van alle scores en vind het gemiddelde. Trek het gemiddelde af van iedere score om de afstand (afwijking) tot het gemiddelde te berekenen. Bereken voor iedere afwijking het kwadraat. Tel alle gekwadrateerde afwijkingen bij elkaar op.
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.
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.
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.
Bij elke steekproef worden de grenzen van het -betrouwbaarheidsinterval berekend met de vuistregel p ± 2 ⋅ p ( 1 − p ) n .
Een populatieproportie p is het deel van de populatie dat voldoet aan een zeker kenmerk, uitgedrukt als percentage of fractie. Omdat een populatieproportie, net als een populatiegemiddelde, vaak niet bekend is, bestaat er ook verklarende statistiek die de populatieproportie onderzoekt.
In principe is het meten van een proportie (percentage) natuurlijk niets anders dan het meten van een gemiddelde.
Om de betrouwbaarheid van je onderzoek te bepalen beantwoord je de vraag: “Als ik hetzelfde nog een keer zo zou onderzoeken en de omstandigheden zijn niet veranderd, krijg ik dan dezelfde uitslag?” Een betrouwbaar onderzoek is dus reproduceerbaar.
De steekproefgrootte is van belang als je een statistisch verschil wil aantonen. Bij een te kleine steekproef zijn er geen verschillen te vinden, bij een te grote is alles statistisch significant verschillend.
Bij deze methode veronderstelt men dat een scores op meetmoment 1 en op meetmoment 2 aan elkaar gelijk moeten zijn. Is er tussen beide meetmomenten een hoge correlatie dan is het meetinstrument in hoge mate betrouwbaar.
Wanneer je geen significante resultaten hebt, ga je op zoek naar informatie die helpt te verklaren waarom dat niet zo is. Vaak ga je hiervoor opnieuw bronnen zoeken. Voor veel studenten voelt dit als 'terug bij af', maar dat is niet het geval.
De nulhypothese en alternatieve hypothese zijn twee tegengestelde beweringen waarvan onderzoekers met behulp van een statistische test de bewijzen tegen elkaar afwegen: Nulhypothese (H0): Er is geen effect in de populatie.
De nulhypothese (H0) kan worden getoetst door statistische toetsing. Als de gevonden waarde significant verschilt van de verwachte waarde onder de nulhypothese, kunnen we de nulhypothese verwerpen. De nauwkeurigheid van statistisch significante resultaten worden doorgaans weergegeven door de p-waarde.