Je vergelijkt de twee gemiddelden met een statistische toets (t-toets) en je vindt een eenzijdige p-waarde 0,001 (1 op de 1000). Wat betekent dit? De p-waarde geeft de kans aan dat we dit verschil in lengte of groter vinden als we ervan uit gaan dat de nulhypothese waar is.
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'.
Als de p-waarde kleiner is dan het significantieniveau (bijvoorbeeld 0.02 bij een significantieniveau van 0.05): Er is bewijs gevonden dat de nulhypothese verworpen kan worden. Bewijs is er niet gevonden, wel is er voldoende aanleiding gevonden om de nulhypothese in twijfel te trekken.
Een hoge p-waarde betekent dat heel veel deelnemers de vraag correct beantwoord hebben. Dit kan betekenen dat veel deelnemers deze vraag goed beheersen. Dat kan ook komen doordat de vraag té makkelijk is geformuleerd, waarbij je bijvoorbeeld slechte afleiders hebt geschreven.
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.
Nulhypothese = Een nulhypothese is een stelling dat er geen verband is tussen twee verschijnselen of dat een gevonden afwijking statistisch toeval is.
De p-waarde geeft aan hoe waarschijnlijk het is dat de data die je hebt gevonden zouden voorkomen als de nulhypothese waar zou zijn. Als de p-waarde onder je grenswaarde (vaak p < 0.05) valt, kun je de nulhypothese verwerpen, maar dit betekent niet per se dat je alternatieve hypothese waar is.
De meest gehanteerde regel ten aanzien van significantie is de 95% regel. Dit betekent dat wanneer we met 95% zekerheid kunnen zeggen dat een effect niet ontstaan is door toeval, we mogen aannemen dat het effect werkelijk bestaat. We staan dus 5% kans op toeval toe.
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.
Statistische significantie is een term die door onderzoekers wordt gebruikt om aan te geven dat het onwaarschijnlijk is dat hun resultaten op toeval gebaseerd zijn. Significantie wordt meestal aangeduid met een p-waarde (overschrijdingskans).
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).
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.
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.
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.
Bij hypothese toetsen wordt een hypothese H0 getest tegen een hypothese Ha. H0 is de nulhypothese en Ha is de alternatieve hypothese. Ha wordt ook wel H1 genoemd. De alternatieve hypothese is meestal de onderzoekshypothese, die alleen aangenomen (ondersteund) wordt door de nulhypothese te verwerpen.
Het aantal significante cijfers van een getal is het aantal cijfers waaruit dit getal bestaat, waarbij nullen aan de linkerkant van het getal niet worden meegeteld. Significante cijfers moeten niet verward worden met decimalen (het aantal cijfers achter de komma).
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).
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.
De t-verdeling is een variant op de normale verdeling, maar deze wordt gebruikt voor kleinere steekproeven, waarbij de variantie onbekend is. Bij statistiek wordt de t-verdeling meestal gebruikt om: De kritische waarden voor een betrouwbaarheidsinterval te vinden als de data ongeveer normaal verdeeld zijn.
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.
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.
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.