Een p-waarde van minder 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.

Als de p-waarde van de hypothesetest onder een bepaald significantieniveau ligt (bijvoorbeeld α = 0,05), 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 0,05, 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 0,05 interpreteert en hoe u een p-waarde groter dan 0,05 interpreteert.

Voorbeeld: interpretatie van een P-waarde kleiner dan 0,05

Stel dat een fabriek beweert banden te produceren die elk 200 pond wegen.

Een auditor komt binnen en test de nulhypothese dat het gemiddelde bandengewicht 200 pond is, tegenover de alternatieve hypothese dat het gemiddelde bandengewicht niet 200 pond is, waarbij een niveausignificantie van 0,05 wordt gebruikt.

De nulhypothese (H ₀ ): μ = 200

De alternatieve hypothese: ( _HA ): μ ≠ 200

Bij het testen van een hypothese voor een gemiddelde krijgt de auditor een p-waarde van 0,0154 .

Omdat de p-waarde van 0,0154 kleiner is dan het significantieniveau van 0,05 , verwerpt de auditor de nulhypothese en concludeert hij dat er voldoende bewijs is om te beweren dat het werkelijke gemiddelde gewicht van een band geen 200 pond bedraagt.

Voorbeeld: interpretatie van een P-waarde groter dan 0,05

Stel dat een bioloog denkt dat een bepaalde meststof ervoor zorgt dat planten in een periode van drie maanden 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)

Door een hypothesetoets uit te voeren voor een gemiddelde bekomt 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 en concludeert hij dat er onvoldoende bewijs is om te beweren dat de meststof tot een verhoogde plantengroei leidt.

Aanvullende bronnen

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