Startpagina / Samenvattingen / SDA / effect-steekproeven-kans

Relaties tussen twee interval variabelen - Correlatie - Field - Field over p-waarden, NHST, type 1- en type 2-fouten en power

10 belangrijke vragen over Relaties tussen twee interval variabelen - Correlatie - Field - Field over p-waarden, NHST, type 1- en type 2-fouten en power

Wat geeft p-waarde van Fisher?

de probability aan dat een effect zich voordoet. Hoe kleiner de p-waarde, hoe kleiner de ‘toevalskans’ op een resultaat dat we aantreffen, hoe meer we er op vertrouwen dat het effect zich werkelijk voordoet. Meestal wordt een p van 0.05 of lager beschouwd als een sterke indicatie dat een hypothese (over een verwacht effect) klopt.

Pearson en Neyman kozen een ander uitgangspunt, namelijk?

dat van de alternatieveen de nulhypothese. De nulhypothese verschaft ons een uitgangswaarde aan de hand waarvan we kunnen bepalen of onze alternatieve hypothese klopt. Dat doen we door te bepalen hoe waarschijnlijk het is dat de nulhypothese juist is, op basis van meetwaarden (in een steekproef).

We weten niet of de nul- of de alternatieve hypothese juist is

We kunnen alleen de waarschijnlijkheid vaststellen dat we een bepaald resultaat verkrijgen indien, hypothetisch gesproken, de nulhypothese juist zou zijn. Verwerpen we de nulhypothese, dan kunnen we nog steeds niet met zekerheid zeggen dat de alternatieve hypothese juist is. We kunnen wel zeggen dat dit aannemelijk is

Wat kunnen we aan de hand van test statistics?

kunnen we een vermoeden uitspreken of een verwacht effect zich voordoet. Daarbij kunnen we twee fouten maken: een type 1-fout (we vermoeden een effect maar het is er niet) of een type 2-fout (we vermoeden geen effect maar het is er wel).

Wat is er uitgaande van een α van 0.05?

is de kans op een type 1-fout 0.05. Anders gezegd: als we 100 steekproeven doen, kunnen we in 5 gevallen rekenen op een test statistic die groot genoeg is om te vermoeden dat er sprake is van effect, terwijl dat er niet werkelijk is

Als de kans op een type 1-fout wordt gesteld op 0.05, is de kans?

geen type 1-fout te maken gelijk aan 0.95 voor elke afzonderlijke test. Omdat één steekproef geen uitsluitsel kan geven, nemen we meestal meer steekproeven. Over meer steekproeven gezien is de kans om geen type 1-fout te maken gelijk aan 0.95n , waarbij n staat voor het aantal genomen steekproeven.

Omdat de kans dat een gebeurtenis zich voordoet maximaal 1 is, kan de kans dat zich minstens één type 1-fout voordoet over meerdere steekproeven (de familywise error) als volgt bepaald worden:

De kans dat zich minstens één type 1-fout voordoet is dan al snel groter dan α. Om dit te voorkomen kan een correctie worden toegepast waarbij het significantieniveau van de afzonderlijke steekproeven zodanig wordt aangepast dat de α van de totale test gelijk blijft. Deze Bonferroni-correctie leidt dan wel tot een verlies van power

Als wat kan power worden omschreven?

als de waarschijnlijkheid dat we in een test een effect vaststellen, er van uitgaande dat dit effect zich in de populatie voordoet. Dit is het omgekeerde van het β-niveau, de kans dat we geen effect vinden terwijl het er wel is, met andere woorden: de kans op een type 2-fout

Wat doen onderzoekers met power?

gebruiken deze kennis om te berekenen wat de power van hun test is (en bij een power > 0.8 vast te stellen dat ze er van uit mogen gaan dat ze eventuele effecten zullen constateren) en om te bepalen welke steekproefomvang nodig is om deze power te bereiken.

Naast een verband tussen power en steekproefomvang, bestaat er ook een relatie tussen?

steekproefomvang en p-waarde. In de eerste plaats beïnvloedt de steekproefomvang de significantie van het verschil tussen twee steekproeven. In grote steekproeven kunnen kleine verschillen significant zijn, terwijl in kleine steekproeven grote verschillen niet-significant kunnen zijn. In de tweede plaats kan zelfs een verschil van vrijwel 0 significant zijn, als de steekproef maar groot genoeg is. Bedenk dat we test statistics definieerden als de verhouding van effect en error. Naarmate de steekproef groter van omvang is, zal de standard error kleiner worden. Daardoor kan zelfs een zeer klein effect vastgesteld worden.

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

SDA

Bekijk samenvatting

Een unieke studie- en oefentool
Nooit meer iets twee keer studeren
Haal de cijfers waar je op hoopt
100% zeker alles onthouden

Onthoud sneller, leer beter. Wetenschappelijk bewezen.

Studiemateriaal generieke omslagafbeelding

Relaties tussen twee interval variabelen - Correlatie - Field - Field over p-waarden, NHST, type 1- en type 2-fouten en power

10 belangrijke vragen over Relaties tussen twee interval variabelen - Correlatie - Field - Field over p-waarden, NHST, type 1- en type 2-fouten en power

Wat geeft p-waarde van Fisher?

Pearson en Neyman kozen een ander uitgangspunt, namelijk?

We weten niet of de nul- of de alternatieve hypothese juist is

Wat kunnen we aan de hand van test statistics?

Wat is er uitgaande van een α van 0.05?

Als de kans op een type 1-fout wordt gesteld op 0.05, is de kans?

Omdat de kans dat een gebeurtenis zich voordoet maximaal 1 is, kan de kans dat zich minstens één type 1-fout voordoet over meerdere steekproeven (de familywise error) als volgt bepaald worden:

Als wat kan power worden omschreven?

Wat doen onderzoekers met power?

Naast een verband tussen power en steekproefomvang, bestaat er ook een relatie tussen?

Samenvattingen die gerelateerd zijn aan Variabelen beschrijven en data-integriteit verifiëren - Univariatie analyse - Centrum- en spreidingsmaten

SDA

De kern van de administratieve organisatie

Psychology 8th Edition

Grondslagen van auditing & assurance

Privaatrecht als opdracht

klinische psychologie

SPSY

Cross-sectioneel onderzoek

Antrozoölogie

BGN: neuropsychologie en psychofarmacologie

Class notes - Experimenteel onderzoek

Inleiding in de gezondheidspsychologie