Met beschrijvende statistiek (ook wel descriptieve statistiek genoemd) vat je de kenmerken van een dataset samen. Met toetsende statistiek (ook wel inferentiële of verklarende statistiek genoemd) toets je een hypothese of bepaal je of je data generaliseerbaar zijn naar een bredere populatie. Om te weten of er een verschil is (bijvoorbeeld tussen twee groepen), of juist een samenhang (bijvoorbeeld tussen twee kenmerken), wordt toetsende statistiek gebruikt. Toetsen betekent daarbij dat er, met behulp van statistische berekeningen, wordt nagegaan of een verschil of relatie reëel is, dan wel mogelijk op toeval berust.
Toetsende statistiek betekenis Beschrijvende en toetsende statistiek is geschreven voor hbo- en wo-studenten onderzoeksmethoden en statistiek. ISBN 9 Beschrijvende en toetsende statistiek_ Alle pagina's
Toetsende statistiek uitleg
Met beschrijvende statistiek (ook wel descriptieve statistiek genoemd) vat je de kenmerken van een dataset samen. Met toetsende statistiek (ook wel inferentiële of verklarende statistiek genoemd) toets je een hypothese of bepaal je of je data generaliseerbaar zijn naar een bredere populatie. Bij toetsende statistiek wordt, met behulp van een statistische berekening, een hypothese getoetst. Er wordt bijvoorbeeld bepaald of het verschil dat we zien tussen twee groepen op toeval berust of niet.
Toetsende statistiek uitleg Met behulp van toetsende statistiek (ook wel verklarende of inferentiële statistiek genoemd) kun je conclusies trekken over de populatie-parameters op basis van de steekproefstatistieken. Onderzoekers gebruiken vaak twee methoden (op hetzelfde moment) om statistische conclusies te kunnen trekken.
Hypothese toetsen
Het stappenplan om hypothesen te toetsen bestaat uit 5 stappen: Formuleer je verwachting in de vorm van een nulhypothese (H 0) en een alternatieve hypothese (H 1). Verzamel data op een valide, betrouwbare manier die past bij de hypothese. Het toetsen van de hypothese zelf doe je met statistisch onderzoek. Meteen na het formuleren van de hypothesen bepaal je bij welk resultaten je de nul- of alternatieve hypothese behoudt. Dit doe je aan de hand van een alpha (α) of significantieniveau van
Hypothese toetsen De nul- en alternatieve hypothese zijn altijd beweringen over de populatie. Het doel van hypothesetoetsing is namelijk conclusies trekken over een populatie op basis van een representatieve steekproef. Je kunt een statistische test uitvoeren om de nul- en alternatieve hypothese te toetsen.
Significantie toets
Hoe toets je voor statistische significantie? Bij kwantitatief onderzoek worden de verzamelde data geanalyseerd door middel van hypothesetoetsing. Dit is een procedure om te beoordelen of een verband tussen variabelen of een verschil tussen groepen statistisch significant is. De vijf delen van een significantie toets Een significantie toets vergelijkt puntschattingen van parameters met de verwachte waarden van de nulhypothese. Significantie toetsen, ook wel 'hypothese toetsen' of in het kort 'toetsen' genoemd, bestaan uit vijf delen: Assumpties. Elke test doet assumpties over het type data (kwantitatief/categorisch), de.
Significantie toets Significantie laat zien dat iets van betekenis is en meer dan toevallig lijkt te zijn. Lees hier wanneer en hoe je een significantietoets moet uitvoeren.
P-waarde betekenis
De p-waarde (p-value) is een getal tussen 0 en 1, waarmee je bepaalt of een steekproefuitkomst statistisch significant is. Wanneer de p-waarde kleiner is dan het gekozen significantieniveau kun je stellen dat dat de gevonden uitkomst extreem genoeg is om je nulhypothese te verwerpen. De -waarde geeft aan hoe extreem de gevonden waarde voor de toetsingsgrootheid in de verdeling onder de nulhypothese is. Hoe kleiner de p {\displaystyle p} -waarde, hoe extremer de uitkomst. In de praktijk worden waarden van 5% en 1% aangehouden als grens.
P-waarde betekenis Hier vindt u wat p-waarde (of p-waarde) is in de statistiek, hoe deze wordt berekend, hoe deze wordt geïnterpreteerd en voorbeelden van p-waardeberekening.
