Hoe een p-waarde van minder dan 0,001 te 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 = 0,001), 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 0,001, 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.

In de volgende voorbeelden wordt uitgelegd hoe u in de praktijk een p-waarde kleiner dan 0,001 interpreteert en hoe u een p-waarde groter dan 0,001 interpreteert.

Voorbeeld: interpretatie van een P-waarde kleiner dan 0,001

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

Een auditor komt binnen en toetst 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 0,001 wordt gebruikt.

De nulhypothese (H ₀ ): μ = 2 ounces

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

De auditor voert een hypothesetest uit voor het gemiddelde en komt tot een p-waarde van 0,0006 .

Omdat de p-waarde van 0,0006 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 0,001

Laten we zeggen dat een gewas tijdens een groeiseizoen gemiddeld 40 centimeter groeit.

Eén agronoom schat echter dat een bepaalde meststof ervoor zal zorgen dat dit gewas gemiddeld meer dan 40 centimeter zal groeien.

Om dit te testen, brengt ze de kunstmest tijdens het groeiseizoen aan op een willekeurige steekproef van gewassen op een bepaald perceel.

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

De nulhypothese (H ₀ ): μ = 40 inch (kunstmest heeft geen effect op de gemiddelde groei)

De alternatieve hypothese: ( _HA ): μ > 40 inch (kunstmest zorgt voor een toename van de gemiddelde groei)

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 0,001 , 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?