Hypothesetoetsing met standaardafwijking | Standard Deviation Calculator

Overzicht

Hypothesetoetsing is een statistische methode om beslissingen te nemen over populaties op basis van steekproefgegevens. Standaardafwijking speelt een cruciale rol bij het bepalen of waargenomen verschillen statistisch significant zijn of slechts het gevolg van toeval.

Hypothesen formuleren

Formuleer de nulhypothese (H₀) en de alternatieve hypothese (H₁)

Significantieniveau kiezen

Kies het significantieniveau (α), doorgaans 0,05

Toetsingsgrootheid berekenen

Bereken de toetsingsgrootheid met behulp van standaardafwijking

Vergelijken met kritieke waarde

Vergelijk met de kritieke waarde of bereken de p-waarde

Beslissing nemen

Neem een beslissing: verwerp of verwerp H₀ niet

Z-toets

Gebruik een z-toets wanneer u de populatiestandaardafwijking (σ) kent en een grote steekproefomvang heeft (n ≥ 30).

Z-toetsingsgrootheid

z = (x̄ - μ₀) / (σ / √n)

Voorbeeld

Een fabrikant beweert dat batterijen gemiddeld 100 uur meegaan (μ₀ = 100). U test 36 batterijen en vindt x̄ = 98 uur. Als σ = 12 uur: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Met z = -1 en α = 0,05 (tweezijdig) verwerpen we H₀ niet. Het verschil is niet statistisch significant.

T-toets

Gebruik een t-toets wanneer u de populatiestandaardafwijking niet kent en deze moet schatten uit de steekproef (met s in plaats van σ).

T-toetsingsgrootheid

t = (x̄ - μ₀) / (s / √n)

Wanneer t-toets vs. z-toets gebruiken

- Z-toets: σ is bekend, n ≥ 30 - T-toets: σ is onbekend (gebruik s), elke steekproefomvang In de praktijk worden t-toetsen veel vaker gebruikt omdat we zelden de werkelijke populatie-σ kennen.

Standaardfout

De standaardfout (SE) meet hoeveel steekproefgemiddelden variëren ten opzichte van het populatiegemiddelde. Het is de essentiële schakel tussen standaardafwijking en hypothesetoetsing.

Standaardfout van het gemiddelde

SE = σ / √n (of s / √n bij gebruik van steekproef-SD)

De standaardfout neemt af naarmate de steekproefomvang toeneemt. Grotere steekproeven geven nauwkeurigere schattingen en maken het gemakkelijker om werkelijke verschillen te detecteren.

Statistische significantie

Een resultaat is statistisch significant wanneer de kans om het door toeval waar te nemen (p-waarde) lager is dan uw gekozen drempelwaarde (α).

Als p-waarde < α

Verwerp H₀. Het resultaat is statistisch significant.

Als p-waarde ≥ α

Verwerp H₀ niet. Het resultaat kan aan toeval te wijten zijn.

Statistisch vs. praktisch significant

Een statistisch significant resultaat is niet noodzakelijkerwijs praktisch belangrijk. Met zeer grote steekproeven kunnen minimale verschillen “significant” zijn maar in de praktijk nietszeggend. Overweeg altijd de effectgrootte naast p-waarden.

← Leercentrum