Een p-waarde van minder dan 0,01 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.

Als de p-waarde van de hypothesetest onder een bepaald significantieniveau ligt (bijvoorbeeld α = 0,01), kunnen we de nulhypothese verwerpen en concluderen dat we voldoende bewijs hebben om te stellen dat de alternatieve hypothese waar is.

Als de p-waarde niet kleiner is dan 0,01, slagen we er niet in de nulhypothese te verwerpen en concluderen we dat we niet genoeg bewijs hebben om te zeggen dat de alternatieve hypothese waar is.

In de volgende voorbeelden wordt uitgelegd hoe u in de praktijk een p-waarde kleiner dan 0,01 interpreteert en hoe u een p-waarde groter dan 0,01 interpreteert.

Voorbeeld: interpretatie van een P-waarde kleiner dan 0,01

Stel dat een fabriek beweert batterijen te produceren met een gemiddeld gewicht van 2 ons.

Een auditor komt binnen en test de nulhypothese dat het gemiddelde gewicht van een batterij 2 ounces is, tegenover de alternatieve hypothese dat het gemiddelde gewicht niet 2 ounces is, waarbij een significantieniveau van 0,01 wordt gebruikt.

De nulhypothese (H ₀ ): μ = 2 ounces

De alternatieve hypothese: ( _HA ): μ ≠ 2 ounces

De auditor voert een hypothesetoets uit voor het gemiddelde en komt tot een p-waarde van 0,0046 .

Omdat de p-waarde van 0,0046 kleiner is dan het significantieniveau van 0,01 , verwerpt de auditor de nulhypothese.

Hij concludeert dat er voldoende bewijs is om te zeggen dat het werkelijke gemiddelde gewicht van een batterij die in deze fabriek wordt geproduceerd, geen 2 ons bedraagt.

Voorbeeld: interpretatie van een P-waarde groter dan 0,01

Laten we aannemen dat een gewas gemiddeld 20 inch groeit gedurende een groeiseizoen van drie maanden. Eén agronoom schat echter dat een bepaalde meststof ervoor zal zorgen dat dit gewas gemiddeld meer dan 50 centimeter groeit.

Om dit te testen, past ze de kunstmest gedurende het drie maanden durende groeiseizoen toe op elk gewas op een bepaald perceel.

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 groei)

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

Na het uitvoeren van een hypothesetest voor het gemiddelde krijgt de wetenschapper een p-waarde van 0,3488 .

Omdat de p-waarde van 0,3488 groter is dan het significantieniveau van 0,01 , slaagt de wetenschapper er niet in de nulhypothese te verwerpen.

Ze concludeert dat er onvoldoende bewijs is om te zeggen dat kunstmest een toename van de gemiddelde gewasgroei veroorzaakt.

Aanvullende bronnen

De volgende tutorials bieden aanvullende informatie over p-waarden en het testen van hypothesen:

Een uitleg van P-waarden en statistische significantie
Het verschil tussen T-waarden en P-waarden in statistieken
P-waarde vs. Alfa: wat is het verschil?