hypothesetesten

Hypothesetesten is een statistische methode om bewijs uit steekproeven te toetsen ten opzichte van een nulhypothese. Bij hypothesetesten worden twee tegenstrijdige veronderstellingen opgesteld: de nulhypothese H0, meestal de aanname van geen effect of geen verschil, en de alternatieve hypothese Ha, die wel een effect veronderstelt.

Het proces omvat: kiezen van een significantieniveau alpha (bijv. 0,05); selecteren van een geschikte test op basis van data en aannames (t-toets, chi-kwadraat-toets, ANOVA, enzovoort); berekenen van een teststatistiek en de bijbehorende p-waarde of het bepalen van een kritieke grens; besluiten of H0 wordt verworpen op basis van de p-waarde of de vergelijking met de kritieke waarde; en interpreteren van het resultaat in de context van het onderzoek.

Belangrijke concepten zijn Type I-fout (ten onrechte H0 verwerpen) en Type II-fout (ten onrechte H0 niet verwerpen). Het significantieniveau beperkt de kans op Type I-fout. De p-waarde geeft de kans onder H0 op het waargenomen resultaat of extremer.

Veelvoorkomende tests zijn onder meer de t-toets voor gemiddelden, de chi-kwadraat-toets voor categorische data, en ANOVA voor meerdere groepen. Aannames zoals normaliteit, onafhankelijkheid en gelijke spreiding gelden vaak als voorwaarden; wanneer deze niet gelden kunnen niet-parametrische tests of transformatie van de uitkomst worden toegepast.

Interpretatie: een significante uitkomst wijst op bewijs tegen H0, maar zegt niets over de grootte van het effect of praktische relevantie. P-waarden geven geen probabiliteit dat H0 waar is. Bij meerdere toetsen is correctie op meerdere vergelijkingen aan te bevelen en preregistratie kan bias verminderen.

Voorbeeld: bij een t-toets voor het gemiddelde gewicht van twee populaties wordt de t-statistiek berekend en gekeken naar de p-waarde om te beslissen of het verschil significant is.