- Ik ben de Skoledo AI-bot. Ik sta klaar voor je vragen! Mijn antwoorden zijn automatisch gegenereerd en kunnen afwijken van de info op Skoledo.com. De site en les-units zijn altijd leidend. Liever een mens spreken? Mail ons gerust.
Leestijd 4 minuten
- Remco
Hypothesetoetsing, wat is dat?
Onderzoek je iets? Of: ben je aan het analyseren? Dan wil je soms zeker weten of iets wél of niet is.
To be or not to be, that’s the question!
Stel je doet onderzoek naar oorzaken voor een probleem in een proces. Je hebt een lijst met mogelijke invloedsfactoren. Invloedsfactoren waarvan je sterk vermoedt dat ze invloed hebben op de procesprestaties. Hoe stel je dan vast of een invloedsfactor wel of niet écht impact heeft op gemeten of getelde prestaties? De statistiek biedt hiervoor de theorie van het toetsen. Hypothesetoetsing!
De H0 en de Ha
Statistische toetsen worden onder andere gebruikt om de beredeneerde relatie tussen een invloedsfactor (X) en de afhankelijke variabele (Y) te toetsen. Je formuleert hiervoor hypothesen. De nulhypothese stel je op vanuit het standpunt dat de status-quo gehandhaafd blijft. De nullhypothese (H0) staat recht tegenover je onderzoeksverwachting.
Moord
Stel dat het Openbaar Ministerie verwacht dat jij een moord hebt gepleegd. Je wordt dan voorgeleid voor de rechter en de H0 is dat je onschuldig bent, totdat het tegendeel bewezen wordt. De H0 is dus “onschuldig”. De status-quo blijft gehandhaafd (je bent je hele leven onschuldig geweest) en de geformuleerde H0 staat recht tegenover de verwachting van de onderzoeker.
Is er veel bewijsmateriaal? Bijvoorbeeld: 1) jouw DNA is gevonden op het slachtoffer, 2) de moord is gefilmd en je bent goed te zien, 3) getuigen verklaren jou de moord te hebben zien begaan en 4) jij profiteert financieel van de moord. Oefff…… Dat is véél bewijs. De rechter zal je op basis van deze data buiten redelijke twijfel veroordelen voor moord. De H0 wordt dat verworpen ten behoeve van de Ha, de alternatieve hypothese. De rechter acht het dus onwaarschijnlijk dat je onschuldig bent. Gezien al die data.
De P-waarde en de hypothesen
De mate van onwaarschijnlijkheid wordt in de statistiek de P-waarde genoemd. P staat voor Probability. De regel is:
If the P-value is low, the hypotheses has to go!
Als uit een toets blijft dat de P-waarde erg laag is, dan moet de H0 verworpen worden. Het is dan onwaarschijnlijk dat je onschuldig bent. Nu is de vraag, wat is laag? Of: what is low? Welke kans wil je lopen dat je een onschuldig iemand veroordeelt? In de praktijk houden we hier vaak 5% voor aan. Dit is een P-waarde van 0,05. De P-waarde van 0,05 wordt ook wel alpha genoemd.
P-waarde en H0 verwerpen
Wanneer uit een toets een P-waarde van 0,017 komt, dan wordt de H0 verworpen (the P-value is low, so the hypotheses has to go). Wanneer uit een toets een P-waarde volgt van 0,38, dan wordt de H0 niet verworpen. Dus als de P-waarde hoger is dan 0,05 dan word je niet veroordeeld voor moord, je wordt niet-schuldig bevonden. Dit betekent overigens niet dat je daadwerkelijk onschuldig bent.
Significant
De P-waardegrens van 5% wordt vaak ook als significant aangeduid. Maar wanneer je dat een onacceptabel groot risico vindt op een onterechte verwerping van de H0, dan kan je er ook bijvoorbeeld voor kiezen om 1% te hanteren. Dit wordt het significantierisico genoemd. Het risico dat je onterecht veroordeeld wordt.
Type 1 fout?
Het risico dat H0 onterecht verworpen wordt, is een fout van de eerste soort/ type 1 fout. Beste lullig, je hebt de moord niet gepleegd maar je wordt er wel voor veroordeeld.
Type 2 fout?
Daarnaast kennen we ook een type 2 fout, je hebt de moord wel gepleegd maar wordt onterecht vrijgesproken. You lucky bastard! De H0 wordt dan onterecht niet verworpen.
Een voorbeeld
Stel je werkt in een internationale organisatie en je doet onderzoek naar bewerkingstijden. In de organisatie werken Denen en Zweden. Jij vindt het overduidelijk dat de Denen kortere bewerkingstijden hebben dan de Zweden. Maar de Zweden zijn “onschuldig” tot het tegendeel bewezen is. De volgende H0 wordt geformuleerd: Er bestaat geen verschil in bewerkingstijden tussen Denen en Zweden. We hebben de bewerkingstijden per medewerker gemeten en geanalyseerd. We krijgen de onderstaande resultaten.
Je ziet dat de Denen een gemiddelde bewerkingstijd van 45,1 seconden hebben, de Zweden 50,2 seconden. De datasets overlappen elkaar iets. De P-waarde is berekend, deze blijkt 0,04 te zijn. Dit is minder dan 0,05. We verwerpen dus de H0. De Zweden zijn “schuldig” aan langzamere bewerkingstijden.
Het kan ook zijn dat je het onderstaande resultaat krijgt.
Je ziet dat de Denen een gemiddelde bewerkingstijd van 45,1 seconden hebben. Én de Zweden? 47,3 seconden! De datasets overlappen elkaar veel. De P-waarde is berekend, deze blijkt 0,61 te zijn. Dat is meer dan 0,05. Je verwerpt dus H0 niet. De Zweden worden dus “onschuldig” bevonden aan langzamere bewerkingstijden. Je moet daarom naar andere invloedsfactoren gaan zoeken. De Denen of Zweden hebben niet significant invloed op de gemeten bewerkingstijden. Wat wel? De machines? De gehanteerde methoden? Het gebruikte materiaal?
To be or not to be……..
De Deense koning Hamlet is geschokt. Hij ziet de Zweden elke dag vanuit zijn kasteel in Helsingør. Die uitkomst van de laatste hypothesetoets gaat tegen zijn vooroordeel in. Klopt de data wel die is gebruikt?
Meer weten?
Wil jij ook meer weten over Hypothesetoetsen? Of misschien ben je wel benieuw wanneer je welke hypothesetoets moet gebruiken. Schrijf je dan nog in voor onze e-learning Lean Six Sigma Green Belt.
Geschreven door
Remco