Statistiek II
description
Transcript of Statistiek II
Hoofdstuk 4: Toetsen voor één populatie
Vanhoomissen & Valkeneers, hoofdstuk 4
STATISTIEK II
2
• In wetenschappelijk onderzoek vertrekken we vanuit een onderzoeksvraag waaruit wordt afgeleid wat de populatie is en wat de onderzoekseenheden zijn. Om die vraag te beantwoorden verzamelen we data in de vorm van steekproeven omdat de hele populatie vaak moeilijk te onderzoeken is. Die steekproeven worden volgens bepaalde regels getrokken.
• Om via de verzamelde data de onderzoeksvraag te beantwoorden hebben we kansberekeningen nodig: kansen stellen ons in staat om te beslissen of een observatie heel uitzonderlijk is of eerder heel gewoon.
• Om kansen te berekenen maken we gebruik van kansverdelingen: theoretische verdelingen van mogelijke waarden en bijhorende kansen van een variabele. In de psychologie wordt de normale verdeling vaak gebruikt, aangezien veel kenmerken van mensen als normaal verdeeld in de populatie worden beschouwd.
• Omdat voor elk kenmerk een normale verdeling met een ander gemiddelde en standaarddeviatie geldt, is het onmogelijk om voor elke verdeling de exacte kansen te kennen. Daarom herleiden we die normale verdeling naar een standaardnormale verdeling door z-scores te berekenen. Daarna kunnen we de kansen van de z-scores aflezen uit een tabel.
• Bij hypothesetoetsing gebruiken we de steekproevenverdeling van het gemiddelde als kansverdeling. Ook hier zetten we waarden (gemiddelden!) om naar z-scores. We kunnen dan beslissen of ons geobserveerde gemiddelde uitzonderlijk is of niet. Als het uitzonderlijk is – volgens de verdeling die bij H0 hoort – dan verwerpen we H0.
PREVIOUSLY ON STATISTIEK II
Hoofdstuk 4: Toetsen voor 1 populatie
• We zijn nooit helemaal zeker van de juistheid van onze conclusie na hypothesetoetsing: fouten zijn mogelijk, en belangrijk is dat we weten hoe groot de kans is op een fout.
• Bij hypothesetoetsing kan je overschrijdingskansen gebruiken, maar net zo goed kan je de kritieke waarden berekenen die bij de overschrijdingskansen horen.
• Hypotheses kunnen éénzijdig of tweezijdig getoetst worden. Eénzijdig toetsen geeft meer kans op significante resultaten, maar mag enkel toegepast worden als er een duidelijk verantwoorde richting in de hypothese zit.
PREVIOUSLY ON STATISTIEK II
3Hoofdstuk 4: Toetsen voor 1 populatie
Toetsen voor één populatie
Z-toets, T-toets, X²-toets
VANDAAG
5
1. ToetsingssituatieBij welk soort onderzoeksvragen gebruik je deze toets?2. VoorwaardenWanneer mag je deze toets wel/niet gebruiken?3. HypothesenHoe zien H0 en H1 eruit wanneer je deze toets gebruikt?4. ToetsingsgrootheidWelke grootheid bereken je en wat is de kansverdeling van die
grootheid?5. BeslissingsregelsWanneer verwerp je H0: via overschrijdingskansen of kritieke waarden?6. EffectgrootteHoe belangrijk is het gevonden effect?7. RapporterenHoe vermeld je op een juiste manier de resultaten?
STRAMIEN TOETSEN
Hoofdstuk 4: Toetsen voor 1 populatie
6
1. Toetsingssituatie
Heeft het gemiddelde van de populatie waaruit de steekproef afkomstig is een bepaalde waarde of niet?
Vb. Is de gemiddelde IQ score van de populatie van mensen die een training gevolgd hebben meer dan 100?
2. Voorwaarden
σ is bekend en populatie is normaal verdeeld (ook bij kleine N)
σ is niet bekend en/of populatie is niet normaal verdeeld, maar N ≥ 100
Uitleg: als σ niet bekend is maar N ≥ 100 dan mag je s gebruiken
als populatie niet normaal verdeeld is maar N ≥ 100 dan mag je aannemen dat steekproevenverdeling normaal verdeeld is
Z-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
1 2 3 4 5 6 7 8 σ bekend? Ja Ja Ja Nee Nee Ja Nee Nee populatie normaal verdeeld?
