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 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.
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 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.
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).
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'.
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).
in de statistiek noemt men een uitkomst significant, indien voldaan is aan bepaalde wiskundige eisen, verband houdend met de waarschijnlijke afwijking van een aantal waarnemingen; als de kans op toeval kleiner is dan 1:20, wordt het bestaan van een verband tussen oorzaak en gevolg erkend.
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.
In de statistiek wordt hiermee bedoeld dat een gevonden resultaat (waarschijnlijk) niet op toeval berust. Bij het toetsen van significantie gaat men uit van de nulhypothese die stelt dat een gevonden associatie of verschil berust op toeval, met andere woorden dat er in werkelijkheid geen associatie of verschil bestaat.
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.
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.
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.
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.
Vaak wordt het 95% betrouwbaarheidsinterval gebruikt. Hiermee zeg je eigenlijk: stel ik zou mijn onderzoek 100 maal herhalen, dan verwacht ik dat de werkelijke waarde (parameter) minstens 95 keer binnen het (voor ieder onderzoek apart opgestelde) 95% betrouwbaarheidsinterval ligt.
Een betrouwbaarheidsinterval biedt dezelfde informatie als een p-waarde, maar geeft daarnaast ook (een indruk van) het interval waarbinnen de werkelijke waarde met 95% waarschijnlijkheid ligt. 2) het 95%-BI om het gemeten verschil in infectiepercentages worden berekend.
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.
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.
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.
Stel dat je bijvoorbeeld uitrekent 341 · 0,02. De uitkomst is 6,82 maar dit getal moet afgerond worden. 341 heeft 3 significante cijfers en 0,02 heeft 1 significant cijfer. De uitkomst moet dus afgerond worden op 1 significant cijfer en de einduitkomst wordt dus 7.
De nullen, die links staan in tiendelige breuken tellen dus niet mee als significante cijfers. 0,00123 heeft 3 significante cijfers. 0,010 heeft 2 significante cijfers. 0,2 heeft 1 significant cijfer.
Statistische significantie betekent dat het gevonden resultaat (waarschijnlijk) niet op toeval berust, m.a.w. dat de gevonden waarde in belangrijke mate afwijkt van de onder de nulhypothese te verwachten waarde. De nauwkeurigheid van een statistisch significant resultaat wordt weergegeven door een p-waarde.
Toetsen van je hypothesen
Als de onderzoeksresultaten overeenkomen met je verwachting, kun je de hypothese bevestigen (verifiëren). Als je verwachting niet wordt bevestigd, kun je de hypothese verwerpen (falsifiëren). Hypothesen kun je toetsen met behulp van statistische analyses.
In de wetenschap is een theorie een getoetst model ter verklaring van waarnemingen van de werkelijkheid." (Bron: Wikipedia) De theorie is dus een verklaring van de werkelijkheid. De hypothese is (kort door de bocht) een bewijsbare stelling om die theorie mede te bewijzen.