Scriptievoorbeelden

In de blog van vorige week heb je kunnen lezen hoe je een hypothese kan verwerpen of aannemen via de t-toets. Er is echter een tweede manier om een verband aan te tonen. Namelijk via de p-waarde. In de blog van deze week leg ik uit hoe je dit moet berekenen. P-waarde en T-toets, wat is het verschil? Zowel met de p-waarde als met de T-toets kan je een hypothese toetsen. Wanneer het gemiddelde een proportie is (bijvoorbeeld 45% = 0,45) gebruik je hiervoor de p-waarde. Wanneer het gemiddelde een absoluut getal is, dan gebruik je de T-toets. Omdat een andere methode gebruikt wordt, is de berekening ook anders. Maar voor de rest geschiedt de hypothesetoetsing via dezelfde 4 stappen. De eerste stap, het opstellen van de alternatieve- en nulhypothese, is uitgelegd in de blog van vorige week. De laatste drie stappen leg ik nu uit. Stap 2: Test statistic Met de test statistic wordt gemeten hoever de steekproefwaarde van de nulhypothese afwijkt. In de laatste stap wordt gekeken of deze afwijking significant is. In de blog van deze week testen we of geslacht van invloed is op het op tijd afronden van je scriptie. Uit cijfers van de Grote Duim* blijkt dat gemiddeld 55% van de communicatiestudenten hun scriptie op tijd afrondt. Voor jouw onderzoek trek je een steekproef waaruit blijkt dat 79% van de vrouwelijke communicatiestudenten hun scriptie op tijd afrondt. We toetsen dan Ha= µ > µ0, of met woorden: vrouwelijke communicatiestudenten hebben een grotere kans om hun scriptie op tijd af te ronden. Dit is dus een eenzijdige hypethesetoets. De formule voor de test statistic is in het voorbeeld hiernaast gegeven. De standaardfout van de populatie bedraagt in dit voorbeeld 0,1.