Ja Ja Nee ja Nee Nee Ja Nee
n ≥ 100 < 100 ≥ 100 ≥ 100 ≥ 100 < 100 < 100 < 100 Z (σ) Z (σ) Z (σ) Z (s) Z (s) Geen Z Geen Z Geen Z
Z-TOETS VOOR HET GEMIDDELDE
7Hoofdstuk 4: Toetsen voor 1 populatie
8
3. Hypothesen
Linkseenzijdig H0: µ ≥ µ0H1: µ < µ0
Rechtseenzijdig H0: µ ≤ µ0H1: µ > µ0
TweezijdigH0: µ = µ0H1: µ ≠ µ0
µ0 = veronderstelde waarde voor populatiegemiddelde µ
Z-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
4. Toetsingsgrootheid
te vervangen door s indien σ niet gekend is en N ≥ 100
Kansverdeling: Standaardnormale verdeling
Z-TOETS VOOR HET GEMIDDELDE
9
NX
N
XXz
xx
Hoofdstuk 4: Toetsen voor 1 populatie
5. Beslissingsregels
2 mogelijkheden:
a. overschrijdingskansen
b. kritieke waarden
a. H0 verwerpen indien:
Pl (z x) ≤ α? >> linkseenzijdig
Pr (z x) ≤ α? >> rechtseenzijdig
Pd (z x) = 2*Pl (z x) ≤ α? (als X < μ) >> tweezijdig
2*Pr (z x) ≤ α? (als X > μ)
Z-TOETS VOOR HET GEMIDDELDE
10Hoofdstuk 4: Toetsen voor 1 populatie
b. H0 verwerpen indien:
z x ≤ -1.64 >> linkseenzijdig
z x ≥ 1.64 >> rechtseenzijdig
z x ≤ -1.96 (als X < μ) >> tweezijdig
≥ 1.96 (als X > μ)
Telkens bij α = .05 ! Bij een andere α veranderen ook de kritieke waarden!!
Z-TOETS VOOR HET GEMIDDELDE
11Hoofdstuk 4: Toetsen voor 1 populatie
1. Toetsingssituatie
Heeft het gemiddelde van de populatie waaruit de steekproef afkomstig is een bepaalde waarde of niet?
2. Voorwaarden• σ is niet bekend en populatie is normaal verdeeld en N < 100• N > 30 en populatie is niet normaal verdeeld
T-TOETS VOOR HET GEMIDDELDE
12
1 2 3 4 5 6 7 8 σ bekend? Ja Ja Ja Nee Nee Ja Nee Nee populatie N verdeeld? Ja Ja Nee ja Nee Nee Ja Nee n ≥ 100 < 100 ≥ 100 ≥ 100 ≥ 100 < 100 < 100 < 100 Z (σ) Z (σ) Z (σ) Z (s) Z (s) -Geen Z
-Wel t als 30<n<100 -Geen t als n < 30
-Geen Z -Wel t
-Geen Z -Wel t als 30<n<100 -Geen t als n < 30
Hoofdstuk 4: Toetsen voor 1 populatie
13
3. Hypothesen
Linkseenzijdig H0: µ ≥ µ0H1: µ < µ0
Rechtseenzijdig H0: µ ≤ µ0H1: µ > µ0
TweezijdigH0: µ = µ0H1: µ ≠ µ0
µ0 = veronderstelde waarde voor populatiegemiddelde µ
T-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
4. Toetsingsgrootheid
cfr. Z-toets maar s ipv σ
Kansverdeling: Student t-verdeling
Vrijheidsgraden: df = N-1
T-TOETS VOOR HET GEMIDDELDE
14
Ns
X
N
sX
tx00
Hoofdstuk 4: Toetsen voor 1 populatie
Student t-verdeling
Lijkt sterk op de normale verdeling
- Symmetrisch
- Gemiddelde = 0
- Bij oneindig grote steekproef identiek
Verschillen:
- Iets platter, dikkere staarten
- Bepaald door grootte steekproef
-> Meerdere t-verdelingen: parameter df
T-TOETS VOOR HET GEMIDDELDE
15
William Gosset, zichtbaar tevreden met het ontdekken van de t-verdeling
Hoofdstuk 4: Toetsen voor 1 populatie
16
Wat zijn vrijheidsgraden?
vrijheidsgraden = df = degrees of freedom= het aantal observaties waarvan de waarden arbitrair kunnen worden bepaald
In deze t-toets: df = N-1
Vb. gemiddelde van 5 getallen is 10 -> hoeveel getallen mag ik dan vrij kiezen?
Als ik 4 getallen arbitrair kies (bv. 5,11,3,8) dan ligt het 5e getal namelijk vast (nl. 23) opdat er een gemiddelde van 10 zou zijn
Dus we hebben 5-1 of 4 vrijheidsgraden
T-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
17
Vrijheidsgraden in de t-toets:
Bij een t-toets gebruiken we s als schatter voor σs = een afwijkingsscore:
We weten dat het gemiddelde van afwijkingsscores altijd 0 is.
Dus: als we met n (vb. 5) afwijkingsscores werken en het gemiddelde ligt vast nl. 0, dan kunnen we N-1 (vb. 4) afwijkingsscores vrij kiezen.
