Een p-waarde groter dan 0,05 interpreteren (met voorbeelden)

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

Wanneer we een hypothesetest uitvoeren, definiëren we altijd een nul- en alternatieve hypothese:

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

Bij het uitvoeren van een hypothesetest moeten we het te gebruiken significantieniveau specificeren.

Veel voorkomende keuzes voor een significantieniveau zijn onder meer:

• α = 0,01
• α = 0,05
• α = 0,10

Als de p-waarde van de hypothesetoets kleiner is dan het gespecificeerde significantieniveau, kunnen we de nulhypothese verwerpen en concluderen dat we voldoende bewijs hebben om te zeggen dat de alternatieve hypothese waar is.

Als de p-waarde niet kleiner is dan het gespecificeerde significantieniveau, slagen we er niet in de nulhypothese te verwerpen en concluderen we dat we niet voldoende bewijs hebben om te zeggen dat de alternatieve hypothese waar is.

De volgende voorbeelden leggen uit hoe u een p-waarde groter dan 0,05 in de praktijk kunt interpreteren.

Voorbeeld 1: Interpretatie van een P-waarde groter dan 0,05 (biologie)

Stel dat een bioloog denkt dat een bepaalde meststof ervoor zorgt dat planten in een periode van een jaar meer groeien dan normaal, wat momenteel 50 cm is.

Om dit te testen, brengt ze de meststof gedurende drie maanden aan op elk van de planten in haar laboratorium.

Vervolgens voert ze een hypothesetest uit met behulp van de volgende hypothesen:

De nulhypothese (H ₀ ): μ = 20 inch (kunstmest heeft geen effect op de gemiddelde plantengroei)

De alternatieve hypothese: ( _HA ): μ > 20 inch (kunstmest zal een gemiddelde toename van de plantengroei veroorzaken)

Bij het testen van een hypothese voor een gemiddelde met een significantieniveau van α = 0,05 krijgt de bioloog een p-waarde van 0,2338 .

Omdat de p-waarde van 0,2338 groter is dan het significantieniveau van 0,05 , slaagt de bioloog er niet in de nulhypothese te verwerpen.

Ze concludeert dus dat er onvoldoende bewijs is om te beweren dat kunstmest een verhoogde plantengroei veroorzaakt.

Voorbeeld 2: Interpretatie van een P-waarde groter dan 0,05 (productie)

Een werktuigbouwkundig ingenieur is van mening dat een nieuw productieproces het aantal defecte widgets dat in een bepaalde fabriek wordt geproduceerd, zal verminderen; momenteel bedraagt dit 3 defecte widgets per batch.

Om dit te testen, gebruikt het het nieuwe proces om een nieuwe batch widgets te produceren.

Vervolgens voert het een hypothesetest uit op basis van de volgende aannames:

De nulhypothese (H ₀ ): μ = 3 (het nieuwe proces zal geen effect hebben op het gemiddelde aantal defecte widgets per batch)

De alternatieve hypothese: ( _HA ): μ < 3 (het nieuwe proces zal leiden tot een vermindering van het gemiddelde aantal defecte widgets per batch)

De ingenieur voert een hypothesetest uit voor een gemiddelde met behulp van een significantieniveau van α = 0,05 en krijgt een p-waarde van 0,134 .

Omdat de p-waarde van 0,134 groter is dan het significantieniveau van 0,05 , slaagt de ingenieur er niet in de nulhypothese te verwerpen.

Hij concludeert dus dat er onvoldoende bewijs is om te beweren dat het nieuwe proces leidt tot een vermindering van het gemiddelde aantal defecte widgets dat in elke batch wordt geproduceerd.

Aanvullende bronnen

De volgende tutorials bieden aanvullende informatie over p-waarden:

Een uitleg van P-waarden en statistische significantie
Statistisch of praktisch belang
P-waarde vs. Alfa: wat is het verschil?