Hoe u conclusies voor het testen van hypothesen schrijft: met voorbeelden

Een testhypothese wordt gebruikt om te testen of een hypothese over een populatieparameter al dan niet waar is.

Om hypothesetests in de echte wereld uit te voeren, nemen onderzoekers een willekeurige steekproef uit de populatie en voeren ze een hypothesetest uit op de steekproefgegevens, waarbij ze een nul- en alternatieve hypothese gebruiken:

• Nulhypothese (H ₀ ): De steekproefgegevens zijn uitsluitend gebaseerd op toeval.
• Alternatieve hypothese ( _HA ): de steekproefgegevens worden beïnvloed door een niet-willekeurige oorzaak.

Als de p-waarde van de hypothesetest onder een bepaald significantieniveau ligt (bijvoorbeeld α = 0,05), dan verwerpen we de nulhypothese .

Anders kunnen we de nulhypothese niet verwerpen als de p-waarde niet minder is dan een bepaald significantieniveau.

Wanneer we de conclusie van een hypothesetest schrijven, nemen we meestal het volgende op:

• Of we de nulhypothese wel of niet verwerpen.
• Het significantieniveau.
• Een korte uitleg in de context van het testen van hypothesen.

We zouden bijvoorbeeld schrijven:

Wij verwerpen de nulhypothese op het significantieniveau van 5%.

Er is voldoende bewijs om de bewering te ondersteunen dat…

Of we schreven:

We slagen er niet in de nulhypothese te verwerpen op het significantieniveau van 5%.

Er is niet genoeg bewijs om de bewering te ondersteunen dat…

De volgende voorbeelden laten zien hoe u in beide scenario’s een hypothesetestconclusie schrijft.

Voorbeeld 1: Het verwerpen van de conclusie van de nulhypothese

Stel dat een bioloog denkt dat een bepaalde meststof ervoor zorgt dat planten in een maand meer groeien dan normaal, wat momenteel 50 cm is. Om dit te testen, brengt ze de meststof een maand lang aan op elk van de planten in haar laboratorium.

Vervolgens voert ze een hypothesetest uit op het significantieniveau van 5%, waarbij ze de volgende aannames gebruikt:

• H ₀ : μ = 20 inch (meststof heeft geen effect op de gemiddelde plantengroei)
• H _A : μ > 20 inch (meststof zorgt voor een gemiddelde toename van de plantengroei)

Stel dat de p-waarde van de test 0,002 blijkt te zijn.

Hier ziet u hoe zij de resultaten van de hypothesetest zou rapporteren:

Wij verwerpen de nulhypothese op het significantieniveau van 5%.

Er is voldoende bewijs om de bewering te ondersteunen dat deze specifieke meststof planten gedurende een periode van een maand meer laat groeien dan normaal.

Voorbeeld 2: Verwerp de conclusie van de nulhypothese niet

Stel dat de manager van een fabriek wil testen of een nieuwe methode het aantal defecte widgets dat per maand wordt geproduceerd, dat momenteel 250 bedraagt, verandert. Om dit te testen, meet hij het gemiddelde aantal defecte widgets dat wordt geproduceerd vóór en na het gebruik van de de nieuwe methode. methode voor een maand.

Het voert een hypothesetest uit op een significantieniveau van 10%, waarbij gebruik wordt gemaakt van de volgende aannames:

• H ₀ : μ _na = μ _ervoor (het gemiddelde aantal defecte widgets is hetzelfde voor en na gebruik van de nieuwe methode)
• H _A : μ _na ≠ μ _ervoor (het gemiddelde aantal geproduceerde defecte widgets is verschillend voor en na gebruik van de nieuwe methode)

Stel dat de p-waarde van de test 0,27 blijkt te zijn.

Hier ziet u hoe het de resultaten van de hypothesetest zou rapporteren:

We slagen er niet in de nulhypothese te verwerpen op het significantieniveau van 10%.

Er is niet genoeg bewijs om de bewering te ondersteunen dat de nieuwe methode zou resulteren in een verandering in het aantal defecte widgets dat per maand wordt geproduceerd.

Aanvullende bronnen

De volgende tutorials bieden aanvullende informatie over het testen van hypothesen:

Inleiding tot het testen van hypothesen
4 voorbeelden uit de praktijk van het testen van hypothesen
Hoe schrijf je een nulhypothese?