Als de steekproefgrootte N is, dan is de t-verdeling voor het gemiddelde
gebaseerd op N-1 vrijheidsgraden
T-TOETS VOOR HET GEMIDDELDE
1
)²(²
N
XXs i
1
)²(
N
XXs
i
Hoofdstuk 4: Toetsen voor 1 populatie
5. Beslissingsregels
a. overschrijdingskansen - H0 verwerpen indien:
Pl (t x) ≤ α? >> linkseenzijdig
Pr (t x) ≤ α? >> rechtseenzijdig
Pd (t x) = 2*Pl (t x) ≤ α? (als X < μ) >> tweezijdig
2*Pr (t x) ≤ α? (als X > μ)
T-TOETS VOOR HET GEMIDDELDE
18Hoofdstuk 4: Toetsen voor 1 populatie
19
Rechtseenzijdig toetsenH0: µ ≤ 100 x = 102.93 sx = 12.36 n = 29H1: µ > 100 t x = 102.93 – 100 √29 = 1.28
12.36
df = 28P r = 0.11t x = 1.28
-> is P r (t x) ≤ α?ja: verwerp H0 neen: verwerp H0 niet
T-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
Probleem met overschrijdingskansen: Er zijn net zoveel t-verdelingen als er vrijheidsgraden zijn. Dan zouden er oneindig veel tabellen met overschrijdingskansen beschikbaar moeten zijn.
-> toetsen met kritieke waarden
T-TOETS VOOR HET GEMIDDELDE
20Hoofdstuk 4: Toetsen voor 1 populatie
21
b. Toetsen met kritieke waarden
-> t waarde opzoeken die hoort bij significantieniveau α
-> Tabel kritieke waarden van de t-verdeling in bijlage 1
Rechtseenzijdig toetsen
bij α = 0.05 en df = 28 -> rechter kritieke waarde = 1.701
df = 28
P r = 0.05
t = 1.701
-> t x ≥ 1.701 ?
ja: verwerp H0
neen: verwerp H0 niet
T-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
Onderzoekshypothese: vaders van grote gezinnen vinden van zichzelf dat ze geen gemiddelde intelligentie hebben. In de populatie is schatting van IQ normaal verdeeld met µ = 100. De onderzoeker laat 29 vaders in grote gezinnen hun IQ schatten.
Resultaat in deze steekproef: X = 102.93 en s = 12.36
1. Hoe zien H0 en H1 eruit?
H0: µ = 100
H1: µ ≠ 100
2. Welke toetsingsgrootheid?
σ is onbekend, populatie is normaal verdeeld, N < 100 -> t-toets
T-TOETS VOOR HET GEMIDDELDE
22Hoofdstuk 4: Toetsen voor 1 populatie
3. t score berekenen
4. Kritieke t waarde opzoeken in tabel
-> df = 29-1 = 28 en α = 0.05 en 2-zijdig
-> 2.048
T-TOETS VOOR HET GEMIDDELDE
23
28.12936.12
10093.102
N
s
µXt
xx
Hoofdstuk 4: Toetsen voor 1 populatie
24
5. t score vergelijken met kritieke t score
1.28 < 2.048 dus H0 niet verwerpen
-2.048 2.048
T-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
25
• Opmerking: SPSS gaat ervan uit dat σ niet gekend is en voert steeds een t-toets uit (dus ook in situaties waar een Z-toets toegelaten is)
• Maar: de overschrijdingskansen bij een t-toets zijn groter dan bij een z-toets (zie ook dikkere staarten in t-verdeling in vergelijking met z-verdeling)
• Gevolg: H0 zal minder snel verworpen worden bij een t-toets in vergelijking met een z-toets:1-β (P om H0 terecht te verwerpen - onderscheidingsvermogen) neemt af
• We krijgen dus minder snel een significant resultaat bij een t-toets in vergelijking met een z-toets. Daarom eventueel manuele Z-toets gebruiken als aan de voorwaarden is voldaan.
T-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
26
• Demo SPSS: metalfans en haarlengte
• Hebben metalfans langere haren dan de gemiddelde volwassene?
T-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
27
6. Effectgrootte
7. Rapporteren
Om na te gaan of metalfans langere haren hebben dan de algemene bevolking werd een one sample t-test uitgevoerd. Gemiddeld hadden de metalfans uit de steekproef langere haren (M = 9.83, SD = 2.62) dan de referentiewaarde 8.9 uit de populatie, t(59) = 2.739, p = .008, r = .34.
T-TOETS VOOR HET GEMIDDELDE
Hoofdstuk 4: Toetsen voor 1 populatie
Wat als niet voldaan is aan voorwaarden voor parametrisch toetsen bij bestuderen van 1 populatie?
• variabele niet normaal verdeeld in populatie?• steekproef < 30 ?• geen intervalvariabele?
χ²-toets voor frequenties
Χ²-TOETS VOOR FREQUENTIES
28Hoofdstuk 4: Toetsen voor 1 populatie
1. Toetsingssituatie Stemmen de geobserveerde frequenties in de steekproef overeen met
de verwachte frequenties op basis van normen of eerder onderzoek? Vb. Stemmen de frequenties leerlingen die lezen op niveau AVI-2, AVI-
3, AVI-4 en AVI-5 in het tweede leerjaar van een bepaalde school overeen met de frequenties van deze leesniveaus in de algemene bevolking?
2. Voorwaarden• de categorieën waarvan de frequenties bestudeerd worden moeten
elkaar uitsluiten. • 20% of minder van de categorieën heeft een verwachte frequentie
kleiner dan 5;• geen enkele categorie heeft een verwachte frequentie van minder
dan 1;• ordinale variabelen worden beschouwd als nominale variabelen.
Χ²-TOETS VOOR FREQUENTIES
29Hoofdstuk 4: Toetsen voor 1 populatie
3. Hypothesen
Enkel tweezijdig!
H0: π1 = π2 = … = πk
H1: niet H0
Of
H0: π1 = πA ; π2 = πB ; … ; πk = πK
H1: niet H0
Χ²-TOETS VOOR FREQUENTIES
30Hoofdstuk 4: Toetsen voor 1 populatie
4. Toetsingsgrootheid
met df = k – 1
fo = geobserveerde frequenties
fe = verwachte frequenties
k = aantal categorieën
Χ²-TOETS VOOR FREQUENTIES
31Hoofdstuk 4: Toetsen voor 1 populatie
5. Beslissingsregels
a. overschrijdingskansen
maar χ²-verdeling afhankelijk van df, dus teveel mogelijkheden om te tabelleren, daarom:
b. kritieke waarden
Χ²-TOETS VOOR FREQUENTIES
32Hoofdstuk 4: Toetsen voor 1 populatie
6. Effectgrootte (phi)
(interpreteerbaar zoals r)
7. Rapporteren
Verwachte en geobserveerde proportie, X², df, p-waarde.
Χ²-TOETS VOOR FREQUENTIES
33Hoofdstuk 4: Toetsen voor 1 populatie
Klas 2e leerjaar: 9 van 26 leerlingen lezen op niveau AVI-5. Ongewoon veel? Meer dan verwacht?
Verwachte frequentie = 23% of 6/26
Geobserveerde frequentie = 35% of 9/26
Verschil groot genoeg om van significantie te spreken?
Hypotheses: H0: πminder dan AVI-5 = 20 ; πAVI-5 of meer = 6 en H1: niet H0
Χ²-TOETS VOOR FREQUENTIES
34Hoofdstuk 4: Toetsen voor 1 populatie
Hypotheses:
H0: πminder dan AVI-5 = 20 ; πAVI-5 of meer = 6 en H1: niet H0
Toetsingsgrootheid:
Beslissen:
Is 1.95 groter dan kritieke waarde? tabel kritieke X²-waarden
kritieke waarde bij α = .05 en df = 1 is gelijk aan 3.84.
Aangezien 1.95 < 3.84 wordt H0 niet verworpen.
Χ²-TOETS VOOR FREQUENTIES
35Hoofdstuk 4: Toetsen voor 1 populatie
36
• Demo SPSS: voorkeur vrijetijdsactiviteit bij senioren.
• Een gemoedelijke Duitse gemeente wil in het kader van de budgettering voor recreatie weten of de senioren in de gemeente een uitgesproken voorkeur hebben voor een bepaalde vrijetijdsactiviteit. Een steekproef van senioren wordt gevraagd een keuze te maken tussen wandelen, fietsen of rotsklimmen.
Χ²-TOETS VOOR FREQUENTIES
Hoofdstuk 4: Toetsen voor 1 populatie
interval/ordinaal
nominaal
1
nominaal
> 1
1
one sample t-test /z-test1
2
> 2
interval/ordinaal
onafh.
onafh.
onafh.
afh.
afh.
independent t-test / z-test
dependent t-test
one way ANOVA
repeated measures ANOVA
Pearson correlation
nominaal
interval
gemengd
afh.
gemengd
n-way ANOVA
repeated measures ANOVA
mixed design ANOVA
multiple regression
Pearson chi-square
multiple regression
nominaal/ ordinaal
onafh.
type AV? aantal OV? type OV? hoeveel populaties?
categorieën afhankelijk?
parametrisch non-parametrisch
Rank-sum
Signed-ranks
Kruskal-Wallis
Friedman’s ANOVA
Spearman correlation
niet in dit boek chi-square goodness of fit
1
≥ 2
chi-square goodness of fitonafh.